計(jì)算機(jī)視覺(jué)的主要技術(shù)精選(九篇)

前言：一篇好文章的誕生，需要你不斷地搜集資料、整理思路，本站小編為你收集了豐富的計(jì)算機(jī)視覺(jué)的主要技術(shù)主題范文，僅供參考，歡迎閱讀并收藏。

第1篇：計(jì)算機(jī)視覺(jué)的主要技術(shù)范文

在我國(guó)市場(chǎng)經(jīng)濟(jì)不斷發(fā)展的盛況下，我國(guó)科技發(fā)展水平也緊隨其后，成為世界上的科技強(qiáng)國(guó)之一。在計(jì)算機(jī)水平的不斷提高下，計(jì)算機(jī)視覺(jué)技術(shù)應(yīng)運(yùn)而生。其中，計(jì)算機(jī)視覺(jué)技術(shù)被應(yīng)用與各個(gè)領(lǐng)域，并在各個(gè)領(lǐng)域都得到廣泛有效的應(yīng)用，比如軍事領(lǐng)域、醫(yī)療領(lǐng)域、工業(yè)領(lǐng)域等。本文針對(duì)計(jì)算機(jī)視覺(jué)技術(shù)在交通領(lǐng)域中的應(yīng)用進(jìn)行分析。

【關(guān)鍵詞】計(jì)算機(jī)視覺(jué) 交通領(lǐng)域 探究

近年來(lái)，隨著科技水平的提高，計(jì)算機(jī)視覺(jué)技術(shù)逐漸被人們熟知并廣泛應(yīng)用。相較于其他傳感器來(lái)說(shuō)，視覺(jué)能獲得更多的信息。因此，在我國(guó)交通領(lǐng)域中，也對(duì)計(jì)算機(jī)視覺(jué)技術(shù)進(jìn)行研究完善，將計(jì)算機(jī)視覺(jué)技術(shù)應(yīng)用在交通領(lǐng)域各個(gè)方面中，并取得了顯著的成效。

1 計(jì)算機(jī)視覺(jué)的概述及基本體系結(jié)構(gòu)

1.1 計(jì)算機(jī)視覺(jué)概述

通過(guò)使用計(jì)算機(jī)和相關(guān)設(shè)備，對(duì)生物視覺(jué)進(jìn)行模擬的方式，就是計(jì)算機(jī)視覺(jué)。對(duì)采集到的圖片或視頻進(jìn)行相應(yīng)的技術(shù)處理，從而獲得相應(yīng)的三維信息場(chǎng)景，是計(jì)算機(jī)視覺(jué)的主要任務(wù)。

計(jì)算機(jī)視覺(jué)是一門(mén)學(xué)問(wèn)，它就如何通過(guò)計(jì)算機(jī)和照相機(jī)的運(yùn)用，使人們獲得被拍攝對(duì)象的數(shù)據(jù)與信息所需等問(wèn)題進(jìn)行研究。簡(jiǎn)單的說(shuō)，就是讓計(jì)算機(jī)通過(guò)人們給其安裝上的“大腦”和“眼睛”，對(duì)周?chē)h(huán)境進(jìn)行感知。

計(jì)算機(jī)視覺(jué)是一門(mén)綜合性學(xué)科，在各個(gè)領(lǐng)域都有所作為，已經(jīng)吸引了各個(gè)領(lǐng)域的研究者對(duì)其研究。同時(shí)，計(jì)算機(jī)視覺(jué)也是科學(xué)領(lǐng)域中一個(gè)具有重要挑戰(zhàn)性的研究。

1.2 計(jì)算機(jī)視覺(jué)領(lǐng)域基本體系結(jié)構(gòu)

提出第一個(gè)較為完善的視覺(jué)系統(tǒng)框架的是Marr，他從信息處理系統(tǒng)角度出發(fā)，結(jié)合圖像處理、心理物理學(xué)等多領(lǐng)域的研究成果，提出被計(jì)算機(jī)視覺(jué)工作者基本接受的計(jì)算機(jī)視覺(jué)系統(tǒng)框架。在此基礎(chǔ)上，研究者們針對(duì)視覺(jué)系統(tǒng)框架的各個(gè)角度、各個(gè)階段、各個(gè)功能進(jìn)行分析研究，得出了計(jì)算機(jī)視覺(jué)系統(tǒng)的基本體系結(jié)構(gòu)，如圖1。

2 計(jì)算機(jī)視覺(jué)在交通領(lǐng)域的應(yīng)用

2.1 牌照識(shí)別

車(chē)輛的唯一身份是車(chē)輛牌照。在檢測(cè)違規(guī)車(chē)輛、稽查被盜車(chē)輛和管理停車(chē)場(chǎng)工作中，車(chē)輛牌照的有效識(shí)別與檢測(cè)具有重要的作用和應(yīng)用價(jià)值。然而在實(shí)際應(yīng)用工作中，雖然車(chē)牌識(shí)別技術(shù)相對(duì)成熟，但是由于受到拍攝角度、光照、天氣等因素的影響，車(chē)牌識(shí)別技術(shù)仍需改善。車(chē)牌定位技術(shù)、車(chē)牌字符識(shí)別技術(shù)和車(chē)牌字符分割技術(shù)是組成車(chē)牌識(shí)別技術(shù)的重要部分。

2.2 車(chē)輛檢測(cè)

目前，城市交通路口處紅綠燈的間隔時(shí)間是固定不變的，但是受交通路口的位置不同、時(shí)間不同的影響，每個(gè)交通路口的交通流量也是持續(xù)變化的。此外，對(duì)于某些交通區(qū)域來(lái)說(shuō)，公共資源的配備，比如交通警察、交通車(chē)輛的數(shù)量是有限的。如果能根據(jù)計(jì)算機(jī)視覺(jué)技術(shù)，對(duì)交通路口的不同時(shí)間、不同位置的交通情況進(jìn)行分析計(jì)算，并對(duì)交通流量進(jìn)行預(yù)測(cè)，有利于為交通警察縮短出警時(shí)間、為交通路口的紅綠燈根據(jù)實(shí)際情況設(shè)置動(dòng)態(tài)變化等技術(shù)提供支持。

2.3 統(tǒng)計(jì)公交乘客人數(shù)

城市公共交通的核心內(nèi)容是城市公交調(diào)度問(wèn)題，一個(gè)城市如何合理的解決公交調(diào)度問(wèn)題，是緩解城市運(yùn)力和運(yùn)量矛盾，緩解城市交通緊張的有效措施。城市公交調(diào)度問(wèn)題，為公交公司與乘客的平衡利益，為公交公司的經(jīng)濟(jì)利益和社會(huì)效益的提高做出了巨大的貢獻(xiàn)。由于在不同的地域、不同的時(shí)間，公交客流會(huì)存在不均衡性，高峰時(shí)段的公交乘客過(guò)多，平峰時(shí)段的公交乘客過(guò)少，造成了公交調(diào)度不均衡問(wèn)題，使有限資源浪費(fèi)嚴(yán)重。在計(jì)算機(jī)視覺(jué)智能公交系統(tǒng)中，自動(dòng)乘客計(jì)數(shù)技術(shù)是其關(guān)鍵技術(shù)。自動(dòng)乘客計(jì)數(shù)技術(shù)，是對(duì)乘客上下車(chē)的時(shí)間和地點(diǎn)自動(dòng)收集的最有效的技術(shù)之一。根據(jù)其收集到的數(shù)據(jù)，從時(shí)間和地點(diǎn)兩方面對(duì)客流分析，為城市公交調(diào)度進(jìn)行合理的安排。

2.4 對(duì)車(chē)道偏離程度和駕駛員工作狀態(tài)判斷

交通事故的發(fā)生率隨著車(chē)輛數(shù)量的增加而增加。引發(fā)交通事故的重要因素之一就是駕駛員疲勞駕駛。據(jù)相關(guān)數(shù)據(jù)顯示，因車(chē)道偏離導(dǎo)致的交通事故在40%以上。其中，駕駛員的疲勞駕駛就是導(dǎo)致車(chē)道偏離的主要原因。針對(duì)此種現(xiàn)象，為減少交通事故的發(fā)生，計(jì)算機(jī)視覺(jué)中車(chē)道偏離預(yù)警系統(tǒng)被研究開(kāi)發(fā)并被廣泛應(yīng)用。針對(duì)駕駛員眨眼頻率，利用計(jì)算機(jī)視覺(jué)對(duì)駕駛員面部進(jìn)行圖像處理和分析，再根據(jù)疲勞駕駛關(guān)注度與眨眼頻率的關(guān)系，對(duì)駕駛員的工作狀態(tài)進(jìn)行判斷。此外，根據(jù)道路識(shí)別技術(shù)，對(duì)車(chē)輛行駛狀態(tài)進(jìn)行檢測(cè)，也是判斷駕駛員工作狀態(tài)的方法之一。這兩種方法，是目前基于計(jì)算機(jī)視覺(jué)的基礎(chǔ)上，檢測(cè)駕駛員疲勞狀態(tài)的有效方法。

2.5 路面破損檢測(cè)

最常見(jiàn)的路面損壞方式就是裂縫。利用計(jì)算機(jī)視覺(jué)，及時(shí)發(fā)現(xiàn)路面破損情況，并在其裂縫程度嚴(yán)重之前進(jìn)行修補(bǔ)，有利于節(jié)省維護(hù)成本，也避免出現(xiàn)路面坍塌，車(chē)輛凹陷的情況發(fā)生。利用計(jì)算機(jī)視覺(jué)進(jìn)行路面檢測(cè)，相較于之前人工視覺(jué)檢測(cè)相比，有效提高了視覺(jué)檢測(cè)的效率，增強(qiáng)了自動(dòng)化程度，提高了安全性，為市民的出行安全帶來(lái)了更高保障。

3 結(jié)論

本文從計(jì)算機(jī)視覺(jué)的概述，及計(jì)算機(jī)視覺(jué)基本體系結(jié)構(gòu)，和計(jì)算機(jī)視覺(jué)在交通領(lǐng)域中的應(yīng)用三面進(jìn)行分析，可見(jiàn)計(jì)算機(jī)視覺(jué)在交通領(lǐng)域中的廣泛應(yīng)用，在交通領(lǐng)域中應(yīng)用的有效性、顯著性，以此可得計(jì)算機(jī)視覺(jué)在現(xiàn)展過(guò)程中的重要性。隨著計(jì)算機(jī)視覺(jué)技術(shù)的越來(lái)越成熟，交通領(lǐng)域的檢測(cè)管理一定會(huì)加嚴(yán)格，更加安全。

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)，2015（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)，2015（04）.

[3]李釗稱.主動(dòng)測(cè)距技術(shù)在計(jì)算機(jī)數(shù)據(jù)分析中的作用探析[J].計(jì)算機(jī)應(yīng)用，2015（08）.

[4]馬良紅.三維物體影像的攝取與分析[J].中國(guó)公路學(xué)報(bào)，2014（05）.

[5]朱學(xué)君，沈睿.關(guān)于計(jì)算機(jī)視覺(jué)在交通領(lǐng)域中的探討[J].信息通信，2013（01）：123.

[6]王大勇.關(guān)于計(jì)算機(jī)視覺(jué)在交通領(lǐng)域中的應(yīng)用分析[J].科技與企業(yè)，2013（01）：115.

作者簡(jiǎn)介

夏棟（1988-），男，湖北省孝感市人?，F(xiàn)為同濟(jì)大學(xué)軟件學(xué)院在讀碩士。研究方向?yàn)橛?jì)算機(jī)視覺(jué)。

第2篇：計(jì)算機(jī)視覺(jué)的主要技術(shù)范文

【關(guān)鍵詞】計(jì)算機(jī) 視覺(jué) 圖像處理 技術(shù)

一、引言

隨著計(jì)算機(jī)技術(shù)的不斷發(fā)展，在20世紀(jì)60年底產(chǎn)生了計(jì)算機(jī)視覺(jué)學(xué)這一學(xué)科。計(jì)算機(jī)視覺(jué)是借助計(jì)算機(jī)以及各種設(shè)備，進(jìn)行生物視覺(jué)模擬的一種技術(shù)。計(jì)算機(jī)視覺(jué)學(xué)的主要任務(wù)，是借助已掌握的圖片、視頻等資料，進(jìn)行計(jì)算與處理，和人類(lèi)及其他生物的視覺(jué)過(guò)程一樣，

得到相應(yīng)形式的三維數(shù)據(jù)信息。計(jì)算機(jī)視覺(jué)學(xué)的發(fā)展，在工業(yè)、農(nóng)業(yè)的生產(chǎn)中，地質(zhì)勘探、天文、醫(yī)學(xué)觀察等領(lǐng)域也有著重要的應(yīng)用價(jià)值。因此，視覺(jué)學(xué)的研究和應(yīng)用轉(zhuǎn)化受到了越來(lái)越多的重視。

二、計(jì)算機(jī)視覺(jué)學(xué)的圖像分割研究

（一）數(shù)據(jù)驅(qū)動(dòng)的分割研究

在計(jì)算機(jī)視覺(jué)學(xué)應(yīng)用過(guò)程中，經(jīng)常進(jìn)行的數(shù)據(jù)驅(qū)動(dòng)分割有下面幾項(xiàng)內(nèi)容：第一種是邊緣檢測(cè)的分割、第二種是區(qū)域分割、第三種是邊緣和區(qū)域相互結(jié)合的分割。第一種基于邊緣檢測(cè)的分割，這種分割的基本方法：首先對(duì)檢測(cè)圖像的邊緣點(diǎn)進(jìn)行檢測(cè)，然后根據(jù)一定的法則進(jìn)行輪廓的連接，獲得分割的區(qū)域?；谶吘墮z測(cè)的分割其難點(diǎn)是邊緣檢測(cè)時(shí)如何處理好抗噪聲性能、檢測(cè)的精度之間的矛盾。所以，在研究的過(guò)程中，提出了多種多尺度邊緣檢測(cè)的方法，按照實(shí)際問(wèn)題進(jìn)行多尺度邊緣信息設(shè)計(jì)等方案，以獲得更為合適的抗噪性能和檢測(cè)的精度。第二種基于區(qū)域的分割，它的基本思想是按照?qǐng)D像數(shù)據(jù)的特點(diǎn)，將整個(gè)圖像的空間劃分成為幾個(gè)不同的區(qū)域進(jìn)行圖像處理。

