[科普中國(guó)]-計(jì)算機(jī)輔助圖像分析

簡(jiǎn)介

由于計(jì)算機(jī)硬件計(jì)算速度的不斷提高和成本的下降，圖像處理和分析技術(shù)在各行各業(yè)已變得越來(lái)越重要。大量研究表明，利用計(jì)算機(jī)圖像技術(shù)可很大的提高測(cè)量分析的精度和效率，實(shí)現(xiàn)信息采集的智能化和自動(dòng)化。圖像處理主要就在圖像之間進(jìn)行的變換。假如說(shuō)圖像處理是一個(gè)從圖像到圖像的過(guò)程，則圖像分析是一個(gè)從圖像到數(shù)據(jù)的能力。主要是對(duì)其中的圖像所需要分析的目標(biāo)進(jìn)行檢測(cè)和量定，而我們所獲取的客觀信息進(jìn)行對(duì)圖像的重新描述。然而圖像的處理與技術(shù)分析將會(huì)隨著計(jì)算機(jī)成熟和發(fā)展工程中而迅速發(fā)展起來(lái)的一個(gè)重要應(yīng)用技術(shù)領(lǐng)域。

同時(shí)隨著計(jì)算機(jī)應(yīng)用技術(shù)的發(fā)展，圖像與圖像技術(shù)的應(yīng)用也越來(lái)越廣泛，除了傳統(tǒng)的廣告、包裝宣傳，網(wǎng)站設(shè)計(jì)等方面的應(yīng)用。也在航空事業(yè)、機(jī)電事業(yè)、國(guó)家的安全部門、政司法科、國(guó)家的武器研發(fā)，新型導(dǎo)彈的定位，還伴有新型科學(xué)藥物的研發(fā)、在工業(yè)上企業(yè)是非常重要的一門學(xué)科、伴隨著計(jì)算機(jī)的技術(shù)與人工智能電子的研發(fā)智能圖像的作用將會(huì)占據(jù)很大的部分其今后的發(fā)展趨勢(shì)越來(lái)好，越來(lái)越廣。2

具體方法基于圖像噪聲分析的計(jì)算機(jī)圖像檢測(cè)由于自然圖像和計(jì)算機(jī)生成圖像的形成機(jī)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(jù)不同的噪聲分布對(duì)兩者作出區(qū)分。先構(gòu)造一種自然圖像模型，然后對(duì)圖像的噪聲進(jìn)行小波隱馬爾可夫處理，并根據(jù)圖像的基本特征選擇一種合適的噪聲分布曲線，最后，根據(jù)所檢測(cè)圖像與自然圖像之間的噪聲相關(guān)差來(lái)判定是否是真實(shí)的圖像。實(shí)踐證明，此方法具有較高的檢測(cè)率。

基于小波高階特征的計(jì)算機(jī)圖像檢測(cè)小波的高階特性能夠?qū)D像的統(tǒng)計(jì)特征表現(xiàn)出來(lái)，對(duì)于人臉識(shí)別和圖像分類有很重要的作用。這種檢測(cè)方法通過(guò)QMFs小波轉(zhuǎn)換對(duì)所獲取的圖像進(jìn)行分類，然后測(cè)試圖像的峰度和偏斜度，并計(jì)算相應(yīng)的均值和方差，用數(shù)學(xué)的統(tǒng)計(jì)方法來(lái)進(jìn)行鑒別。這種方法具有非常高的準(zhǔn)確度，但其大量的運(yùn)算不免會(huì)影響整個(gè)檢測(cè)效率。3

基于傅里葉變換的紋理描述利用傅里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，是基于傅里葉變換的紋理描述方法的基本思想引起了熱烈的討論。傅里葉頻譜中突起的峰值對(duì)應(yīng)紋理模式的主方向，這些峰在頻域平面的位置對(duì)應(yīng)模式的基本周期，如果通過(guò)濾波濾除周期性成分，剩下的非周期性部分可用統(tǒng)計(jì)方法描述。

馬爾柯夫隨機(jī)場(chǎng)模型馬爾柯夫隨機(jī)場(chǎng)模型(MRF)的定義是一個(gè)條件概率，即一點(diǎn)的取值概率只與其鄰近點(diǎn)有關(guān)。馬爾柯夫隨機(jī)場(chǎng)模型將紋理圖像看成馬爾柯夫隨機(jī)場(chǎng)模型的實(shí)現(xiàn)，即假定圖像的每個(gè)象素的密度只依賴于鄰域象素的密度。用馬爾柯夫隨機(jī)場(chǎng)模型來(lái)描述紋理圖像，在每個(gè)分塊中估計(jì)模型參數(shù)，然后對(duì)一系列的模型參數(shù)進(jìn)行聚類，確定該象素點(diǎn)及其鄰域情況下該象素點(diǎn)最可能歸屬的概率，概率系數(shù)可以作為重要的紋理特征。馬爾柯夫隨機(jī)場(chǎng)模型是種較好的描述紋理的方法，它在表達(dá)灰度數(shù)據(jù)空間分布特征方面體現(xiàn)出很好的特性，依據(jù)馬爾柯夫隨機(jī)場(chǎng)模型參數(shù)而進(jìn)行的灰度圖像紋理分析也取得較好效果。4

