??xml version="1.0" encoding="utf-8" standalone="yes"?>
我看来Q个得图像处理的׃q是不错的。首先可以把囑փ看成二维、三l或者更高维的信P从这个意义上来说Q图像处理是整个信号处理里面׃形势最好的Q因Z不仅要掌握(一l_(d)(j)信号处理的基本知识,也要掌握囑փ处理Q二l或者高l信号处理)(j)的知识。其ơ,囑փ处理是计机视觉和视频处理的基础Q掌握好?jin)图像处理的基本知识Q就业时可以向q些方向发展。目前的模式识别Q大部分也都是图像模式识别。在实际应用场合Q采集的信息很多都是囑փ信息Q比如指UV条码、h脸、虹膜、R辆等{。说到应用场合,千万不能忘(sh)(jin)d囑փq一块,如果有医学图像处理的背景Q去一些医疗器械公司或者医疗Y件公怹是不错的选择。图像处理对~程的要求比较高Q如果编E很厉害Q当然就业也多了(jin)一个选择方向Qƈ不一定要局限在囑փ方向?br />
下面谈谈我所知道的一些公怿息,不全Q仅仅是我所?jin)解到的或者我所感兴的Q实际远q不止这么多?br />
搜烦(ch)方向
Z内容的图像或视频搜烦(ch)是很多搜索公司研I的热点。要惌入这个领域,必须有很强的~程能力Q很好的囑փ处理和模式识别的背景。要求高待遇自然׃错,目前q方面的代表公司有微软、google、yahoo和百度,个个鼎鼎大名?br />
d囑փ方向
目前在医疗器械方向主要是几个大企业在竞争Q来头都不小Q其中包括Simens、GE、飞利和柯达,主要生CT和MRI{医疗器材。由于医疗器械的主要功能是成像,必然涉及(qing)到对囑փ的处理,做图像处理的很有Z(x)q入q些公司。它们在国内都设有研发中?j),simens的在上v和深圻IGE和柯N在上P飞利的在沈队뀂由于医疗市(jng)场是一个没有完全开发的?jng)场Q而一套医疗设备的h是非常昂늚Q所以在q些地方的待遇都q可以,前景也看好。国内也有一些这L(fng)企业比如深圳安科和迈?br />
计算觉和模式识别方向
我没去调研过有哪些公司在做,但肯定不,比如指纹识别、h脸识别、虹膜识别。还有一个很大的方向是R牌识别,q个我倒是知道有一个公叔R德威交通似乎做的很不错的样子。目前视频监控是一个热炚w题,做跟t和识别的可以在q个方向扑ֈ一席之地?br />上v法视特位于上张江高U技园区Q在视觉和识别方面做的不错。北京的我也知道两个公司Q大恒和凌云Q都是以囑փ作ؓ(f)研发的主体?br />
视频方向
一般的高校或者研I所侧重在标准的制定和修改以?qing)技术创新方面,而公司则侧重在编码解码的g实现斚w。一般这些公司要求是熟?zhn)或者精通MPEG、H.264或者AVSQ选择?jin)这个方向,只要做的q(sh)错,基本׃愁饭。由于这不是我所感兴的方向Q所以这斚w的公司的信息我没有收集,但^常在各个bbs或者各U招聘网站经常看到?br />我所知道的两个公司:(x)诺基亚和pixelworks
其他
其实一般来_(d)只要涉及(qing)到成像或者图像的基本都要囑փ处理斚w的h。比方说一个成像设备,在输出图像之前需要对原始囑փq行增强或者去噪处理,存储旉要对囑փq行压羃Q成像之后需要对囑փ内容q行自动分析Q这些内定w是图像处理的范畴。下面列举一些与囑փ有关或者招聘时明确说明需要图像处理方面h才的公司Q?br />上v豪威集成?sh)\有限公司Qwww.ovt.com.cnQ?br />中芯?br />摩托|拉上v研究?br />威盛QVIAQ?br />松下
索尼
清华同方
三星
所有与囑փQ静(rn)止或者运动图像)(j)有关的公叔R是一U选择。比如数码相机、显微镜成像、超声成像、工业机器h控制、显C器、电(sh)视、遥感等{,都可以作为求职方向?br />
要求Q?br />1、外语。如果进外企Q外语的重要性不a而喻。一般外企的W一轮面试都是英语口语面试?br />2、编E。这斚w以CQ+为重Q很多公司的W试都是考cQ+知识?br />3、专业水q뀂如果要找专业相关的工作Q研I生期间的研I经历和发表的论文就昄比较重要?br />4、知识面的宽度。我觉得在研I生期间Q除?jin)做好自q研究方向之外Q扩宽一下知识面也有很大的帮助,当然q个知识面指的是囑փ处理、计机视觉和模式识别,知识面越宽,׃时的选择׃(x)多?br />
囑փ处理方向毕业的就业面非常q,而且待遇在应届生应该是中上等。其实还是一句话Q能力决定一切。只要研I生三年没有白过Q根本不愁找不到好工作。祝所有正在读研或者即读研的朋友来都能有一份满意的工作?
]]>
沿的内容Q其二是所作工作要具备很高的实用背景。解决第一个问题的办法?br />
是找?gu)个方向公认最牛的几个大拿(看看他们都在作什?和最权威?br />
出版?阅读上面最新的文献)Q解决第二个问题的办法是你最好能够找C?br />
实际应用的项目,边做边写文章?
