王妍瑋文獻綜述報告課案

Santana3000轎車制動系統的設計綜述報告在人類接受的信息中，聽覺信息占20%，視覺信息占60%，其他如味覺、觸覺、嗅覺總起來不過占20%?？梢?，圖像是人類傳遞信息的主要媒介，圖像信息處理又是信息科學的重要研究分支，它起源于20世紀20年代的數字圖像處理技術已成為工程學、計算機科學、信息科學、統計學、物理、化學、生物學、醫(yī)學甚至社會科學等領域中各學科之間學習和研究的對象。而圖像處理技術是在第三代計算機問世后才得到了迅速發(fā)展，其應用領域也愈來愈廣，有些技術已相當成熟并產生了驚人的效益[1]。國內外數字圖像處理的研究歷史數字圖像處理技術起源于 20世紀20年代，當時通過海底電纜從英國倫敦到美國紐約傳輸一幅照片，采用了數字壓縮技術，就 1920年的技術水平來看，傳一幅圖像需要一星期的時間，而壓縮后，只需要3個小時。1964年到美國的噴氣推進實驗室處理了太空船“徘徊者7號”發(fā)回的月球相片，也標志著第三代計算機問世后,數字圖像處理概念開始得到應用，其后，數字圖像處理技術發(fā)展迅速，目前已成為工程學、計算機科學、統計學、物理學、化學、生物學以及醫(yī)學甚至社會科學之間學習和研究的對象。如今，圖像處理技術已給人類帶來了巨大的經濟和社會效益，成為科學研究、社會生產乃至人類生活中不可缺少的強有力的工具。圖像處理技術的發(fā)展大致也經歷了初創(chuàng)期、發(fā)展期、普及期以及實用化期4個階段，初創(chuàng)期始于20世紀60年代，當時的圖像采用像素光柵進行掃描顯示，大多數采用中、大型機器處理，在這一時期，由于圖像處理的成本較高，處理設備昂貴，其應用面很窄，進入20世紀70年代的發(fā)展期中，開始采用大量中、小型機進行處理，圖像處理改用光柵掃描顯示方式，特別是CT和衛(wèi)星遙感圖像的出現，對圖像處理也直到了推進作用。以20世紀80年代，圖像處理技術進入普及期，此時計算機擔當起圖像處理的任務。同時，隨著大規(guī)模和超大規(guī)模集成電路的出現，設備的造價進一步降低，極大的促進了圖形圖像系統的普及和應用。20世紀90年代是圖像處理技術的實用化年代，圖像處理的信息量巨大，對處理的速度要求不高?？v觀圖像處理的發(fā)展歷史可知數字圖像處理技術是隨著計算機的誕生而誕生的一門科學，近幾十年來隨著計算機技術的發(fā)展而蓬勃發(fā)展，它采用一定的算法對數字圖像進行處理，以獲得人眼視覺或者某種接收系統所需要的圖像的過程，其主要任務是研究各種算法設計和實現 [2]。數字圖像處理的研究現狀及發(fā)展概況當前，數字圖像處理面臨的主要任務是研究新的處理方法，構造新的處理系統，開拓更廣泛的應用領域。同時，數字圖像處理技術在許多不同領域得到重視，并取得了巨大的成就。2.1數字圖像的特點數字圖像有其自身的特點，只有了解了這些特點，才能使用正確的數字處理第1頁方法對圖像進行處理，這些特點主要表現在如下幾個方面：(1)圖像信息量大在數字圖像處理中，一幅圖像可看成是由圖像矩陣中的像素組成的(一般分辨率的像素數為256×256，512×512，高分辨率的像素數可達1024×1024或2048×2048)。每個像素的灰度級至少要用6bit(單色圖像)來表示，一般采用8bit(彩色圖像)，高精度的可用12bit或16bit，其數據量為像素數乘灰度級，如256×256×8=64kb，X光照片一般用64-256kb的數據量，一幅遙感圖像3240×2340×4=30Mb，因此，數字圖像中所包含的信息量大，大數據量也給存儲、傳輸和處理都帶來巨大的困難 [3]。