導(dǎo)語(yǔ)：如何才能寫(xiě)好一篇計(jì)算機(jī)視覺(jué)理論，這就需要搜集整理更多的資料和文獻(xiàn)，歡迎閱讀由公文云整理的十篇范文，供你借鑒。

篇1

關(guān)鍵詞：計(jì)算機(jī)視覺(jué)分析；微小尺寸；精密校正；閾值；圖像分割

中圖分類號(hào)：TP274.4

計(jì)算機(jī)視覺(jué)分析理論是基于精密模式識(shí)別和人工智能程序化校驗(yàn)技能進(jìn)行綜合整編的方法，利用光學(xué)信息對(duì)真實(shí)物理結(jié)構(gòu)的實(shí)時(shí)反映，配合人機(jī)協(xié)調(diào)手段進(jìn)行二維圖像的呈現(xiàn)。在工件表面進(jìn)行質(zhì)量檢測(cè)和圖片制備要素分析的系統(tǒng)環(huán)節(jié)中，闡述物體在空間環(huán)境之間的關(guān)系樣式，爭(zhēng)取三維場(chǎng)景的科學(xué)搭建。集合要素內(nèi)容包括邊緣、線條和曲面的配備，建立以工業(yè)部件為中心的坐標(biāo)體系，并適當(dāng)運(yùn)用不同符號(hào)表現(xiàn)模式實(shí)現(xiàn)必要三維結(jié)構(gòu)和空間關(guān)系的調(diào)整，促進(jìn)精密儀器細(xì)節(jié)檢驗(yàn)工作質(zhì)量的不斷提高。

1 計(jì)算機(jī)視覺(jué)檢測(cè)技術(shù)的相關(guān)理論研究

1.1 技術(shù)原理分析

滲透性計(jì)算機(jī)輔助支持結(jié)構(gòu)的視覺(jué)鑒定技術(shù)在被測(cè)實(shí)體中的圖像顯示支持功能基礎(chǔ)形勢(shì)上進(jìn)行質(zhì)量狀況的把控，這其實(shí)就是根據(jù)既定的偏差標(biāo)準(zhǔn)實(shí)現(xiàn)規(guī)模物件的逐個(gè)排查。細(xì)致的檢測(cè)工作在深度零件的誘導(dǎo)性特征和完整性配件的支持下，對(duì)整體完好效果的幾何制備模型進(jìn)行測(cè)量[1]。近階段的視覺(jué)規(guī)范系統(tǒng)利用電耦合器件和攝像機(jī)進(jìn)行主題元素的捕捉，并利用計(jì)算機(jī)內(nèi)部程序的數(shù)字信號(hào)轉(zhuǎn)化工具實(shí)現(xiàn)圖像的并行處理。采用目標(biāo)圖像的特殊坐標(biāo)記錄，利用灰度分布圖內(nèi)的多種綜合功能處理系統(tǒng)改善的要?jiǎng)?wù)。常規(guī)視覺(jué)下的檢測(cè)過(guò)程相對(duì)比較繁瑣，主要是將被檢測(cè)物體放置于照明效果相對(duì)均勻的可控制背景環(huán)境中，聯(lián)結(jié)CCD技術(shù)和圖像卡實(shí)現(xiàn)被測(cè)部件和數(shù)字圖像的共性要素融合，保證計(jì)算機(jī)自動(dòng)化處理程序的錄入。當(dāng)然，這類研究系統(tǒng)是需要利用相關(guān)軟體進(jìn)行放大的，其主要必備功能就是進(jìn)行圖像的預(yù)處理、識(shí)別和有效分析，將整個(gè)過(guò)程內(nèi)部的實(shí)際結(jié)果數(shù)值，包括被測(cè)部件的自身缺陷、尺寸等進(jìn)行整理。

1.2 計(jì)算機(jī)視覺(jué)微小尺寸精密檢測(cè)工業(yè)應(yīng)用技術(shù)的現(xiàn)狀

在科學(xué)設(shè)計(jì)信息內(nèi)容和工業(yè)加工制備要領(lǐng)集成化對(duì)待的環(huán)節(jié)中，通常不會(huì)直接進(jìn)行部件表面的接觸，一般運(yùn)用計(jì)算機(jī)程序下的掃描認(rèn)知和圖像即時(shí)呈現(xiàn)功能進(jìn)行快速的比對(duì)檢測(cè)，整體信號(hào)抗干擾能力較強(qiáng)，因此在現(xiàn)代工業(yè)生產(chǎn)技術(shù)領(lǐng)域內(nèi)部廣受好評(píng)。電子工業(yè)是在建立計(jì)算機(jī)視覺(jué)分析工藝之后表現(xiàn)最為活躍的行業(yè)類型，在此基礎(chǔ)上衍生的印刷電板路和集成電路芯片就是利用標(biāo)準(zhǔn)模型的整改，實(shí)現(xiàn)規(guī)模工序的緊密排列。目前，時(shí)下流行的汽車(chē)生產(chǎn)、紡織、商品包裝等也逐漸向這類手段靠攏，全面改善了現(xiàn)代化工業(yè)制備的應(yīng)用效果。

2 應(yīng)用視覺(jué)微小尺寸分析技術(shù)內(nèi)部拓展機(jī)能的補(bǔ)充

灰度圖像的主要分割方法包括灰度閾值校正、邊緣檢測(cè)制備等手段。

2.1 灰度閾值校正

這是區(qū)域分割方法中一種常見(jiàn)的手段，主要配合多個(gè)或單個(gè)閾值將圖像自身的灰度級(jí)別劃分為幾個(gè)項(xiàng)目組，對(duì)相同像素的單位數(shù)據(jù)進(jìn)行整編。根據(jù)實(shí)效范圍進(jìn)行分類，包括局部和全局閾值探究?jī)煞N手段，全局規(guī)模下的閾值分析方法就是利用整幅圖的灰度直方分布圖進(jìn)行內(nèi)部最優(yōu)閾值分割，包括單閾值和多閾值兩種形式；同時(shí)還可以將初始分析的圖像進(jìn)行子元素的拆解，之后利用單個(gè)子圖像的既定閾值范圍進(jìn)行最優(yōu)化分割[2]。分割的基本原理公式為：

其中，合理閾值的選取是非常重要的，目前閾值確定的手段主要包括直方圖雙峰對(duì)照法和最大類間方差累積法等。這種利用灰度閾值實(shí)現(xiàn)精準(zhǔn)質(zhì)量的劃分手段，計(jì)算執(zhí)行工作相對(duì)比較簡(jiǎn)單，并且實(shí)際工作效率水平較高，即便是實(shí)際需要分割的物體與圖像背景對(duì)比深度較強(qiáng)也可以收放自如，但唯一的缺點(diǎn)就是缺少對(duì)空間信息的掌控，涉及亮度不足的圖像問(wèn)題，這種閾值分割技術(shù)的施工質(zhì)量往往不會(huì)太高。

2.2 邊緣檢測(cè)制備工序

圖像內(nèi)部元素的分割其實(shí)就是進(jìn)行部件邊界效益的提取，而邊緣檢測(cè)制備工序則是利用像元及鄰域的整體狀態(tài)進(jìn)行物體邊界相關(guān)結(jié)構(gòu)的搭建。邊緣檢測(cè)分割制備技術(shù)具體包括并行和串行兩種模式，并行手法是運(yùn)用梯度信息的提取實(shí)現(xiàn)不同類別算子的整理；串行邊界分割原理則是根據(jù)適當(dāng)強(qiáng)度標(biāo)準(zhǔn)和相似走向的兩個(gè)邊緣端點(diǎn)位置實(shí)現(xiàn)連接，主要代表算法包括啟發(fā)式智能搜索手段等。這種串行算法較并行邊界積累統(tǒng)計(jì)原則來(lái)說(shuō)具有更強(qiáng)的抗干擾能力，但實(shí)際的邊緣檢測(cè)同樣不能完好地維持連續(xù)效果，需要利用其余技術(shù)內(nèi)容進(jìn)行邊緣制備技巧的修復(fù)。

（1）原始圖像 （2）Robert算子邊緣檢測(cè) （3）Sobel算子邊緣檢測(cè)

（4）Prewitt算子邊緣檢測(cè) （5）Kirsch算子邊緣檢測(cè) （6）Gauss-Laplace算子檢測(cè)

圖1 微小雙聯(lián)齒輪邊緣檢測(cè)

3 視覺(jué)檢測(cè)系統(tǒng)的創(chuàng)新性改進(jìn)

根據(jù)以上現(xiàn)狀問(wèn)題，創(chuàng)新式視覺(jué)整改校驗(yàn)系統(tǒng)利用照明光源、攝像機(jī)和圖像采集卡等結(jié)構(gòu)實(shí)現(xiàn)計(jì)算機(jī)輸出結(jié)果質(zhì)量的補(bǔ)充。其主要運(yùn)行過(guò)程如下：利用被測(cè)部件在均勻照明背景的全面優(yōu)化控制基礎(chǔ)，實(shí)現(xiàn)物體結(jié)構(gòu)的全面清晰呈現(xiàn)，使用攝像機(jī)對(duì)相關(guān)圖像信號(hào)進(jìn)行梳理并轉(zhuǎn)化為電荷信號(hào)，配合相關(guān)的圖像資源采集卡進(jìn)行部件數(shù)字化圖像的格式轉(zhuǎn)化；計(jì)算機(jī)內(nèi)部軟體操作程序?qū)⒌玫降臄?shù)字圖像進(jìn)行處理和識(shí)別，并將最終結(jié)果數(shù)據(jù)輸出，實(shí)現(xiàn)現(xiàn)代工業(yè)技術(shù)整體質(zhì)量規(guī)?？刂频募榷ㄒ?。

系統(tǒng)硬件在實(shí)現(xiàn)部件轉(zhuǎn)化圖像信息的環(huán)節(jié)中，連接檢測(cè)機(jī)理下的連續(xù)軟件規(guī)劃和照明光源等相關(guān)設(shè)備進(jìn)行圖像適當(dāng)分辨率的調(diào)整，維持圖像較為清晰的對(duì)比效果。全面控制獲取數(shù)字圖像的時(shí)間，抵抗不良因素的干擾影響，維持內(nèi)部成本經(jīng)濟(jì)規(guī)模的合理控制，促進(jìn)科技應(yīng)用和可持續(xù)發(fā)展經(jīng)濟(jì)戰(zhàn)略雙重價(jià)值標(biāo)準(zhǔn)的同步進(jìn)展。其中，光源設(shè)備的選擇必須落實(shí)到部件既定的幾何形狀條件下，利用相關(guān)性能參數(shù)進(jìn)行實(shí)際工作要求的提供，包括光源位置、亮度、壽命特性等因素的堆積，常用的可見(jiàn)光源包括水銀燈、熒光燈等，但這類光源使用壽命有限，因此現(xiàn)下多配用LED光源進(jìn)行快捷反應(yīng)、小功耗標(biāo)準(zhǔn)的補(bǔ)充，并且長(zhǎng)期使用后的照明效果比較穩(wěn)定[3]。而攝像機(jī)等結(jié)構(gòu)主要還是校正參數(shù)的表達(dá)方式，進(jìn)行圖像合理分辨率的整改，促進(jìn)圖像采集數(shù)字化協(xié)調(diào)功能的發(fā)展，提高系統(tǒng)工作速度等。

4 結(jié)束語(yǔ)

計(jì)算機(jī)視覺(jué)檢測(cè)系統(tǒng)在進(jìn)行一定部件性能評(píng)比的活動(dòng)中有著很高的貢獻(xiàn)，不僅配合硬件的照明、參數(shù)制備要領(lǐng)制備功能，同時(shí)促進(jìn)數(shù)字化圖像對(duì)比的速度，使得工業(yè)生產(chǎn)環(huán)節(jié)中的部件檢查工序得到大范圍整改，滿足可持續(xù)發(fā)展戰(zhàn)略規(guī)模的視覺(jué)意義，促進(jìn)現(xiàn)代智能化分析處理技術(shù)的全面覆蓋。

參考文獻(xiàn)：

[1]陸春梅.基于數(shù)字圖像處理技術(shù)的接桿激光環(huán)焊焊縫視覺(jué)檢測(cè)系統(tǒng)研究[D].上海交通大學(xué)，2008.

[2]羅敏.基于機(jī)器視覺(jué)的黑片缺陷檢測(cè)圖像邊緣提取算法研究[D].沈陽(yáng)理工大學(xué)，2010.

篇2

關(guān)鍵詞：雙目視覺(jué)；匹配算法；計(jì)算機(jī)視覺(jué)；立體匹配；相位一致性

1.計(jì)算機(jī)視覺(jué)系統(tǒng)分析研究

1.1計(jì)算機(jī)視覺(jué)技術(shù)及雙目立體視覺(jué)

計(jì)算機(jī)視覺(jué)是通過(guò)計(jì)算機(jī)技術(shù)實(shí)現(xiàn)對(duì)視覺(jué)信息處理的整個(gè)過(guò)程，是一門(mén)新的學(xué)科。視覺(jué)是人們認(rèn)知事物的重要途徑，視覺(jué)是人們對(duì)視覺(jué)信息獲取、處理和存儲(chǔ)的過(guò)程。隨著計(jì)算機(jī)技術(shù)的發(fā)展，信號(hào)處理技術(shù)的應(yīng)用，人們通過(guò)照相機(jī)來(lái)把實(shí)際的事物拍攝下來(lái)轉(zhuǎn)變?yōu)閿?shù)字信息，并通過(guò)計(jì)算機(jī)信號(hào)處理技術(shù)隊(duì)獲取的視覺(jué)信號(hào)進(jìn)行處理。計(jì)算機(jī)視覺(jué)技術(shù)對(duì)圖像的處理分為獲取圖像、特征抽象選取、事物識(shí)別及分類和對(duì)三維信息的理解。獲取圖像主要是通過(guò)攝像機(jī)和紅外線等技術(shù)對(duì)周?chē)曈X(jué)事物進(jìn)行獲取，并通過(guò)計(jì)算得到和真實(shí)事物相應(yīng)的二維圖像，二維圖像主要是數(shù)字圖像。計(jì)算機(jī)視覺(jué)系統(tǒng)的最基本的功能是數(shù)字圖像的獲取。可以看出計(jì)算機(jī)視覺(jué)研究最基本內(nèi)容是三維場(chǎng)景距離信息的獲取。在計(jì)算機(jī)被動(dòng)測(cè)量距離方法中，有一種重要的距離感知技術(shù)叫作雙目立體視覺(jué)。雙目立體視覺(jué)技術(shù)是其他計(jì)算機(jī)視覺(jué)技術(shù)無(wú)法取代的一種技術(shù)，對(duì)雙目立體視覺(jué)技術(shù)的研究在計(jì)算機(jī)視覺(jué)技術(shù)和工程應(yīng)用方面都是非常重要的。

