软金信物信2012新技术专题报告模版

上传人:宝路 文档编号:7004587 上传时间:2017-10-08 格式:DOC 页数:7 大小:68.50KB
返回 下载 相关 举报
软金信物信2012新技术专题报告模版_第1页
第1页 / 共7页
软金信物信2012新技术专题报告模版_第2页
第2页 / 共7页
软金信物信2012新技术专题报告模版_第3页
第3页 / 共7页
软金信物信2012新技术专题报告模版_第4页
第4页 / 共7页
软金信物信2012新技术专题报告模版_第5页
第5页 / 共7页
点击查看更多>>
资源描述

《软金信物信2012新技术专题报告模版》由会员分享,可在线阅读,更多相关《软金信物信2012新技术专题报告模版(7页珍藏版)》请在金锄头文库上搜索。

1、 新技术专题报告课 程: 新技术专题 题 目: 计算机视觉基础 班 级: 软金信 12 班 学 号: 120123505043 姓 名: 薛连波 日 期: 2014/8/27 一、 引言(概述,比如涉及到哪些技术)计算机视觉是一门研究如何使机器“看” 的科学,更进一步的说,就是是指用摄影机和电脑代替人眼对目标进行识别、跟踪和测量等机器视觉,并进一步做图形处理,用电脑处理成为更适合人眼观察或传送给仪器检测的图像。作为一个科学学科,计算机视觉研究相关的理论和技术,试图建立能够从图像或者多维数据中获取信息的人工智能系统。这里所指的信息指 Shannon定义的,可以用来帮助做一个“决定” 的信息。因为

2、感知可以看作是从感官信号中提 取信息,所以计算机视觉也可以看作是研究如何使人工系统从图像或多维数据中“ 感知” 的科学。 计算机视觉是一门研究如何使机器“看”的科学,更进一步的说,就是是指用摄影机和电脑代替人眼对目标进行识别、跟踪和测量等机器视觉,并进一步做图形处理,用电脑处理成为更适合人眼观察或传送给仪器检测的图像。 作为一个科学学科,计算机视觉研究相关的理论和技术,试图建立能够从图像或者多维数据中获取信息的人工智能系统。这里所 指的信息指 Shannon 定义的,可以用来帮助做一个“决定”的信息。因为感知可以看作是从感官信号中提 取信息,所以计算机视觉也可以看作是研究如何使人工系统从图像或

3、多维数据中“感知”的科学。 作为一个工程学科,计算机视觉寻求基于相关理论与模型来建立计算机视觉系统。这类系统的组成部分包括: 程序控制(例如工业机器人和无人驾驶汽车) 事件监测(例如图像监测) 信息组织(例如图像数据库和图像序列的索引建立) 物体与环境建模(例如工业检查,医学图像分析和拓扑建模) 交感互动(例如人机互动的输入设备) 计算机视觉同样可以被看作是生物视觉的一个补充。在生物视觉领域中,人类和各种动物的视觉都得到了研究,从而建立了这些视觉 系统感知信息过程中所使用的物理模型。另一方面,在计算机视觉中,靠软件和硬件实现的人工智能系统得到了研究与描述。生物视 觉与计算机视觉进行的学科间交流

4、为彼此都带来了巨大价值。 计算机视觉包含如下一些分支:画面重建,事件监测,目标跟踪,目标识别,机器学习,索引建立,图像恢复等。 计算机视觉既是工程领域,也是科学领域中的一个富有挑战性重要研究领域。计算机视觉是一门综合性的学科,它已经吸引了来自各个学科的研究者参加到对它的研究之中。其中包括计算机科学和工程、信号处理、物理学、应用数学和统计学,神经生理学和认知科学等。 视觉是各个应用领域,如制造业、检验、文档分析、医疗诊断,和军事等领域中各种智能自主系统中不可分割的一部分。由于它的重要性,一些先进国家,例如美国把对计算机视觉的研究列为对经济和科学有广泛影响的科学和工程中的重大基本问题,即所谓的重大

