图像检测技术国内外研究现状
（1)形态学图像处理：它的基本概念可以追朔到Minkowski[2]对空间集合代数的研究和Matheron对拓扑的研究。形态学图像处理是这样的一种处理类型，它对图像中的物体的空间形态或结构进行修改。膨胀、腐蚀和骨架化是三种基本的形态学计算。论文网
(2)边缘检测： 边缘就是存在于两个灰度值不相同的区域相交的地方，而且两个具有不同灰度值的相邻区域之间总会存在边缘，同时边缘也是图像的基本特征，它广泛的存在于物体与物体之间，物体与背景之间，如果边缘检测做的好的话可以很大减少计算机的处理量，因为它剔除了很多无用的信息,但是保留了图像中的基本结构属性。
(3)图像特征提取：图像的特征是指图像显著的基本特征或特性。一些图像是其本质的特性，在一定程度上这样的特征可以从视觉上分辨出来，另一些则是通过某些变换产生的人为特征。本质特征包括像素区域和灰度纹理区域的亮度。
(4)图像分割：图像分割指的是将数字图像细分为多个图像子区域[3]（像素的集合）（也被称作超像素）的过程。图像分割的目的是简化或改变图像的表示形式，使得图像更容易理解和分析。图像分割通常用于定位图像中的物体和边界（线，曲线等）。更精确的，图像分割是对图像中的每个像素加标签的一个过程，这一过程使得具有相同标签的像素具有某种共同视觉特性。图像分割的结果是图像上子区域的集合（这些子区域的全体覆盖了整个图像），或是从图像中提取的轮廓线的集合（例如边缘检测）。一个子区域中的每个像素在某种特性的度量下或是由计算得出的特性都是相似的，例如颜色、亮度、纹理。邻接区域在某种特性的度量下有很大的不同。
(5)形状分析：目前已经提出了几种定性的和定量的方法来描述图像中物体的形状，这些方法对于在模式识别系统中对物体进行分类和在图像理解系统中象征性的描述物体是很有用的。在这些方法中，有一些只能应用在二进制图像中，另外的一些则可以被扩展到灰度图像中。
(6)图像检测和配准：图像检测主要是确定位于图像内被猜测的物体是存在还是不存在的。而图像配准主要是涉及到一对图像区域的空间配准问题。在一个图像区域中，物体检测的一种最基本方法是通过模板匹配来进行。在目前的实际应用中，广泛的利用hough变换来进行圆形或椭圆性的物体检测。比如，利用hough变换进行人脸图像的定位；利用hough变换进行车牌字符分割；利用hough变换进行文本图像的检测；利用hough变换进行虹膜定位；利用宽线段hough变换进行箭靶识别上的应用；利用hough变换进行悬停直升机检测器性能分析等等。
图像检测技术在国外起步较早，专家尤其对霍夫变换进行了深入的研究并且提出了很多种改进型的hough变换来检测数字图像。究其原因还是因为基本的hough变换存在着很多的缺点，比如说速度太慢以至于实时性差 在很多应用情况下无法进行及时的处置；还有就是准确度不高，有可能检测出来的结果明显不符合所期望的结果，而且基本hough变换大都运算量大，这也是导致用基本hough变换检测基本几何形状速度比改进型hough变换检测慢，运算量大还导致计算机内存利用率大，这就对计算机的性能提出要求，而且增加计算机能耗。国内在80年代以前在图像检测领域相较国外而言基础理论研究很少，随着改革开放和第三次信息革命的开始，中国有些专家和学者也投入到这个领域的研究上去了。现在也有越来越多的改进型算法加入到原有的经典算法中去了。
上一篇：单神经元理论的发展与研究现状
下一篇：轨道交通研究现状