图像处理与计算机视觉的 topics

• 光学图像（optical image）：
  
  • the apparent reproduction of an object, formed by a lens or mirror system from reflected, refracted, or diffracted light waves. There are two kinds of images, real and virtual.
    
    • In a real image the light rays actually are brought to a focus at the image position, and the real image may be made visible on a screen—e.g., a sheet of paper—whereas a virtual image cannot. Examples of real images are those made by a camera lens on film or a projection lens on a motion-picture screen.
    • Virtual images are made by rays that do not actually come from where the image seems to be; e.g., the virtual image in a plane mirror is at some distance behind the mirror.

0. 三大分类

• computer vision：图像；
• audio：声音；
• Text：文本数据；

1. image

• 二值图像，灰度图像，彩色图像
• natural images，Face images，synthetical images，SAR images，medical images

对于单幅图像处理问题：

• denoising
• super-resolution
• inpainting：重绘，重绘丢失的数据；
• image segmentation：
  
  • superpixel：Superpixel code

多幅图像处理问题：

• object tracking
• object detection
• Anomaly Detection

2. video

• 视频重绘（video inpainting）：http://perso.telecom-paristech.fr/~gousseau/video_inpainting/

3. 目标分割，目标识别，目标检测，目标跟踪

• 目标分割（Target Segmentation）：应该是data/image segmentation的一种；

  这里假定数据是图像，就如楼上说的，任务是把目标对应的部分分割出来。对于一般的光学图像而言，分割像素是一个比较常见的目标，就是要提取哪一些像素是用于表述已知目标的。这种Segmentation可以是一个分类（classificatio）问题，就是把每一个pixel做labeling，提出感兴趣的那一类label的像素。也可以是clustering的问题，即是不知道label，但需要满足一些optimality，比如要cluster之间的correlation最小之类的。

  
  
  

• 目标识别（Target Recognition），这是一个基于分类（Classification）的识别（Recognition）问题，即是在所有的给定数据中，分类出哪一些 sample 是目标，哪一些不是。

  还是拿图片作为数据举例，这个分类的层面往往不是pixel，给定的一些segment，或者定义的对象（Object），或者图片本身。

  
  
  

• 目标检测（Target Detection），最早的detection system应该是搞雷达的人首先提出并且heavily study的，最简单的任务就是从看似随机（random）又充满干扰（interference）和噪音（noise）的信号中，抓取到有信息的特征（information-bearing pattern）。

  
  
  

• 目标追踪（Target Tracking），这个任务很重要的第一点是目标定位（Target Locating），而且这个任务设计到的数据一般具有时间序列（Temporal Data）。常见的情况是首先 Target 被 Identify 以后，算法或者系统需要在接下来时序的数据中，快速并高效地对给定目标进行再定位。任务需要区别类似目标，需要避免不要的重复计算，充分利用好时序相关性（Temporal Correlation），并且需要对一些简单的变化Robust，必须旋转，遮盖，缩小放大，Motion Blur 之类的线性或者非线性变化。
  下面是一个Target Detection的栗子：