描述性图像分析

摘要 概述了描述性图像分析的主要方法、模型和结果。描述性图像分析法是一套逻辑严密的描述性方法和模型，用于图像分析和评估。描述性图像分析法的方法、模型和结果决定了描述性图像分析法的发展现状和趋势。随着描述性方法分析和理解图像的方法和设备的发展和完善，人们提出了对其的解释，并将其定义为描述性图像分析。描述性图像分析法的主要目标是将图像分析和识别中使用的各种方法、过程和概念结构化和标准化。描述性图像分析解决了图像分析、识别和理解问题中信息表示方法和形式的形式化和系统化的基本问题，特别是与自动从图像中提取信息以做出智能决策（诊断、预测、检测、评估和识别物体、事件和过程的模式）相关的问题。描述性图像分析既可以解决与构建图像作为识别对象的形式描述有关的问题，也可以解决识别和理解图像的综合程序问题。有人认为，对以图像形式表示的信息（问题解决方案轨迹）进行分析和评估的过程，一般可视为一系列中间和最终（确定解决方案）估计值的变换和计算的序列/组合。这些变换由图像的等价类及其表示法定义。后者的定义是描述性的，即使用一组基本原型和相应的生成变换，这些变换在功能上与可允许变换的等价类是完整的。作为描述性图像分析的一部分，取得了以下主要成果：(1) 引入并研究了新的数学对象：图像形式化空间、描述性图像代数、描述性算法方案；(2) 定义并研究了描述性图像分析模型：图像模型、图像变换模型、生成描述性算法方案的模型；(3) 开发了支持图像分析自动化的语言和知识导向工具；(4) 开发了一些自动化软件系统，并提出了描述性图像分析公理。本文对描述性图像分析的规定进行了总体描述，并讨论了前两个方向的主要研究成果：新的数学对象和图像分析模型。还提供了有关描述性图像分析的综合参考书目。