1.2計(jì)算機(jī)視覺(jué)理論框架

第一個(gè)視覺(jué)系統(tǒng)理論框架的提出是以信息處理為基礎(chǔ)，綜合了圖像處理和神經(jīng)生理學(xué)等研究?jī)?nèi)容而建立的。這個(gè)視覺(jué)系統(tǒng)理論框架是計(jì)算機(jī)視覺(jué)系統(tǒng)的基本框架，與計(jì)算機(jī)視覺(jué)技術(shù)有著密切的關(guān)系。視覺(jué)系統(tǒng)的研究是以信息處理為基礎(chǔ)的，從理論層次、算法層次和硬件層次3個(gè)層次進(jìn)行研究。計(jì)算機(jī)理論層次主要是表達(dá)系統(tǒng)各個(gè)部分計(jì)算的目的和方法，對(duì)視覺(jué)系統(tǒng)的輸入和輸出進(jìn)行規(guī)定，輸入作為二維圖像，輸出是以二維圖像為基礎(chǔ)建立起來(lái)的三維物體，視覺(jué)系統(tǒng)的目的就是對(duì)三維物體進(jìn)行分析和識(shí)別，通過(guò)計(jì)算對(duì)二維物置和形狀進(jìn)行重新建立。算法層次對(duì)計(jì)算機(jī)規(guī)定的目標(biāo)進(jìn)行計(jì)算，算法和計(jì)算機(jī)表達(dá)有關(guān)，不同的表達(dá)可以通過(guò)不同的算法進(jìn)行實(shí)現(xiàn)，在計(jì)算機(jī)理論的層次上，算法和表達(dá)比計(jì)算機(jī)理論的層次要低。硬件層次是通過(guò)硬件來(lái)實(shí)現(xiàn)算法的一種表達(dá)方法。計(jì)算機(jī)理論層次在計(jì)算機(jī)信息處理中時(shí)最高的層次，取決于計(jì)算機(jī)的本質(zhì)是解決計(jì)算機(jī)的自身問(wèn)題，不是取決于計(jì)算問(wèn)題的計(jì)算機(jī)硬件。要更好地對(duì)計(jì)算機(jī)系統(tǒng)和框架進(jìn)行理解最好的方法就是要區(qū)分3個(gè)不同的層次，計(jì)算機(jī)理論的含義和主要解決的問(wèn)題是計(jì)算機(jī)的目的，表達(dá)算法含義和主要解決的問(wèn)題是實(shí)現(xiàn)計(jì)算理論的方法和輸入輸出的表達(dá)，硬件的實(shí)現(xiàn)的含義和主要解決的問(wèn)題是如何在物理上對(duì)表達(dá)和算法進(jìn)行實(shí)現(xiàn)。計(jì)算機(jī)視覺(jué)處理的可以分為3個(gè)階段，對(duì)視覺(jué)信息的處理過(guò)程從最初的二維圖像的原始數(shù)據(jù)，到三維環(huán)境的表達(dá)。第一階段基元圖的構(gòu)成，基元圖是用來(lái)表示二維圖像中的重要信息，主要是圖像中亮度變化位置及其幾何分布和組織結(jié)構(gòu)，圖像中每點(diǎn)的亮度值包括零交叉、斑點(diǎn)、端點(diǎn)和不連續(xù)點(diǎn)、邊緣等。第二階段2.5維圖描述，在以觀測(cè)者為中心的坐標(biāo)中，表示可見(jiàn)表面的方向、深度值和不連續(xù)的輪廓，基元是局部表面朝向離觀測(cè)者的距離深度上的不連續(xù)點(diǎn)表面朝向的不連續(xù)點(diǎn)。第三階段三維模型表示，在以物體為中心的坐標(biāo)系中，有由體積單元和面積單元構(gòu)成的模塊化多層次表示，描述形狀及其空間組織形式，分層次組成若干三維模型，每個(gè)三維模型都是在幾個(gè)軸線空間的基礎(chǔ)上構(gòu)成的，所有體積單元或面積形狀基元都附著在軸線上。視覺(jué)理論框架圖如圖1所示。

2.基于計(jì)算機(jī)的視覺(jué)立體匹配算法研究

視覺(jué)立體匹配算法是基于人類視覺(jué)系統(tǒng)的一種計(jì)算機(jī)算法。立體匹配算法作為計(jì)算機(jī)立體視覺(jué)問(wèn)題研究的重點(diǎn)，快速地實(shí)現(xiàn)圖像對(duì)應(yīng)點(diǎn)的匹配來(lái)獲得視差圖是當(dāng)今研究的熱點(diǎn)問(wèn)題。立體視覺(jué)匹配算法根據(jù)基元匹配的不同可以分為相位匹配、區(qū)域匹配和特征匹配3種，其中區(qū)域匹配算法可以減少計(jì)算負(fù)擔(dān)，區(qū)域匹配算法實(shí)時(shí)性高，應(yīng)用前景廣闊。計(jì)算機(jī)立體視覺(jué)通過(guò)對(duì)人的雙眼進(jìn)行模仿，在雙眼的立體感知中獲得信息，從攝像機(jī)拍攝的圖像中獲取物體的三維深度信息，這就是深度圖的獲取，把深度圖經(jīng)過(guò)處理得到三維空間信息數(shù)據(jù)，二維圖像到三維空間實(shí)現(xiàn)轉(zhuǎn)換。深度的獲取在雙目立體成像視覺(jué)系統(tǒng)中分為兩步，首先在雙目立體圖像與圖像之間建立點(diǎn)對(duì)點(diǎn)的對(duì)象關(guān)系，雙目立體視覺(jué)算法研究的重點(diǎn)問(wèn)題是解決對(duì)應(yīng)點(diǎn)之間的匹配問(wèn)題。其次以對(duì)應(yīng)點(diǎn)之間的視差為依據(jù)對(duì)深度值進(jìn)行計(jì)算。雙目成像是獲取同一場(chǎng)景中兩幅不同的圖像，兩個(gè)單目成像模型構(gòu)成一個(gè)雙目成像模型。雙目成像示意圖如圖2所示。系統(tǒng)的基線B是兩個(gè)鏡頭中心的連接線，空間點(diǎn)w（z，y，z）作為世界坐標(biāo)的值由（x1，y1）與（x2，y2）進(jìn)行確定，如果攝像機(jī)的坐標(biāo)位置和空間點(diǎn)w世界坐標(biāo)的位置重合，圖像平面和世界坐標(biāo)軸xY的平面就是平行的。如果兩個(gè)攝像機(jī)在坐標(biāo)系統(tǒng)中的原點(diǎn)不同但是它們的光軸平行，那么雙目成像計(jì)算人們可以看圖3所示，圖3表示的是兩個(gè)攝像頭連線在平臺(tái)xY的示意。

立體視覺(jué)的成像過(guò)程是成像的逆過(guò)程，具有一定的不確定性。大量的數(shù)據(jù)信息在從三維影像向二維圖像進(jìn)行投影的過(guò)程會(huì)出現(xiàn)丟失的現(xiàn)象，所以視覺(jué)系統(tǒng)要通過(guò)自然的約束條件才能保證獲取正確的解。這些約束條件在減少匹配的計(jì)算量方面可以提供有利的幫助。針對(duì)基于區(qū)域匹配快速算法，還可以應(yīng)用基于視差梯度的匹配算法，這種匹配算法應(yīng)用較大的搜索范圍在邊緣的特征點(diǎn)上進(jìn)行搜索，采用視差梯度在非邊緣區(qū)減少搜索范圍。應(yīng)用計(jì)算機(jī)視覺(jué)立體匹配算法可以減少成像匹配時(shí)間，大大提高了工作效率。計(jì)算機(jī)立體匹配算法征點(diǎn)的提取是算法的關(guān)鍵問(wèn)題，今后的研究方向重點(diǎn)是對(duì)有效特征點(diǎn)提取方法的研究。

篇3

關(guān)鍵詞:計(jì)算機(jī)視覺(jué);教學(xué)應(yīng)用;教學(xué)改革

計(jì)算機(jī)視覺(jué)是人工智能學(xué)科中的一門(mén)重要課程。隨著相關(guān)應(yīng)用在多個(gè)領(lǐng)域中的出現(xiàn),越來(lái)越多的學(xué)生開(kāi)始對(duì)這門(mén)課產(chǎn)生了濃厚的興趣。如何讓學(xué)生能夠在整個(gè)課程中保持盎然的興趣,并為有志于深入研究計(jì)算機(jī)視覺(jué)的學(xué)生指明方向,成為我們教師首先應(yīng)注重的問(wèn)題。

在實(shí)際的教學(xué)工作中,通過(guò)不斷摸索總結(jié),我們認(rèn)為,以實(shí)際應(yīng)用引導(dǎo)學(xué)生的學(xué)習(xí)興趣,既滿足了學(xué)生想了解計(jì)算機(jī)視覺(jué)實(shí)際應(yīng)用的需求,又加深了學(xué)生對(duì)于算法的理解,把算法放在一個(gè)實(shí)際應(yīng)用中,學(xué)生可以理解怎么用,為什么這么用。在這樣的目標(biāo)導(dǎo)引下,我們從選擇教材開(kāi)始,準(zhǔn)備教學(xué)內(nèi)容(包括合理的應(yīng)用實(shí)例的選擇)、制作PPT、探索教學(xué)方法,形成了目前以實(shí)際應(yīng)用為主導(dǎo)的創(chuàng)新教學(xué)體系,非常受學(xué)生歡迎。在此,我們對(duì)這期間遇到的問(wèn)題,解決方法、心得體會(huì)做一個(gè)總結(jié)和思考,希望能對(duì)同行有些許參考作用。

1選擇教材

在我們這個(gè)專業(yè),每年的上研率基本都保持在50%左右。在本專業(yè)的研究生階段,也開(kāi)設(shè)了雙語(yǔ)教學(xué)的計(jì)算機(jī)視覺(jué)課程。另外,畢業(yè)后選擇參加工作的同學(xué)也基本都進(jìn)入和本專業(yè)非常相關(guān)的一些單位,所從事的工作,都是和在學(xué)校學(xué)習(xí)的知識(shí)密切相關(guān)。

因此,如何讓這門(mén)課程的教學(xué)既兼顧本科畢業(yè)就參加工作的那部分同學(xué),又兼顧繼續(xù)深造的學(xué)生的需求,也是在這門(mén)課程講授的過(guò)程中,需要特別注意的一個(gè)問(wèn)題。對(duì)于本科畢業(yè)就要參加工作的同學(xué)而言,需要“廣度”,需要了解計(jì)算機(jī)視覺(jué)這門(mén)課在各個(gè)領(lǐng)域中的應(yīng)用,在實(shí)際中接觸到相關(guān)的項(xiàng)目或工作時(shí),能夠知道去哪里可以找到自己需要的參考資料;而對(duì)于要進(jìn)一步深造的同學(xué)而言,則需要一定的“深度”,為研究生階段的研究打下基礎(chǔ)。

全盤(pán)考慮到這些學(xué)生畢業(yè)之后的去向,我們選擇了兩本教材。一本是賈云得教授編著,科學(xué)出版社于 2000年出版的《機(jī)器學(xué)習(xí)》[2],這是一部順應(yīng)了時(shí)代與教學(xué)發(fā)展要求的教材,對(duì)計(jì)算機(jī)視覺(jué)中的基本概念、基本算法、基本算法的應(yīng)用、經(jīng)典應(yīng)用進(jìn)行了由淺入深的介紹。內(nèi)容涵蓋了所有經(jīng)典的數(shù)字圖像處理與機(jī)器視覺(jué)方法,也對(duì)一些已經(jīng)得到非常好實(shí)際應(yīng)用的方法,如光流法等作了簡(jiǎn)要介紹。另外還選擇了一本英文原版的計(jì)算機(jī)視覺(jué)的經(jīng)典著作,Ramesh Jain 教授等所著的《Machine Vision》[3],機(jī)械工業(yè)出版社于2003年出版。這是國(guó)內(nèi)外非常推崇的一本計(jì)算機(jī)視覺(jué)著作,該教材條理清晰,深入淺出,對(duì)計(jì)算機(jī)視覺(jué)的基本原理、算法、應(yīng)用的介紹非常詳盡。

在教學(xué)中,我們采用了英文的PPT,但主要用的教材是賈云得教授的《機(jī)器視覺(jué)》,這樣中英文對(duì)照講解,一方面加深學(xué)生對(duì)教學(xué)內(nèi)容的理解,另一方面也為學(xué)生今后閱讀專業(yè)的英文論了相應(yīng)準(zhǔn)備。

2教學(xué)內(nèi)容和工程實(shí)例的選取

2.1選取教學(xué)內(nèi)容

本課程之前,大學(xué)二年級(jí)的本科生已開(kāi)設(shè)數(shù)字圖像處理課程,但所講的基本原理和算法都非常淺顯,所以在教學(xué)內(nèi)容的安排上,分為兩大部分:數(shù)字圖像處理部分和視覺(jué)部分。數(shù)字信號(hào)處理部分主要講解在視覺(jué)部分會(huì)用到的一些基本算法,為后面進(jìn)入計(jì)算機(jī)視覺(jué)部分打基礎(chǔ)。這部分約占總課時(shí)的1/3。視覺(jué)部分的課時(shí)也分為兩部分:算法講解與實(shí)例講解。在算法講解部分,對(duì)計(jì)算機(jī)視覺(jué)的基本算法、經(jīng)典算法都做了深入淺出的講解。實(shí)例部分則選擇了經(jīng)典的工業(yè)應(yīng)用,讓學(xué)生能夠?qū)λ鶎W(xué)算法進(jìn)一步加以理解。

2.2選取適當(dāng)?shù)墓こ虒?shí)例

就計(jì)算機(jī)視覺(jué)的教學(xué)內(nèi)容而言,各個(gè)孤立的算法和方法對(duì)本科生來(lái)講,有些抽象不好理解。如果在教學(xué)上僅僅通過(guò)老師在課堂上的講解,很難讓學(xué)生深入地理解相關(guān)的教學(xué)內(nèi)容,而選擇一個(gè)觸手可及且簡(jiǎn)單好理解的工程實(shí)例往往就會(huì)達(dá)到意想不到的教學(xué)結(jié)果,學(xué)生可以把課堂上所學(xué)的枯燥理論與現(xiàn)實(shí)中活生生的事物聯(lián)系起來(lái),從而加深對(duì)教學(xué)內(nèi)容的理解。

通過(guò)反復(fù)比對(duì)、反復(fù)論證,我們選擇了在講解基本原理和算法之后,在課程結(jié)束前,專門(mén)留出課時(shí)講解手機(jī)制造這個(gè)例子。手機(jī)現(xiàn)在是人手一部,是這些年青學(xué)子再熟悉不過(guò)的事物了,通過(guò)對(duì)手機(jī)主板、手機(jī)鍵盤(pán)的制造過(guò)程的講解,把所學(xué)的算法都融合進(jìn)來(lái),學(xué)生在覺(jué)得有趣的同時(shí),不知不覺(jué)就加深了對(duì)所學(xué)算法的理解。