做好q几点的途径之一是充分利用|络资源Q特别是权威|站和大拿们的个Zc(din)下面是我收集的一些资源,希望对大家有用?q里我要感谢SMTH AI版的alamarik和Graphics版的faintt)
D栏:(x)
[1]研究体
[2]大拿主页
[3]前沿期刊
[4]GPL软g资源
[5]搜烦(ch)引擎
一、研I群?br />http://www-2.cs.cmu.edu/~cil/vision.html
q是卡奈基梅隆大学的计算觉研I组的主,上面提供很全的资料,从发表文章的下蝲到演C程序、测试图像、常用链接、相兌YgQ甚臌有一个搜索引擎?
http://www.cmis.csiro.au/IAP/zimage.htm
q是一个侧重图像分析的站点Q一般。但是提供一个Image Analysis环境---ZIMAGE and SZIMAGE?
http://www.via.cornell.edu/
康奈?dng)大学的计算觉和囑փ分析研究l,好像是电(sh)子和计算机工E系的。侧重医学方面的研究Q但是在上面有相当不错资源,关键是它正在中,能够跟踪一些信息?
http://www2.parc.com/istl/groups/did/didoverview.shtml
有一个很有意思的目QDID(文档囑փ解码)?
http://www-cs-students.stanford.edu/
斯坦大学计机pM,自己扑:(
http://www.fmrib.ox.ac.uk/analysis/
主要研究QBrain Extraction Tool,Nonlinear noise reduction,Linear Image Registration,
Automated Segmentation,Structural brain change analysis,motion correction,etc.
http://www.cse.msu.edu/prip/
q是密歇根州立大学计机和电(sh)子工E系的模式识?-囑փ处理研究l,它的FTP上有许多的文?NEW)?
http://pandora.inf.uni-jena.de/p/e/index.html
德国的一个数字图像处理研I小l,在其上面能找C些不错的链接资源?
http://www-staff.it.uts.edu.au/~sean/CVCC.dir/home.html
CVIP(used to be CVCC for Computer Vision and Cluster Computing) is a research group focusing on cluster-based computer vision within the Spiral Architecture.
http://cfia.gmu.edu/
The mission of the Center for Image Analysis is to foster multi-disciplinary research in image, multimedia and related technologies by establishing links
between academic institutes, industry and government agencies, and to transfer key technologies to
help industry build next
generation commercial and military imaging and multimedia systems.
http://peipa.essex.ac.uk/info/groups.html
可以通过它来搜烦(ch)全世界各地的知名的计机视觉研究l?CV Groups)Q极力推荐?
二、图像处理GPL?br />http://www.ph.tn.tudelft.nl/~klamer/cppima.html
Cppima 是一个图像处理的C++函数库。这里有一个较全面介绍它的库函数的文档Q当然你也可以下载压~的GZIP包,里面包含TexInfo格式的文档?
http://iraf.noao.edu/
Welcome to the IRAF Homepage! IRAF is the Image Reduction and Analysis Facility, a general purpose software
system for the reduction and analysis of astronomical data.
http://entropy.brni-jhu.org/tnimage.html
一个非怸错的Unixpȝ的图像处理工P看看它的截图。你可以在此基础上构q专用囑փ处理工具包?
http://sourceforge.net/projects/
q是GPL软g集散圎ͼ到这里找你想要得到的IP库吧?
三、搜索资?br />当然q里基本的搜索引擎还是必要依靠的,比如Google{,可以到我常用的链接看看。下面的链接可能?x)节省你一些时_(d)(x)
http://sal.kachinatech.com/
http://cheminfo.pku.edu.cn/mirrors/SAL/index.shtml
四、大拿网?br />http://www.ai.mit.edu/people/wtf/
q位可是MIT人工实验室的BILL FREEMAN。大名鼎鼎!专长是:(x)理解--贝叶斯模型?
http://www.merl.com/people/brand/
MERL(Mitsubishi Electric Research Laboratory)中的擅长“Style Machine”高手?
http://research.microsoft.com/~ablake/
CV界极有声望的A.Blake 1977q毕业于剑桥大学三一学院q或数学与电(sh)子科学学士学位。之后在MITQEdinburghQOxford先后l徏q研I小lƈ成ؓ(f)Oxford的教授,直到1999q进入微软剑桥研I中?j)。主要工作领域是计算觉?
http://www-2.cs.cmu.edu/afs/cs.cmu.edu/user/har/Web/home.html
q位牛h好像正在学习(fn)汉语Qƈ且搜集了(jin)诸如“两只老虎(Two Tigers)”的歌曲Q嘿?)
他的主页上面q有几个牛:(x)Shumeet Baluja, Takeo Kanade。他们的Face Detection作的l对是世界一。他毕业于卡奈基梅隆大学的计机U学p,兴趣是计机视觉?
http://www.ifp.uiuc.edu/yrui_ifp_home/html/huang_frame.html
q位老牛?963q就获得?jin)MIT的博士学位!他领导的Image Lab比较出名的是指纹识别?
--------------------------------------------------------------------------------
下面q些是我搜集的牛?大部分是如日中天的Ph.D?Q可以学?fn)的是他们的Study Ways!
Finn Lindgren(Sweden):Statistical image analysis http://www.maths.lth.se/matstat/staff/finn/
Pavel Paclik(Prague):statistical pattern recognition http://www.ph.tn.tudelft.nl/~pavel/
Dr. Mark Burge:machine learning and graph theory http://cs.armstrong.edu/burge/
yalin Wang:Document Image Analysis http://students.washington.edu/~ylwang/
Geir Storvik: Image analysis http://www.math.uio.no/~geirs/
Heidorn http://alexia.lis.uiuc.edu/~heidorn/
Joakim Lindblad:Digital Image Cytometry http://www.cb.uu.se/~joakim/index_eng.html
S.Lavirotte: http://www-sop.inria.fr/cafe/Stephane.Lavirotte/
Sporring:scale-space techniques http://www.lab3d.odont.ku.dk/~sporring/
Mark Jenkinson:Reduction of MR Artefacts http://www.fmrib.ox.ac.uk/~mark/
Justin K. Romberg:digital signal processing http://www-dsp.rice.edu/~jrom/
Fauqueur:Image retrieval by regions of interest http://www-rocq.inria.fr/~fauqueur/
James J. Nolan:Computer Vision http://cs.gmu.edu/~jnolan/
Daniel X. Pape:Information http://www.bucho.org/~dpape/
Drew Pilant:remote sensing technology http://www.geo.mtu.edu/~anpilant/index.html
五、前沿期?TOP10)
q里的期刊大部分都可以通过上面的大拿们的主间接找刎ͼ在这列出主要是ؓ(f)?jin)节省直接想找期刊投E的兄弟的时?)
