計算機輔助圖像分析

計算機輔助圖像分析是近年來隨著計算機技術的發展而興起的一種新型的處理圖像的方法。圖像是人類獲取和交換信息的主要來源，因此，圖像處理的套用領域必然涉及到人類生活和工作的方方面面。隨著人類活動範圍的不斷擴大，圖像處理的套用領域也將隨之不斷擴大。在計算機輔助圖像處理中,運用計算機進行圖像的分類，識別，特徵提取和目標跟蹤是非常有效的一種方法。

基本介紹

• 中文名：計算機輔助圖像分析
• 外文名：computer-assisted image analysis
• 所屬學科：計算機科學
• 縮寫：CAIA
• 主要套用：圖像處理
• 套用：農業、經濟、醫療、科技

產品簡介

由於計算機硬體計算速度的不斷提高和成本的下降，圖像處理和分析技術在各行各業已變得越來越重要。大量研究表明，利用計算機圖像技術可很大的提高測量分析的精度和效率，實現信息採集的智慧型化和自動化。圖像處理主要就在圖像之間進行的變換。假如說圖像處理是一個從圖像到圖像的過程，則圖像分析是一個從圖像到數據的能力。主要是對其中的圖像所需要分析的目標進行檢測和量定，而我們所獲取的客觀信息進行對圖像的重新描述。然而圖像的處理與技術分析將會隨著計算機成熟和發展工程中而迅速發展起來的一個重要套用技術領域。

同時隨著計算機套用技術的發展，圖像與圖像技術的套用也越來越廣泛，除了傳統的廣告、包裝宣傳，網站設計等方面的套用。也在航空事業、機電事業、國家的安全部門、政司法科、國家的武器研發，新型飛彈的定位，還伴有新型科學藥物的研發、在工業上企業是非常重要的一門學科、伴隨著計算機的技術與人工智慧電子的研發智慧型圖像的作用將會占據很大的部分其今後的發展趨勢越來好，越來越廣。

具體方法

基於圖像噪聲分析的計算機圖像檢測

由於自然圖像和計算機生成圖像的形成機理不同，使兩者在噪聲分布上有很大的差異，因此，我們可以根據不同的噪聲分布對兩者作出區分。先構造一種自然圖像模型，然後對圖像的噪聲進行小波隱馬爾可夫處理，並根據圖像的基本特徵選擇一種合適的噪聲分布曲線，最後，根據所檢測圖像與自然圖像之間的噪聲相關差來判定是否是真實的圖像。實踐證明，此方法具有較高的檢測率。

基於小波高階特徵的計算機圖像檢測

小波的高階特性能夠將圖像的統計特徵表現出來，對於人臉識別和圖像分類有很重要的作用。這種檢測方法通過QMFs小波轉換對所獲取的圖像進行分類，然後測試圖像的峰度和偏斜度，並計算相應的均值和方差，用數學的統計方法來進行鑑別。這種方法具有非常高的準確度，但其大量的運算不免會影響整個檢測效率。

基於傅立葉變換的紋理描述

利用傅立葉頻譜的頻率特性描述具有周期性或近似周期性的紋理圖像的方向性，是基於傅立葉變換的紋理描述方法的基本思想引起了熱烈的討論。傅立葉頻譜中突起的峰值對應紋理模式的主方向，這些峰在頻域平面的位置對應模式的基本周期，如果通過濾波濾除周期性成分，剩下的非周期性部分可用統計方法描述。

馬爾柯夫隨機場模型

馬爾柯夫隨機場模型(MRF)的定義是一個條件機率，即一點的取值機率只與其鄰近點有關。馬爾柯夫隨機場模型將紋理圖像看成馬爾柯夫隨機場模型的實現，即假定圖像的每個象素的密度只依賴於鄰域象素的密度。用馬爾柯夫隨機場模型來描述紋理圖像，在每個分塊中估計模型參數，然後對一系列的模型參數進行聚類，確定該象素點及其鄰域情況下該象素點最可能歸屬的機率，機率係數可以作為重要的紋理特徵。馬爾柯夫隨機場模型是種較好的描述紋理的方法，它在表達灰度數據空間分布特徵方面體現出很好的特性，依據馬爾柯夫隨機場模型參數而進行的灰度圖像紋理分析也取得較好效果。