另外,在教學(xué)的過(guò)程中,我們還不斷穿插其他學(xué)生耳熟能詳?shù)膶?shí)例,如數(shù)碼相機(jī)原理中的一些算法的講解,我們和學(xué)生一起探討應(yīng)該怎么選擇數(shù)碼相機(jī)。再有,濾波器算法、在課堂上對(duì)Photoshop功能的演示,與所學(xué)算法關(guān)聯(lián)起來(lái),學(xué)生都很容易理解接受。

3教學(xué)點(diǎn)滴

3.1點(diǎn)睛之筆

在第一節(jié)課的講述中,我們的重點(diǎn)不在于Marr理論,而是告訴學(xué)生:

人工智能就是要讓計(jì)算機(jī)像人一樣,能夠會(huì)聽(tīng)、會(huì)看……

我們這門(mén)課程就是要讓計(jì)算機(jī)“會(huì)看”,要像人一樣會(huì)看。進(jìn)而展示給學(xué)生一些我們精心挑選的圖片,讓學(xué)生自己判斷,是不是自己的眼睛“騙了”自己,人眼和計(jì)算機(jī)看到的到底有什么不一樣。

每次講到這里,學(xué)生都會(huì)進(jìn)行熱烈的討論,每個(gè)人都有不同的看法,每個(gè)人都有自己的堅(jiān)持,不知不覺(jué)中,對(duì)這門(mén)課就產(chǎn)生了濃厚的興趣,有了繼續(xù)深入學(xué)習(xí)下去的愿望。在課堂討論的最后,比較人眼對(duì)圖片的判斷以及計(jì)算機(jī)的判斷后,讓學(xué)生自己總結(jié)歸納,我們這門(mén)課到底要研究些什么,都有可能應(yīng)用在哪些方面,然后對(duì)爭(zhēng)議比較大的提議一一探討。每到這個(gè)時(shí)候,大家的積極性就都被激發(fā)出來(lái),在不斷的爭(zhēng)論與思想碰撞中找出正確的結(jié)論。

3.2拿身邊的事物說(shuō)“事”

計(jì)算機(jī)視覺(jué)課程的前半部分,多涉及到圖像處理的一些常見(jiàn)算法。在講授各種各樣的濾波器和算子時(shí),并沒(méi)有針對(duì)各個(gè)濾波器和算子擺出一堆示例圖片,讓學(xué)生比較濾波前后的差異,從而很生硬地理解濾波器與算子的功能。取而代之的,我們首先以現(xiàn)在人手一臺(tái)的數(shù)碼相機(jī)為例提出問(wèn)題,你為什么要選擇你手里的這臺(tái)數(shù)碼相機(jī)?當(dāng)初選這個(gè)品牌和型號(hào)時(shí),你的考慮是什么?歷年學(xué)生的回答幾乎都是看網(wǎng)上測(cè)評(píng),或者在網(wǎng)上看別人怎么說(shuō)。這時(shí)列出我們收集到的各個(gè)品牌相機(jī)的測(cè)評(píng)報(bào)告,列出它們的優(yōu)缺點(diǎn),然后引導(dǎo)學(xué)生去思考,例如這個(gè)品牌的相機(jī)的缺點(diǎn)是照片發(fā)灰,不是很鮮亮,而另一個(gè)品牌的相機(jī)則綠的特別綠,紅的特別紅,為什么?那么有可能是哪部分的算法不夠完善,為什么?

通過(guò)如此簡(jiǎn)單的對(duì)比,學(xué)生的積極性被完全激發(fā)。原來(lái),數(shù)碼相機(jī)這個(gè)幾乎人人都有,大家都熟悉的“玩具”竟然和自己在課堂上學(xué)到的知識(shí)這么密切相關(guān)。

再有,就是利用學(xué)生們都熟悉的PS(Photoshop),演示現(xiàn)在所謂的“完美證件照”是怎么來(lái)的。為什么可以把疙疙瘩瘩的臉部皮膚變得光滑?在PS中,你就是點(diǎn)了一下鼠標(biāo),其實(shí)在后臺(tái),是加入了一個(gè)濾波器進(jìn)行了濾波。各種這樣的演示,學(xué)生都非常喜聞樂(lè)見(jiàn)。因?yàn)樗麄兺蝗话l(fā)現(xiàn),原來(lái)那些事物,和我自己接觸到這些看似枯燥的理論之間,還有這么深刻的聯(lián)系。

還有一個(gè)很受學(xué)生歡迎的例子就是對(duì)于“鼓形失真”的講解。我們的老師每次講到這里,都不會(huì)簡(jiǎn)單告訴學(xué)生“鼓形失真”發(fā)生的原因是什么,應(yīng)該怎么解決?老師都會(huì)問(wèn)學(xué)生,明星為什么都一窩蜂去減肥?現(xiàn)在的女明星為什么都要去弄個(gè)“錐子臉”?課堂上就會(huì)出現(xiàn)一個(gè)小,男同學(xué)和女同學(xué)的看法各異,彼此之間開(kāi)始爭(zhēng)論不休。此時(shí)再趁熱打鐵地問(wèn)學(xué)生,如果拿著相機(jī),離自己的鼻子一公分,會(huì)拍出什么樣的效果?有學(xué)生開(kāi)始拿出手機(jī)對(duì)著自己和別人開(kāi)拍,有的學(xué)生開(kāi)始頭頭是道地分析。每到這種學(xué)生都開(kāi)始熱烈討論的時(shí)候,就可以適時(shí)引導(dǎo)學(xué)生往正確的方向去,讓他們自己找到正確的分析解決方法,往往這個(gè)時(shí)候,學(xué)生都會(huì)頗有成就感,對(duì)于問(wèn)題的理解也會(huì)特別的深刻。

3.3選擇合適的實(shí)際應(yīng)用

在所有理論講解結(jié)束后,我們會(huì)留出2～4次課講述計(jì)算機(jī)視覺(jué)在工業(yè)上的應(yīng)用。這些年來(lái),對(duì)于手機(jī)制造這樣一個(gè)工業(yè)應(yīng)用,非常受學(xué)生歡迎。正如“數(shù)碼相機(jī)”這個(gè)例子一樣,現(xiàn)在學(xué)生都是人手一部手機(jī),是大家再熟悉不過(guò)的東西。這個(gè)例子涉及到了在前面理論講述中的大部分算法,如二值圖像的處理、模板匹配、高斯濾波器等。學(xué)生通過(guò)對(duì)這個(gè)工業(yè)應(yīng)用的理解,更進(jìn)一步加深了對(duì)算法的理解。

以講解手機(jī)鍵盤(pán)的制造過(guò)程為例,向?qū)W生提出和前面所講內(nèi)容相關(guān)的問(wèn)題,引導(dǎo)學(xué)生自發(fā)思考,如為什么選擇模板匹配法,而不是采用其他更復(fù)雜更精確的方法等等。每到這個(gè)時(shí)候,課堂氣氛總是分外熱烈,學(xué)生各抒己見(jiàn),在不斷爭(zhēng)論中,更進(jìn)一步加深對(duì)課本上枯燥理論的認(rèn)識(shí)。

在這里需要注意的問(wèn)題是一定要一步一步提出問(wèn)題,循循善誘,引導(dǎo)學(xué)生一層一層地深入思考。如果問(wèn)題的答案過(guò)于“深藏不露”,則有可能觸發(fā)學(xué)生的抵觸情緒,無(wú)法繼續(xù)深入地思考。

4結(jié)語(yǔ)

通過(guò)多年的教學(xué)摸索,我們認(rèn)為,在計(jì)算機(jī)視覺(jué)課程的講述中,以實(shí)際應(yīng)用引導(dǎo)學(xué)生這樣的教學(xué)方法非常可取,而且也收到了很好的效果。另外,除了制定好的教學(xué)大綱,并選擇合適的教材外,根據(jù)學(xué)?，F(xiàn)在的時(shí)間情況,我們選擇了多媒體手段輔助教學(xué),充分利用Matlab和大屏幕投影等方方面面的優(yōu)勢(shì),結(jié)合多種方法進(jìn)行教學(xué),對(duì)講好計(jì)算機(jī)視覺(jué)這門(mén)課,非常有益。

參考文獻(xiàn):

[1] 林堯瑞,馬少萍. 人工智能導(dǎo)論[M]. 北京:清華大學(xué)出版社,1989.

[2] 賈云得. 機(jī)器視覺(jué)[M]. 北京:科學(xué)出版社,2000.

[3] Ramesh Jain. Machine Vision[M]. 北京:機(jī)械工業(yè)出版社,2003.

[4] 蔡自興. 智能控制原理與應(yīng)用[M]. 北京:清華大學(xué)出版社,2007.

Innovation in the Course of Computer Vision

HAN Hong, JIAO Li-cheng

(School of Electronic Engineering, Xidian University, Xi’an 710071, China)

篇4

關(guān)鍵詞：計(jì)算機(jī)；視覺(jué)技術(shù)；交通工程

中圖分類號(hào)：TP391 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1674-7712 （2014） 04-0000-01

一、引言

隨著科技的發(fā)展，計(jì)算機(jī)替代人的視覺(jué)與思維已經(jīng)成為現(xiàn)實(shí)，這也是計(jì)算機(jī)視覺(jué)的突出顯現(xiàn)。那么在物體圖像中識(shí)別物體并作進(jìn)一步處理，是客觀世界的主觀反應(yīng)。在數(shù)字化圖像中，我們可以探尋出較為固定的數(shù)字聯(lián)系，在物體特征搜集并處理時(shí)做到二次實(shí)現(xiàn)。這既是對(duì)物體特征的外在顯現(xiàn)與描繪，更是對(duì)其定量信息的標(biāo)定。從交通工程領(lǐng)域的角度來(lái)看，該種技術(shù)一般應(yīng)用在交管及安全方面。監(jiān)控交通流、識(shí)別車(chē)況及高速收費(fèi)都是屬于交通管理的范疇；而對(duì)交通重大事件的勘察及甄別則是交通安全所屬。在這個(gè)基礎(chǔ)上，筆者對(duì)計(jì)算機(jī)視覺(jué)系統(tǒng)的組成及原理進(jìn)行了分析，并形成視覺(jué)處理相關(guān)技術(shù)研究。

二、設(shè)計(jì)計(jì)算機(jī)視覺(jué)系統(tǒng)構(gòu)成

計(jì)算機(jī)視覺(jué)處理技術(shù)的應(yīng)用是建立在視覺(jué)系統(tǒng)的建立基礎(chǔ)上的。其內(nèi)部主要的構(gòu)成是計(jì)算機(jī)光源、光電轉(zhuǎn)換相關(guān)器件及圖像采集卡等元件。

（一）照明條件的設(shè)計(jì)。在測(cè)量物體的表征時(shí)，環(huán)境的創(chuàng)設(shè)是圖像分析處理的前提，其主要通過(guò)光線反射將影像投射到光電傳感器上。故而要想獲得清晰圖像離不開(kāi)照明條件的選擇。在設(shè)計(jì)照明條件時(shí)，我們通常會(huì)視具體而不同處理，不過(guò)總的目標(biāo)是一定的，那就是要利于處理圖像及對(duì)其進(jìn)行提取分析。在照明條件的設(shè)定中，主動(dòng)視覺(jué)系統(tǒng)結(jié)構(gòu)光是較為典型的范例。

（二）數(shù)據(jù)采集的處理。如今電耦合器件（CCD）中，攝像機(jī)及光電傳感器較為常見(jiàn)。它們輸出形成的影像均為模擬化的電子信號(hào)。在此基礎(chǔ)上，A模式與D模式的相互對(duì)接更能夠讓信號(hào)進(jìn)入計(jì)算機(jī)并達(dá)到數(shù)字處理標(biāo)準(zhǔn)，最后再量化入計(jì)算機(jī)系統(tǒng)處理范圍?？陀^物體色彩的不同，也就造就了色彩帶給人信息的差異。一般地黑白圖像是單色攝像機(jī)輸入的結(jié)果；彩色圖像則需要彩色相機(jī)來(lái)實(shí)現(xiàn)。其過(guò)程為：彩色模擬信號(hào)解碼為RGB單獨(dú)信號(hào)，并單獨(dú)A/D轉(zhuǎn)換，輸出后借助色彩查找表來(lái)顯示相應(yīng)色彩。每幅圖像一旦經(jīng)過(guò)數(shù)字處理就會(huì)形成點(diǎn)陣，并將n個(gè)信息濃縮于每點(diǎn)中。彩色獲得的圖像在16比特，而黑白所獲黑白灰圖像則僅有8比特。故而從信息采集量上來(lái)看，彩色的圖像采集分析更為繁復(fù)些。不過(guò)黑白跟灰度圖像也基本適應(yīng)于基礎(chǔ)信息的特征分析。相機(jī)數(shù)量及研究技法的角度，則有三個(gè)分類：“單目視覺(jué)”、“雙目”及“三目”立體視覺(jué)。

三、研究與應(yīng)用計(jì)算機(jī)視覺(jué)處理技術(shù)

從對(duì)圖像進(jìn)行編輯的過(guò)程可以看出，計(jì)算機(jī)視覺(jué)處理技術(shù)在物體成像及計(jì)算后會(huì)在灰度陣列中參雜無(wú)效信息群，使得信息存在遺失風(fēng)險(xiǎn)。成像的噪聲在一定程度上也對(duì)獲取有效信息造成了干擾。故而，處理圖像必須要有前提地預(yù)設(shè)分析，還原圖像本相，從而消去噪音。邊緣增強(qiáng)在特定的圖像變化程度中，其起到的是對(duì)特征方法的削減。基于二值化，分割圖像才能夠進(jìn)一步開(kāi)展。對(duì)于物體的檢測(cè)多借助某個(gè)范圍來(lái)達(dá)到目的。識(shí)別和測(cè)算物體一般總是靠對(duì)特征的甄別來(lái)完成的。

四、分析處理三維物體技術(shù)