IEEE Trans. On PAMI http://www.computer.org/tpami/index.htm
IEEE Transactionson Image Processing http://www.ieee.org/organizations/pubs/transactions/tip.htm
Pattern Recognition http://www.elsevier.com/locate/issn/00313203
Pattern Recognition Letters http://www.elsevier.com/locate/issn/01678655
经|络
Neural Networks Tutorial Review
http://hem.hj.se/~de96klda/NeuralNetworks.htm
ftp://ftp.sas.com/pub/neural/FAQ.html
Image Compression with Neural Networks
http://www.comp.glam.ac.uk/digimaging/neural.htm
Backpropagator's Review
http://www.dontveter.com/bpr/bpr.html
Bibliographies on Neural Networks
http://liinwww.ira.uka.de/bibliography/Neural/
Intelligent Motion Control with an Artificial Cerebellum
http://www.q12.org/phd.html
Kernel Machines
http://www.kernel-machines.org/
Some Neural Networks Research Organizations
http://www.ieee.org/nnc/
http://www.inns.org/
Neural Network Modeling in Vision Research
http://www.rybak-et-al.net/nisms.html
Neural Networks and Machine Learning
http://learning.cs.toronto.edu/
Neural Application Software
http://attrasoft.com
Neural Network Toolbox for MATLAB
http://www.mathworks.com/products/neuralnet/
Netlab Software
http://www.ncrg.aston.ac.uk/netlab/
Kunama Systems Limited
http://www.kunama.co.uk/
Computer Vision
Computer Vision Homepage, Carnegie Mellon University
www.cs.cmu.edu/~cil/vision.html
Annotated Computer Vision Bibliography
http://iris.usc.edu/Vision-Notes/bibliography/contents.html
http://iris.usc.edu/Vision-Notes/rosenfeld/contents.html
Lawrence Berkeley National Lab Computer Vision and Robotics Applications
http://www-itg.lbl.gov/ITG.hm.pg.docs/VISIon/vision.html
CVonline by University of Edinburgh
The Evolving, Distributed, Non-Proprietary, On-Line Compendium of Computer Vision, www.dai.ed.ac.uk/CVonline
Computer Vision Handbook, www.cs.hmc.edu/~fleck/computer-vision-handbook
Vision Systems Courseware
www.cs.cf.ac.uk/Dave/Vision_lecture/Vision_lecture_caller.html
Research Activities in Computer Vision
http://www-syntim.inria.fr/syntim/analyse/index-eng.html
Vision Systems Acronyms
www.vision-systems-design.com/vsd/archive/acronyms.html
Dictionary of Terms in Human and Animal Vision
http://cns-web.bu.edu/pub/laliden/WWW/Visionary/Visionary.html
Metrology based on Computer Vision
www.cranfield.ac.uk/sme/amac/research/metrology/metrology.html
Digital Photography
Digital Photography, Scanning, and Image Processing
www.dbusch.com/scanners/scanners.html
Educational Resources, Universities
Center for Image Processing in Education
www.cipe.com
Library of Congress Call Numbers Related to Imaging Science by Rochester Institute of Technology
http://wally2.rit.edu/pubs/guides/imagingcall.html
Mathematical Experiences through Image Processing, University of Washington
www.cs.washington.edu/research/metip/metip.html
Vismod Tech Reports and Publications, MIT
http://vismod.www.media.mit.edu/cgi-bin/tr_pagemaker
Vision Lab PhD dissertation list, University of Antwerp
http://wcc.ruca.ua.ac.be/~visielab/theses.html
INRIA (France) Research Projects: Human-Computer Interaction, Image Processing, Data Management, Knowledge Systems
www.inria.fr/Themes/Theme3-eng.html
Image Processing Resources
http://eleceng.ukc.ac.uk/~rls3/Contents.htm
Publications of Carsten Steger