（二）計(jì)算機(jī)視覺(jué)學(xué)模型驅(qū)動(dòng)的分割

經(jīng)常使用的模型驅(qū)動(dòng)分割有下面三種，第一種模型是基于動(dòng)態(tài)輪廓的模型、第二種模型是組合優(yōu)化模型、第三種模型是目標(biāo)幾何與統(tǒng)計(jì)模型。第一種是基于動(dòng)態(tài)輪廓的模型用在進(jìn)行分割目標(biāo)的動(dòng)態(tài)輪廓，因?yàn)槠淠芰亢瘮?shù)使用的是積分運(yùn)算，有著很好的抗噪性能，對(duì)于目標(biāo)的局部模糊也不敏感，所以其適用性很廣。但這種分割方法容易收斂到局部最優(yōu)，因此要求初始輪廓應(yīng)盡可能靠近真實(shí)輪廓。通過(guò)組合優(yōu)化的方法進(jìn)行分割問(wèn)題的處理，是使用一目標(biāo)函數(shù)綜合表示分割的相關(guān)要求以及約束，把分割變?yōu)槟繕?biāo)函數(shù)的優(yōu)化求解。因?yàn)槟繕?biāo)函數(shù)多數(shù)情況下作為多變量函數(shù)存在的，因此可以通過(guò)使用隨機(jī)優(yōu)化的方法來(lái)實(shí)現(xiàn)。

（三）計(jì)算機(jī)視覺(jué)學(xué)圖像分割的半自動(dòng)方法

通過(guò)對(duì)人工參與程度的分，我們可以得出圖像分割，主要有三種類(lèi)型即：人工圖像分割、半自動(dòng)圖像分割、自動(dòng)圖像分割等。人工圖像分割指的是操作者使用鼠標(biāo)，將分割區(qū)域的輪廓進(jìn)行勾畫(huà)的方法，人工圖像分割的缺點(diǎn)是費(fèi)時(shí)費(fèi)力，而且很容易就會(huì)受到一些主觀因素的影響，并且人工圖像分割的可重復(fù)性較差。自動(dòng)圖像分割不需要借助人機(jī)交互就能完成，但是也很難實(shí)現(xiàn)同一批圖像處理的滿意分割效果。半自動(dòng)分割這種形式指的是將人機(jī)交互同自動(dòng)分割結(jié)合在一起，半自動(dòng)分割可以實(shí)現(xiàn)對(duì)不同圖像與處理需求的適應(yīng)，并且可以大大降低計(jì)算過(guò)程的復(fù)雜性。在計(jì)算機(jī)技術(shù)不斷發(fā)展的背景下，計(jì)算速度和容量有了大幅度的提升，計(jì)算機(jī)圖像處理及視覺(jué)應(yīng)用取得了豐碩的成果。

三、計(jì)算機(jī)視覺(jué)技術(shù)的分析

（一）以模型為研究對(duì)象的處理方法

在以模型世界作為研究對(duì)象的視覺(jué)學(xué)研究過(guò)程中，以Roberts的開(kāi)創(chuàng)性工作作為一種標(biāo)志，在他的工作過(guò)程中，引進(jìn)了三維物體與二維物體成像的關(guān)系，使用較為簡(jiǎn)單的邊緣特征提取、組合線段等手段和方法。他對(duì)三維關(guān)系的分析只是按照簡(jiǎn)單的邊緣線段的約束關(guān)系，缺乏對(duì)人類(lèi)或其他動(dòng)物視覺(jué)系統(tǒng)感知三維空間關(guān)系的充分考慮。但是早期的這些研究工作，對(duì)計(jì)算機(jī)視覺(jué)學(xué)的研究和發(fā)展發(fā)揮了良好的促進(jìn)意義，但是對(duì)于較為復(fù)雜的景物就不能夠奏效。

（二）以計(jì)算理論為主體的視覺(jué)模型

隨著計(jì)算機(jī)視覺(jué)研究的不斷深入，在二十世紀(jì)七十年代，計(jì)算機(jī)視覺(jué)技術(shù)的研究，開(kāi)始向著更為理性的階段發(fā)展，主要表現(xiàn)在：不同本征特性的恢復(fù)，恢復(fù)的內(nèi)容有三維形狀恢復(fù)、運(yùn)動(dòng)恢復(fù)、光源恢復(fù)等等。研究的出發(fā)點(diǎn)是光學(xué)、生理學(xué)以及射影幾何的視角出發(fā)，對(duì)成像及其逆等問(wèn)題進(jìn)行研究。在這個(gè)過(guò)程中，一些學(xué)者提出了以表示作為核心、通過(guò)算法作為中間轉(zhuǎn)換過(guò)程的視覺(jué)處理模型，例如：著名的計(jì)算機(jī)視覺(jué)學(xué)研究者M(jìn)arr就提出了這些觀點(diǎn)，在他的理論里面，對(duì)表示的重要意義進(jìn)行強(qiáng)調(diào)，并且從不同層面上對(duì)信息處理問(wèn)題進(jìn)行了研究。

（三）計(jì)算機(jī)視覺(jué)的應(yīng)用研究

在現(xiàn)實(shí)生活和生產(chǎn)的過(guò)程中，計(jì)算機(jī)視覺(jué)主要應(yīng)用在照片資料、視頻資料處理上，例如：航空照片的處理、衛(wèi)星照片的編譯、醫(yī)學(xué)領(lǐng)域的輔診斷、移動(dòng)機(jī)器人視覺(jué)導(dǎo)航等等。其中，工業(yè)機(jī)器人手眼系統(tǒng)的研發(fā)，成為計(jì)算機(jī)視覺(jué)應(yīng)用最具代表性的成果之一。因?yàn)楣I(yè)生產(chǎn)、施工等現(xiàn)場(chǎng)等因素具有一定的復(fù)雜性，這種環(huán)境下的光照、成像特點(diǎn)等等可以控制，這就使得計(jì)算機(jī)視覺(jué)的應(yīng)用更為簡(jiǎn)單，對(duì)于系統(tǒng)的實(shí)際構(gòu)成有著很好的作用。移動(dòng)機(jī)器人與工業(yè)機(jī)器人不同之處就是移動(dòng)機(jī)器人具有一定的行為能力，這就需要研究者解決機(jī)器人的行為規(guī)劃問(wèn)題。在移動(dòng)機(jī)器人種類(lèi)、智能化水平不斷提升的背景下，對(duì)視覺(jué)能力的要求也越來(lái)越高，這也使得計(jì)算機(jī)視覺(jué)有了更為廣闊的應(yīng)用前景。

四、結(jié)語(yǔ)

綜上所述，計(jì)算機(jī)視覺(jué)學(xué)作為人類(lèi)科技發(fā)展和社會(huì)進(jìn)步的一種學(xué)科體現(xiàn)，在前進(jìn)和發(fā)展的過(guò)程中，通過(guò)研究者和應(yīng)用者的不斷總結(jié)和探究，取得了豐碩的成果。在未來(lái)視覺(jué)技術(shù)發(fā)展的道路上，仍然有大量的工作需要進(jìn)行研究。

參考文獻(xiàn)：

[1]韓祥波， 劉戰(zhàn)麗. 計(jì)算機(jī)圖像處理技術(shù)在農(nóng)產(chǎn)品檢測(cè)分級(jí)中的應(yīng)用[J]. 安徽農(nóng)業(yè)科學(xué) ， 2013，（34）

[2]趙萍， 李永奎， 林靜， 白雪衛(wèi). 數(shù)字圖像處理技術(shù)在農(nóng)產(chǎn)品方面的應(yīng)用[J]. 農(nóng)機(jī)化研究 ， 2012，（11）

第3篇：計(jì)算機(jī)視覺(jué)的主要技術(shù)范文

關(guān)鍵詞：計(jì)算機(jī)視覺(jué)；案例推理；圖像處理；圖像描述

中圖分類(lèi)號(hào)：TP391.41 文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1009-3044(2007)04-11102-03

1 引言

基于案例推理(case-base reasoning)是人工智能中正不斷發(fā)展的一項(xiàng)重要推理技術(shù)。基于案例推理與類(lèi)比推理方法相似，案例推理將舊經(jīng)驗(yàn)或教訓(xùn)轉(zhuǎn)換為知識(shí)，出現(xiàn)新問(wèn)題時(shí)，首先查找以前是否有相似的案例，并用相似案例解決新問(wèn)題。如果沒(méi)遇到相似案例的,經(jīng)過(guò)推理后解決新問(wèn)題的方法，又會(huì)成為新的案例或新經(jīng)驗(yàn)，下一次再遇到相同問(wèn)題時(shí)，就可以復(fù)用這些案例或經(jīng)驗(yàn)。

這與人遇到問(wèn)題時(shí)，首先會(huì)用經(jīng)驗(yàn)思考解決問(wèn)題的方式相似，這也是解決問(wèn)題較好的方法?；诎咐评響?yīng)用于工業(yè)產(chǎn)品檢測(cè)或故障診斷時(shí)具有以下特點(diǎn)：

CBR智能化程度較高。利用案例中隱含的難以規(guī)則化的知識(shí)，以輔助規(guī)則推理的不足，提高故障診斷系統(tǒng)的智能化程度。

CBR較好解決“知識(shí)獲取”的瓶頸。CBR知識(shí)表示以案例為基礎(chǔ)，案例的獲取比規(guī)則獲取要容易，大大簡(jiǎn)化知識(shí)獲取的過(guò)。

CBR求解效率較高。是對(duì)過(guò)去的求解結(jié)果進(jìn)行復(fù)用，而不是再次從頭開(kāi)始推導(dǎo)，可以提高對(duì)新問(wèn)題的求解效率。

CBR求解的質(zhì)量較高。CBR以過(guò)去求解成功或失敗的經(jīng)歷，可以指導(dǎo)當(dāng)前求解時(shí)該怎樣走向成功或避開(kāi)失敗。

CBR持續(xù)不斷的學(xué)習(xí)能力，使得它可以適應(yīng)于將來(lái)問(wèn)題的解決。

所以基于案例推理方法正不斷應(yīng)用在產(chǎn)品質(zhì)量檢測(cè)和設(shè)備故障診斷方面，并取得較好的經(jīng)濟(jì)效益。為了產(chǎn)品檢測(cè)和設(shè)備故障診斷中，更為智能化，更容易實(shí)現(xiàn)現(xiàn)場(chǎng)檢測(cè)和診斷，計(jì)算機(jī)視覺(jué)技術(shù)起到很大的作用。

計(jì)算機(jī)視覺(jué)是研究用計(jì)算機(jī)來(lái)模擬人和生物的視覺(jué)系統(tǒng)功能的技術(shù)學(xué)科，使計(jì)算機(jī)具有感知周?chē)曈X(jué)世界的能力。通過(guò)計(jì)算機(jī)視覺(jué)，進(jìn)行圖像的獲取預(yù)處理、圖像分割與特征抽取、識(shí)別與分類(lèi)、三維信息理解、景物描述、圖像解釋，讓計(jì)算機(jī)具有對(duì)周?chē)澜绲目臻g物體進(jìn)行傳感、抽象、判斷的能力，從而達(dá)到識(shí)別、理解的目的。

計(jì)算機(jī)視覺(jué)隨著科學(xué)技術(shù)發(fā)展，特別計(jì)算機(jī)技術(shù)、通信技術(shù)、圖像采集技術(shù)、傳感器技術(shù)等，以及神經(jīng)網(wǎng)絡(luò)理論、模糊數(shù)學(xué)理論、小波的分析理論等計(jì)算機(jī)視覺(jué)理論的不斷發(fā)展和日趨成熟，使計(jì)算機(jī)視覺(jué)從上世紀(jì)60年代開(kāi)始興起發(fā)展到現(xiàn)在，取得快速發(fā)展，已經(jīng)從簡(jiǎn)單圖像質(zhì)量處理發(fā)展到圍繞著紋理分析、圖像編碼、圖像分割和濾波等研究。圖像的分析與處理，也由靜止轉(zhuǎn)向運(yùn)動(dòng)，由二維轉(zhuǎn)向三維，并主要著眼于對(duì)圖像的識(shí)別和理解上，也使計(jì)算機(jī)視覺(jué)的應(yīng)用領(lǐng)域更為廣泛，為案例推理中運(yùn)用計(jì)算機(jī)視覺(jué)打下基礎(chǔ)。

2 案例推理系統(tǒng)的主要關(guān)鍵技術(shù)

（1）案例的表示與組織

案例的表示與組織即是如何抽取案例的特征變量，并以一定的結(jié)構(gòu)在計(jì)算機(jī)中組織存儲(chǔ)。如何將信息抽取出特征變量，選擇什么語(yǔ)言描述案例和選擇什么內(nèi)容存放在案例中，案例按什么組織結(jié)構(gòu)存放在存儲(chǔ)器中，這關(guān)系到基于案例推理方法的效率，而且對(duì)于案例數(shù)量越來(lái)越多，結(jié)構(gòu)十分復(fù)雜的案例庫(kù)，尤其重要。

（2）案例的索引與檢索

案例的索引與檢索即是為了查找最佳相似案例，如何建立案例索引和相似度算法，利用檢索信息從案例庫(kù)中檢索并選擇潛在可用相似案例。后面的工作能否發(fā)揮出應(yīng)有的作用，很大程度上依賴于這一階段得到的案例質(zhì)量的高低，因此這一步非常關(guān)鍵。