物體外輪擴(kuò)線及表面對(duì)應(yīng)位置的限定下，物體性質(zhì)的外在表現(xiàn)則是其形狀。三維物體從內(nèi)含性質(zhì)上來(lái)看也有體現(xiàn)，如通過(guò)其內(nèi)含性質(zhì)所變現(xiàn)出來(lái)的表層構(gòu)造及邊界劃定等等。故而在確定圖像特征方面，物體的三維形態(tài)是最常用的處理技術(shù)。檢測(cè)三維物體形狀及分析距離從計(jì)算機(jī)視覺(jué)技術(shù)角度來(lái)看，渠道很多，其原理主要是借助光源特性在圖像輸入時(shí)的顯現(xiàn)來(lái)實(shí)現(xiàn)的。其類別有主動(dòng)與被動(dòng)兩類。借助自然光照來(lái)對(duì)圖像獲取并挖掘深入信息的技術(shù)叫做被動(dòng)測(cè)距；主動(dòng)測(cè)距的光源條件則是利用人為設(shè)置的，其信息也是圖像在經(jīng)過(guò)測(cè)算分析時(shí)得到的。被動(dòng)測(cè)距的主要用途體現(xiàn)在軍工業(yè)保密及限制環(huán)境中，而普通建筑行業(yè)則主要利用主動(dòng)測(cè)距。特別是較小尺寸物體的測(cè)算，以及擁有抗干擾及其他非接觸測(cè)距環(huán)境。

（一）主動(dòng)測(cè)距技術(shù)。主動(dòng)測(cè)距，主要是指光源條件是在人為創(chuàng)設(shè)環(huán)境中滿足的，且從景物外像得到相關(guān)點(diǎn)化信息，可以適當(dāng)顯示圖像大概并進(jìn)行初步分析處理，以對(duì)計(jì)算適應(yīng)功率及信息測(cè)算程度形成水平提高。從技術(shù)種類上說(shuō)，主動(dòng)測(cè)距技術(shù)可分為雷達(dá)取像、幾何光學(xué)聚焦、圖像干擾及衍射等。除了結(jié)構(gòu)光法外的測(cè)量方法均為基于物理成像，并搜集所成圖像，并得到特殊物理特征圖像。從不同的研究環(huán)境到條件所涉，以結(jié)構(gòu)光法測(cè)量作為主要技術(shù)的工程需求較為普遍，其原理為：首先在光源的設(shè)計(jì)上由人為來(lái)進(jìn)行環(huán)境考慮測(cè)算，再?gòu)钠渲蝎@取較為全面的離散點(diǎn)化信息。在離散處理后，此類圖像已經(jīng)形成了較多的物體真是特征表象。在此基礎(chǔ)上，信息需要不斷簡(jiǎn)化與甄別、壓縮。如果分析整個(gè)物體特征信息鏈，則后期主要體現(xiàn)在對(duì)于數(shù)據(jù)的簡(jiǎn)化分析。如今人們已經(jīng)把研究的目光轉(zhuǎn)向了結(jié)構(gòu)光測(cè)量方法的應(yīng)用，體現(xiàn)在物體形狀檢測(cè)等方面。

（二）被動(dòng)測(cè)距技術(shù)。被動(dòng)測(cè)距，對(duì)光照條件的選擇具有局限性，其主要通過(guò)對(duì)于自然光的覆蓋得以實(shí)現(xiàn)。它在圖像原始信息處理及分析匹配方面技術(shù)指向較為突出。也通過(guò)此三維物體之形狀及周?chē)h(huán)境深度均被顯露。在圖像原始信息基礎(chǔ)上的應(yīng)用計(jì)算，其與結(jié)構(gòu)光等相比繁雜程度較高。分析物體三維特性，著重從立體視覺(jué)內(nèi)涵入手，適應(yīng)物體自身特點(diǎn)而存在。不過(guò)相對(duì)來(lái)說(shuō)獲得圖像特征才是其適應(yīng)匹配的條件保障。點(diǎn)、線、區(qū)域及結(jié)構(gòu)紋理等是物象特征的主體形式。其中物特較為基礎(chǔ)與原始的特征是前兩個(gè)特征，同時(shí)它們也是其他相關(guān)表征的前提。計(jì)算機(jī)系統(tǒng)技術(shù)測(cè)量基本原理為對(duì)攝像機(jī)進(jìn)行構(gòu)建分析，并對(duì)其圖像表征進(jìn)行特征匹配，以得到圖像不同區(qū)間的視覺(jué)差異。

五、結(jié)束語(yǔ)

通過(guò)對(duì)計(jì)算機(jī)視覺(jué)技術(shù)的研究，悉知其主要的應(yīng)用領(lǐng)域及技術(shù)組成。在系統(tǒng)使用的基礎(chǔ)上深入設(shè)計(jì)，對(duì)系統(tǒng)主要構(gòu)成環(huán)節(jié)進(jìn)行分析。從而將三維復(fù)雜形態(tài)原理、算法及測(cè)量理論上升到實(shí)際應(yīng)用。隨著社會(huì)對(duì)于計(jì)算機(jī)的倚賴程度增加，相信該技術(shù)在建筑或者其他領(lǐng)域會(huì)有更加深入的研究及應(yīng)用。

參考文獻(xiàn)：

[1]段里仁.智能交通系境在我國(guó)道路空通管理中的應(yīng)用[J].北方工業(yè)時(shí)報(bào)，2012（06）.

[2]王豐元.計(jì)算機(jī)視覺(jué)在建筑區(qū)間的應(yīng)用實(shí)例分析[J].河北電力學(xué)報(bào)，2011（04）.

篇5

關(guān)鍵詞OpenCV；科學(xué)教育；推廣價(jià)值

1、OpenCV庫(kù)簡(jiǎn)介

OpenCV是由Intel微處理器研究實(shí)驗(yàn)室的視覺(jué)交互組開(kāi)發(fā)的一個(gè)跨平臺(tái)計(jì)算機(jī)視覺(jué)庫(kù)，它的代碼都是開(kāi)源的而且都經(jīng)過(guò)非常好的優(yōu)化，并且具有很好的移植性，可以根據(jù)需求導(dǎo)入到合適的環(huán)境中使用。它可以實(shí)現(xiàn)有關(guān)圖像識(shí)別與處理和計(jì)算機(jī)視覺(jué)技術(shù)方面的很多通用算法。它的優(yōu)勢(shì)是可以運(yùn)行在當(dāng)代社會(huì)使用熱門(mén)的各大操作系統(tǒng)上，適用性強(qiáng)，還可以脫離外部庫(kù)而獨(dú)立運(yùn)行。OpenCV的C和C++都是經(jīng)過(guò)優(yōu)化的開(kāi)源代碼，采用靈活的接口，提升計(jì)算機(jī)的運(yùn)行速度。其中包含的函數(shù)就有500多個(gè)，包括的種類有C和C++等。OpenCV因?yàn)槊赓M(fèi)面向市場(chǎng)，已經(jīng)被社會(huì)各界廣泛使用?，F(xiàn)已應(yīng)用于人機(jī)互動(dòng)、圖像識(shí)別、圖像分割、目標(biāo)追蹤、3D重建、機(jī)器視覺(jué)、結(jié)構(gòu)分析等數(shù)個(gè)領(lǐng)域。OpenCV主要包括以下幾個(gè)部分：①cxcore:核心功能模塊，包含一些基本函數(shù)，運(yùn)用于各種數(shù)據(jù)類型的計(jì)算。②cv:圖像處理和計(jì)算機(jī)視覺(jué)功能。③ml:機(jī)器學(xué)習(xí)模塊，主要內(nèi)容是分類器。④cvaux:包括大部分實(shí)驗(yàn)性的函數(shù)，例如ViewMorph-ing、三維跟蹤、PCA、HMM等。⑤Highgui:圖像界面接口，支持?jǐn)z像頭的讀取和轉(zhuǎn)換。

2、OpenCV處理圖像的功能

OpenCV中有很多的函數(shù)，可以實(shí)現(xiàn)很多不同的功能，其中最具有學(xué)習(xí)價(jià)值的部分就是圖像處理。處理圖像主要分為三部分：加載圖像，顯示圖像，處理圖像。

2.1加載圖像

不同類型的圖像有著不同的內(nèi)部結(jié)構(gòu)。我們需要根據(jù)圖像的結(jié)構(gòu)采用合適的方法將圖像文件中的數(shù)據(jù)讀入內(nèi)存。OpenCV中的cvLoadImage()函數(shù)，可以加載圖像數(shù)據(jù)。而且圖像的格式不影響加載的效果，加載后它以一個(gè)指向IplImage結(jié)構(gòu)體的指針形式返回，大大方便了后續(xù)處理的過(guò)程。2.2顯示圖像加載圖像后需要通過(guò)函數(shù)使其顯示。cvNamedWindow()函數(shù)由HighGUI庫(kù)提供，它可以在屏幕上創(chuàng)建一個(gè)窗口，將圖像顯示出來(lái)。cvShowImage()函數(shù)的作用是在這個(gè)創(chuàng)建的窗口中顯示出加載過(guò)后的圖像。觀察圖像時(shí)經(jīng)常用到的重要函數(shù)還有可以使程序暫停的函數(shù)cvWaitKey()，以及用于釋放內(nèi)存的函數(shù)cvReleaseImage()和cvDestoryWindow()，掌握并運(yùn)用這些函數(shù)，就可以輕松的實(shí)現(xiàn)觀察圖像的功能。

2.3處理圖像

OpenCV中包含的多種函數(shù)，可以達(dá)到圖像處理技術(shù)方面的很多效果，包括圖像灰度化函數(shù)cvtColor（），邊緣檢測(cè)函數(shù)Sobel（）、Laplacian（）、Canny（），其中Canny算子只能處理8位灰度圖，其余兩種8位32位都可以，合并梯度函數(shù)addWeighted（），放大縮小函數(shù)resize（），閾值化操作函數(shù)imshow（）等等。適當(dāng)選用合適的函數(shù)并加以運(yùn)用即可達(dá)到目標(biāo)所需。

3、OpenCV的推廣價(jià)值體現(xiàn)

OpenCV可以應(yīng)用在社會(huì)的各個(gè)領(lǐng)域，價(jià)值就體現(xiàn)在每個(gè)科學(xué)的產(chǎn)物當(dāng)中。舉個(gè)近在身邊的例子，隨著社會(huì)的發(fā)展，生活質(zhì)量的提高，人們的居住環(huán)境也在逐漸改善，樓層越蓋越高，無(wú)數(shù)摩天大樓，商業(yè)大廈群起而立，電梯已經(jīng)成為了我們?nèi)粘Ｉ钪斜夭豢缮俚墓ぞ摺１M管現(xiàn)在電梯的功能、質(zhì)量不斷地提升，但是仍然存在些許不足，當(dāng)我們?cè)趯W(xué)校的教學(xué)樓內(nèi)等電梯時(shí)發(fā)現(xiàn)了一個(gè)問(wèn)題，那就是在電梯使用的高峰期時(shí)，比如在上下課時(shí)段，有很多人都在同一樓層等電梯。但是此時(shí)只有一臺(tái)離該樓層最近的電梯會(huì)過(guò)來(lái)，而其余的電梯都會(huì)自動(dòng)向其它叫梯樓層運(yùn)行或是閑置。可是此時(shí)這一臺(tái)電梯只能容納有限數(shù)量的人，時(shí)常不能使所有人坐上電梯，這樣就無(wú)法滿足全部人的需求，由此就導(dǎo)致了有部分人無(wú)法及時(shí)地坐上電梯，需要繼續(xù)等候，而閑置的電梯又不能及時(shí)地被利用。這樣不僅不能合理地利用資源，反而浪費(fèi)了許多不必要的時(shí)間。因此，我們想到可以通過(guò)利用圖像識(shí)別與處理的方法來(lái)彌補(bǔ)這個(gè)不足，首先通過(guò)硬件設(shè)備連接拍照捕獲候梯人像，后臺(tái)運(yùn)行判斷出候梯人數(shù)，然后運(yùn)用語(yǔ)言編程來(lái)確定調(diào)動(dòng)電梯的個(gè)數(shù)，從而來(lái)達(dá)到實(shí)現(xiàn)自動(dòng)控制每個(gè)電梯的運(yùn)行的目的，使所有人都能在第一時(shí)間乘坐電梯。而上文中提到的OpenCV就可以完成這項(xiàng)艱巨的任務(wù)。我們將OpenCV導(dǎo)入編程環(huán)境，其次修改電梯工作系統(tǒng)的運(yùn)行程序，將軟件與硬件設(shè)備相連通，這樣通過(guò)調(diào)度程序，就可以輕松高效地解決這個(gè)問(wèn)題。使用這種方法，不僅可以節(jié)約人們的候梯時(shí)間，方便學(xué)生、老師上課，而且可以合理有效地調(diào)度電梯，使電梯的價(jià)值得到最大化。見(jiàn)微知著，OpenCV可以應(yīng)用在每個(gè)領(lǐng)域，對(duì)各界的發(fā)展起到推動(dòng)作用，造福社會(huì)的科技發(fā)展，方便人們的生活。

4、科學(xué)教育存在的問(wèn)題

在歷年的教學(xué)模式中，老師們往往會(huì)強(qiáng)調(diào)理論知識(shí)的重要性，但卻忽略了對(duì)學(xué)生使用動(dòng)手能力的培養(yǎng)，學(xué)生不能獨(dú)立完成實(shí)踐性的技術(shù)操作，也就是說(shuō)教學(xué)模式缺乏實(shí)踐性。只有將理論與實(shí)踐相結(jié)合，才能實(shí)現(xiàn)知識(shí)價(jià)值的最大化，因此，應(yīng)當(dāng)在教學(xué)中配合著實(shí)踐課程，舉一反三，讓學(xué)生們更加深刻地學(xué)習(xí)和了解所學(xué)到的知識(shí)。而如今雖然一部分學(xué)校也開(kāi)設(shè)了實(shí)踐課程，但也只是淺嘗輒止，并沒(méi)有過(guò)多地講授計(jì)算機(jī)技術(shù)實(shí)踐方面的知識(shí)，學(xué)生們也沒(méi)有真正擁有動(dòng)手實(shí)踐能力，這使學(xué)生們的技術(shù)知識(shí)十分受限。雖然現(xiàn)在多數(shù)學(xué)生對(duì)計(jì)算機(jī)略懂一二，但是實(shí)際上僅僅會(huì)使用類似Word等簡(jiǎn)單的軟件，而技術(shù)要求較高的一些軟件及工具卻全然不知，甚至對(duì)自己所學(xué)過(guò)的課程軟件的使用也是馬馬虎虎，這對(duì)于未來(lái)工作所需的能力來(lái)講，實(shí)在是九牛一毛。目前中學(xué)生使用電腦的重心更多放在了社交軟件和游戲上，很少有人利用計(jì)算機(jī)學(xué)習(xí)更多的技能，這對(duì)青少年的發(fā)展實(shí)在是利大于弊的，而且這樣也失去了計(jì)算機(jī)的正向價(jià)值。因此，我們應(yīng)該改變現(xiàn)有的教學(xué)模式，一邊教授理論知識(shí)，一邊配合指導(dǎo)學(xué)生動(dòng)手操作，將理論與實(shí)踐相結(jié)合，也能讓學(xué)生更好地消化和吸收所學(xué)到的知識(shí)，并且引導(dǎo)學(xué)生正確使用計(jì)算機(jī)，發(fā)揮計(jì)算機(jī)的價(jià)值，讓學(xué)生們都能夠在計(jì)算機(jī)中獲得更多的知識(shí)。

