Из Википедии, бесплатной энциклопедии
Перейти к навигации Перейти к поиску
Не путать с обработкой изображений .

Анализ изображений - это извлечение значимой информации из изображений ; в основном из цифровых изображений с помощью методов цифровой обработки изображений . [1] Задачи анализа изображений могут быть такими простыми, как считывание тегов со штрих-кодом, или такими сложными, как определение человека по его лицу .

Компьютеры незаменимы для анализа больших объемов данных, для задач, требующих сложных вычислений, или для получения количественной информации. С другой стороны, зрительная кора головного мозга человека представляет собой превосходный прибор для анализа изображений, особенно для извлечения информации более высокого уровня, и для многих приложений, включая медицину, безопасность и дистанционное зондирование, человеческие аналитики все еще не могут быть заменены компьютерами. По этой причине многие важные инструменты анализа изображений, такие как детекторы границ и нейронные сети, основаны на моделях визуального восприятия человека .

Цифровой [ править ]

Анализ цифрового изображения или компьютерный анализ изображения - это когда компьютер или электрическое устройство автоматически изучает изображение, чтобы получить из него полезную информацию. Обратите внимание, что устройство часто представляет собой компьютер, но также может быть электрической схемой, цифровой камерой или мобильным телефоном. Он включает в себя области компьютерного или машинного зрения , медицинской визуализации и интенсивно использует распознавание образов , цифровую геометрию и обработку сигналов . Эта область информатики развивалась в 1950-х годах в академических учреждениях, таких как MIT AI Lab, первоначально как отрасль искусственного интеллекта иробототехника .

Это количественная или качественная характеристика двухмерных (2D) или трехмерных (3D) цифровых изображений . Например, 2D-изображения подлежат анализу с помощью компьютерного зрения , а 3D-изображения - с помощью медицинской визуализации . Эта область была основана в 1950-1970-х годах, например, благодаря новаторским вкладам Азриэля Розенфельда , Герберта Фримена , Джека Э. Брезенхэма или Кинга-Сан Фу .

Методы [ править ]

Есть много различных методов, используемых для автоматического анализа изображений. Каждый метод может быть полезен для небольшого круга задач, однако до сих пор нет известных методов анализа изображений, которые были бы достаточно универсальными для широкого круга задач, по сравнению со способностями человеческого анализа изображений. Примеры методов анализа изображений в различных областях включают:

  • Распознавание 2D и 3D объектов ,
  • сегментация изображения ,
  • обнаружение движения, например, отслеживание одиночной частицы ,
  • видео слежение ,
  • оптический поток ,
  • медицинский анализ сканирования ,
  • Оценка позы в 3D .

Приложения [ править ]

Применение анализа цифровых изображений постоянно расширяется во всех областях науки и промышленности, включая:

  • чтение микропланшетов для анализа , например, определение места производства химического вещества.
  • астрономия , например, расчет размеров планеты.
  • автоматическая идентификация видов (например, виды растений и животных)
  • защита
  • анализ уровня ошибок
  • фильтрация
  • машинное зрение , например, для автоматического подсчета предметов на заводской конвейерной ленте.
  • материаловедение , например определение наличия трещин в металлическом сварном шве.
  • медицина , например, обнаружение рака при маммографии.
  • металлография , например определение содержания минералов в образце породы.
  • микроскопия , например подсчет микробов в тампоне.
  • automatic number plate recognition;
  • optical character recognition, such as automatic license plate detection.
  • remote sensing, such as detecting intruders in a house, and producing land cover/land use maps.[2][3]
  • robotics, such as to avoid steering into an obstacle.
  • security, such as detecting a person's eye color or hair color.

Object-based[edit]

Image segmentation during the object base image analysis

Object-Based Image Analysis (OBIA) employs two main processes, segmentation and classification. Traditional image segmentation is on a per-pixel basis. However, OBIA groups pixels into homogeneous objects. These objects can have different shapes and scale. Objects also have statistics associated with them which can be used to classify objects. Statistics can include geometry, context and texture of image objects. The analyst defines statistics in the classification process to generate for example land cover.

When applied to earth images, OBIA is known as Geographic Object-Based Image Analysis (GEOBIA), defined as "a sub-discipline of geoinformation science devoted to (...) partitioning remote sensing (RS) imagery into meaningful image-objects, and assessing their characteristics through spatial, spectral and temporal scale".[4][5]The international GEOBIA conference has been held biannually since 2006.[6]

Object-based image analysis is also applied in other fields, such as cell biology or medicine. It can for instance detect changes of cellular shapes in the process of cell differentiation.[7]

The technique is implemented in software such as eCognition or the Orfeo toolbox.