（3）案例的復(fù)用和調(diào)整

案例的復(fù)用即是如何根據(jù)舊案例得出新解，涉及到找出案例與新問(wèn)題之間的不同之處，案例中的哪些部分可以用于新問(wèn)題，哪些部分不適合應(yīng)用于新問(wèn)題的解決。而復(fù)用還分案例的結(jié)果復(fù)用，案例的求解方法復(fù)用。

（4）案例的學(xué)習(xí)

案例的學(xué)習(xí)即是將新解添加到案例庫(kù)中，擴(kuò)充案例庫(kù)的案例種類(lèi)與數(shù)量，這過(guò)程也是知識(shí)獲取。此過(guò)程涉及選取哪些信息保留，以及如何把新案例有機(jī)集成到案例庫(kù)中，包括如何存儲(chǔ)，如何建立索引等等。

針對(duì)案例推理的關(guān)鍵技術(shù)，根據(jù)檢測(cè)和故障診斷系統(tǒng)的特點(diǎn)，計(jì)算機(jī)視覺(jué)主要解決如何將產(chǎn)品圖像輸入系統(tǒng)，如何將產(chǎn)品圖像特征進(jìn)行抽取和描述，如何區(qū)別產(chǎn)品不同之處。以便案例推理系統(tǒng)進(jìn)行案例建模，確立案例的表示形成和案例相似度的計(jì)算。本文主要從計(jì)算機(jī)視覺(jué)如何運(yùn)用在案例推理系統(tǒng)進(jìn)行探討。

3 產(chǎn)品輸入系統(tǒng)

產(chǎn)品輸入系統(tǒng)在不同產(chǎn)品類(lèi)型和生產(chǎn)環(huán)境可能有不同之處，主要應(yīng)有傳感器單元和圖像采集單元。如圖1。

圖1 產(chǎn)品輸入系統(tǒng)結(jié)構(gòu)

傳感器單元主要判斷是否有產(chǎn)品存在，是否需要進(jìn)行圖像采集，是否繼續(xù)下一個(gè)產(chǎn)品圖像的采集。這簡(jiǎn)單傳感器可使用光電開(kāi)關(guān)，配合光源，當(dāng)產(chǎn)品經(jīng)過(guò)時(shí)，產(chǎn)品遮擋住光源，使光電開(kāi)關(guān)產(chǎn)生一個(gè)0值，而沒(méi)有產(chǎn)品經(jīng)過(guò)時(shí)，光電開(kāi)關(guān)產(chǎn)生相反的1值，系統(tǒng)通過(guò)判斷光電開(kāi)關(guān)的值，從而判斷是否有產(chǎn)品。

圖像采集單元簡(jiǎn)單地說(shuō)是將產(chǎn)品拍攝并形成數(shù)字化圖像，主要包括光源、反射鏡、CCD相機(jī)和圖像采集卡等組成。光源和反射鏡作用主要使圖像中的物體和背景之間有較大灰度。CCD相機(jī)主要是拍攝設(shè)備。圖像采集卡主要是將圖像數(shù)字化。通過(guò)傳感器判斷有產(chǎn)品后，光源發(fā)出的光均勻地照在被測(cè)件上，CCD相機(jī)拍攝，拍攝圖像經(jīng)過(guò)圖像采集卡數(shù)字化后輸入存儲(chǔ)設(shè)備。存儲(chǔ)設(shè)備即為計(jì)算機(jī)硬盤(pán)。存放原始圖像、數(shù)據(jù)、處理結(jié)果等。

這是案例推理系統(tǒng)的原始數(shù)據(jù),是圖像處理、圖像特征抽取描述的基礎(chǔ)。

4 圖像處理

在案例推理系統(tǒng)中，需要對(duì)案例的組織和案例建模，案例的組織即案例的表示，相對(duì)計(jì)算機(jī)而言，即圖像特征的抽取，即某圖像具有與其它圖像不同之處，用于區(qū)別其它圖像，具有唯一性。同時(shí)，又能完整地表示該圖像。所以案例的表示要體現(xiàn)案例的完整性、唯一性、操作容易性。

圖像中有顏色區(qū)別、又有物體大小之分以及圖像由不同的物體組成。如何表示圖像，或說(shuō)圖像內(nèi)部包含表示的本質(zhì)，即圖像的描述。根據(jù)圖像特點(diǎn)，確立圖像案例的表示，以圖像的像素、圖像的數(shù)字化外觀、圖像物體的數(shù)字組成等屬性。這需要對(duì)產(chǎn)品輸入的原始圖像進(jìn)行處理。

在計(jì)算機(jī)視覺(jué)技術(shù)中，對(duì)原始圖像主要進(jìn)行圖像增強(qiáng)、平滑、邊緣銳化、分割、特征抽取、圖像識(shí)別與理解等內(nèi)容。經(jīng)過(guò)這些處理后，輸出圖像的質(zhì)量得到相當(dāng)程度的改善，既改善了圖像的視覺(jué)效果，又便于計(jì)算機(jī)對(duì)圖像進(jìn)行分析、處理和識(shí)別。具體工作流程如圖2所示：

圖2 計(jì)算機(jī)視覺(jué)的任務(wù)與工作流程

圖像預(yù)處理是將產(chǎn)品的數(shù)字圖像輸入計(jì)算機(jī)后，首先要進(jìn)行圖像的預(yù)處理，主要完成對(duì)圖像噪聲的消除以及零件的邊緣提取。預(yù)處理的步驟為：圖像二值化處理；圖像的平滑處理；圖像的邊緣提取。

圖像二值化處理主將灰度圖形二值化的關(guān)鍵是閾值的選取，由于物體與背景有明顯的灰度差，可以選取根據(jù)灰度直方圖中兩峰之間的谷值作為閾值來(lái)分割目標(biāo)和背景。

圖像的平滑處理技術(shù)即圖像的去噪聲處理，主要是為了去除實(shí)際成像過(guò)程中因成像設(shè)備和環(huán)境所造成的圖像失真，提取有用信息。

圖像邊緣提取是為了將圖像中有意義的對(duì)象與其背景分開(kāi)，并使之具有某種指定的數(shù)學(xué)或符號(hào)表達(dá)形式，使計(jì)算機(jī)能夠理解對(duì)象的具體含義，檢測(cè)出邊緣的圖像就可以進(jìn)行特征提取和形狀分析了?？刹捎枚喾N算法，如采用Sobel算子提取邊緣。

圖像預(yù)處理是為下一步的特征描述打基礎(chǔ)，預(yù)處理的好壞直接影響案例推理的結(jié)果和檢測(cè)診斷的效率。

特征提取是對(duì)圖像進(jìn)行描述，是案例建模關(guān)鍵，案例建模是根據(jù)案例組織要求抽取圖像特征，是建立案例索引和檢索的關(guān)鍵。如果圖像沒(méi)有特征，就談不上進(jìn)行檢索。圖像特征可通過(guò)圖像邊界、圖像分割、圖像的紋理等方法，確定圖像特征，包括是什么產(chǎn)品、產(chǎn)品形狀大小、產(chǎn)品顏色，產(chǎn)品有什么缺陷、產(chǎn)品缺陷在什么位置等特征，根據(jù)這些圖像特征進(jìn)行描述，形成計(jì)算機(jī)中屬性值，并從數(shù)據(jù)庫(kù)查找相應(yīng)信息資料，從而確定產(chǎn)品之間的關(guān)系，相似度，也就是案例推理的方向。

5 系統(tǒng)的檢索

根據(jù)案例推理原理和相應(yīng)算法，建立案例推理系統(tǒng)模型，如圖3所示。

圖3 案例推理系統(tǒng)

對(duì)話系統(tǒng)：完成人機(jī)交互、問(wèn)題描述、結(jié)果顯示和系統(tǒng)總控制。

案例庫(kù)系統(tǒng)：由案例庫(kù)及案例庫(kù)管理系統(tǒng)組成。

數(shù)據(jù)析取系統(tǒng)：對(duì)各種已有的源數(shù)據(jù)庫(kù)的數(shù)據(jù)通過(guò)轉(zhuǎn)換而形成所需的數(shù)據(jù)。

多庫(kù)協(xié)同器：根據(jù)問(wèn)題求解的需要，按照一定的數(shù)據(jù)抽取策略，完成問(wèn)題求解過(guò)程中對(duì)模型庫(kù)系統(tǒng)、方法庫(kù)系統(tǒng)、知識(shí)庫(kù)系統(tǒng)和數(shù)據(jù)庫(kù)系統(tǒng)等資源的調(diào)度與協(xié)調(diào)。

知識(shí)庫(kù)系統(tǒng)：由產(chǎn)生式規(guī)則組成，這些知識(shí)包括專家經(jīng)驗(yàn)和以規(guī)則形式表示的有關(guān)知識(shí)，也可以是數(shù)據(jù)挖掘結(jié)論，支持案例檢索、案例分析、案例調(diào)整等。 模型庫(kù)系統(tǒng)：由模型庫(kù)、算法庫(kù)、模型庫(kù)管理系統(tǒng)組成。完成模型識(shí)別和調(diào)用，并把結(jié)果綜合，送入對(duì)話系統(tǒng)顯示，作為補(bǔ)充信息供案例檢索、調(diào)整使用。

數(shù)據(jù)庫(kù)系統(tǒng)：存放待決策支持的所有問(wèn)題，并完成其維護(hù)與查詢等功能。

由于系統(tǒng)主要應(yīng)用產(chǎn)品的現(xiàn)場(chǎng)實(shí)時(shí)檢測(cè)監(jiān)控或故障診斷，所以系統(tǒng)的檢索時(shí)，也必須輸入檢索值，即輸入現(xiàn)場(chǎng)產(chǎn)品的圖像，在通過(guò)產(chǎn)品預(yù)處理、圖像的二值化、分割和邊界處理后，進(jìn)行圖像特征描述，根據(jù)圖像描述進(jìn)行分類(lèi)識(shí)別。根據(jù)案例推理的算法檢索案例庫(kù)中，是否有相似的案例。即確定相似度。相似度確定主要由案例推理的算法確定，如貼近分析法。確定相似度最大作為結(jié)果，并將案例的解輸出，給相關(guān)控制系統(tǒng)進(jìn)行決策。如產(chǎn)品質(zhì)量檢測(cè)，確定產(chǎn)品質(zhì)量是否合格，是否有不合格產(chǎn)品，不合格產(chǎn)品是什么原因造成，故障源是什么，如何解決和排除故障，等等。

6 結(jié)論

案例推理方法有效地解決計(jì)算機(jī)視覺(jué)技術(shù)中圖像檢索問(wèn)題。對(duì)提高圖像檢索的效率和準(zhǔn)確度提供了平臺(tái)。

計(jì)算機(jī)視覺(jué)技術(shù)也為案例推理系統(tǒng)實(shí)現(xiàn)產(chǎn)品現(xiàn)場(chǎng)實(shí)時(shí)檢測(cè)、監(jiān)控、診斷提供技術(shù)支持。計(jì)算機(jī)視覺(jué)技術(shù)現(xiàn)場(chǎng)的數(shù)據(jù)采集、處理為案例推理打好基礎(chǔ)。

兩者的結(jié)合設(shè)計(jì)的系統(tǒng)適用范圍很廣，只要產(chǎn)品需要進(jìn)行質(zhì)量檢測(cè)、監(jiān)控，或設(shè)備需要進(jìn)行故障診斷和維護(hù)，都可以適用。

系統(tǒng)提供的實(shí)時(shí)檢測(cè)、監(jiān)控和診斷功能，提高企業(yè)的生產(chǎn)效益，降低了生產(chǎn)成本。

參考文獻(xiàn)：

[1]（美）?？希⊿onka,M）.圖像處理分析與機(jī)器視覺(jué)[M].人民郵電出版社.

[2]王宏等譯.計(jì)算機(jī)視覺(jué)[M].電子工業(yè)出版社.

[3]蔡建榮.自然場(chǎng)景下成熟水果的計(jì)算機(jī)視覺(jué)識(shí)別[J].農(nóng)業(yè)機(jī)械，36(2)：61-64.

[4]王宇輝.基于計(jì)算機(jī)視覺(jué)的錐體零件尺寸在線檢測(cè)算法[J].重型機(jī)械，2005,2：4-6

[5]駱志堅(jiān).基于計(jì)算機(jī)視覺(jué)檢測(cè)技術(shù)自動(dòng)計(jì)數(shù)系統(tǒng)的研究與應(yīng)用[J].儀表技術(shù)與傳感器,2005,3：41-43.

[6]左小德.貼近度分析法在案例庫(kù)推理中的應(yīng)用[J],南大學(xué)學(xué)報(bào)(自然科學(xué)版)，1997，18(1):21-26.

[7]姜麗紅.案例推理在智能化預(yù)測(cè)支持系統(tǒng)中的應(yīng)用研究[J].決策與決策支持系統(tǒng),1996,6(4):63-69.