(2)圖像處理技術綜合性強。當今的圖像處理理論大多是物理和通信理論的推廣，多半是把通信中的一維問題推廣到二維，以便于分析。在此基礎上，逐步發(fā)展自己的理論體系是圖像信息處理的一項重要任務。圖像處理中的信息獲取和顯示技術主要源于物理原理及電視技術，如攝像、顯示、同步等技術。計算機已是數字圖像處理的常規(guī)工具。在數字圖像處理中涉及到軟件、硬件、網絡、接口等多項技術，特別是并行處理技術在實時數字圖像處理中顯得十分重要。大量的圖像處理算法主要源于雄厚的數理基礎，建立圖像處理本身的理論體系也離不開物理機理和嚴密的數學工具。因此，圖像處理科學是一項涉及多學科的綜合性科學。(3)圖像信息理論與通信理論密切相關。1948年，仙農發(fā)表了《通信中的數學理論》一文，它奠定了信息論的基礎。圖像信息論也屬于信息論科學中的一個分支，圖像信息論是在通信理論研究的基礎上發(fā)展起來的。它把通信中的一維問題推廣到二維空間上來研究，也就是說，通信研究的是一維時間信息，而圖像研究的是二維空間信息，通信研究的是時間域和頻率域的問題；圖像理論研究的是空間域和空間頻率域(或變換域)之間的關系；;通信理論認為：任何一個隨時間變化的波形都是由許多頻率不同、振幅不同的正弦波組合而成；圖像理論認為：任何一幅平面圖像是由許多頻率、振幅不同的X-Y方向的空間頻率波相疊加而成，高空間頻率波決定圖像的細節(jié)，低空間頻率波決定圖像的背景和動態(tài)范圍。通信中的一維問題都可推廣到二維，盡管有些理論尚不完全貼切，但對圖像自身理論體系的形成有極大的借鑒意義。2.2數字圖像處理的主要方法數字圖像有其自身的特點，所以其處理方法不同，通常的說，數字圖像處理的主要方法有空域法和變換域法，空域法是把圖像看作是平面中各個像素組成的集合，然后直接對這一二維函數進行相應的處理，空域處理法主要有兩大類一個是鄰域處理法，包括梯度運算、拉普拉斯算子運算、平滑算子運算、卷積運算等；在保用這種方法上，王永忠，梁彥等人提出應用自適應混合高斯模型的時空背景建模算法；遲健男，張闖等人提出基于反對稱雙正交小波重構的圖像增強方法；文山，李葆青提出基于小波分層的多方向圖像邊緣檢測等；另一個是點處理法，這類方法指灰度處理，面積、周長、體積、重心運算等。變換域處理方法則是首先對圖像進行正交變換，得到變換域系數陣列，然后再施行各種處理，處理后再反變換到空間域，得到處理結果，這種處理方法的好第2頁[11]；哈爾濱工業(yè)大學的[10]；華北科技學院的李處是避免實際中圖像陳列很大、計算量很大的問題。這類處理方法主要包括濾波、數據壓縮、特征提取等處理等。倪林，邊肇祺,王文淵等提出一類新的知識型指紋圖像非線性濾波方法[4]；文穎，施鵬飛在一種基于共同向量結合2DPCA的人臉識別方法研究中應用正交變換法[5]。當然，不同的處理方法應用在數字圖像處理的各個過程中，所以有必要結合數字圖像處理的內容來研究數字圖像處理的方法。2.2數字圖像處理的主要內容完整的數字圖像處理包括圖像信息的獲取、存貯、傳送、處理以及圖像信息的輸出和顯示，由數字圖像的特點可知數字圖像處理多半采用計算機處理，因此，數字圖像處理的內容可概括為幾何/算術處理、圖像增強和復原、圖像重建、圖像壓縮和編碼、圖像分割、圖像識別、以及圖像理解等幾個過程，同時，在每個過程中都有不同的處理方法，下面對文獻閱讀中涉及的方法進行闡述。