5OpenCV開(kāi)源算法庫(kù)在各個(gè)領(lǐng)域的實(shí)例化體現(xiàn)

OpenCV在醫(yī)學(xué)領(lǐng)域、軍事領(lǐng)域、安全防護(hù)領(lǐng)域等都有很大的重要意義。在醫(yī)學(xué)領(lǐng)域中，由于有了這個(gè)開(kāi)源算法庫(kù)，我們可以盡可能地調(diào)用它，從而來(lái)進(jìn)行圖像處理、對(duì)象檢測(cè)，讓醫(yī)生更好更快速觀測(cè)人體結(jié)構(gòu)，及時(shí)發(fā)現(xiàn)病癥。在軍事領(lǐng)域中，大多數(shù)無(wú)人操作的機(jī)器運(yùn)作，比如無(wú)人機(jī)飛行、水下無(wú)人駕駛儀、無(wú)人駕駛汽車(chē)等等，都需要用到OpenCV來(lái)對(duì)圖像進(jìn)行處理，并進(jìn)行分析，并且可以檢測(cè)出人眼看不到的事物，這是OpenCV能夠帶來(lái)人類的巨大的進(jìn)步。在安全防護(hù)領(lǐng)域中，我們現(xiàn)實(shí)生活中常見(jiàn)的汽車(chē)的安全駕駛，房屋入侵的檢測(cè)、自動(dòng)監(jiān)視報(bào)警系統(tǒng)等等,正是由于這些技術(shù)，讓我們的環(huán)境更加安全，這都是我們生活中息息相關(guān)不可缺少的?，F(xiàn)如今，國(guó)家的科學(xué)技術(shù)飛速發(fā)展，日益強(qiáng)盛，OpenCV的成績(jī)有目共睹，未來(lái)的發(fā)展需要科學(xué)技術(shù)的不斷推進(jìn)，才能為祖國(guó)未來(lái)的其他事業(yè)提供強(qiáng)有力的后盾。

6OpenCV在科學(xué)教育中的作用

在文化改革的大背景下，文盲的概念早已從沒(méi)有文化轉(zhuǎn)變成了不會(huì)使用計(jì)算機(jī)。因?yàn)殡S著科技的進(jìn)步，計(jì)算機(jī)的使用已經(jīng)越來(lái)越廣泛，計(jì)算機(jī)已經(jīng)逐步取代了以往人工可以完成的許多工作，比如在超市生成的結(jié)賬單、用計(jì)算機(jī)控制動(dòng)力系統(tǒng)的運(yùn)行、人造衛(wèi)星軌跡的計(jì)算等等，這些都依賴于計(jì)算機(jī)強(qiáng)大的功能。計(jì)算機(jī)的推廣證明著我國(guó)科技的發(fā)展和人類文明的進(jìn)步，由此可見(jiàn)，計(jì)算機(jī)技術(shù)知識(shí)的掌握對(duì)現(xiàn)代人來(lái)說(shuō)是十分重要的。如果想要成為一個(gè)真正有技術(shù)、有能力的人才，就務(wù)必要熟練掌握計(jì)算機(jī)技術(shù)的使用。但是目前當(dāng)代社會(huì)的教育在計(jì)算機(jī)技術(shù)方面的內(nèi)容還不夠豐富。減壓政策開(kāi)放以來(lái)，教育課時(shí)被壓縮，技術(shù)知識(shí)的傳輸也相應(yīng)減少，學(xué)生們的能力也因此日益下降。而科學(xué)教育，顧名思義，是使科學(xué)技術(shù)在教育過(guò)程中得以傳承。想要科學(xué)地教育學(xué)生，就必須要多多講授科學(xué)技術(shù)方面有關(guān)的知識(shí)。說(shuō)到科學(xué)技術(shù)，它的重點(diǎn)自然是計(jì)算機(jī)技術(shù)，而OpenCV作為計(jì)算機(jī)視覺(jué)技術(shù)的核心，可以說(shuō)也是計(jì)算機(jī)技術(shù)甚至科學(xué)教育中的一個(gè)重要部分。在教育中普及并傳承這個(gè)技術(shù)無(wú)疑可以提高學(xué)生們的技術(shù)水平。但是，相信有大多數(shù)的人在此之前從未聽(tīng)說(shuō)過(guò)計(jì)算機(jī)視覺(jué)技術(shù)，也并不了解OpenCV庫(kù)，更加不會(huì)學(xué)習(xí)到與之有關(guān)的技術(shù)知識(shí)。在這樣嚴(yán)峻的形勢(shì)下，我們更應(yīng)該將類似OpenCV方面技術(shù)有關(guān)的知識(shí)通過(guò)教育傳遞下去。各大高校應(yīng)積極開(kāi)展有關(guān)計(jì)算機(jī)的活動(dòng)，開(kāi)設(shè)與計(jì)算機(jī)技術(shù)有關(guān)的課程。這樣才能根據(jù)社會(huì)的需求來(lái)培養(yǎng)更多的綜合性人才。如果可以將其投入到現(xiàn)代教育當(dāng)中，定會(huì)使現(xiàn)在的教育事業(yè)更加輝煌，也能使祖國(guó)的未來(lái)更加璀璨。

參考文獻(xiàn)

[1]于仕琪,劉瑞禎.學(xué)習(xí)OpenCV(中文版)[M].北京:清華大學(xué)出版社,2009.

[2]陰法名.基于OpenCV圖像處理[J].科技信息,2009(32):220.

[3]賈小軍,喻擎蒼.基于開(kāi)源計(jì)算機(jī)視覺(jué)庫(kù)OpenCV的圖像處理[J].計(jì)算機(jī)應(yīng)用與軟件,2008,25(4):276-278.

[4]陳勝勇.基于OpenCV的計(jì)算機(jī)視覺(jué)技術(shù)實(shí)現(xiàn)[M].北京:科學(xué)出版社,2008.

[5]劉潔,馮貴玉,張汗靈.一種圖像處理和計(jì)算機(jī)視覺(jué)的開(kāi)發(fā)工具[J].計(jì)算機(jī)仿真,2006(11).

篇6

關(guān)鍵詞 計(jì)算機(jī)視覺(jué)；立體匹配；研究情況

中圖分類號(hào)：TP391 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1671-7597（2014）07-0001-01

隨著科學(xué)技術(shù)的快速發(fā)展，計(jì)算機(jī)技術(shù)也得到了飛速的發(fā)展。將計(jì)算機(jī)技術(shù)應(yīng)用于人類的視覺(jué)系統(tǒng)，并輔助人們觀察到一些眼睛難以看到的東西，已經(jīng)逐漸成為一門(mén)大家所熱捧和追逐的技術(shù)。隨著人們對(duì)視覺(jué)傳感器技術(shù)越來(lái)越多的探索，人們也逐漸實(shí)現(xiàn)了古代時(shí)想擁有千里眼的夢(mèng)想。目前，人們已經(jīng)把視覺(jué)傳感器技術(shù)和計(jì)算機(jī)技術(shù)良好的結(jié)合在一起，并把這些技術(shù)應(yīng)用到食品、建筑、醫(yī)藥、電子、航天航空等眾多領(lǐng)域當(dāng)中。而該項(xiàng)技術(shù)的快速發(fā)展，也幫助人們解決了一些日常工作當(dāng)中人類視覺(jué)存在盲區(qū)的問(wèn)題，保證了人們工作過(guò)程的安全。視覺(jué)技術(shù)與IT技術(shù)的完美結(jié)合使得人們的生活變得更加便利，讓人們親身體會(huì)到了IT技術(shù)給人們生活帶來(lái)的便捷。

1 雙目立體視覺(jué)概述

雙目立體視覺(jué)又稱雙目視覺(jué)技術(shù)，是目前計(jì)算機(jī)視覺(jué)應(yīng)用領(lǐng)域的重要研究?jī)?nèi)容。雙目立體視覺(jué)控制系統(tǒng)的組成因其采用的原理和應(yīng)用功能的不同，組成也都各不相同。

雙目立體視覺(jué)的實(shí)現(xiàn)原理是基于人眼的視網(wǎng)膜看物體的特性，從兩個(gè)不同的方向來(lái)觀看同一個(gè)物體的不同角度，從而實(shí)現(xiàn)清楚的了解到物體的圖像的目的。雙目立體視覺(jué)從不同的角度獲得物體的投影信息，并根據(jù)匹配的結(jié)果，獲取同一個(gè)物體不同偏差位置的信息。最后在依據(jù)三角測(cè)量技術(shù)，根據(jù)已經(jīng)獲得的這些偏差信息從而獲得這些不同點(diǎn)對(duì)應(yīng)的距離信息，并最終獲得這些實(shí)際物體的具體坐標(biāo)位置信息。

視差測(cè)距技術(shù)告訴我們，要清楚的觀察到一個(gè)物體的全貌，需要兩個(gè)觀察物從不同的方向，或者固定一個(gè)觀察物，移動(dòng)另外一個(gè)觀察物的方式，以達(dá)到拍攝同一個(gè)物體的目的。根據(jù)同一個(gè)物體在兩個(gè)觀察物當(dāng)中的位置偏差，從而確定該物體的三維信息。一般來(lái)說(shuō)，雙目立體視覺(jué)的組成包括：圖像獲取設(shè)備、圖像預(yù)處理設(shè)備、攝像機(jī)標(biāo)定設(shè)備、立體匹配設(shè)備、根據(jù)二維信息實(shí)現(xiàn)三維重構(gòu)設(shè)備等五個(gè)重要設(shè)備。

2 雙目立體視覺(jué)技術(shù)的原理

立體畫(huà)又可以稱之為三維立體畫(huà)，是一種人們可以從三維立體圖中獲取二維平面圖信息的技術(shù)。三維立體圖表面看似毫無(wú)規(guī)則，但是假如通過(guò)一些特殊的技術(shù)或者通過(guò)合理的觀察手段和觀察設(shè)備，就可以看到一組秩序井然的美妙圖片。

三維立體圖是一組重復(fù)的二維圖片有序的堆積積累而成，因此可以呈現(xiàn)出立體效果。人體觀察物體的原理大致如下：當(dāng)人類通過(guò)左右眼觀察所在的空間平面的時(shí)候，這些平面圖都只是一些毫無(wú)秩序的圖片。而當(dāng)左右眼重新聚焦或者在觀察畫(huà)面的時(shí)候呈現(xiàn)一定的層次感，則人類的左右眼觀察到的一組重復(fù)案在經(jīng)過(guò)人體識(shí)別以后，這些畫(huà)面之間將存在一定的距離差異，從而在腦中生成立體感。

雙目立體視覺(jué)技術(shù)正是基于以上的原理，從兩個(gè)不同的方向去觀察物體，并獲得目標(biāo)圖像的信息，并經(jīng)過(guò)一定的處理獲得三維重建的物體立體信息的技術(shù)。

雙目立體視覺(jué)在計(jì)算機(jī)技術(shù)中實(shí)現(xiàn)三維重建的大致流程

如下。

1）攝像機(jī)定位，并通過(guò)單片機(jī)計(jì)算得到要獲取圖像信息需要的外部的參數(shù)的大概值，并根據(jù)這些參數(shù)值設(shè)定攝像機(jī)。

2）用設(shè)定參數(shù)的攝像機(jī)拍攝目標(biāo)場(chǎng)景的畫(huà)面，并采集這些畫(huà)面的二維圖的信息。

3）通過(guò)計(jì)算機(jī)技術(shù)實(shí)現(xiàn)雙目匹配，并判定采集畫(huà)面中的二維圖像中的不同點(diǎn)之間的對(duì)應(yīng)關(guān)系。

4）在第三步中若得到兩組二維圖像的關(guān)系是稠密的時(shí)候，則生成三維視差圖。如果不是則進(jìn)一步采集圖片信息。

5）根據(jù)得到的視差圖最終實(shí)現(xiàn)場(chǎng)景的三維圖形的重建。

3 雙目立體匹配技術(shù)的研究難點(diǎn)和未來(lái)的發(fā)展方向

盡管目前有很多學(xué)者都投身到雙目立體匹配技術(shù)的研究和開(kāi)發(fā)當(dāng)中，直至目前為止也解決了很多關(guān)于視覺(jué)理論當(dāng)中存在的很多缺陷問(wèn)題。但是視覺(jué)問(wèn)題是一個(gè)復(fù)雜且難以解決的問(wèn)題，特別是在雙目立體匹配問(wèn)題方面更是困難重重。立體匹配技術(shù)的難點(diǎn)已經(jīng)成為限制將雙目技術(shù)應(yīng)用到計(jì)算機(jī)技術(shù)當(dāng)中的重要瓶頸。

立體匹配的主要手段就是找到計(jì)算機(jī)采集到兩幅和多副圖片的中像素的對(duì)應(yīng)關(guān)系，然后根據(jù)這些像素關(guān)系判定并生成三維重建圖。但是二維圖像的匹配存在層層困難，主要體現(xiàn)在以下幾個(gè)方面。

1）由于視角的問(wèn)題或者觀察物體存在遮擋問(wèn)題，導(dǎo)致采集回來(lái)的圖片信息存在盲點(diǎn)，這樣子更難找到圖片的匹配區(qū)域。

2）場(chǎng)景中的一些深度不連續(xù)的區(qū)域大都處在場(chǎng)景當(dāng)中的邊界位置，這些位置容易出現(xiàn)像素不高，邊界不清晰等問(wèn)題，這些問(wèn)題也給圖像匹配帶了很多困擾。

3）場(chǎng)景當(dāng)中的低紋理的圖片匹配特征和匹配關(guān)系較少，而且該位置的每個(gè)像素點(diǎn)極為相似。假如只是通過(guò)簡(jiǎn)單的像素相似性檢測(cè)的話，會(huì)檢測(cè)到很多匹配結(jié)果，而這些匹配結(jié)果當(dāng)中有一大部分是錯(cuò)誤的。這樣子的結(jié)果勢(shì)必會(huì)導(dǎo)致最終的圖像匹配正確率極為低下。

從以上的分析，我們可以看出立體匹配技術(shù)存在很多技術(shù)上的難點(diǎn)，這些都在很大程度上限制雙目立體匹配技術(shù)在計(jì)算機(jī)當(dāng)中的應(yīng)用發(fā)展。如何才能設(shè)計(jì)出有效、準(zhǔn)確、快速、通用性強(qiáng)的立體匹配算法將會(huì)是以后雙目立體匹配計(jì)算發(fā)展的重要方向。也只有通過(guò)設(shè)計(jì)出一套行之有效的立體匹配算法才能使得雙目立體匹配技術(shù)在計(jì)算機(jī)視覺(jué)當(dāng)中得到廣泛的應(yīng)用。

4 結(jié)束語(yǔ)

人們通過(guò)眼睛可以感受到外界事物的存在，可以清楚的了解到事物的立體信息，分辨出觀察物的廣度和深度，以及物體的遠(yuǎn)近。因此人類視覺(jué)感知系統(tǒng)就是一個(gè)雙目的立體感知系統(tǒng)。本文講述的計(jì)算機(jī)中的雙目立體匹配技術(shù)正是基于人眼視覺(jué)觀察物體的原理，通過(guò)雙目立體視覺(jué)原理，對(duì)計(jì)算機(jī)采集獲得兩幅二維圖像的信息進(jìn)行分析，并結(jié)合計(jì)算機(jī)的分析，最終獲得同人類眼睛一樣觀察到物體三維表面信息的目的。雙目立體匹配技術(shù)與計(jì)算機(jī)技術(shù)的完美結(jié)合幫助人們可以更加輕易的獲得物體的信息。希望在不久的將來(lái)，可以將該項(xiàng)技術(shù)應(yīng)用于人類的視網(wǎng)膜當(dāng)中，以幫助一些視網(wǎng)膜存在問(wèn)題的人們，讓他們重新感受到光明，感受世間的溫暖。

參考文獻(xiàn)

[1]高文，陳熙霖.計(jì)算機(jī)視覺(jué)算法與系統(tǒng)原理[M].北京：清華大學(xué)出版社，2002.