第4篇：計(jì)算機(jī)視覺(jué)的主要技術(shù)范文

【關(guān)鍵詞】計(jì)算機(jī)視覺(jué)；構(gòu)件；表面特征；檢測(cè)

表面缺陷檢測(cè)以及特征提取，所涉及的范圍是非常廣泛的，包括了鐵軌表面缺陷、帶鋼表面缺陷以及織物表面缺陷等。因此加強(qiáng)對(duì)產(chǎn)品的表面缺陷提取以及質(zhì)量檢測(cè)顯得尤為重要，目前基于計(jì)算機(jī)視覺(jué)的構(gòu)件缺陷檢測(cè)系統(tǒng)已經(jīng)受到國(guó)內(nèi)外研究人員的重視，如何更好地將計(jì)算機(jī)視覺(jué)技術(shù)引入到產(chǎn)品表面質(zhì)量缺陷檢測(cè)中去是未來(lái)發(fā)展的重點(diǎn)。筆者將在下文中就此展開(kāi)詳細(xì)的闡述。

1.計(jì)算機(jī)視覺(jué)的基本工作原理

1.1系統(tǒng)結(jié)構(gòu)

計(jì)算機(jī)視覺(jué)是一項(xiàng)涉及范圍廣泛的技術(shù)，他通過(guò)圖像采集裝置將檢測(cè)目標(biāo)轉(zhuǎn)化為圖像信號(hào)，再經(jīng)過(guò)專門(mén)性的額圖像處理系統(tǒng)最終生成具體的表面特征。具體來(lái)講在圖像處理環(huán)節(jié)米旭濤根據(jù)圖像的具體像素以及圖像分布和顏色、亮度、飽和度等進(jìn)行目標(biāo)提取，再比照系統(tǒng)預(yù)設(shè)的參照值得出最終的檢測(cè)結(jié)果，例如尺寸大小、顏色等師傅偶合格。計(jì)算機(jī)視覺(jué)處理系統(tǒng)包括了光源、鏡頭、計(jì)算機(jī)以及圖像采集裝置和處理系統(tǒng)等，這些系統(tǒng)綜合組成共同推動(dòng)了計(jì)算機(jī)視覺(jué)系統(tǒng)的正常穩(wěn)定運(yùn)行。

1.2計(jì)算機(jī)視覺(jué)硬件設(shè)計(jì)

計(jì)算機(jī)視覺(jué)系統(tǒng)的硬件平臺(tái)包括了照明系統(tǒng)、鏡頭相機(jī)以及圖像采集裝置和工控機(jī)四個(gè)部分，這四個(gè)部分缺一不可，共同組成了整個(gè)計(jì)算機(jī)視覺(jué)系統(tǒng)。

1.2.1照明系統(tǒng)

照明系統(tǒng)是整個(gè)計(jì)算機(jī)視覺(jué)系統(tǒng)的關(guān)鍵，尤其是在光源和照明方案的配合上更是直接影響了整個(gè)系統(tǒng)運(yùn)行的成敗。因此在照明方案的制定以及光源的選擇上應(yīng)該盡可能的突出物體特征參量，綜合考慮對(duì)比度以及亮度等因素，將計(jì)算機(jī)視覺(jué)系統(tǒng)的光源與照明方案相匹配，選擇需要的幾何形狀以及均勻度等，同時(shí)還需要結(jié)合被檢測(cè)物體的表面特征幾何形狀。針對(duì)構(gòu)件表面缺陷的照明方案，筆者認(rèn)為應(yīng)該選擇功率相對(duì)較大的LED光源，用低角度的方式進(jìn)行照明。

1.2.2相機(jī)鏡頭

相機(jī)系統(tǒng)是成像的關(guān)鍵，因此在相機(jī)鏡頭的選擇上應(yīng)該適用于具體的構(gòu)件。一般來(lái)說(shuō)相機(jī)鏡頭包括了兩方面內(nèi)容，一是線掃，二是面掃。通過(guò)二者的綜合運(yùn)用實(shí)現(xiàn)更好地成像效果。

1.2.3圖像采集卡

圖像采集卡主要是指在計(jì)算機(jī)視覺(jué)系統(tǒng)中位于圖像裁剪機(jī)設(shè)備和圖像處理設(shè)備之間的重要接口。是成像的中間環(huán)節(jié)，發(fā)揮著不可或缺的作用。

2.基于計(jì)算機(jī)視覺(jué)的構(gòu)件表面缺陷特征提取

基于計(jì)算機(jī)視覺(jué)的構(gòu)件表面缺陷特征提取可以分為為三個(gè)重要部分，分別是圖像預(yù)處理部分：主要是指針對(duì)構(gòu)件進(jìn)行區(qū)域的定位，將非構(gòu)件的部分移出計(jì)算機(jī)視覺(jué)的缺陷提取技術(shù)中去，從而降低了后續(xù)工作的工作難度；其次是進(jìn)行缺陷定位，主要是指通過(guò)特定的技術(shù)和算法將缺陷從結(jié)果當(dāng)中直接分離出來(lái)。第三部分是缺陷特征的提取，也是系統(tǒng)處理的結(jié)果部分，是通過(guò)計(jì)算缺陷的程度以及缺陷大小，從而為后期的構(gòu)件維護(hù)提供參考依據(jù)。具體來(lái)說(shuō)，這三個(gè)部分的操作主要體現(xiàn)在以下幾個(gè)方面：

2.1區(qū)域定位

區(qū)域定位是減少構(gòu)件處理和選擇時(shí)間的關(guān)鍵，能夠大大提高構(gòu)件缺陷提取的效率。構(gòu)件的表面的基本特征和大致集合框架提取是區(qū)域定位和的第一步，要將計(jì)算機(jī)區(qū)域定位和缺陷提取結(jié)合起來(lái)，更好地實(shí)現(xiàn)缺陷分析。要做好構(gòu)件的區(qū)域定位首先需要明確構(gòu)件的基本種類(lèi)和特征：一是根據(jù)構(gòu)件的重用方式來(lái)說(shuō)，可以分為白匣子、灰匣子、黑匣子從構(gòu)件的使用范圍來(lái)看又可以分為通用構(gòu)件和專用構(gòu)件；根據(jù)構(gòu)件的粒度的大小可以分為小。中大三種不同粒度的構(gòu)件；再次是從構(gòu)件的功能上來(lái)看可以分為系統(tǒng)構(gòu)件、支撐構(gòu)件以及領(lǐng)域構(gòu)件三個(gè)部分。四是從構(gòu)件的基本結(jié)構(gòu)特征來(lái)看可以分為原子構(gòu)件以及組合構(gòu)件。最后從構(gòu)件的狀態(tài)來(lái)說(shuō)，又可以分為動(dòng)態(tài)和靜態(tài)構(gòu)件。因此從不同種類(lèi)的構(gòu)件進(jìn)行區(qū)域定位為視覺(jué)系統(tǒng)正常運(yùn)行創(chuàng)造了優(yōu)良的條件。

2.2缺陷提取

在進(jìn)行缺陷提取的過(guò)程中，難免會(huì)受到客觀的環(huán)境影響，比如噪聲、溫度以及濕度等對(duì)圖像處理的結(jié)果產(chǎn)生影響，因此需要對(duì)區(qū)域定位中產(chǎn)生的區(qū)域進(jìn)行濾波處理，然后再采用閾值分割的辦法進(jìn)行缺陷提取。具體操作步驟如下所示：

（1）計(jì)算出成像中的最小最大灰度值，并且設(shè)置初始閾值。

（2）根據(jù)閾值，結(jié)合圖像的分割目標(biāo)，將圖像分割成為目標(biāo)和背景兩個(gè)部分，求導(dǎo)出平均灰度值。

（3）再根據(jù)新的平均灰度值計(jì)算出新的閾值。

（4）觀察閾值的初始值與新閾值之間的關(guān)系，如歌二者相等則整個(gè)計(jì)算過(guò)程就結(jié)束，如果不相等，則就需要進(jìn)一步計(jì)算。

通過(guò)閾值計(jì)算得出啊的最佳閾值分割效果圖，能夠進(jìn)行初步的缺陷預(yù)判，但是初步預(yù)判當(dāng)中還存在較多的不確定因素，主要包括兩類(lèi)，一是在邊緣部分出現(xiàn)的細(xì)小毛刺，由于與缺陷的距離較近，因此在初步缺陷提取中容易形成誤判、再次是在構(gòu)件表面有一些非常細(xì)小的缺陷，這些缺陷的影響較小，不會(huì)對(duì)構(gòu)件的性能造成影響，因此在進(jìn)行缺陷提取的過(guò)程中需要將這兩個(gè)因素排除在外，具體主要是指采用圖像形態(tài)學(xué)中開(kāi)運(yùn)算和閉運(yùn)算，從而達(dá)到對(duì)構(gòu)件中的明了細(xì)節(jié)和暗色細(xì)節(jié)的過(guò)濾。具體來(lái)說(shuō)缺陷的分割提取采用的是Sobel算子。主要是利用了圖像像素點(diǎn)的上下左右灰度加權(quán)算法，對(duì)構(gòu)件表面的缺陷進(jìn)行檢測(cè)。再采用二值圖像邊界跟蹤法，將缺陷從構(gòu)件圖像中分離出來(lái)。

2.3缺陷特征提取

缺陷特征提取，又可以稱之為缺陷的定量計(jì)算和定性過(guò)程，是將前期所得的數(shù)據(jù)結(jié)果以更加直觀的形式展現(xiàn)出來(lái)，通過(guò)對(duì)比指標(biāo)參數(shù)判斷構(gòu)件的表面質(zhì)量是否合格，符合基本的生產(chǎn)標(biāo)準(zhǔn)。一般來(lái)說(shuō)常用的表示缺陷特征的標(biāo)準(zhǔn)有以下幾種：

（1）周長(zhǎng)：周長(zhǎng)是對(duì)缺陷的邊界長(zhǎng)度的描述，在圖像特征上顯示則是指構(gòu)件成像上的缺陷區(qū)域的邊界像素?cái)?shù)量。

（2）面積：面積相對(duì)于周長(zhǎng)能夠更加直觀地反映整體缺陷的大小，它是缺陷區(qū)域中的像素的總數(shù)，因此更高體現(xiàn)缺陷的影響規(guī)模。

（3）致密性：這是一個(gè)相對(duì)專業(yè)的缺陷指標(biāo)概念主要是指每平方面積上的平方周倉(cāng)，是一個(gè)雙單位描述指標(biāo)。

（4）區(qū)域的質(zhì)心：區(qū)域質(zhì)心是描述缺陷的影響關(guān)鍵也就是缺陷區(qū)域內(nèi)的核心區(qū)域，是對(duì)整個(gè)區(qū)域的核心描述。

（5）最小外接矩形。

3.結(jié)語(yǔ)

綜上所述，構(gòu)件表面缺陷直接影響構(gòu)件的最終使用效果，構(gòu)件表面缺陷的檢測(cè)應(yīng)用領(lǐng)域也逐漸廣泛，而計(jì)算機(jī)視覺(jué)技術(shù)在檢測(cè)缺陷中的優(yōu)越性更體現(xiàn)了基于計(jì)算機(jī)視覺(jué)的構(gòu)件表面缺陷特征提取的研究?jī)r(jià)值。本文主要針對(duì)構(gòu)件表面缺陷的檢測(cè)，綜合計(jì)算機(jī)視覺(jué)技術(shù)提出了具體的檢測(cè)方法和檢測(cè)工作原理，通過(guò)對(duì)表面缺陷的檢測(cè)，力圖提高構(gòu)件的整體質(zhì)量。

【參考文獻(xiàn)】

[1]陳黎，黃心漢，王敏，何永輝，龔世強(qiáng).帶鋼缺陷圖像的自動(dòng)閾值分割研究[J].計(jì)算機(jī)工程與應(yīng)用，2002，（07）.

[2]許豪，孔建益，湯勃，王興東，劉源泂.基于數(shù)學(xué)形態(tài)學(xué)的帶鋼表面缺陷邊緣提取[J].機(jī)械設(shè)計(jì)與制造，2012，（06）.

第5篇：計(jì)算機(jī)視覺(jué)的主要技術(shù)范文

關(guān)鍵詞：計(jì)算機(jī)視覺(jué)系統(tǒng) 工業(yè)機(jī)器人 探究

中圖分類(lèi)號(hào)：TP242 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1007-9416（2015）05-0000-00

計(jì)算機(jī)視覺(jué)系統(tǒng)主要是為了工業(yè)機(jī)器人更好的工作而研發(fā)出來(lái)的，是一套裝有攝像機(jī)視場(chǎng)的自動(dòng)跟蹤與定位的計(jì)算機(jī)視覺(jué)系統(tǒng)。近年來(lái)，機(jī)器人已經(jīng)廣泛使用于工業(yè)生產(chǎn)，但是多數(shù)機(jī)器人都是通過(guò)“示教-再現(xiàn)”的模式工作，在工業(yè)機(jī)器人工作是都是由操作員進(jìn)行操作示范再由機(jī)器人跟著示范進(jìn)行工作。由于機(jī)器人缺乏對(duì)外界事物的識(shí)別能力，工作中經(jīng)常發(fā)生偏差或者位移等情況。由于工作環(huán)境的惡劣以及各種阻礙，為了提高工業(yè)機(jī)器人的工作效率、靈活性、適應(yīng)性等，讓機(jī)器人更好的識(shí)別外部環(huán)境并及時(shí)調(diào)整運(yùn)作方向，能更好的發(fā)揮其作用，在原有的機(jī)器人系統(tǒng)中添加了一套計(jì)算機(jī)視覺(jué)系統(tǒng)，利用計(jì)算機(jī)視覺(jué)圖像裝置的信息，通過(guò)圖像使機(jī)器人進(jìn)行外部環(huán)境的識(shí)別處理，采用三維的重建，通過(guò)作業(yè)中利用三維圖像的信息進(jìn)行計(jì)算，采用Motocom32軟件和機(jī)器人控制柜通訊等設(shè)備，對(duì)工業(yè)機(jī)器人進(jìn)行控制，更好的實(shí)現(xiàn)機(jī)器人對(duì)空間特點(diǎn)的跟蹤與定位。