http://www9.informatik.tu-muenchen.de/people/steger/publications.html
FAQs
comp.dsp FAQ
www.bdti.com/faq/dsp_faq.htm
Robotics FAQ
www.frc.ri.cmu.edu/robotics-faq
Where's the sci.image.processing FAQ?
www.cc.iastate.edu/olc_answers/packages/graphics/sci.image.processing.faq.html
comp.graphics.algorithms FAQ, Section 3, 2D Image/Pixel Computations
www.exaflop.org/docs/cgafaq
Astronomical Image Processing System FAQ
www.cv.nrao.edu/aips/aips_faq.html
由於在现今资讯流通普遍的C会(x)中,影像的需求量来大Q媄(jing)像的C化是必然的趋ѝ然而在C化过的媄(jing)像所占的资料量又相当庞大Q在传输与处理上皆有所不便。将资料压羃是最好的Ҏ(gu)。如今有一新的模式Q在压羃率及(qing)q原度皆有不错的表现Qؓ(f)其尚未有一标准的格式,故在应用上尚未普?qing)。但在不久的未来Q其潜力不可限量。而媄(jing)像之於印h密不可分的关pR故以此文章介l小波(WAVELETQ{换的历史渊源。小波{换的基础原理。现今的发展对印刷业界的冲击。媄(jing)像压~的未来的发展。?/p>
壏V前a (tng)
由於U技日新月异Q印刷已׃l印刯向数位印列在C化的q程中,影像的资料一直有档案q大的问题,占用记忆体过多,使资料在传输上、处理上都相当的Ҏ(gu)Q现今个人拥有True (tng)Color的视讯卡?4-bit的全彩印表机与扫描器已不再是天方夜K?jin),而用者对影像囑Ş的要求,不仅要色彩繁多、真实自?dng)更要搭配多媒体或动画。但是相对的高画质视觉n受,所要付出的代h(hun)是大量的储存I间Q用者往往只能眼睁睁地看着体积庞大的图档占掉硬、磁带和光碟片的I间Q美丽的图档在亲朋好友之间互通有无,是天l地义的事,但是用网路传?40X480 (tng)True (tng)Color囑Ş得花3分多钟,怋人哈Ơ连q,大家不禁?j)生疑虑Q难道图档不能压~得更小些吗Q如此报业在传版时也可更快速。所以一U好的压~格式是不可或缺的,可以使媄(jing)像所占的记忆体更、更Ҏ(gu)处理。但是目前市(jng)Z所用的压羃模式Q在压羃的比率上q不理想Q失d~的意义。不然就是压~比例过大而造成影像qQ即使数学家与资讯理论学者日以夜,卯尽全力Cؓ(f)lossless~码法找出更快速、更_ֽ的演法Q都无可避免一个尴的事实Q压~率q是不够好。再说用来印L(fng)话就造成影像模糊不清Q或是媄(jing)像出现锯齿状的现象。皆?x)造成印刷输出的问题。媄(jing)像压~?a target="_blank">技?/a>是否真的I途末路?L(fng)信hc解决难题的潜力是无限的。既然旧有编码法不够用Q山不{路{Q科学家便将注意力移转到WAVELET转换法,l果不但发现?jin)满意的解答Q还开拓出一条光明的坦途。小波分析是q几q来才发展出来的数学理论。小波分析,无论是作为数学理论的q箋(hu)L变换Q还是作为分析工具和Ҏ(gu)的离散小波变换,仍有许多可被研究的地方,它是q几q来在工具及(qing)Ҏ(gu)上的重大H破。小波分析是傅利ӞF(tun)ourierQ分析的重要发展Q他保留?jin)傅氏理论的优点Q又能克服其不之处。可辑ֈ完全不失真,压羃的比率也令h可以接受。由於其数学理论早在1960q代中叶有人提Z(jin)Q而到现在才有人将其应用於实际上,其理Z有相当大的发展空_(d)而其实际q用也属刚v步,其後l发展可说是不可限量。故研究的动Z由此而生。?/p>
贰、?tng)WAVELET的历史v源?/p>
WAVELET源v於Joseph (tng)Fourier的热力学公式。傅利叶方程式在十九(ji)世纪初期由Joseph (tng)Fourier (tng)(1768-1830)所提出Qؓ(f)C信号分析奠定?jin)基。在十九(ji)C十世U的基础数学研究领域也占?jin)极重要的地位。Fourier提出?jin)Q一方程式,甚至是画Zq箋(hu)囑Ş的方E式Q都可以有一单纯的分析式来表C。小波分析是q几q来才发展出来的数学理论为傅利叶方程式的延。?/p>
L分析Ҏ(gu)的提出可q溯?910qHaar提出的小波规范正交基。其?984q_(d)法国地球物理学J. (tng)Morlet在分析地震L的局部性质Ӟ发现传统的傅利叶转换Q难以达到其要求Q因此引q小波概忉|信号分析中,对信可行分解。随後理论物理学家A.Grossman对Morlet的这U信h据一个确定函数的伸羃Q^Uȝ (tng){ (tng)a (tng)-1/2 (tng)Ψ[(x-b)/a] (tng)Qa,b?R (tng),a?}展开的可行性进行了(jin)研究Qؓ(f)L分析的Ş成开?jin)先沟뀂?/p>
1986q_(d)Y. (tng)Meyer建构出具有一定衰减性的光滑函数Ψj,k(x)Q其二进制~与q移p?tng){Ψj,k(x)=?jΨ(2jx-k)Qj,k?Z}构成L2QRQ的规范正交基?987q_(d)Mallat巧妙的将多分辨分析的引入到小波分析中Q徏构了(jin)L函数的构造及(qing)信号按小波{换的分解?qing)重构?988qDaubechies建构?jin)具有正交性(OrthonormalQ及(qing)紧支集(Compactly (tng)SupportedQ;?qing)只有在一有限区域中是非零的小波,如此Q小波分析的理论得到?jin)初步徏立。?tng)?/p>
三、?tng)WAVELET影像压羃介及(qing)基础理论介绍 (tng)
一、?tng)WAVELET的压~概念?tng)?/p>
WAVELET架在三个主要的基理论之上Q分别是阶层式边?pyramid (tng)coding)、o(h)波器l理?filter (tng)bank (tng)theory)、以?qing)次旁带~码(subband (tng)coding)Q可以说wavelet (tng)transforml合?jin)此三?a target="_blank">技?/a>。小波{换能各U交l在一L(fng)不同频率l成的信P分解成不相同频率的信P因此能有效的应用於编码、解码、检边~、压~数据,?qing)将非线性问题线性化。良好的分析局部的旉区域与频率区域的信号QI补傅利叶转换中的~失Q也因此L转换被誉为数学显微镜。?tng)?/p>