優(yōu)勢(shì)與劣勢(shì)優(yōu)勢(shì)定性分析軟件的優(yōu)勢(shì)在于提高資料分析的效率和深度 。雖然計(jì)算機(jī)程序并不能直接對(duì)定性資料進(jìn)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(zhuǎn)換為邏輯上互斥 、范圍上窮盡的選項(xiàng) ,并賦值相應(yīng)的數(shù)字, 后者是從經(jīng)驗(yàn)材料和現(xiàn)存理論中形成概念或范疇的過(guò)程。輔助編碼是計(jì)算機(jī)輔助分析的最大優(yōu)勢(shì)。
計(jì)算機(jī)輔助的定性分析過(guò)程, 有助于研究者盡快熟悉資料, 利用軟件的自動(dòng)編碼功能, 研究者可以較系統(tǒng)地考察那些被自動(dòng)編碼的段落 ,這樣, 一旦有資料, 就可以進(jìn)行編碼工作 ,分析過(guò)程可以和資料收集過(guò)程并行。這種拖網(wǎng)式的編碼過(guò)程會(huì)產(chǎn)生大量的代碼, 定性分析軟件可以幫助研究者簡(jiǎn)化代碼。首先是減少代碼數(shù)量 ,其次是圍繞主題組織代碼。代碼的定義既可以來(lái)自原始資料 ,也可能來(lái)自現(xiàn)存的理論。借助于計(jì)算機(jī)，代碼界定的過(guò)程就是一個(gè)不斷修正和迭代的過(guò)程，這比手工操作具有更大的優(yōu)勢(shì)。而且, 軟件的檢索功能也大大提高了研究者編碼過(guò)程的前后一致性，代碼之間的關(guān)系也更容易被發(fā)現(xiàn)。代碼的修正過(guò)程也可能借助于程序而得以保存，成為一個(gè)記載所有代碼特征的“編碼簿”。

劣勢(shì)定性分析軟件在提高資料分析的效率和深度的同時(shí)，也帶來(lái)一些問(wèn)題，例如，把定性分析轉(zhuǎn)換為定量分析的誘惑 ，對(duì)定性資料的時(shí)間方面和語(yǔ)言方面分析上的困難 , 沒(méi)有其他選項(xiàng)等等。當(dāng)借助于計(jì)算機(jī)軟件進(jìn)行定性分析時(shí), 代碼就有可能替代語(yǔ)境 ,成為分析的中心，這樣，能夠讓代碼凸顯的意義結(jié)構(gòu)就消失。而且，這種喪失情境的原因不在于編碼的復(fù)雜性，而在于編碼的過(guò)程本身。給段落編碼并通過(guò)檢索把相關(guān)段落組合成一個(gè)復(fù)合文本，這種操作過(guò)程把編碼段落和詮釋總體割裂開(kāi)來(lái)，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(guān)注段落和語(yǔ)境之間的聯(lián)系。
計(jì)算機(jī)輔助的定性分析的第二個(gè)弱點(diǎn)是把數(shù)據(jù)和分析隔離 。有時(shí)候,研究者只能采用一種“率直歸納法”的態(tài)度, 對(duì)于定性資料, 不是采取一種文化和理論的取向 ,而是一個(gè)經(jīng)驗(yàn)取向，形成的理論概念(代碼)和日常語(yǔ)言之間沒(méi)有多大差別。最后, 計(jì)算機(jī)輔助的定性分析還容易使研究者產(chǎn)生一種對(duì)技術(shù)的盲從態(tài)度 ,以為計(jì)算機(jī)可以替代人們的思維, 從而產(chǎn)生誤用。為了防止誤用計(jì)算機(jī)輔助的定性分析方法, 我們需要明晰分析原則和評(píng)估標(biāo)準(zhǔn)。扎根理論的評(píng)估標(biāo)準(zhǔn)可分為兩類：基于分析過(guò)程的和基于分析結(jié)果的。5

應(yīng)用實(shí)例小麥圖像識(shí)別—小麥生長(zhǎng)過(guò)程中，自身外觀顏色的變化直接反映著小麥的長(zhǎng)勢(shì)和營(yíng)養(yǎng)狀況等，從而通過(guò)分析其圖像的顏色特征可以直接表征小麥的生長(zhǎng)發(fā)育情況；充分挖掘圖像的顏色信息進(jìn)而合理、科學(xué)的表達(dá)圖像的顏色特征是對(duì)小麥生長(zhǎng)發(fā)育進(jìn)行實(shí)時(shí)有效監(jiān)測(cè)和調(diào)控的重要依據(jù)。對(duì)應(yīng)于彩色圖像的識(shí)別過(guò)程，顏色特征的提取和表達(dá)完全是基于顏色模式對(duì)顏色的表達(dá)之上的，所以，對(duì)顏色模式基本參量的分析和分類在基于顏色特征進(jìn)行小麥圖像識(shí)別和診斷中具有十分重要的意義。1