(1)幾何/算術處理，這個范圍內主要包括圖像坐標變換、圖像的放大、縮小、旋轉、移動、多幅圖像配準，全景畸變校正，扭曲校正，周長、面積、體積計算等；雖然該處理主要針對像素點的處理，但非常有用，如醫(yī)學圖像的減影處理就有顯著的效果。山東大學的李暉于2009年研究了多分辨率醫(yī)學圖像配準技術及自適應圖像插值技術[6]；東北大學的張少敏，支力佳等人于2009年研究了基于區(qū)域聯合R6nyi熵的多模醫(yī)學圖像配準[7]；山東大學信息學院的陳輝,愛群,玉華等人研究在未標定手持相機拍攝的圖片構造全景圖中，可對發(fā)生畸變圖像進行自動校正[8]；北京航天航空大學的毛士藝等人提出了多傳感器圖像融合技術，指多幅描述同一景物的不同圖像，經過去噪、時間配準、空間配準和重采樣后,再運用某種融合技術得到一幅合成圖像的過程，從而提高圖像的質量[9]。(2)圖像增強和復原中的圖像增強主要是突出圖像中感興趣的信息，而減弱或去除不需要的信息，從而使有用信息得到加強，使圖像更加清晰，便于區(qū)分或解釋。圖像增強并不要求真實的反映原始圖像的真實面貌，而是通過圖像復原要求盡可能的消除或者減少獲取圖像過程中產生的某些退化，使圖像能夠反映原始圖像的真實面貌。圖像增強中采用的主要方法有直方圖修改技術增強、圖像平滑、圖像尖銳化、同態(tài)處理、偽彩色增強法及灰度窗口等技術，這方面研究有東南大學的張韻農，何振亞等人研究了圖像增強的自適應免疫算法耀輝，劉保軍等人研究了基于直方圖均衡的圖像增強技術陳延梅，吳勃英研究了基于數學形態(tài)學的圖像增強方法等[12]。圖像復原則是指去掉干擾和模糊，恢復圖像的本來面目，典型的去噪就屬于復原處理，同樣，去模糊也是復原處理的任務。圖像復原中采用的方法有維納濾波、逆濾波、同態(tài)濾波、代數復原及偏微分方程等方法。中國科學院自動化研究所的汪雪林，趙書斌，彭思龍等人研究了基于小波域隱馬爾可夫樹模型的圖像復原技術 [13]；國防科技大學的王光新，王正明，段曉君研究了基于廣義高斯噪聲分布模型的迭代正則化圖像復原技術[13]。(3)圖像重建是指從數據到圖像的處理。也就是說輸入的是某種數據，而處理結果得到的是圖像。圖像重建的主要算法有代數法、迭代法、傅里葉反投影法、卷積反投影法等，其中以卷積反投影法運用最為廣泛，因為它的運算量小、速度快。上海市計算技術研究所;的嚴洪范早在1991就提出了全身CT裝置圖像重建過程；北京大學重離子物理研究所的尤江生，李毅，包尚聯提出由多聚焦投影進行圖象第3頁重建[14]。值得注意的是三維重建算法發(fā)展很快，而且由于與計算機圖形學相結合，把多個二維圖像合成三維圖像，并加以光照模型和各種渲染技術，能生成各種具有強烈真實感及純凈的高質量圖像。三維圖形的主要算法有線框法、表面法、實體法、彩色分域法等等，中國科學院東海研究站的劉洋，顧亞平于 2003年研究了有限空間內三維聲成像的簡易算法 [15]；西北工業(yè)大學航空學院的馬存寶 ,李海皓,張瀟等人研究了基于改進圖像重建算法的工業(yè) CT系統等[16]，三維重建技術也是當今頗為熱門的虛擬現實和科學計算可視化技術的基礎 [17]；此外，NouraAzzabou及NikosParagios.研究了圖像的使用局部濾波器技術實現圖像復原 [18]。(4)圖像壓縮和編碼是指在滿足一定保真度的情況下，壓縮圖像的信息量，簡化圖像的表示，從而大大壓縮圖像描述的數據量， 以便存儲和傳輸。圖像編碼應是經典的研究課題，50多年的研究已有多種成熟的方法得到應用。隨著多媒體技術的發(fā)展，已有若干編碼標準由 ITU-T制定出來。