題目：大規模圖像中的目標檢測與分類方法
?
在進行圖像目標識別與跟蹤時，攝像機所采集的圖像，在成像、數字化以及傳輸過程中，難免會受到各種各樣噪聲的干擾，圖像的質量往往會出現不盡人意的退化，影響了圖像的視覺效果。通常這些噪聲干擾使得圖像退化，表現為圖像模糊，特征淹沒，這會對圖像分析產生不利，使所獲得的圖像質量較低。對這樣的圖像直接進行目標的識別與跟蹤是比較困難的。抑制使圖像退化的各種干擾信號、增強圖像中的有用信號，以及將觀測到的不同圖像在同一約束條件下進行校正處理就顯得非常重要。
?
?濾波的目的有兩個:一是抽出對象的特征作為圖像識別的特征模式;另一個是為適應圖像處理的要求，消除圖像數字化時所混入的噪聲。
?
高斯濾波是一種線性平滑濾波，適用于濾除高斯白噪聲，已廣泛應用于圖像處理的預處理階段。按照本人的理解，對圖像進行高斯濾波就是對圖像中的每個點的像素值計算，計算的準則是，由該點本身灰度值以及其鄰域內的其他像素灰度值加權平均所得，而加權平均的權系數由二維離散高斯函數采樣并歸一化后所得。
?
均值濾波也稱為線性濾波，其采用的主要方法為鄰域平均法。線性濾波的基本原理是用均值代替原圖像中的各個像素值，即對待處理的當前像素點（x，y），選擇一個模板，該模板由其近鄰的若干像素組成，求模板中所有像素的均值，再把該均值賦予當前像素點（x，y），作為處理后圖像在該點上的灰度值g（x，y），即g（x，y）=1/m ∑f（x，y）， m為該模板中包含當前像素在內的像素總個數。這樣的方法可以平滑圖像，速度快，算法簡單。但是無法去掉噪聲，這能微弱的減弱它。
?
?
雙邊濾波是一種可以保邊去噪的濾波器。之所以可以達到這樣的效果，是因為該濾波器是由兩個函數構成，一個函數是由幾何空間距離決定濾波器系數，另外一個由像素差決定濾波器系數。?
在前面幾種講述的濾波方法中，像素點的灰度值均是由該點鄰域內其他點的灰度值決定的，比如高斯濾波和均值濾波都可看作是加權平均，中值濾波取的是鄰域灰度中值。雙邊濾波則不但考慮鄰域范圍內點的灰度值，同樣考慮這些點距離中心點的幾何距離，這樣可以得到濾波后的點的灰度值表達公式為：
?? ? ?其中k為歸一化系數，其表達式為：
?
h和x分別為濾波后和濾波前對應點的灰度值
c表示中心點與其鄰域內點的空間相似度
s表示中心點與其鄰域內點的灰度相似度。
在實現過程中，c和s函數均可用高斯函數實現，即其定義如下：
?
就增強來說，最關心的是一副圖像灰度的平均值和方差（平均對比度的量度）。
?
判斷一個點是暗還是亮的方法是把局部平均灰度和圖像平均灰度進行對比。
?
濾波的概念來源于在頻率域對比信號進行處理的傅里葉變換。
?
非線性空間的濾波是基于領域處理的。
?
平滑空間濾波器用于模糊處理和減小噪音。
?
銳化空間濾波器，拉普拉斯算子。
_學小易找答案...)
)