WAVELETq不?x)保留所有的原始资料Q而是选择性的保留?jin)必要的部䆾Q以便经由数学公式推出其原始资料,可能不是非常完整Q但是可以非常接q原始资料。至於媄(jing)像中什度要保留Q什麽要舍弃Q端看能量的大小储存Q跟波长与频率有养I(j)。以较少的资料代替原来的资料Q达到压~资料的目的Q这U经由取舍资料而达到压~目地的作法Q是q代C影像~码技?/a>的一突破。即是WAVELET的概念引入编?a target="_blank">技?/a>中。?/p> WAVELET转换在数位媄(jing)像{?a target="_blank">技?/a>上算是新UQ然而在太空U技早已行之有年Q像探测卫星和哈柏望q镜传输影像回地球,和医学上的光U媄(jing)像,早就开始用WAVELET的原理压~?q原影像资料Q而且有压~率极佳与原影重现的效果。?/p> 以往lossless的编码法只着重压~演法的表玎ͼ数位化的媄(jing)像资料一丝不漏的送去压羃Q所以还原回来的资料和原始资料分毫无差,但是此种压羃法的压羃率不佟뀂?tng)将C化的影像资料转换成利於编码的资料型态,控制解码後媄(jing)像的品质Q选择适当的编码法Q而且q在撷取囑Ş资料Ӟ先帮资料「减肥」。如此才是WAVELET~码法主要的观念。?tng)?/p> 二、?tng)?jing)像压~过E?/p> 原始囑Ş资料 (tng)→?tng)色彩模式{换?tng)→?tng)DCT转换 (tng)→?tng)量化器?tng)→?tng)编码器?tng)→?tng)编码结束 (tng)?/p> 三、?tng)编码的基本要素有三点?/p> Q一Q?tng)一U压~?q原的{换可表现在媄(jing)像上的。?/p> Q二Q?tng)其转换的系数是可以量化的。?/p> Q三Q?tng)其量化的系数是可以用函数编码的。?/p> 四、?tng)现有WAVELET影像压羃工具主要的部q?/p> Q一Q?tng)Wavelet (tng)TransformQWAVELET转换Q:(x)图形均衡的分割成Q何大,最压~二分之一。?tng)?/p> Q二Q?tng)FiltersQo(h)镜)(j)Q这部䆾包含Wavelet (tng)TransformQ和一些着名的压羃Ҏ(gu)。?tng)?/p> Q三Q?tng)QuantizersQ量化器Q:(x)包含两种格式的量化,一U是q_量化Q一U是内插量化Q对~码的架构有一定的影响。?/p> Q四Q?tng)Entropy (tng)CodingQ熵~码器)(j)Q有两种格式Q一U是使其减少Q一Uؓ(f)内插。?/p> Q五Q?tng)Arithmetic (tng)CoderQ数学公式)(j)Q这是徏立在Alistair (tng)Moffat's (tng)linear (tng)time (tng)coding (tng)histogram的基上。?/p> Q六Q?tng)Bit (tng)AllocationQ资料分布)(j)Q这个过E是用整除法有效率的分配M一U量化。?tng)?/p> 肆、?tng)WAVELET影像压羃未来的发展趋势?/p> 一、?tng)在其结构上加强完备性。?/p> 二、?tng)修改程式,使其可以处理不同模式比率的?jing)像。?/p> 三、?tng)支援更多的色彩。可以处理RGB的色彩,像是YIQ、HUV的色彩定义都可以分别的处理。?tng)?/p> 四、?tng)加的能力Q其可支援更多的媄(jing)像格式。?/p> 五、?tng)用WAVELET转换藉由消除高频率资料增加速率。?/p> 六、?tng)增加多U的WAVELET。如Q离散、零元树(wi){。?/p> 七、?tng)修改其数学~码器,使资料能在数学公式和发表。国外更是如火如荼的展开研究。相信实际应用於实务上的日子指日可待。?tng)?/p> (tng) 伍、?tng)?jing)像压~研I的方向 (tng) 1. (tng)输入装置如何捕捉真实的媄(jing)像而将其数位化。?/p> 2. (tng)如何数位化的媄(jing)像资料{换成利於~码的资料型态。?/p> 3. (tng)如何控制解码影像的品质。?/p> 4. (tng)如何选择适当的编码法。?/p> 5. (tng)人的视觉对媄(jing)像的反应机制。?/p> L分析Q无论是作ؓ(f)数学理论的连l小波变换,q是作ؓ(f)分析工具和方法的LL变换Q仍有许多可被研I的地方Q它是近几年来在工具?qing)方法上的重大突破。小波分析是傅利ӞF(tun)ourierQ分析的重要发展Q他保留?jin)傅氏理论的优点Q又能克服其不之处。?tng)?/p> WAVELET影像压羃格式未成熟的情况下Q作为印刯?gu)嫌太早。但是後l发展潜力无IP其在网路出版方面,其利用h(hun)值更高,W(xu)AVELET的出现就犹如当时的JPEG出现Q在影像的领域中掀起一股旋风,但是WAVELET却有JPEG没有的优点,JPEG乃是q压羃Q且解码後复原程度有限,能在|\应用Q乃是由?map title="?sh)脑和计机斚w" >?sh)?/map>的解析度q不需要太高,可辨识其图形。而印h需的解析度却需一定的E度。WAVELET虽然也是q压羃Q但是解码後却可以还原资料到几乎完整q原Q如此的压羃才有存在的h(hun)倹{?/p> 有一点必要提出的就是,q不是只要资料还原就可以用在印刷上,q需要有解读其档案的RIPQ才能用於数位印刷上。等到WAVELET的应用成熟,再发展其适用的RIPQ又是一D|间以後的事了(jin)。?/p> 在网路出版上已经有浏览器可以外挂dWAVELET档案的Y体了(jin)Q不q还是测试版Q可是以後会(x)在网路上大量使用Q应该是未来的趋ѝ对於网路出版应该是一阵不的冲击。?/p> 囑փ压羃的好处是在於资料传输快速,减少|\的用费用,增加企业的利润,由於传版的时间减,也印刷品在当地印刷的可能性增高,减少q费Q减开支,提高时效性,创造新的商机。?tng)?/p> WAVELET的理论ƈ不是相当完备Q但是据现有的研I?map title="报告" >报告昄Q到普及(qing)应用的阶D,q有一D距R但L分析在信号处理、媄(jing)像处理、量子物理及(qing)非线性科学领域上Q均有其应用价倹{国内已有正?map title="<a target=_blank>论文</a>" >论文研究此一压羃模式。但有许多名词尚未有正式的翻译,各自有各自的译Q故研究h倍感辛苦。但怿不久即会(x)有正式的定名出现。这也显C国内的研究速度Q远落在外国的後面,国外已成立不相关的Q国内仅有少数的相关。如此一来国内要使这U压~模式普?qing)还有的{。正式用於印刷业更是要相当旉。不q对於网路出版仍是有相当大的契机Q国内仍是可以朝q一斚w发展的。站在一个用其成果的角度,印刷业界也许q不需要去?jin)解光q数理理论。但是在q用上,Z(jin)要用方便,和预估其发展势Q媄(jing)像压~的基本概念却不能没有。本文章单U的介绍其中的一U媄(jing)像压~模式,目的在ؓ(f)?jin)後进者有一参考的依据Q也许在不久的将来此一模式?x)成Z,到时才不?x)手x(chng)措。?/p> 1.Geoff (tng)DavisQ?997QW(xu)avelet (tng)I(yng)mage (tng)Compression (tng)Construction (tng)KitQ。?/p> 2.张维?宇宙工作室Q初?994Q媄(jing)像档宝典.WINDOWS实作Q上Q, (tng)峰资讯股份有限公司。?/p> 3.张维?宇宙工作室Q初?994Q媄(jing)像档宝典.WINDOWS实作Q下Q, (tng)峰资讯股份有限公司。?/p>
陆、?tng)在印刷输出的应用?/p>
柒、?tng)结论 (tng)?/p>
参考文献:(x) (tng)
目前Q指U识别技术的研究无论是在前端的数据采集上q是在后端的指纹识别法上都已经取得?jin)巨大的q展。于是,很多为现在的指纹识别技术已l很完善?jin),不再需要研I了(jin)。但q种观点是错误的Q在指纹识别技术上仍然有一些没有解军_的问题,? 低质量指U图像的处理、Ş变指U图像的匚w、活体指U的(g)等。这些都是经帔R到、非帔R要和亟待解决的问题。在国际指纹识别竞赛QF(tun)VC2004Q中Q指UҎ(gu)据库DB1中有些指U图像的形变很大,而位于第一名的指纹识别法的等错误?EER)?.97%Q从中可以看出Ş变指U图像的处理仍然不是很理惻I有着很多工作要做?
