《[精品]浅谈计算机视觉发展趋势》由会员分享，可在线阅读，更多相关《[精品]浅谈计算机视觉发展趋势（8页珍藏版）》请在金锄头文库上搜索。
1、武汉理工大学学期小论文科目学科导论题目浅谈计尊机视觉发展趋势院（系）信心2011年12月 内容摘要：计算机视觉技术集数字图像处理、数字信号处理、光学、物理学、几 何学、应用数学、模式识别及人工智能等知识于一体，其应用已经涉及到计算几 何、计算机图形学、图像处理、机器人学等领域。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。本文将就计算机视觉的应用现 状、采用的关键技术和应用前景作简要介绍。关键字：计算机视觉 应用领域 关键技术 发展趋势Abstract: Computer vision technology integrates the knowledge on dig
2、ital image processing, digital signal processing, optics, physics, geometry, applied mathematics, pattern recognition, artificial intelligence, etc. Its application has involved in such fields as computational geometry, computer graphics, image processing, robotics and so on. Computer vision is both
3、 engineering and science which is a challenging important research field . This paper will simplely introduce the application of computer vision, the key technology and application prospects.keywords: computer vision application field key technology development- trend1绪论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重要研
4、究领域。 计算机视觉是一门综合性的学科，它已经吸收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 学等。计算机视觉所研究的对象，简单地说就是研究如何让计算机通过图像传感器 或其它光传感器来感知，分析和理解周围环境。机器视觉系统的输入装置可以是摄像机、转鼓等。它们都把三维的影像作为 输入源，即输入计算机的就是三维世界的二维投影。如果的影像作为输入源，即 输入计算机的就是三维世界的二维投影。如果系统所要做的是从这种二维投影图 像到三维客观世界的逆变换也就是根据这种二维投影图像去重建三维的客观世 界机器视觉系统主要由三部分组成：图像的获取、图像
5、的处理和分析、输出或显 示。2计算机视觉应用领域计算机视觉的应用领域主要包括对照片，视频资料如航空照片，卫星照片， 视频片段等等的解释，精确制导，移动机器人视觉导航，医学辅助诊断，工业机 械人的手眼系统，地图绘制，物体三维形状分析与识别及其智能人机接曰等等。早期进行数字图像处理的目的之一就是要通过采用数字技术提高照片的质 量，辅助进行航空照片和卫星照片的读取判别与分类。由于需要判读的照片数量 很多，于是希望有动的视觉系统进行判读解释，在这样的背景下，产生许多航 空照片和卫星照片判读系统和方法。自动判读的进一步应用就是直接确定目标的 性质，电视制导和图像制导，在导弹系统中常常将惯例制导与图像制导
6、结合，利 用图像进行精确的末制导。工业机器人的手眼系统是计算机视觉应用的最成功的领域之一，由于工业现 场的诸多因素，与工业机器人不同，对于移动机器人而言，由于它具有行为能力, 于是就是必须解决行为规划问题。随着移动式机器人的发展，越来越多的要求提 供视觉能力，包括道路跟踪，回避障碍，特定目标等等。目前移动机器人视觉系 统研究处于实验阶段，大多数采用遥控。3计算机视觉的关键技术计算机视觉信息的处理技术主要依赖于图像处理方法，它包括图像增强、数 据编码和传输、平滑、边缘锐化、分割、特征抽取、图像识别与理解等内容。经 过这些处理后。输出图像的质量得到相当程度的改善，既改善了图像的视觉效 果.又便于计
7、算机对图像进行分析、处理和识别。3.1图像分割研究3.1.1数据驱动的分割常见的数据驱动分割包括基于边缘检测的分割，基于区域的分割，边缘与区 域结合的分割等。对于基于边缘检测的分割，其基本思想是先检测图像中的边缘 点，再按一定方法连接成模块，从而构成分割区域。基于区域分割的基本思想是 根据图像数据的特征将图像空间划分成不同的区域。常用的特征包括：宜接来源 原始图像的灰度或彩色特征：由原始灰度或彩色值变换得到的特征。3.1.2模型驱动的分割常见的模型驱动分割包括基于动态轮廓模型，组合优化模型，目标几何与统 计模型。Snakes模型用于描述分割目标的动态轮廓。由于其能量函数采用的积 分运算，具有较
8、好的抗噪声性，对门标的局部模糊也不敏感，因而适用性广。但 这种分割方法易局部最优，因此要求初始轮廓应尽可能靠近真.实的轮廓。3.2图像的增强图像的增强用于调整图像的对比度.突出图像中的重要细节.改善视觉质量。 通常采用灰度直方图修改技术进行图像增强图像的灰度直方图是表示幅图像 灰度分布情况的统计特性图表。与对比度紧密相连。如果获得一幅图像的直方图 效果不理想.可以通过直方图均衡化处理技术作适当修改，即把一幅已知灰度概 率分布图像中的像素灰度作某种映射变换.使它变成一幅具有均匀灰度概率分布 的新图像现使图像清晰的目的3.3图像平滑图像的平滑处理技术即图像的去噪声处理.主要是为了去除实际成像过程中
9、,因成像设备和环境所造成的图像失真，提取有用信息。去除噪声.恢复原始图像 是图像处理中的一个重要内容。3.4图像编码和传输数字图像的数据量是相当庞大的.-幅512*512个像素的数字图像的数据量 为256K字节.若假设每秒传输25帧图像.则传输的信道速率为52. 4M比特, 秒。高信道速率意味着高投资.也意味着普及难度增加因此.传输过程中，对图像数据进行压缩显得非常重要。数据就是用计算的压缩 主要通过图像数据的编码和变换庶缩完成3.5边缘锐化图像边缘锐化处理主要是加强图像中的轮廓边缘和细节.形成完整的物体边 界.达到将物体从图像中分离出来或将表示同一物体表面，它是早期视觉理论和 算法中的基本问
10、题，也是中期和后期视觉成败的重要因素之一。3.6图像识别图像的识别过程实际上W以看作是一个标记过程.即利用识别算法来辨别景 物中已分割好的各个物体。给这些物体赋予特定的标记目前用于图像识别的方法 主要分为决策理论和结构方法。决策理,它是机器视觉系统必须完成的一个任务。 理论方法的基础是决策函数.利用它对模式向量进行分类识别.是以定时描述（如 统计纹理）为基础的：结构方法的核心是将物体分解成了模式或模式基元，而不 同的物体结构有不同的基元申（或称字符申），通过对未知物体利用给定的模式基 元求出编码边界.得到字符申。再根据字符申判断它的属性。计算机视觉应用前景t=J计算机视觉是自二十世纪六十年代中
11、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到重 视，以及其应用前景广泛。5结束语机器视觉系统是指用计算机来实现人的视觉功能.也就是用计算机来实现对 客观的三维世界的识别。本文简单讨论了计算机视觉的应用领域和采用的关键 技术.并由此简单论述了计算机视觉的应用前景.有理由相信将来计算机视觉的 应用将更加深入现代生活的各个角落。参考文献1 冷汹涛基丁计算机视觉的机密测量技术.机电产品开发与创新。2 吴立德，计算机视觉，复旦大学出版社，20093 刘先林，张爱武，基于计算机视觉的图像拼接技术研究.首都师范大学出版社, 20084 赵颜利，史文俊，刘风玉，中国图像图形学报.2009.125 马颂德，张正友，计算机视觉.北京：科学出版社，2008.1