如 JPEG，H.261，H.263，MPEG1，MPEG2，MPEG4，MPEG7，JBIG，二值圖像壓縮等。最近，國際電訊聯盟(ITU-T)等組織又推出了最新視頻編碼標準 H.264/AYC，以其卓越的編碼效率和圖像質量引起人們廣泛關注， 然而它引入的新技術也帶來了巨大運算量等[19](5)圖像分割，圖像分割是數字圖像處理的關鍵技術之一，是為了將圖像中有意義的特征提取出來，進一步進行圖像識別，分析和理解。圖像中有意義的特征包括圖像的邊緣、區(qū)域等。西北工業(yè)大學電子學院的祝雙武，郝重陽于2007年提出了基于PCNN的織物起球圖像的分割[20]；重慶大學的曾理，侯立華等人提出了基于改進Snake模型的圖像分割方法[21]，四川農業(yè)大學的呂小蓮，呂小榮，張祖立等人提出了基于顏色特征的番茄圖像分割算法的研究[22]。(6)圖像識別，圖像識別屬于模式識別的范疇，其主要內容是指圖像經過某些預處理（增強、復原、壓縮）后，進行圖像分割和特征提取，從而進行判別、識別。圖像識別中常用的方法有統計模式識別法和句法模式識別法， 通過統計圖像中像素的灰度級隨機分布規(guī)律來描述紋理特征，具有代表性的兩種方法分別是Haralick等人提出的灰度共生矩陣（ Co-OccurrenceMatrix）和Tamura等人提出的Tamura紋理特征[23][24]。共生矩陣從數學角度描述了圖像紋理理中灰度級的空間依賴關系。首先，利用圖像象素間的方向和距離關系構造共生矩陣，然后，再利用統計數據的不同表達形式作為紋理的特征表示。它能夠反映出圖像灰度關于方向、相鄰間隔、變化幅度的分布特性。Tamura紋理特征是一種基于視覺感知的紋理特征，包括粗糙度（Coarseness）、對比度（Contrast）、方向度（Directionality）、線性度（Line-likeness）、規(guī)則度（Regularity）和粗略度(Roughness)等，Tamura表達最突出的一個特點為該特性在視覺上是有意義的。而近年來，新發(fā)展起來的模糊模式識別和人工神經網絡模式識別在模式識別中應用也較多，這種方法中充分考慮人的主觀概率，同時也考慮了人的非邏輯思維方法及人的生理、心理反映，這一獨特性的識別方法目前正處于研究階段，方法尚未成熟。自1965年美國控制論學者LA.Zadeh教授創(chuàng)立模糊數學以來，已取得很大進展[25]。在這方面許多學者都做了一些研究人，廈門大學的楊劍雄，李茂青研究了一種基于超長方體集的模糊模式識別算法[26]；張娜，曾孟佳等人在2004年研究了模糊模式識別在計算機識別中的應用研究[27]。(7)圖像理解：它是由模式識別發(fā)展起來的方法，也叫景物理解。該處理輸入的第4頁是圖像，輸出的是一種描述。這種描述可以單純用符號作出詳細的描繪，而且還要利用客觀世界的知識使計算機進行聯想、思考及推論，從而理解圖像所表現的內容，自1965年Roberts識別多面體以來，圖像理解已經應用在不少的領域，Nagao等人第一次建立了解釋多波段航片的系統，對航拍圖像區(qū)域進行了若干特征體的劃分[28]；SCORPIUS組合利用并行處理和圖像理解研究結果檢測、鑒別有意義的目標，監(jiān)視軍事目標狀態(tài)變化，提供軍事動向資料和情報；ACRONYM是一個由模型出發(fā)的解釋系統，通過模型化區(qū)域的三維信息結構完成模型的匹配理解過程，MOSAIC融合多視角目標獲取的二維圖像完成目標三維的完整描述，對新的觀察點情況進行理解分析。