計(jì)算機(jī)視覺論文

1、計(jì)算機(jī)視覺的應(yīng)用與發(fā)展綜述摘要：計(jì)算機(jī)視覺學(xué)是自二十世紀(jì)六十年代中期迅速發(fā)展起來的一門新學(xué)科。它是個(gè)邊緣學(xué)科，集眾家之所長(zhǎng)，是個(gè)工程性很強(qiáng)的技術(shù)，主要需要有空間幾何、矩陣分析、光電技術(shù)、圖像處理、應(yīng)用數(shù)學(xué)、離散數(shù)學(xué)及計(jì)算機(jī)技術(shù)等等各個(gè)方面的知識(shí)，才能正確的指導(dǎo)視覺系統(tǒng)的建模、解模及實(shí)際工程問題的解決方法。計(jì)算機(jī)視覺是使用計(jì)算機(jī)及相關(guān)設(shè)備對(duì)生物視覺的一種模擬。它的主要任務(wù)就是通過對(duì)采集的圖片或視頻進(jìn)行處理以獲得相應(yīng)場(chǎng)景的三維信息，就像人類和許多其他類生物每天所做的那樣。由于算機(jī)視覺學(xué)在工農(nóng)業(yè)生產(chǎn)、地質(zhì)學(xué)、天文學(xué)、氣象學(xué)、醫(yī)學(xué)及軍事并學(xué)等領(lǐng)域有著極大的潛在應(yīng)用價(jià)值,所以它在國(guó)際上越來越受人重視。本

2、文簡(jiǎn)要地介紹了計(jì)算機(jī)視覺學(xué)結(jié)構(gòu)和研究?jī)?nèi)容,它同附近學(xué)科的關(guān)系,計(jì)算機(jī)視覺研究中面臨的技術(shù)難點(diǎn)以及計(jì)算機(jī)視覺學(xué)的歷史,現(xiàn)狀和研究動(dòng)向。關(guān)鍵字：計(jì)算機(jī); 視覺; 圖像; 應(yīng)用Abstract：Computer vision is a new rapidly developed subject since the 1960s medium-term. Computer vision is used for an analog of biological vision with computers and related equipments. Its main task is obtaining c

3、orresponding scene 3-d information by collecting the picture or video processed, just like humans and many other creature do every day. Because of computer vision has a great potential application value in industrial and agricultural production, geology, astronomy, meteorology, the medicine and the

4、military and other fields,so it is becoming more and more attention in the world. This paper briefly introduced the study content of computer vision,its relationship with nearby subjects, the technical difficulties that computer vision research is facing and computer visions history, present situati

5、on and research trend.Key words：computer vision pictures application1 緒論 計(jì)算機(jī)視覺系統(tǒng)一般有光源、攝像機(jī)、采集卡及PC軟件系統(tǒng)等組成，可以完成圖像的采集與處理、目標(biāo)的識(shí)別功能，視覺系統(tǒng)的結(jié)構(gòu)一般是從系統(tǒng)的模型的角度理解的。計(jì)算機(jī)視覺既是工程領(lǐng)域，也是科學(xué)領(lǐng)域中的一個(gè)富有挑戰(zhàn)性重要研究領(lǐng)域。計(jì)算機(jī)視覺是一門綜合性的學(xué)科，它已經(jīng)吸引了來自各個(gè)學(xué)科的研究者參加到對(duì)它的研究之中。其中包括計(jì)算機(jī)科學(xué)和工程、信號(hào)處理、物理學(xué)、應(yīng)用數(shù)學(xué)和統(tǒng)計(jì)學(xué)，神經(jīng)生理學(xué)和認(rèn)知科學(xué)等。計(jì)算機(jī)視覺學(xué)所研究的對(duì)象,簡(jiǎn)單地說就是研究如何讓計(jì)算機(jī)通過圖象傳感

