图像处理数学方法

Posted 2020-06-08

 

图像处理数学方法

 

在图像处理的发展过程中，数学始终起着举足轻重的作用，并渗透在图像处理的所有分支之中。

到上世纪六七十年代为止，以Fourier分析为代表的线性处理方法占据了几乎整 个数字图像处理领域。在此期间，借助于随机过程理论，人们建立了图像模型通过概率论以及在此基础上建立的信息论建立了图像编码的框架；线性滤波（维纳滤 波、卡尔曼滤波）方法为低层图像处理提供了有力的理论支持；而FFT则被广泛使用在图像处理的几乎所有分支中。这些数学工具极大地促进了图像处理的发展和 应用。

自上世纪八十年代开始，非线性科学开始逐渐渗透到图像处理方法之中，许多新颖的数 学工具被引入到图像处理领域，使相关的理论变得多元化。尤其以小波和多尺度分析为代表的信息处理方法，继承和发展了Fourier分析，将函数论和逼近论 的最新成果应用在工程应用中，建立起了完整的系统框架，在图像编码、图像分割、纹理识别、图像滤波、边缘检测、特征提取和分析等方面的应用中，已经取得了 非凡的成果。目前，小波分析方法业已成为信号处理的基础理论之一

同时，其他非线性的数学工具的应用也取得丰硕的成果：如分形在图像编码和纹理识别中的应用，李群在动态图像弹性形变识别中的应用，多尺度分析在图像检索和识别中的应用，非线性规划在矢量量化和图像编码中的应用等等。另外，图像确定性模型（BV 模型）的建立、模糊数学对图像质量的评价体系、Meaningful理论对图像距离的研究是对图像本质的进一步刻划，使计算机可以更贴切地描述人类的视觉系统。

同时，其他非线性的数学工具的应用也取得丰硕的成果：如分形在图像编码和纹理识别中的应用，李群在动态图像弹性形变识别中的应用，多尺度分析在图像检索和识别中的应用，非线性规划在矢量量化和图像编码中的应用等等。另外，图像确定性模型（BV 模型）的建立、模糊数学对图像质量的评价体系、Meaningful理论对图像距离的研究是对图像本质的进一步刻划，使计算机可以更贴切地描述人类的视觉系统。

特别的，基于非线性发展（偏微分）方程的图像处理方法成为近年来图像研究的一个热 点。它从分析图像去噪的机理入手，结合数学形态学微分几何、射影几何等数学工具，建立了滤波和偏微分方程相关的公理体系。另外，它在图像重构、图像分割、 图像识别、遥感图像处理、图像分析、边缘检测、图像插值、医学图像处理、动态图像修补、立体视觉深度检测、运动分析等方面得到了一定的应用。在研究过程 中，人们介绍了一些概念，如active coutour(snake)，level set(level line)等，把数学和图像有机地联系起来。

另一方面，图像处理的实际需求和工程背景也刺激了一些数学分支的发展，如小波理论 的研究动力来源于信号处理中对于时频局部化分析的需求，而且在理论体系建立起来之前已经有了广泛的应用；偏微分方程的粘性解概念的提出也是因为在图像处理 的应用中应用条件不满足各种微分学中的假设；对于投影几何的研究也由于图像Moisaic的需求变得细致。

近年来，我国高校的数学系设置了信息与科学计算专业，甚至如北京大学数学科学院信 息科学系。作为一个近年快速发展的新学科，它运用近代数学方法和计算机技术解决信息科学领域中的问题，应用十分广泛。图像处理是其中一个非常重要的方向， 许多学校都把图像处理作为一个重点发展方向。但是，目前还存在一些问题：一方面，数学系的研究人员对于图像发展以及背景的了解不够深刻；另一方面，数学系 中新建的专业和图像处理领域的交流沟通还不是很通畅，因而对于图像处理领域中的一些热点问题的了解还不够及时和全面。

进入本世纪以后，随着计算机的和Internet网络技术的飞速发展，图像处理的发展也进入了一个新的飞跃阶段。同时，图像处理和计算机视觉的工程应用中还有许多问题尚待解决。