1系統(tǒng)的結(jié)構(gòu)與原理

本文主要針對(duì)Motoman UP6工業(yè)機(jī)器人系統(tǒng)的二次研究，在原有的工業(yè)機(jī)器人的系統(tǒng)中，增加了一套計(jì)算機(jī)視覺(jué)系統(tǒng)， 使工業(yè)機(jī)器人更好的識(shí)別外界環(huán)境的系統(tǒng)。計(jì)算機(jī)視覺(jué)系統(tǒng)主要包括：Panasonic CCD攝像機(jī)、Motoman UP6工業(yè)機(jī)器人系統(tǒng)、工控機(jī)、OK C-50圖像采集卡等外部設(shè)備。工業(yè)機(jī)器人的整個(gè)系統(tǒng)由原有系統(tǒng)與計(jì)算機(jī)視覺(jué)系統(tǒng)組成，在原有的系統(tǒng)中包含了YASNAC-XRC- UP6機(jī)器人控制柜、Motoman UP6工業(yè)機(jī)器人本體、示教編程器、Motocom32系統(tǒng)以及相關(guān)的外部設(shè)備等[1]。計(jì)算機(jī)視覺(jué)系統(tǒng)的設(shè)備主要有Panasonic CCTV攝像機(jī)、AVENIR TV鏡頭、OK系列C-50圖像采集卡、工控機(jī)、AVENIR TV鏡頭、Panasonic CCD攝像機(jī)、OK系列C-50圖像采集卡形成的視頻采集系統(tǒng)主要是捕獲物體的圖像，該功能主要是分三個(gè)層次進(jìn)行圖像處理、計(jì)算、變換以及通信等功能來(lái)實(shí)施工控機(jī)。利用遠(yuǎn)程控制來(lái)對(duì)工業(yè)機(jī)器人進(jìn)行Motocom32系統(tǒng)進(jìn)行通信。

2計(jì)算機(jī)視覺(jué)系統(tǒng)的構(gòu)建

2.1硬件的組成

CCD攝像頭：選用的CCD攝像機(jī)采用PAP-VIVC810AOZ型彩色攝像頭，如圖1。攝像機(jī)的像素為P：500（H）x582（V），N：510（H）x 492（V），攝像機(jī)的分辨率為420。攝像機(jī)的成像器使用1/33"CCD，信噪>48 dB，同時(shí)攝像機(jī)具有自動(dòng)背景光補(bǔ)償、自動(dòng)增益控制等功能。

圖像采集卡：圖像采集卡主要采用CCD攝像頭配套的MV-200工業(yè)圖像處理。如圖2所示。MV-200圖像采集卡的分辨率、圖像清晰度具有較高的穩(wěn)定性，其真彩色實(shí)施工業(yè)圖像采集卡，該圖像采集卡的硬件構(gòu)造、地層函數(shù)都具有穩(wěn)定性，同時(shí)在惡例的環(huán)境中都可以穩(wěn)定運(yùn)行[2]。圖像采集卡的圖像采集效果非常好，畫(huà)面效果非常流暢。

MV-200圖像采集卡性能特點(diǎn)：其分辨率為768 x 576，具有獨(dú)特的視頻過(guò)濾技術(shù)，使圖像質(zhì)量的采集、顯示更加清晰流暢。主要支持的系統(tǒng)為Win98 /2K/XP，主要用于人工智能、事物識(shí)別、監(jiān)控等多種領(lǐng)域。

工控機(jī)：工控機(jī)以奔4系列為主。

2.2軟件組成

圖像匹配軟件。

圖像處理與獲取軟件。

定標(biāo)和定位算法軟件，功能分布如圖3所示。

3視覺(jué)系統(tǒng)的原理及流程圖

工業(yè)機(jī)器人的主要系統(tǒng)包括是由工業(yè)機(jī)器人本體、相關(guān)的外部設(shè)備、控制器（供電系統(tǒng)、執(zhí)行器等）計(jì)算機(jī)視覺(jué)系統(tǒng)主要由三部分組成：圖像處理和獲取、圖像匹配、攝像機(jī)的定位等組成。通過(guò)借助OpenCV的視覺(jué)庫(kù)進(jìn)行VC++.NET實(shí)行，流程如下圖表4所示。

在本視覺(jué)系統(tǒng)運(yùn)行中，需要對(duì)攝像機(jī)實(shí)行定標(biāo)，建立實(shí)際空間點(diǎn)和攝像機(jī)的對(duì)應(yīng)點(diǎn)。在定標(biāo)的過(guò)程中，就需要標(biāo)記基準(zhǔn)點(diǎn)，使攝像機(jī)在采集圖像時(shí)可以準(zhǔn)確的把這些基準(zhǔn)點(diǎn)投放到攝像機(jī)的坐標(biāo)上[3]。同時(shí)在采集卡的圖像中，對(duì)圖像進(jìn)行處理并計(jì)算出該基準(zhǔn)點(diǎn)圖像的坐標(biāo)，通過(guò)定標(biāo)計(jì)算法，從而得出攝像機(jī)的參數(shù)。

在機(jī)器人系統(tǒng)中的反饋，計(jì)算機(jī)通過(guò)C語(yǔ)言的調(diào)節(jié)圖像采集卡進(jìn)行動(dòng)態(tài)鏈接來(lái)控制函數(shù)[4]。同時(shí)，對(duì)攝像機(jī)中的數(shù)據(jù)、視頻信號(hào)進(jìn)行采集，構(gòu)成數(shù)字化的圖像資料，采用BMP格式存儲(chǔ)進(jìn)行計(jì)算，在計(jì)算機(jī)上顯示活動(dòng)視頻，然后系統(tǒng)對(duì)獲取的圖像進(jìn)行分析處理，以及對(duì)噪聲的去除、圖像的平滑等進(jìn)行處理，利用二值化處理對(duì)那些灰度閥值的圖像進(jìn)行處理，同時(shí)檢測(cè)計(jì)算機(jī)獲取圖像的特征量并計(jì)算[5]。在完成圖像的處理后，就需要確立圖像的匹配特征，對(duì)圖像進(jìn)行匹配[6]。如果兩個(gè)圖像不重疊，就需要建立3D數(shù)據(jù)庫(kù)進(jìn)行模型重新選擇，再把模型進(jìn)行計(jì)算、投影計(jì)算、坐標(biāo)更換等指令，直到找到與圖像相匹配的數(shù)據(jù)模型，才能真正得到真實(shí)有效的圖像。重疊時(shí)，要獲得有效的圖像，以工業(yè)機(jī)器人識(shí)別物體為目的，才能建立機(jī)器人系統(tǒng)之間的通信。同時(shí)，通過(guò)三維圖像重建，進(jìn)行機(jī)器人空間定位[7]。如下圖表5所示。

4結(jié)語(yǔ)

綜上所述，計(jì)算機(jī)視覺(jué)系統(tǒng)主要是為了工業(yè)機(jī)器人更好的工作而研發(fā)出來(lái)的，是一套裝有攝像機(jī)視場(chǎng)的自動(dòng)跟蹤與定位的計(jì)算機(jī)視覺(jué)系統(tǒng)。通過(guò)3D數(shù)據(jù)模型指定目標(biāo)，機(jī)器人系統(tǒng)利用計(jì)算機(jī)視覺(jué)圖像的采集裝置來(lái)識(shí)別外界環(huán)境的數(shù)據(jù)，經(jīng)過(guò)圖像的姿態(tài)預(yù)算、影像的投影計(jì)算產(chǎn)生圖像，通過(guò)圖片的合成比較，以此來(lái)實(shí)現(xiàn)機(jī)器人在工作中對(duì)物體的識(shí)別。利用計(jì)算機(jī)系統(tǒng)對(duì)機(jī)器人進(jìn)行有效的控制，在工業(yè)機(jī)器人工作中對(duì)事物目標(biāo)的搬運(yùn)、跟蹤、夾持等指令。計(jì)算機(jī)視覺(jué)系統(tǒng)具備清晰的視覺(jué)功能，有利于提高工業(yè)機(jī)器人的靈活性以及適應(yīng)性。

參考文獻(xiàn)

[1]夏群峰，彭勇剛.基于視覺(jué)的機(jī)器人抓取系統(tǒng)應(yīng)用研究綜述[J].機(jī)電工程，2014（06）：221-223.

[2]華永明，楊春玉.機(jī)器人視覺(jué)系統(tǒng)在立體編織自動(dòng)鋪紗過(guò)程中的應(yīng)用研究[J].玻璃纖維，2011（01）：189-191.

[3]王培屹.基于多傳感器多目標(biāo)實(shí)時(shí)跟蹤視覺(jué)系統(tǒng)在全自主機(jī)器人上的應(yīng)用[J].軟件導(dǎo)刊，2011（01）：263-264.

[4]譚民，王碩.機(jī)器人技術(shù)研究進(jìn)展[J].自動(dòng)化學(xué)報(bào)，2013（07）：123-125.

[5]鮑官軍，荀一，戚利勇，楊慶華，高峰.機(jī)器視覺(jué)在黃瓜采摘機(jī)器人中的應(yīng)用研究[J].浙江工業(yè)大學(xué)學(xué)報(bào)，201（01）：93-95.

第6篇：計(jì)算機(jī)視覺(jué)的主要技術(shù)范文

關(guān)鍵詞： 計(jì)算機(jī) 視覺(jué)注意機(jī)制 計(jì)算機(jī)視覺(jué)注意模型

1.引言

隨著信息技術(shù)的不斷發(fā)展，數(shù)據(jù)處理量劇增，以及用戶不斷擴(kuò)大的個(gè)性化需求，對(duì)計(jì)算機(jī)信息處理能力提出了越來(lái)越高的要求。如何在場(chǎng)景中快速準(zhǔn)確地找到與任務(wù)相關(guān)的局部信息，即物體選擇與識(shí)別，已經(jīng)成為計(jì)算機(jī)信息處理領(lǐng)域的一個(gè)研究熱點(diǎn)。隨著在心理學(xué)領(lǐng)域注意機(jī)制研究的不斷發(fā)展，將注意機(jī)制引入信息處理領(lǐng)域來(lái)解決物體識(shí)別問(wèn)題，已經(jīng)不再是紙上談兵。

人類(lèi)視覺(jué)系統(tǒng)進(jìn)行視覺(jué)信息處理時(shí)，總是迅速選擇少數(shù)幾個(gè)顯著對(duì)象進(jìn)行優(yōu)先處理，忽略或舍棄其他的非顯著對(duì)象。進(jìn)入人類(lèi)視野的海量信息，通過(guò)注意選擇機(jī)制進(jìn)行篩選，就能使我們有選擇地分配有限的視覺(jué)處理資源，保證視覺(jué)信息處理的效率，這就是視覺(jué)選擇注意機(jī)制的原理。依據(jù)人類(lèi)視覺(jué)選擇注意的基本原理，開(kāi)發(fā)能夠進(jìn)行智能圖像信息處理的計(jì)算機(jī)系統(tǒng)，就成為一大任務(wù)。我們研究的主要方向是使計(jì)算機(jī)處理對(duì)象時(shí)，能夠具備與人類(lèi)相似的視覺(jué)選擇注意能力。

2.視覺(jué)注意機(jī)制

研究視覺(jué)注意機(jī)制是個(gè)多學(xué)科交叉的問(wèn)題，目前多個(gè)領(lǐng)域的研究人員都取得了研究成果，并且對(duì)視覺(jué)注意的理論都形成了一些共識(shí)。目前普遍認(rèn)為注意既可以是按自底向上（自下而上）的圖像數(shù)據(jù)驅(qū)動(dòng)的，也可以是安自頂向下（自上而下）的任務(wù)驅(qū)動(dòng)的。其中，自下而上的研究主要來(lái)自圖像中物體數(shù)據(jù)本身的顯著性。例如，在視覺(jué)搜索實(shí)驗(yàn)中，顯著的物體會(huì)自動(dòng)跳出，如圖1中的圓點(diǎn)通過(guò)特征對(duì)比，以形狀跳出的形式獲得注意。自上而下的引導(dǎo)主要來(lái)自當(dāng)前的視覺(jué)任務(wù)，以及場(chǎng)景的快速認(rèn)證結(jié)果，即我們可以“故意”去注意任何一個(gè)“不起眼”的物體，如我們可以在圖書(shū)館浩如煙海的藏書(shū)中，找到自己感興趣的那本書(shū)。

研究視覺(jué)注意機(jī)制的重要方法是研究眼睛在搜索目標(biāo)時(shí)的表現(xiàn)。顯著圖中的各目標(biāo)在競(jìng)爭(zhēng)中吸引注意點(diǎn)，注意點(diǎn)在各個(gè)注意目標(biāo)間轉(zhuǎn)移。根據(jù)注意點(diǎn)轉(zhuǎn)移時(shí)是否伴隨眼動(dòng)，視覺(jué)注意也分為隱式注意和顯式注意。隱式注意的中央凹不會(huì)隨著注意點(diǎn)的轉(zhuǎn)移而移動(dòng)，而顯式注意的中央凹隨每次注意點(diǎn)的轉(zhuǎn)移而運(yùn)動(dòng)。

對(duì)視覺(jué)注意機(jī)制的研究為計(jì)算機(jī)視覺(jué)的發(fā)展提供了可能。計(jì)算機(jī)視覺(jué)借鑒人類(lèi)視覺(jué)的注意機(jī)制，建立視覺(jué)注意的計(jì)算模型。通過(guò)“注意點(diǎn)”的選擇與轉(zhuǎn)移，實(shí)現(xiàn)對(duì)復(fù)雜場(chǎng)景中任務(wù)的搜索與定位，最終來(lái)實(shí)現(xiàn)實(shí)時(shí)信息的響應(yīng)處理。在計(jì)算機(jī)視覺(jué)的研究中，顯式注意應(yīng)用較多。

3.計(jì)算機(jī)視覺(jué)注意模型

從人的角度來(lái)看，人類(lèi)視覺(jué)系統(tǒng)通過(guò)視覺(jué)，選擇注意在復(fù)雜的場(chǎng)景中迅速將注意力集中在少數(shù)幾個(gè)顯著的視覺(jué)對(duì)象上。從場(chǎng)景的角度來(lái)看，場(chǎng)景中的某些內(nèi)容比其他內(nèi)容更能引起觀察者的注意，我們稱之為視覺(jué)顯著性，兩者其實(shí)是從不同的角度對(duì)視覺(jué)選擇注意過(guò)程的描述。

