图像分析

图像分析或图像分析是从图像中提取有意义的信息；主要是通过数字图像处理技术从数字图像中提取。图像分析任务可以简单到读取条形码标签，也可以复杂到从人的脸部识别出一个人。对于分析大量的数据，对于需要复杂计算的任务，或者对于定量信息的提取，计算机是不可或缺的。另一方面，人类的视觉皮层是一个优秀的图像分析仪器，特别是在提取更高层次的信息方面，对于许多应用--包括医学、安全和遥感--人类分析人员仍然无法被计算机取代。出于这个原因，许多重要的图像分析工具，如边缘检测器和神经网络都受到人类视觉感知模型的启发。数字化数字图像分析或计算机图像分析是指计算机或电气设备自动研究图像，从中获得有用的信息。它涉及计算机或机器视觉和医学成像领域，并大量使用模式识别、数字几何和信号处理。这一计算机科学领域于20世纪50年代在麻省理工学院人工智能实验室等学术机构发展起来，最初是作为人工智能和机器人学的一个分支。它是对二维（2D）或三维（3D）数字图像进行定量或定性描述。例如，二维图像要在计算机视觉中进行分析，而三维图像要在医学成像中进行分析。该领域建立于20世纪50-70年代，例如由AzrielRosenfeld、HerbertFreeman、JackE.Bresenham或King-SunFu做出的开创性贡献。

在自动分析图像方面有许多不同的技术。每种技术都可能对小范围的任务有用，然而，与人类的图像分析能力相比，目前还没有任何已知的图像分析方法足以通用于广泛的任务。不同领域中的图像分析技术的例子包括。二维和三维物体识别，图像分割，运动检测，如单粒子跟踪，视频跟踪，光流，医学扫描分析，三维姿势估计。应用数字图像分析的应用在科学和工业的各个领域不断扩大，包括天文学，如计算行星的大小。自动物种识别（如植物和动物物种）防御错误水平分析过滤机器视觉，如自动计算工厂传送带上的物品。材料科学，如确定金属焊缝是否有裂缝。医学，如在乳房X光扫描中检测癌症。金属学，如确定岩石样品的矿物含量。显微学，如计算棉签中的细菌。自动车牌识别；光学字符识别，如自动车牌检测。遥感，如检测房屋中的入侵者，并制作土地覆盖/土地使用图。机器人，如避免转向进入障碍物。安全，如检测一个人的眼睛颜色或头发颜色。基于对象的基于对象的图像分析（OBIA）采用两个主要过程，分割和分类。

传统的图像分割是在每个像素的基础上进行的。然而，OBIA将像素分组为同质的物体。这些对象可以有不同的形状和比例。对象也有与之相关的统计数据，可以用来对对象进行分类。统计资料可以包括图像对象的几何形状、背景和纹理。分析师在分类过程中定义了统计数据，以生成例如土地覆盖。当应用于地球图像时，OBIA被称为基于地理对象的图像分析（GEOBIA），被定义为地理信息科学的一个子学科，致力于（...）将遥感（RS）图像划分为有意义的图像对象，并通过空间、光谱和时间尺度评估其特征。国际GEOBIA会议自2006年以来每年举行两次。基于对象的图像分析也被应用于其他领域，如细胞生物学或医学。例如，它可以检测细胞分化过程中细胞形状的变化。该技术在eCognition或Orfeo工具箱等软件中实现。