[2]明祖衡.雙目立體視覺(jué)測(cè)距算法研究[M].北京：北京理工大學(xué)，2008.

[3]劉昌，郭立，李敬文，劉俊，楊福榮，羅鋒.一種優(yōu)于SAD的匹配準(zhǔn)則及其快速算法[J].電路與系統(tǒng)學(xué)報(bào)，2007，12（4）：137-14.

[4]陳蛟.雙目立體匹配的算法研究及其多核并行化[M].南京：南京郵電大學(xué)，2012.

篇7

本書(shū)的第一、二、三版分別于1993、1999和2005年出版。書(shū)中全面提供了過(guò)去20年中在模式識(shí)別與計(jì)算機(jī)視覺(jué)領(lǐng)域中的進(jìn)展和成就，作者都是這個(gè)領(lǐng)域的第一流專家，其中的兩位Thomas Huang和Jake Aggarwal是權(quán)威的K．S．Fu獎(jiǎng)金獲得者，該項(xiàng)獎(jiǎng)金是由國(guó)際模式識(shí)別協(xié)會(huì)(IAPR)授予。

全書(shū)共有五個(gè)部分。第一部分模式識(shí)別的基本方法(有5章)：第1章統(tǒng)計(jì)模式識(shí)別；第2章時(shí)空模式的隱藏馬爾可夫模型；第3章最小誤差模式識(shí)別的一個(gè)新的基于內(nèi)核的系統(tǒng)闡述；第4章并行上下文數(shù)組文法與軌跡；第5章模式識(shí)別與局部不變特性。第二部分計(jì)算機(jī)視覺(jué)的基本方法(有6章)：第1章圖像分析與圖像判讀的基于實(shí)例的推理；第2章多圖像幾何――投影的觀點(diǎn)；第3章3維離散二值圖像中的骨架化；第4章2維、3維及4維數(shù)字距離變換；第5章計(jì)算整體形狀測(cè)度；第6章利用局部二進(jìn)制模式的紋理分析。第三部分識(shí)別的應(yīng)用(共9章)：第1章文檔的分析與理解；第2章中文字符識(shí)別；第3章從銀行支票上手寫(xiě)的合理錢(qián)數(shù)中析取數(shù)字；第4章用于提高人類視覺(jué)的印刷體OCR評(píng)估；第5章使用圖模型的萬(wàn)維網(wǎng)文檔的群集與分類；第6章X線照片中腫塊的自動(dòng)檢測(cè)；第7章比例空間中用于圖像匯合的基于小波的卡爾曼濾波；第8章多傳感器匯合與超頻譜圖像數(shù)據(jù)；第9章功能磁共振圖像數(shù)據(jù)的獨(dú)立組成部分分析。第四部分人體識(shí)別(有6章)：第l章多狀態(tài)情緒識(shí)別；第2章單眼視頻序列的基于花紋循環(huán)的人體識(shí)別；第3章掌紋認(rèn)證系統(tǒng)；第4章用于可視監(jiān)視的高分辨率面部圖像的重現(xiàn)；第5章利用可變形特性圖的物體識(shí)別：臉、手及分組景物；第6章用于快速面部檢測(cè)的分層分類與特性簡(jiǎn)化。第五部分系統(tǒng)與技術(shù)(有7章)：第1章利用單個(gè)或多個(gè)照相機(jī)跟蹤及分類移動(dòng)物體；第2章圖像分割算法的特性評(píng)估；第3章用于知識(shí)發(fā)現(xiàn)的基于內(nèi)容的視頻分析；第4章對(duì)象處理方法學(xué)及其對(duì)圖像處理和模式識(shí)別的應(yīng)用；第5章音樂(lè)風(fēng)格識(shí)別――量化方法；第6章自動(dòng)檢測(cè)器：可移動(dòng)自動(dòng)化數(shù)字平板的識(shí)別；第7章全向視覺(jué)。

本書(shū)介紹了模式識(shí)別與計(jì)算機(jī)視覺(jué)理論及應(yīng)用的深入研究，以及人體識(shí)別方面的最新進(jìn)展，可供計(jì)算機(jī)科學(xué)相關(guān)專業(yè)的研究人員及研究生閱讀參考。

胡光華，高級(jí)軟件工程師

(原中國(guó)科學(xué)院物理學(xué)研究所)

篇8

Abstract: Surface roughness is key indexes to evaluate surface quality. Surface quality has influence on service life and usability. Two basic measuring methods are introduced: contact measuring and non-contact measuring. Non-contact measuring method based on the computer vision technology is discussed in detail.

關(guān)鍵詞： 表面粗糙度；非接觸；光學(xué)測(cè)量

Key words: surface roughness；non-contact；optics measurement

中圖分類號(hào)：TH6文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1006-4311（2011）08-0050-02

0引言

隨著科學(xué)技術(shù)的進(jìn)步和社會(huì)的發(fā)展，人們對(duì)于機(jī)械產(chǎn)品表面質(zhì)量的要求越來(lái)越高。表面粗糙度是評(píng)價(jià)工件表面質(zhì)量的一個(gè)重要指標(biāo)，國(guó)內(nèi)外很多學(xué)者在表面粗糙度檢測(cè)方面做了大量研究工作。目前測(cè)量表面粗糙度的主要方法有：接觸式測(cè)量和非接觸式測(cè)量。

1接觸式測(cè)量

接觸式測(cè)量就是測(cè)量裝置的探測(cè)部分直接接觸被測(cè)表面，能夠直觀地反映被測(cè)表面的信息，接觸式測(cè)量方法主要是觸針?lè)?，該方法?jīng)過(guò)幾十年的充分發(fā)展，以其穩(wěn)定、可靠的特點(diǎn)被廣泛應(yīng)用。但接觸式測(cè)量存在很大的缺陷，具體表現(xiàn)在：①對(duì)高精度表面及軟質(zhì)金屬表面有劃傷破壞作用；②受觸針尖端圓弧半徑的限制，其測(cè)量精度有限；③因觸針磨損及測(cè)量速度的限制，無(wú)法實(shí)現(xiàn)在線實(shí)時(shí)測(cè)量[1]。

2非接觸式測(cè)量

為了克服接觸式測(cè)量方法的不足，人們對(duì)非接觸式測(cè)量方法進(jìn)行了廣泛研究。研究表明，非接觸式測(cè)量方法具有非接觸、無(wú)損傷、快速、測(cè)量精度高、易于實(shí)現(xiàn)在線測(cè)量、響應(yīng)速度快等優(yōu)點(diǎn)。目前已有的非接觸式測(cè)量方法包括各種光學(xué)測(cè)量方法、超聲法、掃描隧道顯微鏡法、基于計(jì)算機(jī)視覺(jué)技術(shù)的表面粗糙度檢測(cè)方法等。這里我們只對(duì)基于光學(xué)散射原理的測(cè)量方法、基于光學(xué)干涉原理的測(cè)量方法和基于計(jì)算機(jī)視覺(jué)技術(shù)的測(cè)量方法做簡(jiǎn)單介紹。

2.1 基于光學(xué)散射原理的測(cè)量方法當(dāng)一束光以一定的角度照射到物體表面后，加工表面的粗糙不平將引起發(fā)生散射現(xiàn)象。研究表明：表面粗糙度和散射光強(qiáng)度分布有一定的關(guān)系。對(duì)于表面粗糙度數(shù)值較小的表面，散射光能較弱，反射光能較強(qiáng)；反之，表面粗糙度數(shù)值較大的表面，散射光能較強(qiáng)，反射光能較弱。

基于光學(xué)散射原理測(cè)量表面粗糙度的研究方法和理論較多。四川聯(lián)合大學(xué)和哈爾濱理工大學(xué)相繼提出了一種稱之為散射特征值的參數(shù)，表征被測(cè)物體表面上反射光和散射光的分散度，散射特征值與被測(cè)物體表面的粗糙度有很好的對(duì)應(yīng)關(guān)系[2]。哈爾濱理工大學(xué)利用已知表面粗糙度參數(shù)值的標(biāo)準(zhǔn)樣塊測(cè)得其散射特征值，建立―關(guān)系曲線，從而實(shí)現(xiàn)利用散射特征值測(cè)量火炮內(nèi)膛表面粗糙度[3]。

基于光學(xué)散射原理的表面粗糙度檢測(cè)方法，具有結(jié)構(gòu)簡(jiǎn)單、體積小、易于集成產(chǎn)品、動(dòng)態(tài)響應(yīng)好、適于在線測(cè)量等優(yōu)點(diǎn)。該方法的缺點(diǎn)是測(cè)量精度不高，用于超光滑表面粗糙度的測(cè)量還有待進(jìn)一步改進(jìn)。

2.2 基于光學(xué)干涉原理的測(cè)量方法當(dāng)相干光照射到工件表面同一位置時(shí)，由于光波的相互位相關(guān)系，將產(chǎn)生光波干涉現(xiàn)象。一般的干涉法測(cè)量是利用被測(cè)面和標(biāo)準(zhǔn)參考面反射的光束進(jìn)行比較，對(duì)干涉條紋做適當(dāng)變換，通過(guò)測(cè)量干涉條紋的相對(duì)變形來(lái)定量檢測(cè)表面粗糙度。該方法的測(cè)量精度取決于光的波長(zhǎng)。但是由于干涉條紋的分辨率是以光波波長(zhǎng)的一半為極限的，僅從條紋的狀態(tài)無(wú)法判斷表面是凸起還是凹陷，因此，作為一種具有較好分辨率、寬測(cè)量范圍的表面粗糙度在線檢測(cè)技術(shù)，這種干涉法測(cè)量技術(shù)還有待于進(jìn)一步發(fā)展[4]。

基于光學(xué)干涉原理，1984年美國(guó)洛克西德導(dǎo)彈公司huang采用共模抑制技術(shù)研制成功了光學(xué)外差輪廓儀，光外差干涉檢測(cè)技術(shù)是一種具有納米級(jí)測(cè)量準(zhǔn)確度的高精度光學(xué)測(cè)量方法，適用于精加工、超精加工表面的測(cè)量，而且可以進(jìn)行動(dòng)態(tài)時(shí)間的研究；華中理工大學(xué)采用光外差干涉方法研制出2D-SROP-1型表面粗糙度輪廓儀[5]。美國(guó)的維易科（VEECO）精密儀器有限公司，采用共光路干涉法研制了WYKO激光干涉儀和光學(xué)輪廓儀，可用來(lái)測(cè)量干涉條紋位相[6]。

基于光學(xué)干涉原理測(cè)量表面粗糙度分辨率高，適于測(cè)量超光滑表面粗糙度，但由于該方法的測(cè)量精度受光波波長(zhǎng)的影響很大，所以其測(cè)量范圍受到一定影響。

2.3 基于計(jì)算機(jī)視覺(jué)技術(shù)的測(cè)量方法基于計(jì)算機(jī)視覺(jué)的粗糙度測(cè)量方法是指使用攝像機(jī)抓取圖像，然后將該圖像傳送至處理單元，通過(guò)數(shù)字化處理，根據(jù)像素分布和灰度、紋理、形狀、顏色等信息，選用合理的算法計(jì)算工件的粗糙度參數(shù)值。近年來(lái)，隨著計(jì)算機(jī)技術(shù)和工業(yè)生產(chǎn)的不斷發(fā)展，該方法受到越來(lái)越多的關(guān)注。

北京理工大學(xué)的王仲春等人采用顯微鏡對(duì)檢測(cè)表面進(jìn)行放大，并通過(guò)對(duì)CCD采集加工表面微觀圖像進(jìn)行處理實(shí)現(xiàn)了表面粗糙度的檢測(cè)[7]。哈爾濱理工大學(xué)吳春亞、劉獻(xiàn)禮等為解決機(jī)械加工表面粗糙度的快速、在線檢測(cè)，設(shè)計(jì)了一種表面粗糙度圖像檢測(cè)方法，建立了圖像灰度變化信息與表面粗糙度之間的關(guān)系模型[8]。英國(guó)學(xué)者Hossein Ragheb和Edwin R.Hancock通過(guò)數(shù)碼相機(jī)拍攝的表面反射圖來(lái)估計(jì)表面粗糙度參數(shù)，運(yùn)用Vernold Harvey修正的B K散射理論模型獲得了比Oren Nayar模型更好的粗糙度估計(jì)結(jié)果[9]。澳大利亞學(xué)者Ghassan A.Al-Kindi和Bijan Shirinzadeh對(duì)基于顯微視覺(jué)的不同機(jī)械加工表面粗糙度參數(shù)獲取的可行性進(jìn)行了評(píng)估，討論了照射光源與表面輻照度模型對(duì)檢測(cè)的影響，結(jié)果顯示盡管從視覺(jué)數(shù)據(jù)和觸針數(shù)據(jù)所獲得的粗糙度參數(shù)存在一定差異，但是基于視覺(jué)的方法仍是一種可靠的粗糙度參數(shù)估計(jì)方法[10-11]。

可以看出，基于計(jì)算機(jī)視覺(jué)技術(shù)的測(cè)量方法主要有統(tǒng)計(jì)分析、特征映射和神經(jīng)網(wǎng)絡(luò)等黑箱估計(jì)法。通過(guò)這些方法獲得的表面粗糙度參數(shù)的估計(jì)值受諸多因素的影響，難以給出其準(zhǔn)確的物理解釋。真正要定量地計(jì)算出粗糙度參數(shù)，需要科學(xué)的計(jì)算。

但是隨著機(jī)械加工自動(dòng)化水平的提高，基于計(jì)算機(jī)視覺(jué)技術(shù)的檢測(cè)方法處理內(nèi)容豐富、處理精度高、處理速度快、易于集成等優(yōu)點(diǎn)將受到越來(lái)越多的重視。

3結(jié)束語(yǔ)

接觸式測(cè)量測(cè)量速度較慢，容易劃傷工件表面，并且不適用于連續(xù)生產(chǎn)材料表面的檢測(cè)。非接觸式測(cè)量具有無(wú)損傷、快速、測(cè)量精度高、易于實(shí)現(xiàn)在線測(cè)量等優(yōu)點(diǎn)，已成為表面粗糙度檢測(cè)的重點(diǎn)研究方向。非接觸測(cè)量以光學(xué)法為主，隨著計(jì)算機(jī)技術(shù)和工業(yè)生產(chǎn)的迅猛發(fā)展，基于計(jì)算機(jī)視覺(jué)技術(shù)的表面粗糙度非接觸式檢測(cè)方法受到越來(lái)越多的重視。

參考文獻(xiàn)：

[1]劉斌，馮其波，匡萃方.表面粗糙度測(cè)量方法綜述[J].光學(xué)儀器，2004，26（5）：54-55.

