約瑟夫遜，B.D.

[拼音]：tuxiang fenxi

[英文]：image analysis

用模式識別和人工智慧方法對物景進行分析、描述、分類和解釋的技術，又稱景物分析或影象理解。20世紀60年代以來，在影象分析方面已有許多研究成果，從針對具體問題和應用的影象分析技術逐漸向建立一般理論的方向發展。影象分析同影象處理、計算機圖形學等研究內容密切相關，而且相互交叉重疊。但影象處理主要研究影象傳輸、儲存、增強和復原；計算機圖形學主要研究點、線、面和體的表示方法以及視覺資訊的顯示方法；影象分析則著重於構造影象的描述方法，更多地是用符號表示各種影象,而不是對影象本身進行運算,並利用各種有關知識進行推理。影象分析與關於人的視覺的研究也有密切關係，對人的視覺機制中的某些可辨認模組的研究可促進計算機視覺能力的提高（見機器視覺）。

分析過程

下圖為一個分級的影象分析過程的模型。影象分析基本上有四個過程。

（1）感測器輸入：把實際物景轉換為適合計算機處理的表達形式，對於三維物景也是把它轉換成二維平面圖像進行處理和分析（見影象表示）。

（2）分割：從物景影象中分解出物體和它的組成部分（見影象分割）。組成部分又由影象基元構成。把物景分解成這樣一種分級構造，需要應用關於物景中物件的知識。一般可以把分割看成是一個決策過程，它的演算法可分為像點技術和區域技術兩類。像點技術是用閾值方法對各個像點進行分類，例如通過像點灰度和閾值的比較求出文字影象中的筆劃。區域技術是利用紋理、區域性地區灰度對比度等特徵檢出邊界、線條、區域等，並用區域生長、合併、分解等技術求出影象的各個組成成分。此外,為了進一步考察影象整體在分割中的作用,還研究出鬆弛技術等方法。

（3）識別：對影象中分割出來的物體給以相應的名稱，如自然物景中的道路、橋樑、建築物或工業自動裝配線上的各種機器零件等。一般可以根據形狀和灰度資訊用決策理論和結構方法進行分類，也可以構造一系列已知物體的影象模型，把要識別的物件與各個影象模型進行匹配和比較。

（4）解釋：用啟發式方法或人機互動技術結合識別方法建立物景的分級構造，說明物景中有些什麼物體，物體之間存在什麼關係。在三維物景的情況下，可以利用物景的各種已知資訊和物景中各個物件相互間的制約關係的知識。例如，從二維影象中的灰度陰影、紋理變化、表面輪廓線形狀等推斷出三維物景的表面走向；也可根據測距資料，或從幾個不同角度的二維影象進行景深的計算，得出三維物景的描述和解釋。

應用

針對具體物件的影象分析技術，已經應用在工業、檢測、遙感、計算機、軍事等技術中。

（1）工業自動化方面：如機器手抓取物體，自動操縱線焊機和切削刀具，與製造超大規模積體電路有關的工藝如引線焊接、片子對準和封裝，對於油井現場或地震資料的大量資料進行監測和篩選，對自動裝配和修理提供視覺反饋。

（2）檢測方面：有檢查印刷電路板上的尖角、短路和聯接不良，檢驗鑄件中的雜質和裂縫，篩選醫學影象和斷層影象，常規篩選工廠產品。

（3）遙感方面：有製圖學、交通監控、資源管理、礦物勘探。

（4）計算機應用方面：有資訊系統管理，檔案閱讀機，建築和機械工程的計算機輔助設計。

（5）軍事方面：有跟蹤運動物體、自動導航、目標搜尋和測距等。

發展趨勢

雖然影象分析的研究已經取得不少成果，並在許多領域的具體物件上得到實際應用，但是在建立共同的理論基礎方面還存在很多問題，有待進一步解決。例如影象的精確表示形式，在不同解析度水平上表示表面資訊，建立表示的分級構造，利用和確定表面顏色和狀態資訊，對運動狀態的感知過程，從光學流中獲取資訊的方法，在視覺感知中應用有關專門資訊的方法等。

參考書目

M.D.Levine，Vision in Man and Machine,McGraw-Hill Book Company,New York,1985.