See also[edit]

  • Archeological imagery
  • Imaging technologies
  • Image processing
  • Land cover mapping
  • Military intelligence
  • Remote sensing

References[edit]

  1. ^ Solomon, C.J., Breckon, T.P. (2010). Fundamentals of Digital Image Processing: A Practical Approach with Examples in Matlab. Wiley-Blackwell. doi:10.1002/9780470689776. ISBN 978-0470844731.CS1 maint: multiple names: authors list (link)
  2. ^ Xie, Y.; Sha, Z.; Yu, M. (2008). "Remote sensing imagery in vegetation mapping: a review". Journal of Plant Ecology. 1 (1): 9–23. doi:10.1093/jpe/rtm005.
  3. ^ Wilschut, L.I.; Addink, E.A.; Heesterbeek, J.A.P.; Dubyanskiy, V.M.; Davis, S.A.; Laudisoit, A.; Begon, M.; Burdelov, L.A.; Atshabar, B.B.; de Jong, S.M (2013). "Mapping the distribution of the main host for plague in a complex landscape in Kazakhstan: An object-based approach using SPOT-5 XS, Landsat 7 ETM+, SRTM and multiple Random Forests". International Journal of Applied Earth Observation and Geoinformation. 23 (100): 81–94. Bibcode:2013IJAEO..23...81W. doi:10.1016/j.jag.2012.11.007. PMC 4010295. PMID 24817838.
  4. ^ G.J. Hay & G. Castilla: Geographic Object-Based Image Analysis (GEOBIA): A new name for a new discipline. In: T. Blaschke, S. Lang & G. Hay (eds.): Object-Based Image Analysis – Spatial Concepts for Knowledge-Driven Remote Sensing Applications. Lecture Notes in Geoinformation and Cartography, 18. Springer, Berlin/Heidelberg, Germany: 75-89 (2008)
  5. ^ Blaschke, Thomas; Hay, Geoffrey J.; Kelly, Maggi; Lang, Stefan; Hofmann, Peter; Addink, Elisabeth; Queiroz Feitosa, Raul; van der Meer, Freek; van der Werff, Harald; van Coillie, Frieke; Tiede, Dirk (2014). "Geographic Object-Based Image Analysis – Towards a new paradigm". ISPRS Journal of Photogrammetry and Remote Sensing. Elsevier BV. 87 (100): 180–191. Bibcode:2014JPRS...87..180B. doi:10.1016/j.isprsjprs.2013.09.014. ISSN 0924-2716. PMC 3945831. PMID 24623958.
  6. ^ [1]
  7. ^ Salzmann, M.; Hoesel, B.; Haase, M.; Mussbacher, M.; Schrottmaier, W. C.; Kral-Pointner, J. B.; Finsterbusch, M.; Mazharian, A.; Assinger, A. (2018-02-20). "A novel method for automated assessment of megakaryocyte differentiation and proplatelet formation" (PDF). Platelets. 29 (4): 357–364. doi:10.1080/09537104.2018.1430359. ISSN 1369-1635. PMID 29461915. S2CID 3785563.

Further reading[edit]

  • The Image Processing Handbook by John C. Russ, ISBN 0-8493-7254-2 (2006)
  • Image Processing and Analysis - Variational, PDE, Wavelet, and Stochastic Methods by Tony F. Chan and Jianhong (Jackie) Shen, ISBN 0-89871-589-X (2005)
  • Front-End Vision and Multi-Scale Image Analysis by Bart M. ter Haar Romeny, Paperback, ISBN 1-4020-1507-0 (2003)
  • Practical Guide to Image Analysis by J.J. Friel, et al., ASM International, ISBN 0-87170-688-1 (2000).
  • Fundamentals of Image Processing by Ian T. Young, Jan J. Gerbrands, Lucas J. Van Vliet, Paperback, ISBN 90-75691-01-7 (1995)
  • Image Analysis and Metallography edited by P.J. Kenny, et al., International Metallographic Society and ASM International (1989).
  • Quantitative Image Analysis of Microstructures by H.E. Exner & H.P. Hougardy, DGM Informationsgesellschaft mbH, ISBN 3-88355-132-5 (1988).
  • "Metallographic and Materialographic Specimen Preparation, Light Microscopy, Image Analysis and Hardness Testing", Kay Geels in collaboration with Struers A/S, ASTM International 2006.