[2]苑惠娟等．非接觸式表面粗糙度測(cè)量?jī)x[J]．哈爾濱科學(xué)技術(shù)大學(xué)學(xué)報(bào)，1995，19（6）：30-34．

[3]強(qiáng)熙富，張?jiān)?，許文海．?dāng)U展激光散射法測(cè)量粗糙度的測(cè)量范圍的研究[J]．計(jì)量學(xué)報(bào)，1990，11（2）：81-85．

[4]王文卓，李大勇，陳捷．表面粗糙度非接觸式測(cè)量技術(shù)研究概況[J]．機(jī)械工程師，2004，11：6-9．

[5]王菊香．2D-SROP-1型表面粗糙度輪廓儀[J]．工業(yè)計(jì)量，1994，（4）：27-29．

[6]徐德衍等．光學(xué)表面粗糙度研究的進(jìn)展與方向[J]．光學(xué)儀器，1996，18（1）：32-41．

[7]王仲春，高岳，黃粵熙等.顯微成像檢測(cè)表面粗糙度[J].光學(xué)技術(shù)，1998，5：46-48.

[8]吳春亞，劉獻(xiàn)禮，王玉景等.機(jī)械加工表面粗糙度的圖像檢測(cè)方法[J].哈爾濱理工大學(xué)學(xué)報(bào)，2007，12（3）：148-151.

[9]Hossein Ragheb，Edwin R.Hancock.The modified Beckmann Kirchhoff scattering theory for rough surface analysis[J].Pattern Recognition，2007，40：2004-2020.

篇9

關(guān)鍵詞：多源圖像；融合技術(shù)；棉花；病蟲(chóng)害；識(shí)別診斷

中圖分類號(hào)：TP391.43；S435.6 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：0439-8114（2013）11-2555-03

隨著城市化進(jìn)程不斷加快，從事農(nóng)業(yè)勞作的勞動(dòng)力總數(shù)急劇減少，農(nóng)業(yè)生產(chǎn)與加工的逐步自動(dòng)化是社會(huì)發(fā)展和進(jìn)步的需求。特別是對(duì)于農(nóng)作物病蟲(chóng)害監(jiān)測(cè)從傳統(tǒng)的根據(jù)農(nóng)業(yè)部的病蟲(chóng)害監(jiān)測(cè)調(diào)查規(guī)范進(jìn)行調(diào)查，通過(guò)人工調(diào)查、人工記錄，到微小昆蟲(chóng)自動(dòng)計(jì)數(shù)技術(shù)、昆蟲(chóng)誘捕自動(dòng)記錄裝置來(lái)對(duì)農(nóng)作物病蟲(chóng)害進(jìn)行監(jiān)測(cè)，這些信息收集和數(shù)據(jù)管理都存在勞動(dòng)量大、效率低、數(shù)據(jù)誤差大的問(wèn)題。隨著計(jì)算機(jī)技術(shù)和傳感器技術(shù)的快速發(fā)展，圖像融合技術(shù)在軍事、氣象、醫(yī)學(xué)、土地資源管理等方面得到了廣泛的應(yīng)用，而如何將圖像融合技術(shù)應(yīng)用在農(nóng)作物病蟲(chóng)害中是極具有研究?jī)r(jià)值的課題。

1 棉花病蟲(chóng)害診斷技術(shù)研究意義及發(fā)展趨勢(shì)

棉花作為主要的經(jīng)濟(jì)作物一直在中國(guó)和湖北省農(nóng)業(yè)生產(chǎn)中占有重要地位，但由于品種、栽培制度、生態(tài)環(huán)境等變化及棉花生長(zhǎng)環(huán)境日益惡化，病蟲(chóng)害有不斷加重趨勢(shì)。危害棉花的主要病害有炭疽病、黑斑病、枯萎病、黃萎病等，炭疽病在長(zhǎng)江流域棉區(qū)的發(fā)生尤為嚴(yán)重，一般苗期發(fā)病率為20%～70%，嚴(yán)重時(shí)可達(dá)90%；黑斑病在陰濕多雨年份往往猖獗流行，給棉花生產(chǎn)造成毀滅性災(zāi)害；而枯萎病在棉區(qū)一直發(fā)生較多，死苗嚴(yán)重，造成的危害主要表現(xiàn)在產(chǎn)量降低，品質(zhì)變劣方面；自上世紀(jì)80年代末枯萎病得到控制后，黃萎病上升為棉花第一病害。目前黃萎病發(fā)病面積達(dá)到全國(guó)棉田面積的50%以上，發(fā)病后棉苗減產(chǎn)30%～70%，有的甚至絕產(chǎn)，而且嚴(yán)重影響棉花品質(zhì)。采用先進(jìn)技術(shù)提高棉花病蟲(chóng)害有效防治及控制已迫在眉睫。

1.1 棉花病蟲(chóng)害診斷技術(shù)的研究意義

在進(jìn)行植物保護(hù)和防治農(nóng)作物病蟲(chóng)害的各類方法中，化學(xué)防治是投入少、見(jiàn)效快、收效大的有效方法，特別是針對(duì)在大生態(tài)區(qū)域內(nèi)可能暴發(fā)成災(zāi)的重要病蟲(chóng)草害，化學(xué)防治迄今仍是最快速而有效的方法，一般可以挽回15%～30%的農(nóng)作物產(chǎn)量損失。使用農(nóng)藥（各種殺菌劑、除草劑等）進(jìn)行化學(xué)防治在世界各國(guó)一直占主導(dǎo)地位，它投入較少，防治迅速，特別是當(dāng)大面積、暴發(fā)性病害發(fā)生時(shí)，只有化學(xué)防治才能取得較好的防治效果。同樣，在棉花病蟲(chóng)害綜合防治中，化學(xué)防治仍然是及時(shí)有效地控制病蟲(chóng)對(duì)棉花危害的最后一道把關(guān)防治措施。但長(zhǎng)期大量使用農(nóng)藥不僅污染環(huán)境，而且這些農(nóng)藥會(huì)通過(guò)空氣、水等途徑進(jìn)入人體，對(duì)人類的身體健康構(gòu)成危害；又由于棉花病蟲(chóng)害癥狀的復(fù)雜性和模糊性，農(nóng)業(yè)生產(chǎn)者受個(gè)體素質(zhì)和人為主觀因素的影響，往往不能正確合理地判斷病情，導(dǎo)致濫用農(nóng)藥、化肥等引起更大的危害；此外，由于中國(guó)正步入老齡化社會(huì)，從事農(nóng)業(yè)勞動(dòng)的人口在減少，由勞動(dòng)力不足帶來(lái)的農(nóng)業(yè)減產(chǎn)問(wèn)題已日趨嚴(yán)重。所以，精確作物病蟲(chóng)害管理和機(jī)械化變量施藥技術(shù)的研究和應(yīng)用勢(shì)在必行。為實(shí)現(xiàn)精確的棉花病蟲(chóng)害管理和變量施藥，首先要能夠準(zhǔn)確地識(shí)別棉花病蟲(chóng)害種類及其危害程度。傳統(tǒng)的方法主要依靠生產(chǎn)者或?qū)＜医?jīng)驗(yàn)來(lái)判斷病蟲(chóng)害原因及其危害程度，由于個(gè)體素質(zhì)的差異以及其他因素的影響，往往很難做到對(duì)病蟲(chóng)害做出精確定量分析和判斷，因而容易造成不合理的病蟲(chóng)害防治，也對(duì)生產(chǎn)管理者的農(nóng)技水平要求較高。一些智能決策支持系統(tǒng)雖然能識(shí)別診斷棉花病蟲(chóng)害，但是過(guò)程復(fù)雜，不能進(jìn)行實(shí)時(shí)處理。隨著信息技術(shù)、光譜技術(shù)和計(jì)算機(jī)視覺(jué)技術(shù)的發(fā)展使基于生物信息的作物病蟲(chóng)害智能識(shí)別診斷成為可能。通過(guò)多源圖像融合技術(shù)快速準(zhǔn)確地獲取棉花病蟲(chóng)害信息，對(duì)已發(fā)生病蟲(chóng)害的棉花區(qū)域根據(jù)病蟲(chóng)害程度實(shí)行定量噴施農(nóng)藥。這樣既可大量節(jié)省農(nóng)藥，提高效率，降低成本，降低對(duì)勞動(dòng)力的依賴，同時(shí)大幅度減輕農(nóng)藥對(duì)農(nóng)業(yè)生態(tài)環(huán)境的污染，提高棉花病蟲(chóng)害防治水平。研究多源圖像融合技術(shù)對(duì)農(nóng)作物病蟲(chóng)害診斷具有重要的學(xué)術(shù)意義和經(jīng)濟(jì)價(jià)值。

1.2 棉花病蟲(chóng)害診斷技術(shù)發(fā)展趨勢(shì)

縱觀近幾年國(guó)內(nèi)對(duì)作物病蟲(chóng)害智能識(shí)別診斷的研究，目前對(duì)棉花作物病蟲(chóng)害識(shí)別診斷主要集中在以專家系統(tǒng)為代表的智能化信息技術(shù)和光譜技術(shù)上，應(yīng)用計(jì)算機(jī)視覺(jué)技術(shù)對(duì)棉花作物病蟲(chóng)害識(shí)別的研究報(bào)道較少[1，2]，而結(jié)合光譜技術(shù)和計(jì)算機(jī)視覺(jué)技術(shù)進(jìn)行研究的則未見(jiàn)報(bào)道。目標(biāo)的高分辨率和高識(shí)別率是對(duì)獲取目標(biāo)信息的基本要求，僅僅利用可見(jiàn)光范圍或在近紅外范圍的計(jì)算機(jī)視覺(jué)技術(shù)進(jìn)行作物病蟲(chóng)害識(shí)別診斷，其單一光譜不足以準(zhǔn)確、全面反映作物病蟲(chóng)害的差異，還需利用其他生物信息對(duì)其補(bǔ)充和加強(qiáng)，以達(dá)到全面地反映作物病蟲(chóng)害的差異[3]。

為了實(shí)現(xiàn)對(duì)低探測(cè)性目標(biāo)的探測(cè)和識(shí)別，必須大力發(fā)展先進(jìn)的目標(biāo)探測(cè)系統(tǒng)，而由多源傳感器組成的光電成像系統(tǒng)是最為常見(jiàn)的目標(biāo)探測(cè)系統(tǒng)。圖像融合就是利用各種成像傳感器得到的同一目標(biāo)或同一場(chǎng)景的圖像，綜合這些不同圖像的冗余信息和互補(bǔ)信息，以獲得更為全面準(zhǔn)確的圖像描述。為此，針對(duì)湖北省主要經(jīng)濟(jì)作物棉花，綜合利用光譜技術(shù)、計(jì)算機(jī)視覺(jué)技術(shù)及多源信息融合技術(shù)，基于多源圖像信息（可見(jiàn)光和近紅外視覺(jué)圖像信息）融合棉花病害（炭疽病和黑斑?。┳R(shí)別診斷技術(shù)。深入研究作物在不同病蟲(chóng)害危害下的反射光譜特性及變化規(guī)律，確定光譜敏感波段及其特征表現(xiàn)，提取可以有效表征作物不同病蟲(chóng)害條件、不同危害程度下的計(jì)算機(jī)視覺(jué)圖像的灰度、紋理、形態(tài)特征信息和近地光譜特征信息，探索基于多傳感信息融合的病蟲(chóng)害識(shí)別診斷方法，構(gòu)建病蟲(chóng)害智能識(shí)別系統(tǒng)，為精確作物病蟲(chóng)害管理和機(jī)械化變量施藥技術(shù)提供理論基礎(chǔ)。

2 多源圖像融合技術(shù)

圖像融合[4]是對(duì)多幅源自同一場(chǎng)景的圖像進(jìn)行綜合，以獲得更好的視覺(jué)效果和易于機(jī)器識(shí)別為目的，產(chǎn)生比單一信息源更為精確、更完善、更可靠的圖像。多源傳感器圖像是由成像機(jī)理不同的多種傳感器獲得的圖像。由于每種成像傳感器都是為了適應(yīng)某些特定的環(huán)境和使用范圍而設(shè)計(jì)的，具有不同成像機(jī)理的多種傳感器獲得的圖像之間存在信息的冗余性和互補(bǔ)性，通過(guò)對(duì)其進(jìn)行融合，能夠提高系統(tǒng)可靠性和圖像信息的利用率。隨著科學(xué)發(fā)展和技術(shù)進(jìn)步，采集圖像數(shù)據(jù)的手段不斷完善，出現(xiàn)了各種新圖像獲取技術(shù)。如今圖像融合技術(shù)廣泛應(yīng)用于圖像處理、遙感、計(jì)算機(jī)視覺(jué)以及軍事等領(lǐng)域[5]。利用圖像融合技術(shù)可以準(zhǔn)確地獲取檢測(cè)數(shù)據(jù)，如在醫(yī)學(xué)圖像分析中的超聲成像、核磁共振、計(jì)算機(jī)層析、血液細(xì)胞自動(dòng)分類計(jì)數(shù)、癌細(xì)胞識(shí)別等極大地提高了準(zhǔn)確率[6，7]；圖像融合技術(shù)在遙感雷達(dá)衛(wèi)星的發(fā)展后，已成為遙感圖像處理和分析的重要研究熱點(diǎn)，應(yīng)用于土地資源調(diào)查、環(huán)境監(jiān)測(cè)、地形測(cè)繪等[8]。圖像融合技術(shù)應(yīng)用在農(nóng)業(yè)生產(chǎn)中，目前研究方向主要集中在對(duì)農(nóng)產(chǎn)品的無(wú)損檢測(cè)和農(nóng)作物生長(zhǎng)態(tài)勢(shì)及產(chǎn)量評(píng)估方面。如采用互信息最佳閾值迭代優(yōu)化分割法對(duì)可見(jiàn)光和近紅外圖像進(jìn)行融合來(lái)對(duì)番茄成熟度進(jìn)行無(wú)損檢測(cè)研究[9]；通過(guò)加權(quán)平均融合法對(duì)紅外和可見(jiàn)光圖像實(shí)現(xiàn)對(duì)蘋(píng)果進(jìn)行無(wú)損檢測(cè)研究[10]；采用蟻群算法的模糊C均值聚類圖像分割算法的圖像融合技術(shù)對(duì)作物幾何參數(shù)進(jìn)行測(cè)量。