5、挑战(grand challenge) 。计算机视觉的挑战是要为计算机和机器人开发具有与人类水平相当的视觉能力。机器视觉需要图象信号,纹理和颜色建模,几何处理和推理,以及物体建模。一个有能力的视觉系统应该把所有这些处理都紧密地集成在一起。作为一门学科,计算机视觉开始于 60 年代初,但在计算机视觉的基本研究中的许多重要进展是在80 年代取得的。现在计算机视觉已成为一门不同于人工智能、图象处理、模式识别等相关领域的成熟学科。 有不少学科的研究目标与计算机视觉相近或与此有关。这些学科中包括图象处理、模式识别或图象识别、景物分析、图象理解等。由于历史发展或领域本身的特点这些学科互有差别,但又有某种程

6、度的相互重迭。为了清晰起见,我们把这些与计算机视觉有关的学科研究目标和方法的角度加以归纳。4.1 1. 图象处理 图象处理技术把输入图象转换成具有所希望特性的另一幅图象。例如,可通过处理使输出图象有较高的信-噪比,或通过增强处理突出图象的细节,以便于操作员的检验。在计算机视觉研究中经常利用图象处理技术进行预处理和特征抽取。 4.2 2. 模式识别(图象识别) 模式识别技术根据从图象抽取的统计特性或结构信息,把图象分成予定的类别。例如,文字识别或指纹识别。在计算机视觉中模式识别技术经常用于对图象中的某些部分,例如分割区域的识别和分类。 4.3 3. 图象理解(景物分析) 给定一幅图象,图象理解程

7、序不仅描述图象本身,而且描述和解释图象所代表的景物,以便对图象代表的内容作出决定。在人工智能视觉研究的初期经常使用景物分析这个术语,以强调二维图象与三维景物之间的区别。图象理解除了需要复杂的图象处理以外还需要具有关于景物成象的物理规律的知识以及与景物内容有关的知识。 在建立计算机视觉系统时需要用到上述学科中的有关技术,但计算机视觉研究的内容要比这些学科更为广泛。计算机视觉的研究与人类视觉的研究密切相关。为实现建立与人的视觉系统相类似的通用计算机视觉系统的目标需要建立人类视觉的计算机理论。 二、 研究现状计算机视觉领域的突出特点是其多样性与不完善性。 计算机视觉与其他领域的关系这一领域的先驱可追

8、溯到更早的时候,但是直到 20 世纪 70 年代后期,当计算机的性能提高到足以处理诸如图像这样的大规模数据时,计算机视觉才得到了正式的关注和发展。然而这些发展往往起源于其他不同领域的需要,因而何谓“计算机视觉问题”始终没有得到正式定义,很自然地, “计算机视觉问题”应当被如何解决也没有成型的公式。 尽管如此,人们已开始掌握部分解决具体计算机视觉任务的方法,可惜这些方法通常都仅适用于一群狭隘的目标(如:脸孔、指纹、文字等) ,因而无法被广泛地应用于不同场合。 对这些方法的应用通常作为某些解决复杂问题的大规模系统的一个组成部分(例如医学图像的处理,工业制造中的质量控制与测量) 。在计算机视觉的大多

9、数实际应用当中,计算机被预设为解决特定的任务,然而基于机器学习的方法正日渐普及,一旦机器学习的研究进一步发展,未来“泛用型”的电脑视觉应用或许可以成真。 人工智能所研究的一个主要问题是:如何让系统具备“计划”和“决策能力”?从而使之完成特定的技术动作(例如:移动一个机器人通过某种特定环境) 。这一问题便与计算机视觉问题息息相关。在这里,计算机视觉系统作为一个感知器,为决策提供信息。另外一些研究方向包括模式识别和机器学习(这也隶属于人工智能领域,但与计算机视觉有着重要联系) ,也由此,计算机视觉时常被看作人工智能与计算机科学的一个分支。 物理是与计算机视觉有着重要联系的另一领域。 计算机视觉关注

10、的目标在于充分理解电磁波主要是可见光与红外线部分遇到物体表面被反射所形成的图像,而这一过程便是基于光学物理和固态物理,一些尖端的图像感知系统甚至会应用到量子力学理论,来解析影像所表示的真实世界。同时,物理学中的很多测量难题也可以通过计算机视觉得到解决,例如流体运动。也由此,计算机视觉同样可以被看作是物理学的拓展。 另一个具有重要意义的领域是神经生物学,尤其是其中生物视觉系统的部分。 在整个 20 世纪中,人类对各种动物的眼睛、神经元、以及与视觉刺激相关的脑部组织都进行了广泛研究,这些研究得出了一些有关“天然的”视觉系统如何运作的描述(尽管仍略嫌粗略) ,这也形成了计算机视觉中的一个子领域人们试