以上所述的幾項處理任務是數字圖像處理所涉及到的主要內容。總的說來，數字圖像處理內容并不是孤立存在的，往往相互聯系，而一個實用的圖像處理系統，也往往要將幾種技術結合起來，才能得到所需要的結果。2.3數字圖像處理的應用研究數字圖像處理的應用越來越廣，其應用典型例子主要體現在以下幾個方面。(1)遙感：1839年，世界上出現第一幅照片，1909年，意大利人乘飛機拍攝了第一張照片，前蘇聯(1957年)及美國(1958年)先后發(fā)射了人造地球衛(wèi)星等等，這些都為遙感技術的發(fā)展奠定了堅實的基礎。此后，美國相繼發(fā)射多顆陸地資源探測衛(wèi)星，其地面分辨率分別為59×79m2，40×40m2，30×30m2，衛(wèi)星上配備了GPS系統，定位精度在地心坐標系中為±10m。遙感圖像處理的用處越來越大，效率及分辨率也越來越高。如：土地測繪、資源調查、氣象監(jiān)測，環(huán)境污染監(jiān)測、農作物估產、軍事偵察等，當前，在遙感圖像處理中應主要解決數據量大和處理速度慢的矛盾。(2)醫(yī)學應用：無論是在臨床診斷還是病理研究，都需要大量采用圖像處理技術。它的直觀、無創(chuàng)傷、安全方便的優(yōu)點受到普遍的歡迎與接受。 其主要應用可舉出眾多的例子，如 X光照片的分析，血球計數與染色體分類等。目前廣泛應用于臨床診斷和治療的各種成像技術， 如超聲波診斷等都用到圖像處理技術。 計算機圖像處理在醫(yī)學上應用最成功的例子就是 X光CT。類似的設備目前已有多種，如核磁共振CT等。值得注意的是，電阻抗斷層圖像技術(EIT)或阻抗成像技術的研究與應用。這是一種利用人體組織的電特性 (阻抗、導納、介電常數)形成人體內部圖像的技術。由于不同組織和器官具有不同的電特性， 因此，這些電特性包含了解剖學信息。隨著遠程醫(yī)療技術的蓬勃發(fā)展,對醫(yī)學圖像處理提出的要求也越來越高.醫(yī)學圖像處理技術發(fā)展至今,各個學科的交叉滲透已是發(fā)展的必然趨勢,其中還有很多亟待解決的問題.有效地提高醫(yī)學圖像處理技術的水平,與多學科理論的交叉融合、醫(yī)務人員和理論技術人員之間的交流就顯得越來越重要.總之,醫(yī)學圖像作為提升現代醫(yī)療診斷水平的有力依據,使實施風險低、創(chuàng)傷性小的化療、手術方案成為可能,必將在醫(yī)藥信息研究領域受到更多的關注。(3)通信中的應用：按業(yè)務性能劃分可分為電視廣播 (點對面通信)、傳真、可視電話(點對點通信)、會議電視(點對多點)、圖文電視、可視圖文以及電纜電視等。如按圖像變化性質分，可分為靜止圖像和活動圖像通信。從某種意義上說，圖像通信發(fā)展的基礎就是圖像處理技術的發(fā)展。第5頁(4)工業(yè)生產的質量控制：在生產線中對生產的產品及部件進行無損檢測也是圖像處理技術的一個廣泛的應用領域。如食品包裝出廠前的質量檢查，浮法玻璃生產線上對玻璃質量的監(jiān)控和篩選，甚至在工件尺寸測量方面也可以采用圖像處理的方法加以自動實現。另外鐵譜分析也是一個典型的應用，該處理的典型應用就是CT技術，CT技術發(fā)明于1972年，早期為X光(X射線)CT，后來發(fā)展的有ECT、超聲CT、核磁共振(NMR)等。(5)安全保障、公安、電子商務等方面的應用：該領域將采用模式識別等方法實現監(jiān)控、指紋檔案、案件偵破、交通管理、身份認證、產品防偽、水印技術等。(6)教學及科研領域中也將大量應用圖像處理技術。