我們把引起注意的場(chǎng)景內(nèi)容定義為注意焦點(diǎn)FOA（Focus of Attention）。Treisman的特征整合理論中將視覺(jué)信息處理過(guò)程劃分為前注意和注意兩個(gè)階段，各種視覺(jué)特征在前注意階段被以并行的方式提取出來(lái)，并在注意階段以串行方式整合為視覺(jué)客體，即注意的特征和客體是通過(guò)不同方式進(jìn)行的。在注意焦點(diǎn)的選擇和轉(zhuǎn)移上，Koch［2］進(jìn)行了深入的研究，他提出注意焦點(diǎn)FOA的變化具有四個(gè)特征，即單焦點(diǎn)性：同一時(shí)刻只能存在一個(gè)FOA；縮放性：FOA的空間范圍可以擴(kuò)大或者縮?。唤裹c(diǎn)轉(zhuǎn)移性：FOA能夠由一個(gè)位置向另一個(gè)位置轉(zhuǎn)移；鄰近優(yōu)先性：FOA轉(zhuǎn)移時(shí)傾向于選擇與當(dāng)前注視內(nèi)容接近的位置。同時(shí)注意焦點(diǎn)具有抑制返回的特點(diǎn)，即FOA轉(zhuǎn)移時(shí)抑制返回最近被選擇過(guò)的注視區(qū)域。在此基礎(chǔ)上，視覺(jué)注意的研究人員提出了多種視覺(jué)注意模型。

4.視覺(jué)注意模型的研究現(xiàn)狀

人類(lèi)的視覺(jué)注意過(guò)程包括兩個(gè)方面：一方面是對(duì)自下而上的初級(jí)視覺(jué)特征的加工，另一方面是由自上而下的任務(wù)的指導(dǎo)，兩方面結(jié)合，共同完成了視覺(jué)的選擇性注意。與此對(duì)應(yīng)，當(dāng)前的計(jì)算機(jī)視覺(jué)注意研究也分為這兩個(gè)方面。

4.1自下向上的數(shù)據(jù)驅(qū)動(dòng)注意模型研究及分析

在沒(méi)有先驗(yàn)任務(wù)指導(dǎo)的情況下，視覺(jué)注意的目標(biāo)選擇主要是由場(chǎng)景中自下而上的數(shù)據(jù)驅(qū)動(dòng)的，目標(biāo)是否被關(guān)注，由它的顯著性決定?，F(xiàn)在，自下而上的注意研究主要基于Treisman的特征整合理論和Koch&Ullman的顯著性模型，Itti、satoh等人均在此基礎(chǔ)上提出了自己的研究模型，并做了一些模型的改進(jìn)研究。自下而上的研究方法通過(guò)對(duì)輸入圖像提取顏色、朝向、亮度等方面的基本視覺(jué)特征的研究，形成各個(gè)特征對(duì)應(yīng)的顯著圖。另外，一些研究者采用基于局部或全局對(duì)比度的方法，來(lái)得到圖中每個(gè)像素的顯著性，進(jìn)而得到顯著圖。

現(xiàn)有的自下而上的視覺(jué)注意計(jì)算模型中，Itti的顯著圖模型（簡(jiǎn)稱Itti模型）最具代表性。該模型主要包含3個(gè)模塊：特征提取、顯著圖生成和注意焦點(diǎn)轉(zhuǎn)移。模型通過(guò)初級(jí)特征的提取，將多種特征、多種尺度的視覺(jué)空間通過(guò)中央―周邊算子得到的各個(gè)特征的顯著性圖合成一幅顯著圖。顯著圖中的各個(gè)目標(biāo)通過(guò)勝者為王的競(jìng)爭(zhēng)機(jī)制，選出唯一的注意目標(biāo)，其中注意焦點(diǎn)的轉(zhuǎn)移用的是禁止返回機(jī)制。但該模型也有一些缺點(diǎn)，如顯著區(qū)與目標(biāo)區(qū)域有偏差、計(jì)算量較大、運(yùn)行時(shí)間較長(zhǎng)、動(dòng)態(tài)場(chǎng)景中實(shí)時(shí)處理不平等。

在動(dòng)態(tài)場(chǎng)景之中，由于Itti模型很難滿足實(shí)時(shí)性的要求，科研工作者們正在努力研究動(dòng)態(tài)場(chǎng)景的特性，并建立相應(yīng)的動(dòng)態(tài)模型。如Wolfe［1］指出，影響前注意的特征包括顏色、方向、曲率、尺寸、運(yùn)動(dòng)、深度特征、微調(diào)支距、光澤、形狀，等等，其中又以運(yùn)動(dòng)特征最為敏感。而You等采用了一種空間域特征和時(shí)間域特征相結(jié)合的視覺(jué)注意模型，該模型假設(shè)當(dāng)場(chǎng)景中存在全局運(yùn)動(dòng)時(shí)，視覺(jué)注意對(duì)象將極少做運(yùn)動(dòng)。然而，許多真實(shí)的場(chǎng)景并不能滿足這個(gè)假設(shè)，限制了模型的適用范圍。Hang等人提出了一種運(yùn)動(dòng)圖的計(jì)算方法，并把運(yùn)動(dòng)圖作為特征之一，與顏色、亮度、方向等特征結(jié)合。這些研究關(guān)注了運(yùn)動(dòng)特征對(duì)視覺(jué)的影響，但是均存在一定的局限性，對(duì)于復(fù)雜的運(yùn)動(dòng)場(chǎng)景的注意焦點(diǎn)計(jì)算很難取得良好的效果。

我國(guó)研究者也在Itti注意模型的基礎(chǔ)上研究了適合動(dòng)態(tài)場(chǎng)景中的注意模型，形成了一些理論成果。如曾志宏［2］等人提出注意焦點(diǎn)計(jì)算模型，鄭雅羽［3］等提出基于時(shí)空特征融合的視覺(jué)注意計(jì)算模型。這些模型都能較好地提取動(dòng)態(tài)場(chǎng)景下的視覺(jué)目標(biāo)。

4.2自上而下的任務(wù)驅(qū)動(dòng)的注意模型研究及分析

自上而下的注意即任務(wù)驅(qū)動(dòng)的注意，通過(guò)目標(biāo)和任務(wù)的抽象知識(shí)，在一定程度上指導(dǎo)注意焦點(diǎn)的選擇。在自上而下注意模型的研究方面，Laar（1997）提出了一個(gè)用于隱式視覺(jué)注意的模型，該模型通過(guò)任務(wù)學(xué)習(xí)，將注意集中于重要的特征。Rabak［4］提出了基于注意機(jī)制的視覺(jué)感知識(shí)別模型，該模型在定義目標(biāo)顯著性時(shí)，通過(guò)語(yǔ)義分析對(duì)其他三個(gè)自下向上的視覺(jué)控制參數(shù)項(xiàng)進(jìn)行線性組合。Salah將可觀測(cè)馬爾科夫模型引入到模擬任務(wù)驅(qū)動(dòng)的注意模型研究中，并在數(shù)字識(shí)別和人臉識(shí)別的實(shí)驗(yàn)中取得了很好的效果。Itti提出以調(diào)節(jié)心理閾值函數(shù)的形式來(lái)控制視覺(jué)感知。

目前對(duì)自下而上的數(shù)據(jù)驅(qū)動(dòng)方面的研究較多，而對(duì)自下而上的任務(wù)驅(qū)動(dòng)方面研究較少。因?yàn)槿蝿?wù)驅(qū)動(dòng)的注意與人的主觀意識(shí)有關(guān)，同時(shí)受到場(chǎng)景的全局特征影響。自上而下的注意涉及記憶、控制等多個(gè)模塊的分工協(xié)作，其過(guò)程非常復(fù)雜。

5.計(jì)算機(jī)視覺(jué)注意模型研究的趨勢(shì)

自底向上和自頂向下的加工是兩種方向不同的信息處理機(jī)制，兩者的結(jié)合形成了統(tǒng)一的視知覺(jué)系統(tǒng)。人類(lèi)的視覺(jué)信息處理系統(tǒng)只有遵循這樣的方法，才能有效地實(shí)現(xiàn)視覺(jué)選擇注意的目的。

實(shí)踐證明，把自底向上和自頂向下的研究相分離的研究方法并不能很好地解決計(jì)算機(jī)的視覺(jué)注意過(guò)程。要想使計(jì)算機(jī)能夠準(zhǔn)確模擬人類(lèi)的視覺(jué)注意過(guò)程，實(shí)現(xiàn)主動(dòng)的視覺(jué)選擇注意的目的，采用兩種研究方法相結(jié)合的形式勢(shì)在必行。自底向上的視覺(jué)注意計(jì)算往往離不開(kāi)與自頂向下的有機(jī)結(jié)合，實(shí)現(xiàn)二者的優(yōu)勢(shì)互補(bǔ)是以后計(jì)算機(jī)視覺(jué)注意研究的一個(gè)趨勢(shì)。

參考文獻(xiàn)：

［1］Wolf J M，Cave K R.Deploying visual attention：the guided search model.In：Troscianko T，Blake A，eds.AI and the Eye.Chichester，UK：Wiley press，1990.

［2］曾志宏，周昌樂(lè)，林坤輝，曲延云，陳嘉威.目標(biāo)跟蹤的視覺(jué)注意計(jì)算模型［J］.計(jì)算機(jī)工程，2008，（23）.

［3］鄭雅羽，田翔，陳耀武.基于時(shí)空特征融合的視覺(jué)注意模型［J］.吉林大學(xué)學(xué)報(bào)，2009，（11）.

［4］Rabak I A，Gusakova V I，Golovan A V，et al.A model of attention-guided vision perception and recognition.Vision Research，1998，38.

第7篇：計(jì)算機(jī)視覺(jué)的主要技術(shù)范文

關(guān)鍵詞：計(jì)算機(jī)智能視頻監(jiān)控；運(yùn)動(dòng)目標(biāo)檢測(cè)方法；目標(biāo)跟蹤方法

中圖分類(lèi)號(hào)：TP311 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1674-7712 (2012) 10-0104-01

隨著人工智能技術(shù)日新月異的發(fā)展，基于人工智能的計(jì)算機(jī)視覺(jué)技術(shù)也得到了廣泛的推廣和應(yīng)用，成為計(jì)算機(jī)智能領(lǐng)域一個(gè)重要的發(fā)展方向。到目前為止，計(jì)算機(jī)視覺(jué)技術(shù)已經(jīng)過(guò)20余年的發(fā)展，其在社會(huì)人文，軍事技術(shù)及工業(yè)生產(chǎn)領(lǐng)域得到了廣泛的應(yīng)用，并以其獨(dú)具特色的技術(shù)優(yōu)勢(shì)逐漸形成了一門(mén)具有一定先進(jìn)理論支撐的獨(dú)立學(xué)科。其中，著名學(xué)者M(jìn)arr提出的視覺(jué)計(jì)算理論已成為計(jì)算機(jī)智能視頻監(jiān)控領(lǐng)域的主導(dǎo)思想，為大多數(shù)該領(lǐng)域內(nèi)的研究人員所接受。從廣義上講，計(jì)算機(jī)視覺(jué)技術(shù)的實(shí)質(zhì)就是實(shí)現(xiàn)對(duì)在復(fù)雜環(huán)境中運(yùn)動(dòng)物體的幾何尺寸、形狀及相關(guān)運(yùn)動(dòng)狀態(tài)的識(shí)別和認(rèn)知，即把實(shí)際空間中的三維對(duì)象轉(zhuǎn)換為計(jì)算機(jī)視覺(jué)系統(tǒng)識(shí)別的二維圖像。近年來(lái)，計(jì)算機(jī)視覺(jué)技術(shù)以其迅猛的發(fā)展態(tài)勢(shì)及成熟的應(yīng)用技術(shù)成為了業(yè)界的新寵，并得到了廣泛的應(yīng)用，取得了矚目的成績(jī)。

一、運(yùn)動(dòng)目標(biāo)檢測(cè)方法分析

（一）運(yùn)動(dòng)目標(biāo)在靜止背景條件下的檢測(cè)分析

1.差分檢測(cè)法

將同一背景不同時(shí)刻兩幅圖像進(jìn)行比較，可以反映出一個(gè)運(yùn)動(dòng)物體在此背景下運(yùn)動(dòng)的結(jié)果，比較簡(jiǎn)單的一種方法是將兩圖像做“差分”或“相減”運(yùn)算，從相減后的圖像中，很容易發(fā)現(xiàn)運(yùn)動(dòng)物體的信息。在相減后的圖像中，灰度不發(fā)生變化的部分被減掉，則前區(qū)為正，后區(qū)為負(fù)，其他部分為零。由于減出的部分可以大致確定運(yùn)動(dòng)目標(biāo)在圖像上的位置，使用相關(guān)法時(shí)就可以縮小搜索范圍。

2.自適應(yīng)運(yùn)動(dòng)檢測(cè)方法

當(dāng)兩幀圖像的背景圖像起伏較大時(shí)，簡(jiǎn)單的差分法難以得到滿意的解。此時(shí)可以考慮用自適應(yīng)背景對(duì)消的方法，該方法可以在低信雜比的情況下壓制背景雜波和噪聲，檢測(cè)出非穩(wěn)態(tài)圖像信息。在背景雜波較大時(shí)，常用的門(mén)限分割不能分出這種運(yùn)動(dòng)目標(biāo)。在圖像序列中，每一個(gè)像素點(diǎn)的灰度值都是這一點(diǎn)所對(duì)應(yīng)傳感器的輸出信號(hào)值與噪聲值的疊加，因此，如何克服噪聲的影響確定一個(gè)最佳門(mén)限將目標(biāo)與背景分離，就成為弱小目標(biāo)檢測(cè)的一個(gè)重要環(huán)節(jié)。