產品特點

優勢

定性分析軟體的優勢在於提高資料分析的效率和深度 。雖然電腦程式並不能直接對定性資料進行分析, 但它們可以作為研究者把握紛繁瑣碎的定性材料的好幫手 。在定量研究和定性研究中, 編碼的含義不同。前者是把被訪者的答案轉換為邏輯上互斥 、範圍上窮盡的選項 ,並賦值相應的數字, 後者是從經驗材料和現存理論中形成概念或範疇的過程。輔助編碼是計算機輔助分析的最大優勢。

計算機輔助的定性分析過程, 有助於研究者儘快熟悉資料, 利用軟體的自動編碼功能, 研究者可以較系統地考察那些被自動編碼的段落 ,這樣, 一旦有資料, 就可以進行編碼工作 ,分析過程可以和資料收集過程並行。這種拖網式的編碼過程會產生大量的代碼, 定性分析軟體可以幫助研究者簡化代碼。首先是減少代碼數量 ,其次是圍繞主題組織代碼。代碼的定義既可以來自原始資料 ,也可能來自現存的理論。藉助於計算機，代碼界定的過程就是一個不斷修正和疊代的過程，這比手工操作具有更大的優勢。而且, 軟體的檢索功能也大大提高了研究者編碼過程的前後一致性，代碼之間的關係也更容易被發現。代碼的修正過程也可能藉助於程式而得以保存，成為一個記載所有代碼特徵的“編碼簿”。

劣勢

定性分析軟體在提高資料分析的效率和深度的同時，也帶來一些問題，例如，把定性分析轉換為定量分析的誘惑 ，對定性資料的時間方面和語言方面分析上的困難 , 沒有其他選項等等。當藉助於計算機軟體進行定性分析時, 代碼就有可能替代語境 ,成為分析的中心，這樣，能夠讓代碼凸顯的意義結構就消失。而且，這種喪失情境的原因不在於編碼的複雜性，而在於編碼的過程本身。給段落編碼並通過檢索把相關段落組合成一個複合文本，這種操作過程把編碼段落和詮釋總體割裂開來，從而把深描變成狂草。深描不僅要求不同段落之間的比較，而且要求關注段落和語境之間的聯繫。

計算機輔助的定性分析的第二個弱點是把數據和分析隔離 。有時候,研究者只能採用一種“率直歸納法”的態度, 對於定性資料, 不是採取一種文化和理論的取向 ,而是一個經驗取向，形成的理論概念(代碼)和日常語言之間沒有多大差別。最後, 計算機輔助的定性分析還容易使研究者產生一種對技術的盲從態度 ,以為計算機可以替代人們的思維, 從而產生誤用。為了防止誤用計算機輔助的定性分析方法, 我們需要明晰分析原則和評估標準。紮根理論的評估標準可分為兩類：基於分析過程的和基於分析結果的。

套用實例

小麥圖像識別—小麥生長過程中，自身外觀顏色的變化直接反映著小麥的長勢和營養狀況等，從而通過分析其圖像的顏色特徵可以直接表征小麥的生長發育情況；充分挖掘圖像的顏色信息進而合理、科學的表達圖像的顏色特徵是對小麥生長發育進行實時有效監測和調控的重要依據。對應於彩色圖像的識別過程，顏色特徵的提取和表達完全是基於顏色模式對顏色的表達之上的，所以，對顏色模式基本參量的分析和分類在基於顏色特徵進行小麥圖像識別和診斷中具有十分重要的意義。