如科學可視化技術、遠程培訓及教學等。目前研究的熱點內容及發(fā)展趨勢自20世紀60年代第三代數字計算機問世以后，數字圖像處理技術出現了空前的繁榮，其發(fā)展趨向和需要進一步研究的問題也更引人關注，今后應在如下幾方面進一步加強研究：(1)圖像處理的發(fā)展將向著高速度、高分辨率的方向發(fā)展，在提高精度的同時著重解決處理速度問題。如在航天遙感、氣象云圖處理方面，巨大的數據量和處理速度仍然是主要矛盾之一。王軍，李國宏等人研究了CMOS圖像傳感器在航天遙感中的應用[29]；吳建華，黎鷹，王順長，占傳杰等人研究了GMS衛(wèi)星紅外云圖數據壓縮等[30]。(2)在提高速度方面上，開發(fā)新的圖像處理方法，可采用硬件對數字圖像進行處理，特別要注意移植和借鑒其他學科的技術和研究成果，創(chuàng)造新的處理方法。目前，結合多媒體技術的研究，硬件芯片越來越多。如ThomSon公司ST13220采用Systolic結構，用作運動預測器；INMOS公司的IMS-A121，采用流水線結構；C-Cube公司CL-550把JPEG做到一個芯片上，更便于推廣應用等?？傊?，把圖像處理的眾多功能固化在芯片上將會有更加廣闊的應用領域。(3)在圖像處理領域近年來引入了一些新的算法，如：小波理論、分形理論、數學形態(tài)學、遺傳算法、神經網絡等。其中分形理論廣泛用于圖像處理、圖形處理、紋理分析，同時還可以用于數學、物理、生物、神經和音樂等方面。有人認為，分形理論把雜亂無章、隨意性很強的事物用數學方法加以規(guī)范和描述，在分析和描繪自然現象上具有獨到之處。近年來，最初來自于物理和力學的偏微分方程在圖像處理和計算機視覺中開辟了一個全新的研究領域，并且在圖像處理中獲得了初步成功。其基本原理是用偏微分方程逼近一幅圖像、一條曲線或一個曲面，通過求解這個偏微分方程得到期望的結果。應用偏微分方程的優(yōu)點是圖像處理與分析是在一個連續(xù)區(qū)域內進行，而不考慮離散網格，這可帶來很大的靈活性，另外，可以借鑒物理學和流體力學的思想解決圖像處理中的難題。這些理論在未來圖像處理理論與技術上的作用應給予充分的注意，并積極地加以研究。加強理論研究，逐步形成圖像處理科學自身的理論體系。王富榮研究了小波提升算法及其在圖像處理中的應用[31]；魯瑞華，楊明研究了一種基于中值濾波的非線性圖像處理優(yōu)化算法等[32]。(4)新的圖像、圖形相結合朝著三維成像或多維成像的方向發(fā)展，三維圖像處理第6頁的信息量更大，特別是隨著計算機圖形學及虛擬現實技術的發(fā)展，立體圖像處理技術將會得到廣泛應用。劉松平，劉菲菲等人研究了管道焊縫超聲多維成像檢測技術[33]；MyoungHwanChoi等人研究了使用平滑濾波器的方法實現圖像的融合技術[34]。(5)加強交叉學科的研究工作，如人的視覺特性、心理學特性等的研究，如果有所突破，將對圖像處理技術的發(fā)展會有極大的促進作用。(6)圖像處理領域的標準化問題。圖像的信息量大，數據量大，軟件、硬件種類繁多，交流和使用極為不便，這成了資源共享的嚴重障礙。應及早建立圖像信息庫，統一存放格式，建立標準子程序，統一檢查方法等是共同關心的問題。結束語圖像處理特別是數字圖像處理科學經初創(chuàng)期、 發(fā)展期、普及期及廣泛應用幾個階段，如今已是各個學科競相研究并在各個領域廣泛應用的一門科學。