（二）目標(biāo)在運(yùn)動(dòng)背景條件下的檢測(cè)方法分析

塊匹配法是目標(biāo)在運(yùn)動(dòng)背景條件下的主要檢測(cè)方法。基于塊的運(yùn)動(dòng)分析在圖像運(yùn)動(dòng)估計(jì)和其他圖像處理和分析中得到了廣泛的應(yīng)用，比如說(shuō)在數(shù)字視頻壓縮技術(shù)中，國(guó)際標(biāo)準(zhǔn)MPEG1-2采用了基于塊的運(yùn)動(dòng)分析和補(bǔ)償算法。塊運(yùn)動(dòng)估計(jì)與光流計(jì)算不同，它無(wú)需計(jì)算每一個(gè)像素的運(yùn)動(dòng)，而只是計(jì)算由若干像素組成的像素塊的運(yùn)動(dòng)，對(duì)于許多圖像分析和估計(jì)應(yīng)用來(lái)說(shuō)，塊運(yùn)動(dòng)分析是一種很好的近似。這里主要介紹塊匹配方法。塊匹配方法實(shí)質(zhì)上是在圖像序列中做一種相鄰幀間的位置對(duì)應(yīng)人物。它首先選取一個(gè)圖像塊，然后假設(shè)塊內(nèi)的所有像素做相同的運(yùn)動(dòng)，以此來(lái)跟蹤相鄰幀間的對(duì)應(yīng)位置。各種塊匹配算法的差異主要體現(xiàn)在：匹配準(zhǔn)則、搜索策略及塊尺寸選擇方法上。

1.匹配準(zhǔn)則

典型的匹配準(zhǔn)則有：最大互相關(guān)準(zhǔn)則、最小均方差準(zhǔn)則、最小平均絕對(duì)值差準(zhǔn)則、最大匹配像素?cái)?shù)量準(zhǔn)則等。

2.搜索策略

為了求得最佳位移估計(jì)，可以計(jì)算所有可能的位移矢量對(duì)應(yīng)的匹配誤差，然后選擇最小匹配誤差對(duì)應(yīng)的矢量就是最佳位移估計(jì)值。因此，人們提出了各種快速搜索策略。這種策略的最大優(yōu)點(diǎn)是可以找到全局最優(yōu)值，但十分浪費(fèi)時(shí)間。因此，人們提出了各種快速搜索策略。盡管快速搜索策略得到的可能是局部最優(yōu)值，但由于其快速計(jì)算的實(shí)用性，在實(shí)際中得到了廣泛的應(yīng)用。下面討論兩種快速搜索方法：二維對(duì)數(shù)及三步搜索法。

二維對(duì)數(shù)搜索法開(kāi)創(chuàng)了快速搜索算法的先例，分多個(gè)階段搜索，逐漸縮小搜索范圍，直到不能再小而結(jié)束。其基本思想是從當(dāng)前像素點(diǎn)開(kāi)始，以十字形分布的5個(gè)點(diǎn)構(gòu)成每次搜索的點(diǎn)群，通過(guò)快速搜索跟蹤最小誤差MBD點(diǎn)。

三步搜索法與二位對(duì)數(shù)法類(lèi)似，由于簡(jiǎn)單、健壯、性能良好等特點(diǎn)，為人們所重視。例如其最大搜索長(zhǎng)度為7，搜索精度取一個(gè)像素，則步長(zhǎng)為4、2、1，只需三步即可滿足要求，因此而得名三步法。其基本思想是采用一種由粗到細(xì)的搜索模式，從原點(diǎn)開(kāi)始，按一定步長(zhǎng)取周?chē)?個(gè)點(diǎn)構(gòu)成每次搜索的點(diǎn)群，然后進(jìn)行匹配計(jì)算，跟蹤最小塊誤差MBD點(diǎn)。

三、運(yùn)動(dòng)目標(biāo)跟蹤方法

成像跟蹤系統(tǒng)經(jīng)過(guò)圖像的預(yù)處理、圖像的分割識(shí)別等一系列信息處理，最終實(shí)現(xiàn)對(duì)目標(biāo)位置的實(shí)時(shí)精確測(cè)量。跟蹤策略基本上可分為兩大類(lèi)：波門(mén)跟蹤和相關(guān)跟蹤。

（一）波門(mén)跟蹤法分析

參考被跟蹤目標(biāo)外觀的實(shí)際尺寸形態(tài)，事先確定好跟蹤窗口就是我們通常所定義的“波門(mén)”的概念。與傳統(tǒng)的圖像處理方法不同，采用波門(mén)跟蹤法進(jìn)行圖像的分析和處理，其原始狀態(tài)的圖像數(shù)據(jù)僅僅限于波門(mén)內(nèi)的數(shù)據(jù)，這樣系統(tǒng)一旦捕捉到目標(biāo)，不僅可以避免傳統(tǒng)技術(shù)對(duì)整幅圖像處理過(guò)程的耗時(shí)缺點(diǎn)，而且這種跟蹤技術(shù)應(yīng)用和操作更為簡(jiǎn)單，跟蹤及成像效果也能夠得到切實(shí)的保障。

（二）相關(guān)跟蹤法分析

當(dāng)被跟蹤的目標(biāo)物體出現(xiàn)運(yùn)動(dòng)、姿態(tài)的調(diào)整或由于自然條件等因素造成了背景的雜波干擾時(shí)，目標(biāo)圖像的分割及提取工作由于目標(biāo)矩心及形心的不確定將難于進(jìn)行。這種情況下，就可以采用相關(guān)跟蹤的方式進(jìn)行處理。這種基于圖像匹配為基礎(chǔ)的相關(guān)跟蹤技術(shù)是以圖像相識(shí)性度量為基礎(chǔ)，獲取現(xiàn)場(chǎng)圖像中實(shí)時(shí)的最接近目標(biāo)圖像值的一種跟蹤方式。由于分析及處理過(guò)程中，不需對(duì)用于分割及提取的特征值進(jìn)行處理，因而可以應(yīng)用于對(duì)圖像數(shù)據(jù)的原始資料的處理方面，這種方法不僅可以使圖像的信息得以全部的保留，而且適合眾多復(fù)雜的環(huán)境及場(chǎng)景，是一種操作簡(jiǎn)單，結(jié)果精確的測(cè)量方法。

四、結(jié)語(yǔ)

近年來(lái)，各行各業(yè)對(duì)視頻監(jiān)控的需求不斷升溫，但已有的視頻監(jiān)控產(chǎn)品不能滿足日益增長(zhǎng)的需要。因此，計(jì)算機(jī)視覺(jué)和應(yīng)用研究學(xué)者適時(shí)提出新一代監(jiān)控—視頻智能監(jiān)控。它是目前國(guó)內(nèi)外計(jì)算機(jī)視覺(jué)研究領(lǐng)域熱點(diǎn)問(wèn)題之一。因而，在生產(chǎn)實(shí)踐中，不斷加強(qiáng)對(duì)其的分析和研究具有非常重要的現(xiàn)實(shí)意義。

參考文獻(xiàn)：

第8篇：計(jì)算機(jī)視覺(jué)的主要技術(shù)范文

關(guān)鍵詞：自動(dòng)控制技術(shù)農(nóng)業(yè)自動(dòng)化

中圖分類(lèi)號(hào)： DF413.1文獻(xiàn)標(biāo)識(shí)碼： A

由于歷史、觀念和技術(shù)等方面的原因, 我國(guó)傳統(tǒng)農(nóng)業(yè)機(jī)械與發(fā)達(dá)國(guó)家相比有很大差距, 已遠(yuǎn)遠(yuǎn)不能適應(yīng)農(nóng)業(yè)的科技進(jìn)步。近些年來(lái), 自動(dòng)化的研究逐漸被人們所認(rèn)識(shí), 自動(dòng)控制在農(nóng)業(yè)上的應(yīng)用越來(lái)越受到重視。例如,把計(jì)算機(jī)技術(shù)、微處理技術(shù)、傳感與檢測(cè)技術(shù)、信息處理技術(shù)結(jié)合起來(lái), 應(yīng)用于傳統(tǒng)農(nóng)業(yè)機(jī)械, 極大地促進(jìn)了產(chǎn)品性能的提高。我國(guó)農(nóng)業(yè)部門(mén)總結(jié)了一些地區(qū)的農(nóng)業(yè)自動(dòng)化先進(jìn)經(jīng)驗(yàn)(如臺(tái)灣地區(qū)的農(nóng)業(yè)生產(chǎn)自動(dòng)化、漁業(yè)生產(chǎn)自動(dòng)化、畜牧業(yè)生產(chǎn)自動(dòng)化及農(nóng)產(chǎn)品貿(mào)易自動(dòng)化)的開(kāi)發(fā)與應(yīng)用情況, 同時(shí)也汲取了國(guó)外一些國(guó)家的先進(jìn)經(jīng)驗(yàn)、技術(shù), 如日本的四行半喂人聯(lián)合收割機(jī)是計(jì)算機(jī)控制的自動(dòng)化裝置在半喂人聯(lián)合收割機(jī)中的應(yīng)用,英國(guó)通過(guò)對(duì)施肥機(jī)散播肥料的動(dòng)力測(cè)量來(lái)控制肥料的精確使用量。這些技術(shù)和方法是我國(guó)農(nóng)業(yè)機(jī)械的自動(dòng)化裝置得到了補(bǔ)充和新的發(fā)展, 從而形成了一系列適合我國(guó)農(nóng)業(yè)特點(diǎn)的自動(dòng)化控制技術(shù)。

一、已有的農(nóng)業(yè)機(jī)械及裝置的部分自動(dòng)化控制

自動(dòng)化技術(shù)提高了已有農(nóng)業(yè)機(jī)械及裝置的作業(yè)性能和操作性能。浙江省把自動(dòng)化技術(shù)應(yīng)用于茶葉機(jī)械上, 成功研制出6CRK-55型可編程控制加壓茶葉揉捻機(jī), 它利用計(jì)算機(jī)控制電功加壓機(jī)構(gòu), 能根據(jù)茶葉的具體情況編制最佳揉捻程序?qū)崿F(xiàn)揉捻過(guò)程的自動(dòng)控制, 是機(jī)電一體化技術(shù)在茶葉機(jī)械上的首次成功應(yīng)用。

1.應(yīng)用于拖拉機(jī)

在農(nóng)用拖拉機(jī)上已廣泛使用了機(jī)械油壓式三點(diǎn)聯(lián)結(jié)的位調(diào)節(jié)和力調(diào)節(jié)系統(tǒng)裝置, 現(xiàn)又在開(kāi)發(fā)和采用性能更完善的電子油壓式三點(diǎn)聯(lián)結(jié)裝置。

2.應(yīng)用于施肥播種機(jī)

根據(jù)行駛速度和檢測(cè)種子粒數(shù)來(lái)確定播種量是否符合要求的裝置, 以及將馬鈴薯種子割成瓣后播種的裝置等。

3.應(yīng)用于谷物干燥機(jī)

不受外界條件干擾, 能自動(dòng)維持熱風(fēng)溫度的裝置停電或干燥機(jī)過(guò)熱引起火災(zāi)時(shí), 自動(dòng)掐斷燃料供給的裝置。

二、微灌自動(dòng)控制技術(shù)

我國(guó)從20世紀(jì)年50代就開(kāi)始進(jìn)行節(jié)水灌溉的研究與推廣據(jù)統(tǒng)計(jì)。到1992年, 全國(guó)共有節(jié)水灌溉工程面積0.133億m2, 其中噴灌面積80萬(wàn)m2, 農(nóng)業(yè)節(jié)水工程取得了巨大的進(jìn)展。灌溉管理自動(dòng)化是發(fā)展高效農(nóng)業(yè)的重要手段, 高效農(nóng)業(yè)和精細(xì)農(nóng)業(yè)要求必須實(shí)現(xiàn)水資源的高效利用。采用遙感遙測(cè)等新技術(shù)監(jiān)測(cè)土壤墑性和作物生長(zhǎng)情況, 對(duì)灌溉用水進(jìn)行動(dòng)態(tài)監(jiān)測(cè)預(yù)報(bào), 實(shí)現(xiàn)灌溉用水管理的自動(dòng)化和動(dòng)態(tài)管理。在微灌技術(shù)領(lǐng)域, 我國(guó)先后研制和改進(jìn)了等流量滴灌設(shè)備、微噴灌設(shè)備、微灌帶、孔口滴頭、壓力補(bǔ)償式滴頭、折射式和旋轉(zhuǎn)式微噴頭、過(guò)濾器和進(jìn)排氣閥等設(shè)備, 總結(jié)出了一套基本適合我國(guó)國(guó)情的微灌設(shè)計(jì)參數(shù)和計(jì)算方法, 建立了一批新的試驗(yàn)示范基地。在一些地區(qū)實(shí)現(xiàn)了自動(dòng)化灌溉系統(tǒng), 可以長(zhǎng)時(shí)間地自動(dòng)啟閉水泵和自動(dòng)按一定的輪灌順序進(jìn)行灌溉。這種系統(tǒng)中應(yīng)用了灌水器、土壤水分傳感器、溫度傳感器、壓力傳感器、水位傳感器和雨量傳感器、電線等。