自动指纹识别pȝQAutomatic Fingerprint Identification SystemQ简UAFISQ是通过Ҏ(gu)的光?sh){换设备和计算机图像处理技术,Ҏ(gu)体指U进行采集、分析和比对Q可以自动、迅速、准地鉴别Zn份的。一般可以分成“离UK分”和“在UK分”两个部分。如?所C?
![]() |
? 自动指纹识别pȝ框图 |
其中ȝ部分包括用指Uw集A采集指纹、提取出l节炏V将l节点保存到数据库中形成指纹模板库等主要步骤。在UK分包括用指纹采集仪采集指UV提取出l节炏V然后将q些l节点与保存在数据库中模板细节点q行匚wQ判断输入细节点与模板细节点是否来自同一个手指的指纹。一般来_(d)ȝ处理允许人工因素介入Q可Ҏ(gu)需要手动调整系l参敎ͼ而在U处理应完全ql自动完成所有操作?
本文主要Ҏ(gu)U图像增强、特征点提取、匹配以?qing)分cd压羃法q行介绍?
指纹囑փ增强法
采集获得的指U图像通常都伴随着各种各样的噪壎ͼ一部分是由于采集A造成的,比如采集仪上的污渍,采集仪的参数讄不恰当等。另外一部分是由于手指的状态造成的,比如手指的过qӀ太ѝ伤疤、脱皮等{。第一U相Ҏ(gu)说是固定的系l误差,比较Ҏ(gu)恢复。另外一cd个体手指密切相关Q比较难于恢复。指U增强在指纹囑փ的识别过E中是最为重要的一环,q部分算法的优劣对整个pȝ的性能产生臛_重要的媄(jing)响。如果这一部分没有处理好,也很N过改进后面的细节提取过E而获得好的效果?
指纹囑փ是连l脊U和L(fng)l成的(在细节点处除外)(j)Q具有丰富纹理信息的囑փ。对于灰度指U图像,脊线和谷U在局部的邻域内可以认ؓ(f)是正弦L形状Q具有一定的频率和方向。用方向场和Gabor滤L器来q行增强的算法就是基于这L(fng)特点q行?
指纹专家通常是根据视觉上的脊U信息来准确地识别出真正的细节点。这些脊U的关系有局部脊U的方向、脊U的q箋(hu)性、脊U的曲率、光滑度、脊U走向趋势等{。而诸如指U的脊线q接、局部脊U方向和脊线的光滑度q样的结构信息是有可能在计算Z表示出来的。所以也可以把hҎ(gu)U结构的认识引入指纹囑փ处理的过E中Q用计算机来模拟指纹专家做图像增强的法?
囑փ的预处理指的是在指纹q行囑փ增强前用一些简单的囑փ处理手段对图像进行初加工的过E。常见的预处理有: 灰度的均衡化Q这可以消除不同囑փ之间Ҏ(gu)度的差异; 使用单的低通o(h)波消除斑点噪声、高斯噪? 计算出图像的边界Q进行图像的裁剪Q这样可以减下一步的计算工作量,提高pȝ的速度?
指纹特征提取法
? 指纹囑փ?qing)其特?/font> |
![]() |
用计机的语a完整地描q稳定而又有区别的指纹特征是实现自动指U识别的一个关键问题。选择什么特征以?qing)如何表CU特征既关系指纹本n的特点,又和具体的指U匹配算法紧密联p,同时q要考虑所采用的指Uw集设备的特点。目前的自动指纹识别pȝ普遍采用的指U特征是l节点(minutiaeQ,分ؓ(f)极限末梢和分叉点Q见??
指纹的特征可以反映给定的人类体里来自不同手指的指纹之间怼的程度。指U的特征信息很多。这些所有的指纹特征信息构成?jin)庞大的指纹特征集合。那么,特征层需要研I和解决的问题(sh)要与q些特征信息有关Q比? “特征是否是l生不变的、惟一的”,“特征之间存在什么样的相互关pZ,“什么样的特征子集可以某种法辑ֈ最佳的识别效果”,“指U特征用于n份鉴别是否更安全”等{。一l好的特征不仅要能达到n份识别的基本要求Q而且对噪声、畸变和环境条g不敏感?
围绕指纹特征展开研究是伴随着ZҎ(gu)U进行n份鉴别的认识而进行的Q如今已l有很长的历双Ӏ?892q英国Sir Francis GaltonҎ(gu)U进行了(jin)pȝ研究Q首ơ提Z(jin)指纹特征惟一性的问题。随着信息技术的发展Qh们对w䆾认证的准性要求明显提高,同时也对指纹有效鉴定w䆾的能力生质疑?002q?月,国联邦法官路易斯hL拉克做出的“凭借指Uw定不能定|”的裁决?j)动了(jin)针?gu)U特征的两个斚w的研I工? (1)在实践中为指U定出可以作为有效特征的标准Q得两q指UҎ(gu)否相W不依赖于鉴定h员的主观判断; (2)研究指纹特征产生误差的根源,从技术角度将出现的误差量化?
指纹匚w
指纹匚w指的是通过对两枚指U特征集间的怼性比较,来判断对应的指纹囑փ是否来自同一手指的过E,它是一U非常经典而又亟待解决的模式识别问题?
目前Q指U细节点匚w法分类有多U? Ҏ(gu)指纹识别的目的可以分Z比一匚w和一比N匚w; Ҏ(gu)操作q程的差异可分ؓ(f)自动匚w 和hZ互匹? Ҏ(gu)匚w适应性可以分为弹性匹配和刚性匹配。根据指U细节点定义和相似性判断函数选取的不同,指纹匚wҎ(gu)更是多种多样的,比如Z奇异点的、基于三角Ş的、基于极坐标变换的,Z动态规划的、基于图匚w的等{方法,不胜枚D。需要说明的是这些分cL法都难以囊括所有的指纹匚w法Q因为同时有很多法彼此交叉?