6、器或其它光傳感器來感知、分析和理解周圍環(huán)境。人類感知外界環(huán)境主要通過視覺,聽覺和觸覺等四大感覺系統(tǒng)。其中視覺系統(tǒng)是最復(fù)雜的。人類從外界獲得的信息中視覺信號(hào)量最大。模仿人類的視覺系統(tǒng),計(jì)算機(jī)視覺系統(tǒng)中信息的處理和分析大致可以分成兩個(gè)階段：圖象處理階段又稱視覺處理中的低水平和中水平階段；圖象分析、理解階段又稱視覺處理中的高水平處理階段。在圖象處理階段,計(jì)算機(jī)對(duì)圖象信息進(jìn)行一系列的加工處理,這主要是：1、校正成象過程中系統(tǒng)引進(jìn)的光度學(xué)和幾何學(xué)的畸變,抑制和去除成象過程中引進(jìn)的噪聲統(tǒng)稱為圖象的恢復(fù)。2、從圖象信息如亮度分布信息中提取諸如邊沿信息,深度信息圖象點(diǎn)沿軸方向的尺度,表面三維傾斜方向信息等反映

7、客觀景物特征的信息。3、根據(jù)抽取的特征信息把反映三維客體的各個(gè)圖象基元,如輪廓、線條、紋理、邊緣、邊界、物體的各個(gè)面等從圖象中分離出來,并且建立起各個(gè)基元之間的拓樸學(xué)上的和幾何學(xué)上的關(guān)系稱之基元的分割和關(guān)系的確定。在圖象分析和理解階段,計(jì)算機(jī)根據(jù)事先存貯在數(shù)據(jù)庫中的預(yù)知識(shí)模型,識(shí)別出各個(gè)基元或某些基元組合所代表的客觀世界中的某些實(shí)體稱之為模型匹配以及根據(jù)圖象中各基元之間的關(guān)系在預(yù)知識(shí)的指導(dǎo)下得出圖象所代表的實(shí)際景物的含義,得出圖象的解釋或描述。必須強(qiáng)調(diào),預(yù)知識(shí)在視覺系統(tǒng)中起著相當(dāng)重要的作用。在預(yù)知識(shí)庫中存放著各種實(shí)際可能遇到的物體的知識(shí)模型,和實(shí)際景物中各種物體之間的約束關(guān)系。計(jì)算機(jī)的作用是根

8、據(jù)被分析的圖象中的各基元及其關(guān)系,利用預(yù)知識(shí)作為指導(dǎo),通過匹配,搜索和推理等手段,最終得到對(duì)圖象的描述。在整個(gè)過程中預(yù)知識(shí)時(shí)刻提供處理的樣板和證據(jù)。每一步的處理結(jié)果隨時(shí)同預(yù)知識(shí)進(jìn)行對(duì)比。有時(shí),處理的中間結(jié)果和最終結(jié)果還要饋送給預(yù)知識(shí)庫作為知識(shí)的更新和積累。2圖像分割研究圖像分割是圖像處理與機(jī)器視覺的基本問題之一。其要點(diǎn)是:把圖像劃分成若干互不交迭區(qū)域的集合。這些區(qū)域要么對(duì)當(dāng)前的任務(wù)有意義,要么有助于說明它們與實(shí)際物體或物體的某些部分之間的對(duì)應(yīng)關(guān)系。圖像分割的應(yīng)用十分廣泛,幾乎出現(xiàn)在有關(guān)圖像處理的所有領(lǐng)域,并涉及各種類型的圖像。例如,在遙感應(yīng)中,合成孔徑雷達(dá)圖像中目標(biāo)的分割;遙感云圖中不同云系和

