图像处理技术的发展图像处理的初次应用出现在20世纪20年代，得到普遍的重视则是在20世纪60年代中期。第3代计算机的研制成功，快速傅立叶变换的出现，使得一些图像处理算法可以在计算机上得以实现。在这一时期，各部门对图像处理的应用性研究引起世界各方关注，从而推动了图像处理技术的发展，使数字图像处理技术在生物学、x射线图像增强、光学显微图像的分析、陆地卫星、多波段遥感图像的分析、粒子物理、地质勘探、人工智能、工业检测等领域得到了广泛应用。其中美国喷气推进实验室(L）通过连续多次对航天探测器发回的多组月球照片的处理，从而逐步提高及改进了图像处理技术的相关算法，（由计算机成功地绘制月球表面地图，到能够进行较复杂的图像处理，再到得到月球的地形图、彩色图以及全景镶嵌图），使得数字图像处理技术在航空、航天领域变得必不可少。67757

当下数字图像处理技术的研究和应用在全球范围内得到了推广，其应用更是无所不在，如图像修补、信息隐藏、图像压缩、目标识别等。随着硬件设备的不断改进及研发，数字图像处理技术将不断成熟，将在商业、工业、医学、军事、安全系统、计算机视觉和人工智能等等领域得到更深入的应用，由此可以预测，数字图像处理在不久的将来会发挥更大的作用。

计算机视觉是在又是在图像处理的基础上发展起来的新型学科。计算机视觉系统中，视觉信息的处理技术主要依赖于图像处理方法，它包括图像增强、数据编码和传输、平滑、边缘锐化、分割、特征抽取、图像识别与理解等内容。经过这些处理后，输出图像的质量得到相当程度的改善，既改善了图像的视觉效果，又便于计算机对图像进行分析、处理和识别。计算机视觉系统中，视觉信息的处理技术主要依赖于图像处理方法，它包括图像增强、数据编码和传输、平滑、边缘锐化、分割、特征抽取、图像识别与理解等内容。经过这些处理后，输出图像的质量得到相当程度的改善，既改善了图像的视觉效果，又便于计算机对图像进行分析、处理和识别。

2  图像特征提取技术的发展

在计算机视觉与图像处理领域，特征的概念被用于表示一定的信息，这些信息是为了解决与特定的应用相关的某种计算任务。例如：应用与图像的通用领域操作结果；图像中特定结构点、线或一些复杂结构。特征提取，是使用计算机提取图像信息，决定每个图像的点是否属于一个图像特征。特征提取的结果是把图像上的点分为不同的子集，这些子集往往属于孤立的点、连续的曲线或者连续的区域。特征提取的目的是得到一种模式表述使得分类方法显得不那么重要。与特征提取相关的有两个概念：数位压缩和特征选择。论文网

数位压缩，是对一个算法而言，所输入的数据过大而难以进行有效处理，可以利用数据冗余性的特点将所输入的数据转换为一种特征精简的形式(即特征向量)。这样不但使得数据量大幅减少，而且突出了最具鉴别能力的信息。特征选择，是用在机器学习中，用以选择一个相关特征子集，并进行更为鲁棒的学习建模。通过剔除最不相关的和冗余的特征，可以提高学习模型的性能，包括：减少维数灾难的影响；增强泛化能力；加速学习过程；提高模型的可解释性。数位压缩和特征选择是息息相关的，他们前期工作就是特征提取。

图像特征提取可分为：地层特征提取和高层特征提取。地层特征提取是一切图像分析的基础，已得到了广泛的研究和相对成熟的结果。高层特征提取是基于语言层次的高度，进行如：人脸识别、人的行为分析等。在众多底层图像特征中，颜色形状和纹理具有计算简单和性能稳定的特点，也是多说图像处理所要考虑的关键因素。