需要指出的是,上述分类Ҏ(gu)q不是绝对的Q各U方法是怺联系的,每个法都有自己的特点,q对特D的应用。比? 囑配的Ҏ(gu)对质量差指纹囄噪声抗干扰能力较好,但方法未l大规模实验的证? l节点匹配对质量好的指纹囑փ计算准确Q纹理特征的可区分性不? ZU理信息和串匚w的合匹配方法在一定程度上提高?sh)(jin)识别率Q但是计代价非帔R; Z三角匚w和动态规划的混合匚wҎ(gu)可以解决非线性Ş变的问题Q但是提取的特征q大Q难以满_U实用的要求。总而言之,指纹囑փ的几何媄(jing)像Ş变及(qing)错位{问题是匚w法需要做的首要工作。因此,在指U识别中必须考虑q些指纹囑փ中可能存在的U性或非线性Ş变。目前已有的法依赖一个前提条? 待匹配的两幅指纹囑փ是用相同配|、相同采集A来采集的Q即同模态,q且Q这些指U允许存在一定程度的噪声。而匹配算法的最l目的是对给定的两幅指纹Q寻求ɘq两q图像的灰度(或特?怼度之间差异达到最的Ҏ(gu)。在q种情况下,主要的工作常常是Ҏ(gu)UŞ变问题的研究Q徏立一个定义在有穷的Ş变参数空间的带参数的形变变换模型Q最后进行Ş变参数最优化处理?
指纹分类与压~?
识别一个h需要将他的指纹与数据库中的所有指U做比较。在某些民用或刑侦场合,数据库可能非常大Q比如几百万枚指U)(j)。在q种情况下,识别需要耗费很长的时_(d)q是无法接受的。这一识别q程可以通过减少必须执行的匹配次数来提高速度。在某些情况下,如果加入诸如性别、种族、年龄等与个体有关的信息能显著降低搜索数据库的范_(d)然而这些信息ƈ不L存在的,比如在犯|现场的指纹。通常的策略是指UҎ(gu)据库划分成几个子c,q样识别指纹时只需此指纹与数据库中同一cȝ指纹做比较?
指纹分类是研究如何以稳定而且可靠的方式将指纹划ؓ(f)某一cd。指U匹配多Ҏ(gu)指纹的局部特征(如细节点Q来判别Q而指U分cdҎ(gu)指纹的全局特征Q如全局脊线l构、奇异点Q来判别。由于各指纹模式h较小的类间差距和较大的类内差距,指纹分类是一个非帔R的模式识别问题。指U图像通常q有噪声Q这使得分类d更加困难Q因此指U分c问题(sh)直是模式识别领域中的隄问题Q一直以来也吸引?jin)科研h员的极大兴趣?
指纹压羃技术也是自动指U识别系l中的一w要技术,在大定w的指U库中,Z(jin)节省存储I间必须Ҏ(gu)U图q行压羃存储Q用时再进行解压羃。图像压~编码的目的是以量的比特数表C图像,同时保持复原囑փ的质量,使它W合预定应用场合的要求。基于小波的指纹压羃法Q是目前技术较成熟、应用较q泛的指U图像压~算法?/p>
原理是将一扫描行中的颜色值相同的盔R像素用一个计数值和那些像素的颜色值来代替。例?aaabccccccddeeeQ则可用3a1b6c2d3e来代ѝ对于拥有大面积Q相同颜色区域的囑փQ用RLE压羃Ҏ(gu)非常有效。由RLE原理z?gu)多具体行E压~方?
1.PCX行程压羃Ҏ(gu):
该算法实际上是位映射格式到压~格式的转换法Q该法对于q箋(hu)出现1ơ的字节ChQ若Ch>0xc0则压~时在该字节前加?xc1Q否则直接输出ChQ对于连l出现Nơ的字节ChQ则压羃?xc0QNQChq两个字节,因而N最大只能ؓ(f)ffQc0=3fh(十进制ؓ(f)63)Q当N大于63Ӟ则需分多ơ压~?/p>
2.BI_RLE8压羃Ҏ(gu):
在WINDOWS3.0?.1的位图文件中采用?jin)这U压~方法。该压羃Ҏ(gu)~码也是以两个字节ؓ(f)基本单位。其中第一个字节规定了(jin)用第二个字节指定的颜色重复次数。如~码0504表示从当前位|开始连l显C?个颜色gؓ(f)04的像素。当W二个字节ؓ(f)零时W二个字节有Ҏ(gu)含义:0表示行末;1
表示图末;2转义后面2个字节,q两个字节分别表CZ一像素相对于当前位|的水^位移和垂直位UR这U压~方法所能压~的囑փ像素位数最大ؓ(f)8?256?囑փ?/p>
3.BI_RLE压羃Ҏ(gu):
该方法也用于WINDOWS3.0/3.1位图文g中,它与BI_RLE8~码cMQ唯一不同?BI_RLE4的一个字节包含了(jin)两个像素的颜Ԍ因此Q它只能压羃的颜色数不超q?6的图像。因而这U压~应用范围有限?/p>
4.紧羃位压~方?Packbits):
该方法是用于Apple公司的MacintoshZ的位图数据压~方法,TIFF规范中用了(jin)q种Ҏ(gu)Q这U压~方法与BI_RLE8压羃Ҏ(gu)怼Q如1c1c1c1c2132325648压羃?831c2181325648Q显而易见,q种压羃Ҏ(gu)最好情冉|每连l?28个字节相同,q?28个字节可压羃Z个数?f。这U方法还是非常有效的?/p>
二、霍夫曼~码压羃:
也是一U常用的压羃Ҏ(gu)。是1952qؓ(f)文本文g建立的,其基本原理是频繁使用的数据用较短的代码代替,很少使用的数据用较长的代码代替,每个数据的代码各不相同。这些代码都是二q制码,且码的长度是可变的。如:有一个原始数据序列,ABACCDAA则编码ؓ(f)A(0)QB(10)QC(110)QD111)Q压~后?10011011011100。生霍夫曼~码需要对原始数据扫描两遍Q第一遍扫描要_地统计出原始数据中的每个值出现的频率Q第二遍是徏立霍夫曼?wi)ƈq行~码Q由于需要徏立二叉树(wi)q历二叉树(wi)生成~码Q因此数据压~和q原速度都较慢,但简单有效,因而得到广泛的应用?/p>
三、LZW压羃Ҏ(gu)
LZW压羃技术比其它大多数压~技术都复杂Q压~效率也较高。其基本原理是把每一个第一ơ出现的字符串用一个数值来~码Q在q原E序中再这个数D成原来的字符Ԍ如用数?x100代替字符?abccddeee"q样每当出现该字W串Ӟ都用0x100代替QvC(jin)压羃的作用。至?x100与字W串的对应关pd是在压羃q程中动态生成的Q而且q种对应关系是隐含在压羃数据中,随着解压~的q行q张~码表会(x)从压~数据中逐步得到恢复Q后面的压羃数据再根据前面数据生的对应关系产生更多的对应关pR直到压~文件结束ؓ(f)止。LZW是可逆的Q所有信息全部保留?/p>