多源傳感器圖像融合系統(tǒng)一般有3種類型：像素級(jí)融合、特征級(jí)融合和決策級(jí)融合。

2.1 像素級(jí)圖像融合

像素級(jí)圖像融合是通過(guò)對(duì)源圖像進(jìn)行預(yù)處理和空間配準(zhǔn)，對(duì)處理后的圖像采取適當(dāng)?shù)乃惴ㄟM(jìn)行融合，得到融合圖像后再進(jìn)行顯示和后續(xù)處理。簡(jiǎn)單的像素級(jí)融合方法主要有：像素灰度值平均或加權(quán)平均，像素灰度值選大，像素灰度值選小。簡(jiǎn)單的像素級(jí)融合方法結(jié)構(gòu)簡(jiǎn)單、易于實(shí)現(xiàn)，但應(yīng)用范圍有限，融合結(jié)果不理想。故現(xiàn)在的融合方法多采用基于對(duì)源圖像的多尺度分解。這種分解方法是一種多尺度、多分辨率的圖像融合方法，是在不同尺度、不同空間分辨率、不同分解層上分別進(jìn)行融合。這種融合方法能明顯改進(jìn)融合效果[11]。

2.2 特征級(jí)圖像融合

特征級(jí)圖像融合是從不同的成像傳感器所獲得的同一對(duì)象圖像中提取一些特征，產(chǎn)生特征矢量，然后對(duì)這些特征矢量進(jìn)行融合。特征級(jí)圖像融合是中間層的圖像融合，精度一般。其融合方法有基于假設(shè)前提及統(tǒng)計(jì)分析的方法和基于知識(shí)的方法。

2.3 決策級(jí)圖像融合

決策級(jí)圖像融合是最高層次的融合，是首先依據(jù)每一個(gè)成像傳感器所獲得的同一對(duì)象圖像各自進(jìn)行預(yù)處理、特征提取、識(shí)別和判決后，做出獨(dú)立的決策，然后將這些獨(dú)立的決策綜合起來(lái)，給出最終決策。決策級(jí)圖像融合適合于多類不同傳感器圖像的融合，但融合結(jié)果精度較差。其融合方法有多重邏輯推理方法、統(tǒng)計(jì)方法、信息論方法等都可用于決策層的圖像融合。

特征級(jí)圖像融合和決策級(jí)圖像融合方法通常應(yīng)用于某些特殊場(chǎng)合，像素級(jí)圖像融合的應(yīng)用更普及，融合所得圖像更有利于人眼的判讀、欣賞和機(jī)器識(shí)別。對(duì)于已經(jīng)配準(zhǔn)好的圖像，像素級(jí)圖像融合方法不需要顯式地提取圖像特征，在速度和魯棒性上有明顯優(yōu)勢(shì)。為此采取像素級(jí)圖像融合方法對(duì)農(nóng)作物病蟲(chóng)害的可見(jiàn)光和近紅外圖像進(jìn)行融合處理，使其符合人類視覺(jué)特征，融合結(jié)果更有利于對(duì)圖像作進(jìn)一步分析、理解和識(shí)別。

3 多源圖像融合技術(shù)對(duì)棉花病蟲(chóng)害診斷的方法

1）在特定栽培條件下，培育不同棉花病蟲(chóng)害的試驗(yàn)樣本及正常的對(duì)比樣本。

2）對(duì)棉花病蟲(chóng)害樣品的葉片和冠層進(jìn)行光譜分析。利用便捷式光譜儀測(cè)量葉片和冠層的光譜，尋找棉花病蟲(chóng)害種類的敏感光譜波段及其反射率特征，分析不同病蟲(chóng)害種類和病蟲(chóng)害程度的敏感光譜波段反射率特征的變化規(guī)律。

3）根據(jù)光譜分析結(jié)果，構(gòu)建多源圖像計(jì)算機(jī)視覺(jué)采集系統(tǒng)，采集棉花作物樣本多光譜圖像，用VC或MATLAB編寫(xiě)計(jì)算機(jī)圖像處理軟件對(duì)圖像進(jìn)行處理和特征提取。

4）對(duì)所獲取的特征應(yīng)用模糊特征優(yōu)選、主成分分析（PCA）和獨(dú)立分量分析（ICA）進(jìn)行優(yōu)化組合和篩選，通過(guò)各種統(tǒng)計(jì)方法尋求作物病癥與特征對(duì)應(yīng)關(guān)系。建立圖像特征與病種、病蟲(chóng)害程度的關(guān)系模型，利用模式識(shí)別方法進(jìn)行棉花病蟲(chóng)害種類及程度的模式識(shí)別檢測(cè)試驗(yàn)[12]。

4 展望

棉花是中國(guó)和湖北省主要的經(jīng)濟(jì)作物，長(zhǎng)期以來(lái)棉田病蟲(chóng)害對(duì)棉花生產(chǎn)帶來(lái)極大危害，因此，對(duì)棉花病蟲(chóng)害防治方法與技術(shù)的研究至關(guān)重要。對(duì)棉花作物病蟲(chóng)害防治的各種方法中，傳統(tǒng)的方法是依靠人們的經(jīng)驗(yàn)確認(rèn)病蟲(chóng)害的發(fā)生時(shí)間、區(qū)域、種類和發(fā)生程度等，且是進(jìn)行手工或機(jī)械噴灑農(nóng)藥，這不僅勞動(dòng)效率低，勞動(dòng)成本高，而且常規(guī)施藥技術(shù)會(huì)帶來(lái)農(nóng)藥利用率低下、水資源浪費(fèi)、環(huán)境污染、農(nóng)藥在作物及其產(chǎn)品中的殘留導(dǎo)致對(duì)人類的危害等。所以，結(jié)合光譜技術(shù)和計(jì)算機(jī)技術(shù)開(kāi)展棉花病蟲(chóng)害的識(shí)別診斷研究具有重要的學(xué)術(shù)意義和經(jīng)濟(jì)價(jià)值。

參考文獻(xiàn)：

[1] 周小燕，史 巖，李道亮，等.棉花病蟲(chóng)害診斷專家系統(tǒng)的研究與設(shè)計(jì)[J].萊陽(yáng)農(nóng)學(xué)院學(xué)報(bào)，2005，22（1）：9-11.

[2] 嚴(yán)智燕，廖桂平，高必達(dá).植物病蟲(chóng)害防治中農(nóng)業(yè)專家系統(tǒng)的研究進(jìn)展[J].中國(guó)農(nóng)學(xué)通報(bào)，2005，21（5）： 415-417.

[3] YUTAKA S，TSUGUO O.Automatic diagnosis of plant disease recognition between healthy and diseased leaf[J].農(nóng)業(yè)機(jī)械學(xué)會(huì)雜志，1999，61（2）：119-126.

[4] 何 友，王國(guó)宏，陸大金，等.多傳感器信息融合及應(yīng)用[M].北京：電子工業(yè)出版社，2000.

[5] 王 宏，敬忠良，李建勛.多分辨率圖像融合的研究與進(jìn)展[J].控制理論與應(yīng)用，2004，21（1）：145-151.

[6] ZHENG Y F， ESSOCK E A， HANSEN B C.Advanced discrete wavelet transform fusion algorithm and its optimization by using the metric of image quality index[J].Optical Engineering，2005，44（3）：1-12.

[7] 李秋華.基于紅外圖像信息融合的目標(biāo)檢測(cè)和識(shí)別技術(shù)研究[D].長(zhǎng)沙：國(guó)防科學(xué)技術(shù)大學(xué)，2002.

[8] 吉 微.多源氣象衛(wèi)星圖像融合技術(shù)應(yīng)用研究[D].南京：南京信息工程大學(xué)，2009.

[9] 李明喜.基于多源圖像融合的收獲目標(biāo)準(zhǔn)確定位研究[D].江蘇鎮(zhèn)江：江蘇大學(xué)，2008.

[10] 楊萬(wàn)利，沈明霞，嚴(yán) 君.紅外圖像處理技術(shù)在蘋(píng)果早期淤傷檢測(cè)中的應(yīng)用[J].計(jì)算機(jī)工程與設(shè)計(jì)，2010（1）：149-152.

篇10

〖姓名〗黃可坤〖出生年月〗79.10〖籍貫〗廣東省梅州市 〖民族〗漢〖學(xué)歷〗碩士〖專業(yè)〗應(yīng)用數(shù)學(xué)〖研究方向〗計(jì)算機(jī)圖像處理 〖本科專業(yè)〗應(yīng)用數(shù)學(xué) (副修計(jì)算機(jī)軟件) 〖家庭住址〗廣東省梅州市梅江區(qū) 〖聯(lián)系地址〗廣州市中山大學(xué)數(shù)學(xué)系應(yīng)用數(shù)學(xué)02研 510275 〖聯(lián)系電話〗(020)84112378 〖個(gè)人主頁(yè)〗

1.求職意向在高校從事基礎(chǔ)教學(xué)與研究工作。在有一定企業(yè)文化的公司或者企事業(yè)單位從事計(jì)算機(jī)軟件系統(tǒng)的設(shè)計(jì)、開(kāi)發(fā)或者維護(hù)。

2.教育背景時(shí)間院校備注1992年9月--1998年7月中學(xué)。學(xué)習(xí)成績(jī)一直比較優(yōu)秀，被保送上高中。曾任學(xué)習(xí)委員、體育委員。 1998年9月--2002年7月本科，主修應(yīng)用數(shù)學(xué)、副修計(jì)算機(jī)軟件。學(xué)習(xí)2002年9月--2005年7月廣州市中山大學(xué)碩士，應(yīng)用數(shù)學(xué)，方向?yàn)橛?jì)算機(jī)圖像處理與模式識(shí)別，師從副院長(zhǎng)戴道清教授。學(xué)習(xí)成績(jī)良好，曾任班長(zhǎng)。

3.技能專長(zhǎng)英語(yǔ)通過(guò)大學(xué)英語(yǔ)數(shù)學(xué)對(duì)小波分析、圖像處理、模式分類、計(jì)算機(jī)視覺(jué)有比較深的認(rèn)識(shí)。熟練掌握數(shù)學(xué)分析、線性代數(shù)、微分方程、概率論與數(shù)理統(tǒng)計(jì)等主干課程。計(jì)算機(jī)能力系統(tǒng)開(kāi)發(fā)：C/C++(優(yōu))、Delphi(優(yōu))、Visual C++(良)、C++ Builder。網(wǎng)站建設(shè)：ASP(優(yōu))、Javascript(優(yōu))、DreamWeaver。數(shù)據(jù)庫(kù)系統(tǒng)：SQL Sever(優(yōu))、Oracle(中)。服務(wù)器與網(wǎng)絡(luò)：Windows 2000 Server、Unix/Linux(良)、TCP/IP(優(yōu))。多媒體與課件制作：Photoshop、Flash、Authorware、PowerPoint。

實(shí)驗(yàn)工具：Matlab(優(yōu))。理論基礎(chǔ)：熟練掌握數(shù)據(jù)結(jié)構(gòu)、離散數(shù)學(xué)、計(jì)算機(jī)網(wǎng)絡(luò)、操作系統(tǒng)等課程。實(shí)踐項(xiàng)目：藝達(dá)堡MRPII系統(tǒng)、物業(yè)綜合事務(wù)管理系統(tǒng)、鶴山寶華菲力制衣管理系統(tǒng)、雨人工作室管理系統(tǒng)、線性規(guī)劃問(wèn)題求解、南方證券廣州分公司、李律師在線、好易網(wǎng)、中國(guó)婦幼網(wǎng)、天輔網(wǎng)。 4.教學(xué)科研 2002年進(jìn)入中山大學(xué)數(shù)計(jì)學(xué)院計(jì)算機(jī)視覺(jué)實(shí)驗(yàn)室： 進(jìn)行模式識(shí)別方面的研究，參與了《小波分析在圖像處理中的應(yīng)用》等科研項(xiàng)目，以及一些教學(xué)課件的制作。用Matlab實(shí)現(xiàn)了一種新的基于小波的圖像融合算法，取得了比較好的效果。以及實(shí)現(xiàn)了一些常用的人臉識(shí)別的算法，比如PCA、LDA和SVM的方法。還實(shí)現(xiàn)了一些常用的圖像壓縮的方法，比如基于離散傅里葉變換、余弦變換和小波變換的方法。 完成碩士畢業(yè)論文《小波包在人臉識(shí)別中的應(yīng)用》，主要作出了三個(gè)有意義的貢獻(xiàn)。參加了第三屆、第四屆省港澳圖象圖形學(xué)會(huì)等學(xué)術(shù)會(huì)議。擔(dān)任了實(shí)驗(yàn)室的網(wǎng)絡(luò)管理員。 2004年上學(xué)期擔(dān)任中山大學(xué)數(shù)計(jì)學(xué)院成人夜大本科2001級(jí)計(jì)算機(jī)應(yīng)用專業(yè)《網(wǎng)絡(luò)數(shù)據(jù)庫(kù)》的教師。2004年下學(xué)期繼續(xù)擔(dān)任了該夜大02級(jí)《計(jì)算機(jī)網(wǎng)絡(luò)》教師。講課認(rèn)真負(fù)責(zé)，獲得學(xué)生一致好評(píng)。 5.工作實(shí)踐 2000年暑假在廣州市精軟網(wǎng)絡(luò)數(shù)據(jù)有限公司擔(dān)任程序員，并獨(dú)立開(kāi)發(fā)了一個(gè)物業(yè)綜合事務(wù)管理系統(tǒng)，之后一直在維護(hù)該系統(tǒng)。2000年9月到2001年9月在中山大學(xué)雨人工作室擔(dān)任程序員及項(xiàng)目負(fù)責(zé)人，分析、設(shè)計(jì)、開(kāi)發(fā)和維護(hù)了不少實(shí)際的商業(yè)管理信息系統(tǒng)和網(wǎng)站。2001年9月和幾個(gè)同學(xué)一起創(chuàng)建了中大方略工作室，自己負(fù)責(zé)人員、資金、市場(chǎng)、項(xiàng)目的管理和開(kāi)發(fā)。2002年1月拿到了廣東北電通信設(shè)備有限公司軟件設(shè)計(jì)師的