今天，隨著科技事業(yè)的進步以及人類需求的多樣化發(fā)展， 多學科的交叉、融合已是現代科學發(fā)展的突出特色和必然途徑，而圖像處理科學又是一門與國計民生緊密相聯的一門應用科學，它的發(fā)展和應用與我國的現代化建設聯系之密切， 影響之深遠是不可估量的，數字圖像處理科學無論是在理論上還是實踐上都存在著巨大的潛力。參考文獻：阮秋琦.數字圖像處理.電子工業(yè)出版社.2001.1:1-14張德豐.MATLAB數字圖像處理.機械工業(yè)出版社.2009,10:1-4阮秋琦.第三講圖像信息處理.物理學與信息科學技術專題.2005,3(34):205-2134. 倪林，邊肇祺 ,王文淵等提出一類新的知識型指紋圖像非線性濾波方法 .自動化學報.1997,9(23):628-635文穎,施鵬飛.一種基于共同向量結合ZDPCA的人臉識別方法.2009,2(35):202-2056. 李暉，彭玉華，尹勇 .基于平移旋轉不變的塔式分解和模糊梯度場的醫(yī)學圖像配準 .電子學報.2009,4(37):854-859張少敏，支力佳，趙大哲，趙宏，楊金柱.基于區(qū)域聯合Rényi熵的多模醫(yī)學圖像配準.電子學報.2009,10(37):2320-23258. 陳輝,愛群,玉華.未標定手持相機拍攝的圖片構造全景圖 .計算機學報.2009.2[32]：329-335毛士藝，趙巍.多傳感器圖像融合技術綜述.北京航空航天大學學報.2002，（528）：512-518張韻農，何振亞等.圖像增強的自適應免疫算法.東南大學學報(自然科學版).2002,3(22):346-350李耀輝，劉保軍.基于直方圖均衡的圖像增強.華北科技學院學報.2003,6(5):65-6712.汪雪林，趙書斌，彭思龍.基于小波域隱馬爾可夫樹模型的圖像復原.計算機學報.2005，6（28）：1006-101213.王光新，王正明，段曉君.基于廣義高斯噪聲分布模型的迭代正則化圖像復原.中國圖象圖形學報.2004,8(9):978-983尤江生，李毅，包尚聯.由多聚焦投影進行圖象重建.中國圖象圖形學報，1998，8（3）：666-670劉洋，顧亞平.有限空間內三維聲成像的簡易算法.聲學技術.2003,5:105-107馬存寶,李海皓,張瀟.基于改進圖像重建算法的工業(yè)CT系統.計算機測量與控第7頁制.2007.15(11)：1494-1555QiangLi;ZhouWang;Reduced-ReferenceImageQualityAssessmentUsingDivisiveNormalization-BasedImageRepresentation.2009,4(3):202-211NouraAzzabou,NikosParagios.ImageReconstructionUsingParticleFiltersandMultipleHypothesesTesting.IMAGEPROCESSING.2010,5(19):1181-1190BinZhu,MitchellD.Swanson,AhmedH.Tewfik.IMAGECODINGBYFOLDING.ImageProcessing,1997，10（2）：665-668祝雙武，郝重陽:基于PCNN的織物起球圖像的分割.中國圖象圖形學報.2007，7(12):1230-1233曾理，侯立華.基于改進Snake模型的圖像分割方法.計算機仿真.2006,7(23).180-183曾理,侯立華.基于改進Snake模型的圖像分割方法.計算機仿真，2006，7：180-18323.呂小蓮，呂小榮，張祖立.基于顏色特征的番茄圖像分割算法的研究