11、图建立人工系统,使之在不同的复杂程度上模拟生物的视觉运作。同时计算机视觉领域中,一些基于机器学习的方法也有参考部分生物机制。 计算机视觉的另一个相关领域是信号处理。很多有关单元变量信号的处理方法,尤其对是时变信号的处理,都可以很自然的被扩展为计算机视觉中对二元变量信号或者多元变量信号的处理方法。但由于图像数据的特有属性,很多计算机视觉中发展起来的方法,在单元信号的处理方法中却找不到对应版本。这类方法的一个主要特征,便是他们的非线性以及图像信息的多维性,以上二点作为计算机视觉的一部分,在信号处理学中形成了一个特殊的研究方向。 除了上面提到的领域,很多研究课题同样可被当作纯粹的数学问题。例如,计算

12、机视觉中的很多问题,其理论基础便是统计学,最优化理论以及几何学。 如何使既有方法通过各种软硬件实现,或说如何对这些方法加以修改,而使之获得合理的执行速度而又不损失足够精度,是现今电脑视觉领域的主要课题。 三、 研究内容(例如里面可以分 3.1 、3.2 介绍,内容大家自己安排)有不少学科的研究目标与计算机视觉相近或与此有关。这些学科中包括图象处理、模式识别或图象识别、景物分析、图象理解等。由于历史发展或领域本身的特点这些学科互有差别,但又有某种程度的相互重迭。为了清晰起见,我们把这些与计算机视觉有关的学科研究目标和方法的角度加以归纳。4.1 1. 图象处理 图象处理技术把输入图象转换成具有所希

13、望特性的另一幅图象。例如,可通过处理使输出图象有较高的信-噪比,或通过增强处理突出图象的细节,以便于操作员的检验。在计算机视觉研究中经常利用图象处理技术进行预处理和特征抽取。 4.2 2. 模式识别(图象识别) 模式识别技术根据从图象抽取的统计特性或结构信息,把图象分成予定的类别。例如,文字识别或指纹识别。在计算机视觉中模式识别技术经常用于对图象中的某些部分,例如分割区域的识别和分类。 4.3 3. 图象理解(景物分析) 给定一幅图象,图象理解程序不仅描述图象本身,而且描述和解释图象所代表的景物,以便对图象代表的内容作出决定。在人工智能视觉研究的初期经常使用景物分析这个术语,以强调二维图象与三

14、维景物之间的区别。图象理解除了需要复杂的图象处理以外还需要具有关于景物成象的物理规律的知识以及与景物内容有关的知识。 在建立计算机视觉系统时需要用到上述学科中的有关技术,但计算机视觉研究的内容要比这些学科更为广泛。计算机视觉的研究与人类视觉的研究密切相关。为实现建立与人的视觉系统相类似的通用计算机视觉系统的目标需要建立人类视觉的计算机理论。 四、 发展前景(应用)计算机视觉是自二十世纪六十年代中的期迅速发展起来的一门新学科。计算机视觉是适用计算机及相关设备对生物视觉的一种模拟。主要任务就是通过对采集的图片或视频进行处理以获得相应场景的三维信息,就想人类和许多其他类生物每天所做的那样。计算机视觉将在工农业生产,地质学,天文学,气象学,医 学及军事学等等领域有着极大潜在的应用价值,所以它在国际上越来越受重视,以及其应用前景广泛。五、结束语(总结)参考文献1 王荣本,张友坤,王志中.世界自动引导车辆系统(AGVS)的发展J.农业工程学报,1994,21(2): 15-20.(论文的引用方法)2 张宝生.汽车优化设计理论与方法M.北京:机械工业出版社,2000.(书的引用方法)具体要求:1. A4 纸打印,正文小四号宋体字2. 不少于 5000 字, 按照上面的提纲来写3. 注意:互相抄袭者都没有成绩

展开阅读全文
相关资源
相关搜索

当前位置:首页 > 中学教育 > 试题/考题

电脑版 |金锄头文库版权所有
经营许可证:蜀ICP备13022795号 | 川公网安备 51140202000112号