四、算术压~方?/p>
术压羃与霍夫曼~码压羃Ҏ(gu)cMQ只不过它比霍夫曼编码更加有效。算术压~适合于由相同的重复序列组成的文gQ算术压~接q压~的理论极限。这U方法,是将不同的序列映像到0?之间的区域内Q该区域表示成可变精?位数)的二q制数Q越不常见的数据要的_ֺ高(更多的位?Q这U方法比较复杂,因而不太常用?/p>
五、JPEG(联合摄媄(jing)专家lJointPhotographicExprertsGroup)
JPEG标准与其它的标准不同Q它定义?jin)不兼容的编码方法,在它最常用的模式中Q它是带q的,一个从JPEG文g恢复出来的图像与原始囑փL不同的,但有损压~重建后的图像常常比原始囑փ的效果更好。JPEG的另一个显著的特点是它的压~比例相当高Q原囑փ大小与压~后的图像大相比,比例可以?Q到80?0Q不{。这U方法效果也好,适合多媒体系l?/p>
指纹囑փ的特征指的是q种特征
(tng)
(tng) (tng) (tng) 特征提取之后的匹配过E,我们所知到的不多,可以参考文章?/p>
A.K.Jain是其中的大师Q中国在q方面的人物有石青云。以下列Z(jin)他们的一些文章?/p>
1. Fingerprint classification approaches: an overview
http://ccrma-www.stanford.edu/~jhw/bioauth/fingerprints/00949849.pdf
2. Jain, A., and Pankanti, S., "Fingerprint Classification and Matching".
(tng)Handbook for Image and Video Processing, A. Bovik (ed.), Academic Press, April 2000.
http://www.research.ibm.com/ecvg/pubs/sharat-handbook.pdf
3. L. Hong, Y. Wan, and A. Jain, "Fingerprint image enhancement: Algorithm and performance evaluation," (tng)I(yng)EEE. Trans. Pattern Anal. Machine Intell., vol. 20, pp. 777--789, Aug. 1998.
(tng)
我们定义?jin)指U的两类特征来进行指U的验证QM特征和局部特征。在考虑局部特征的情况下,英国学者E.R.Herry认ؓ(f)Q只要比?3个特征点重合Q就可以认为是同一个指UV?/font>
![]() |
?img height="160" alt="arch" src="http://www.chinaai.org/UploadFiles/200433021838580.gif" width="160" />
|
![]() |
环型QloopQ? | 弓型QarchQ? | 螺旋型(whorlQ? |
其他的指U图案都Zq三U基本图案。仅仅依靠纹形来分L指纹是远q不够的Q这只是一个粗略的分类Q通过更详l的分类使得在大数据库中搜寻指纹更ؓ(f)方便快捷?/font>
![]() |
?font size="2">模式区是指指纹上包括了(jin)M特征的区域,即从模式区就能够分L出指UҎ(gu)属于那一U类型的。有的指U识别算法只使用模式区的数据?SecureTouch的指U识别算法用了(jin)所取得的完整指U而不仅仅是模式区q行分析和识别?/font> |
![]() |
?font size="2">核?j)点位于指纹U\的渐q中?j),它在d指纹和比Ҏ(gu)UҎ(gu)作ؓ(f)参考点。许多算法是Z核心(j)点的Q既只能处理和识别具有核?j)点的指UV核?j)点对于SecureTouch的指U识别算法很重要Q但没有核心(j)点的指纹它仍然能够处理?/font> |
![]() |
三角点位于从核心(j)点开始的W一个分叉点或者断炏V或者两条纹路会(x)聚处、孤立点、折转处Q或者指向这些奇异点。三角点提供?jin)指U纹路的计数跟踪的开始之处?/font> |
![]() |
?font size="2">指模式区内指纹U\的数量。在计算指纹的纹数时Q一般先在连接核?j)点和三角点Q这条连U与指纹U\怺的数量即可认为是指纹的纹数?/font> |
局部特征是指指U上的节点的特征Q这些具有某U特征的节点UCؓ(f)特征炏V两枚指U经怼(x)h相同的M特征Q但它们的局部特?-特征点,却不可能完全相同?/font>
指纹U\q不是连l的、^滑笔直的Q而是l常出现中断、分叉或打折。这些断炏V分叉点和{折点q为?b>特征?/b>”。就是这些特征点提供?jin)指U唯一性的认信息。指U上的节Ҏ(gu)四种不同Ҏ(gu):(x)
有以下几U类型,最典型的是l结点和分叉炏V?/font>
![]() |
l结点(EndingQ?-- 一条纹路在此终l?/font> |
![]() |
分叉点(BifurcationQ?-- 一条纹路在此分开成ؓ(f)两条或更多的U\?/font> |
![]() |
分歧点(Ridge DivergenceQ?-- 两条q的纹路在此分开?/font> |
![]() |
孤立点(Dot or IslandQ?-- 一条特别短的纹路,以至于成Z炏V?/font> |
![]() |
环点QEnclosureQ?-- 一条纹路分开成ؓ(f)两条之后Q立x(chng)合ƈ成ؓ(f)一条,q样形成的一个小环称为环炏V?/font> |
![]() |
短纹QShort RidgeQ?-- 一端较短但不至于成Z点的U\?/font> |
-- 节点可以朝着一定的方向?/font>
-- 描述U\方向改变的速度?/font>
-- 节点的位|通过Qx, yQ坐标来描述Q可以是l对的,也可以是相对于三角点或特征点的?/font>