三、自動(dòng)控制技術(shù)在精準(zhǔn)農(nóng)業(yè)中的應(yīng)用

精準(zhǔn)農(nóng)業(yè)是在傳統(tǒng)農(nóng)業(yè)與農(nóng)業(yè)機(jī)裝備技術(shù)上, 運(yùn)用高新技術(shù)進(jìn)行農(nóng)業(yè)生產(chǎn)管理。精準(zhǔn)農(nóng)業(yè)較傳統(tǒng)農(nóng)業(yè)其先進(jìn)之處主要是應(yīng)用全球定位系統(tǒng)(GPS)、地理信息技術(shù)、計(jì)算機(jī)控制技術(shù)、專家與決策知識(shí)系統(tǒng), 實(shí)現(xiàn)農(nóng)業(yè)生產(chǎn)的定位、定量、定時(shí), 做到精耕細(xì)作和由于農(nóng)業(yè)水土管理區(qū)管理點(diǎn)較為分散, 用傳統(tǒng)方法進(jìn)行數(shù)據(jù)采集和信息傳輸精度差、速度慢。把電子技術(shù)、微電子技術(shù)和通信技術(shù)緊密結(jié)合起來(lái), 采用現(xiàn)代方法進(jìn)行自動(dòng)化監(jiān)控和管理非常必要, 如在渠系、灌水、泵站等方面實(shí)現(xiàn)自動(dòng)化監(jiān)控與管理。農(nóng)業(yè)自動(dòng)化向智能化方向發(fā)展, 進(jìn)一步發(fā)展精準(zhǔn)農(nóng)業(yè)重點(diǎn)發(fā)展節(jié)水、節(jié)肥精準(zhǔn)農(nóng)業(yè)技術(shù)體系的自動(dòng)化控制, 實(shí)施精準(zhǔn)灌溉、精準(zhǔn)施肥, 提高水資源和化肥資源的利用率。精細(xì)設(shè)施農(nóng)業(yè)主要發(fā)展以溫室為主的自動(dòng)控制系統(tǒng)智能化研究, 從而現(xiàn)降低成本、提高作物產(chǎn)量、提高農(nóng)產(chǎn)品品質(zhì)。這有助于我國(guó)農(nóng)業(yè)資源的高效利用和農(nóng)業(yè)環(huán)境保護(hù), 是發(fā)展持續(xù)農(nóng)業(yè)的重要途徑。將計(jì)算機(jī)視覺(jué)技術(shù)應(yīng)用于農(nóng)業(yè)自動(dòng)化領(lǐng)域計(jì)算機(jī)視覺(jué)技術(shù)是一個(gè)相當(dāng)新且發(fā)展十分迅速的研究領(lǐng)域, 日本、美國(guó)等發(fā)達(dá)國(guó)家已在農(nóng)業(yè)計(jì)算機(jī)視覺(jué)方面進(jìn)行了廣泛而深入的研究, 如農(nóng)業(yè)種質(zhì)資源管理、獲取作物生長(zhǎng)狀態(tài)信息、農(nóng)產(chǎn)品自動(dòng)收獲、農(nóng)產(chǎn)品品質(zhì)鑒定等。英國(guó)開(kāi)發(fā)研制的采摘蘑菇機(jī)器人, 在定位蘑菇采摘點(diǎn)和測(cè)量時(shí), 已經(jīng)利用了計(jì)算機(jī)視覺(jué)和圖像處理技術(shù)。計(jì)算機(jī)視覺(jué)技術(shù)在我國(guó)農(nóng)業(yè)生產(chǎn)和農(nóng)業(yè)現(xiàn)代化方面已開(kāi)始應(yīng)用, 但在設(shè)施農(nóng)業(yè)、虛擬農(nóng)業(yè)中的應(yīng)用尚處于起步階段, 應(yīng)進(jìn)一步加強(qiáng)、加快該領(lǐng)域的研究與應(yīng)用。

我國(guó)農(nóng)業(yè)自動(dòng)化已在設(shè)施農(nóng)業(yè)中的溫室自動(dòng)化控制、排灌機(jī)械自動(dòng)化、部分農(nóng)業(yè)機(jī)械裝置自動(dòng)化等方面得到一定的發(fā)展, 尤其精準(zhǔn)農(nóng)業(yè)的發(fā)展越來(lái)越得到重視。電子技術(shù)和計(jì)算機(jī)技術(shù)的迅速發(fā)展推動(dòng)了農(nóng)業(yè)機(jī)器向自動(dòng)化方向發(fā)展。隨著智能化技術(shù)的發(fā)展, 人工智能將是世紀(jì)農(nóng)業(yè)工程發(fā)展的重點(diǎn)。各種農(nóng)業(yè)機(jī)器人或智能化系統(tǒng)將在農(nóng)業(yè)自動(dòng)化控制中不斷涌現(xiàn), 繼續(xù)推動(dòng)和實(shí)現(xiàn)農(nóng)業(yè)自動(dòng)化是農(nóng)業(yè)機(jī)械化工程技術(shù)工作者所面臨的長(zhǎng)遠(yuǎn)課題和挑戰(zhàn), 并進(jìn)一步促進(jìn)農(nóng)業(yè)自動(dòng)化控制技術(shù)向智能化技術(shù)發(fā)展。

四、自動(dòng)控制技術(shù)在精準(zhǔn)農(nóng)業(yè)中的應(yīng)用

精準(zhǔn)農(nóng)業(yè)是在傳統(tǒng)農(nóng)業(yè)與農(nóng)業(yè)機(jī)裝備技術(shù)上, 運(yùn)用高新技術(shù)進(jìn)行農(nóng)業(yè)生產(chǎn)管理。精準(zhǔn)農(nóng)業(yè)較傳統(tǒng)農(nóng)業(yè)其先進(jìn)之處主要是應(yīng)用全球定位系統(tǒng)(GPS)、地理信息技術(shù)、計(jì)算機(jī)控制技術(shù)、專家與決策知識(shí)系統(tǒng), 實(shí)現(xiàn)農(nóng)業(yè)生產(chǎn)的定位、定量、定時(shí), 做到精耕細(xì)作和由于農(nóng)業(yè)水土管理區(qū)管理點(diǎn)較為分散, 用傳統(tǒng)方法進(jìn)行數(shù)據(jù)采集和信息傳輸精度差、速度慢。把電子技術(shù)、微電子技術(shù)和通信技術(shù)緊密結(jié)合起來(lái), 采用現(xiàn)代方法進(jìn)行自動(dòng)化監(jiān)控和管理非常必要, 如在渠系、灌水、泵站等方面實(shí)現(xiàn)自動(dòng)化監(jiān)控與管理。農(nóng)業(yè)自動(dòng)化向智能化方向發(fā)展, 進(jìn)一步發(fā)展精準(zhǔn)農(nóng)業(yè)重點(diǎn)發(fā)展節(jié)水、節(jié)肥精準(zhǔn)農(nóng)業(yè)技術(shù)體系的自動(dòng)化控制, 實(shí)施精準(zhǔn)灌溉、精準(zhǔn)施肥, 提高水資源和化肥資源的利用率。精細(xì)設(shè)施農(nóng)業(yè)主要發(fā)展以溫室為主的自動(dòng)控制系統(tǒng)智能化研究, 從而現(xiàn)降低成本、提高作物產(chǎn)量、提高農(nóng)產(chǎn)品品質(zhì)。這有助于我國(guó)農(nóng)業(yè)資源的高效利用和農(nóng)業(yè)環(huán)境保護(hù), 是發(fā)展持續(xù)農(nóng)業(yè)的重要途徑。將計(jì)算機(jī)視覺(jué)技術(shù)應(yīng)用于農(nóng)業(yè)自動(dòng)化領(lǐng)域計(jì)算機(jī)視覺(jué)技術(shù)是一個(gè)相當(dāng)新且發(fā)展十分迅速的研究領(lǐng)域, 日本、美國(guó)等發(fā)達(dá)國(guó)家已在農(nóng)業(yè)計(jì)算機(jī)視覺(jué)方面進(jìn)行了廣泛而深入的研究, 如農(nóng)業(yè)種質(zhì)資源管理、獲取作物生長(zhǎng)狀態(tài)信息、農(nóng)產(chǎn)品自動(dòng)收獲、農(nóng)產(chǎn)品品質(zhì)鑒定等。英國(guó)開(kāi)發(fā)研制的采摘蘑菇機(jī)器人, 在定位蘑菇采摘點(diǎn)和測(cè)量時(shí), 已經(jīng)利用了計(jì)算機(jī)視覺(jué)和圖像處理技術(shù)。計(jì)算機(jī)視覺(jué)技術(shù)在我國(guó)農(nóng)業(yè)生產(chǎn)和農(nóng)業(yè)現(xiàn)代化方面已開(kāi)始應(yīng)用, 但在設(shè)施農(nóng)業(yè)、虛擬農(nóng)業(yè)中的應(yīng)用尚處于起步階段, 應(yīng)進(jìn)一步加強(qiáng)、加快該領(lǐng)域的研究與應(yīng)用。

我國(guó)農(nóng)業(yè)自動(dòng)化已在設(shè)施農(nóng)業(yè)中的溫室自動(dòng)化控制、排灌機(jī)械自動(dòng)化、部分農(nóng)業(yè)機(jī)械裝置自動(dòng)化等方面得到一定的發(fā)展, 尤其精準(zhǔn)農(nóng)業(yè)的發(fā)展越來(lái)越得到重視。電子技術(shù)和計(jì)算機(jī)技術(shù)的迅速發(fā)展推動(dòng)了農(nóng)業(yè)機(jī)器向自動(dòng)化方向發(fā)展。隨著智能化技術(shù)的發(fā)展, 人工智能將是世紀(jì)農(nóng)業(yè)工程發(fā)展的重點(diǎn)。各種農(nóng)業(yè)機(jī)器人或智能化系統(tǒng)將在農(nóng)業(yè)自動(dòng)化控制中不斷涌現(xiàn), 繼續(xù)推動(dòng)和實(shí)現(xiàn)農(nóng)業(yè)自動(dòng)化是農(nóng)業(yè)機(jī)械化工程技術(shù)工作者所面臨的長(zhǎng)遠(yuǎn)課題和挑戰(zhàn), 并進(jìn)一步促進(jìn)農(nóng)業(yè)自動(dòng)化控制技術(shù)向智能化技術(shù)發(fā)展。

【參考文獻(xiàn)】

[1]馬玉敏等.工業(yè)以太網(wǎng)的最新發(fā)展.自動(dòng)化系統(tǒng)工程，2006（2）：2.

第9篇：計(jì)算機(jī)視覺(jué)的主要技術(shù)范文

關(guān)鍵詞：序貫相似性檢測(cè)算法 圖像匹配 計(jì)算機(jī)視覺(jué)

中圖分類(lèi)號(hào)：TN911 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1672-3791（2013）06（c）-0205-01

圖像匹配最早是70年代美國(guó)從事飛行器輔助導(dǎo)航系統(tǒng)，武器投射系統(tǒng)的制導(dǎo)等應(yīng)用研究中提出的。國(guó)內(nèi)外學(xué)者對(duì)匹配輔助導(dǎo)航技術(shù)進(jìn)行深入研究，使其在民用領(lǐng)域的應(yīng)用越來(lái)越廣泛[1，2]。計(jì)算機(jī)視覺(jué)計(jì)算主要分為低層處理、中層處理和高層處理，而在低層進(jìn)行數(shù)字化差異檢測(cè)、中層進(jìn)行參數(shù)化相似分析，高層處理完成圖像的識(shí)別、解釋和描述等任務(wù)，都需要圖像匹配技術(shù)[3]。序貫相似性檢測(cè)算法（SSDA）能夠快速地丟棄非匹配點(diǎn)，減少非匹配點(diǎn)的計(jì)算量，從而提高匹配的速度，算法簡(jiǎn)單，易于實(shí)現(xiàn)。

1 序貫相似性檢測(cè)算法

序貫相似性檢測(cè)算法的基本思想是基于對(duì)誤差的積累進(jìn)行分析。在進(jìn)行圖像匹配時(shí)，通常非匹配點(diǎn)處的誤差ε會(huì)隨著運(yùn)算點(diǎn)數(shù)的增加而迅速增長(zhǎng)，很快超過(guò)某一門(mén)限，而對(duì)于匹配點(diǎn)處，誤差的增長(zhǎng)要緩慢得多。這樣對(duì)于大多數(shù)非匹配點(diǎn)，只需要分析前幾項(xiàng)，而只有匹配點(diǎn)附近的點(diǎn)才需要計(jì)算整個(gè)循環(huán)，這樣就大大地減少了匹配的運(yùn)算量。

設(shè)源圖像S的大小為J×K，模板圖T的大小為M×N（其中M≤J，N≤K），模板覆蓋的區(qū)域子圖為，（p，q）為模板左上角像素點(diǎn)在圖像S中的坐標(biāo)，S中的待匹配區(qū)域是以點(diǎn)（p，q），（p，q+M-1），（p+N-1，q），（p+N-1，q+M-1）組成的區(qū)域。相對(duì)于參考點(diǎn)位置為（m，n）點(diǎn)的匹配誤差定義為：

其中k=1，2，…r。將累計(jì)誤差值與預(yù)定閾值進(jìn)行比較，當(dāng)累加值超過(guò)設(shè)定閾值Tk時(shí)，就停止累加計(jì)算，并記下累加次數(shù)k。計(jì)算下一個(gè)待匹配點(diǎn)處的誤差，若累計(jì)誤差小于預(yù)定閾值，則繼續(xù)計(jì)算此處的誤差，直到>Tk或k=r，記下k值。對(duì)不同的待匹配點(diǎn)進(jìn)行上述匹配計(jì)算，最后取最大k值對(duì)應(yīng)的待匹配點(diǎn)位置，即為要找的匹配點(diǎn)。

2 實(shí)驗(yàn)結(jié)果與分析

圖1顯示了基準(zhǔn)圖與實(shí)時(shí)圖像，圖1（a）為基準(zhǔn)圖像，大小為256×256，圖1（b）為實(shí)時(shí)圖，大小為65×65。圖1（c）找到了實(shí)時(shí)圖像在基準(zhǔn)圖中的位置。

由圖1可以看出，SSDA算法能夠良好地進(jìn)行匹配。而通過(guò)對(duì)匹配時(shí)間的計(jì)算可以看出，SSDA算法的運(yùn)行時(shí)間相對(duì)較短，效率較高。

參考文獻(xiàn)

[1] GONG H C.Development of terrain contour matching algorithm for the aided inertial navigation using radial basis functions [J].Journal of Astron Space Science，1998，15（1）：229-234.