9、背景分布的分割;在交通圖像分析中,把車輛目標(biāo)從背景中分割出來。在這些應(yīng)用中,分割通常是為了進(jìn)一步對(duì)圖像進(jìn)行分析、識(shí)別、壓縮編碼,分割的準(zhǔn)確性直接影響后續(xù)任務(wù)的有效性。一般來講,分割出的區(qū)域需同時(shí)滿足均勻性和連通性的條件。其中均勻性是指在該區(qū)域中的所有象素點(diǎn)都滿足基于灰度、紋理、彩色等特征的某種相似性準(zhǔn)則;連通性是指在該區(qū)域內(nèi)存在任意兩點(diǎn)的路徑。盡管圖像處理和機(jī)器視覺界的研究者們?yōu)榇烁冻隽碎L(zhǎng)期的努力,符合以上兩點(diǎn)的通用性分割仍面臨著巨大的困難;大部分研究成果都是針對(duì)某一類型圖像、某一具體應(yīng)用的分割?？梢愿爬橐韵聝?nèi)容。2.1數(shù)據(jù)驅(qū)動(dòng)的分割常見的數(shù)據(jù)驅(qū)動(dòng)分割包括基于邊緣檢測(cè)的分割、基于區(qū)域的分割、

10、邊緣與區(qū)域相結(jié)合的分割等。對(duì)于基于邊緣檢測(cè)的分割,其基本思想是先檢測(cè)圖像中的邊緣點(diǎn),再按一定策略連接成輪廓,從而構(gòu)成分割區(qū)域。難點(diǎn)在于邊緣檢測(cè)時(shí)抗噪聲性能和檢測(cè)精度的矛盾,若提高檢測(cè)精度,則噪聲產(chǎn)生的偽邊緣會(huì)導(dǎo)致不合理的輪廓;若提高抗噪聲性能,則會(huì)產(chǎn)生輪廓漏檢和位置偏差。為此,人們提出各種多尺度邊緣檢測(cè)方法,根據(jù)實(shí)際問題設(shè)計(jì)多尺度邊緣信息的結(jié)合方案,以較好地兼顧抗噪聲性能和檢測(cè)精度?；趨^(qū)域的分割的基本思想是根據(jù)圖像數(shù)據(jù)的特征將圖像空間劃分成不同的區(qū)域。常用的特征包括:直接來自原始圖像的灰度或彩色特征;由原始灰度或彩色值變換得到的特征。方法有閾值法、區(qū)域生長(zhǎng)法、聚類法、松弛法等。邊緣檢測(cè)能夠獲

11、得灰度或彩色值的局部變化強(qiáng)度,區(qū)域分割能夠檢測(cè)特征的相似性與均勻性。將兩者結(jié)合起來,通過邊緣點(diǎn)的限制,避免區(qū)域的過分割;同時(shí)通過區(qū)域分割補(bǔ)充漏檢的邊緣,使輪廓更加完整。例如,先進(jìn)行邊緣檢測(cè)與連接,再比較相鄰區(qū)域的特征(灰度均值、方差),若相近則合并;對(duì)原始圖像分別進(jìn)行邊緣檢測(cè)和區(qū)域生長(zhǎng),獲得邊緣圖和區(qū)域片段圖后,再按一定的準(zhǔn)則融合,得到最終分割結(jié)果。2.2模型驅(qū)動(dòng)的分割常見的模型驅(qū)動(dòng)分割包括基于動(dòng)態(tài)輪廓(Snakes)模型、組合優(yōu)化模型、目標(biāo)幾何與統(tǒng)計(jì)模型。Snakes模型用于描述分割目標(biāo)的動(dòng)態(tài)輪廓。由于其能量函數(shù)采用積分運(yùn)算,具有較好的抗噪聲性,對(duì)目標(biāo)的局部模糊也不敏感,因而適用性很廣。但這

12、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。近年來對(duì)通用分割方法的研究?jī)A向于將分割看作一個(gè)組合優(yōu)化問題,并采用一系列優(yōu)化策略完成圖像分割任務(wù)。主要思路是在分割定義的約束條件之外,根據(jù)具體任務(wù)再定義一個(gè)優(yōu)化目標(biāo)函數(shù),所求分割的解就是該目標(biāo)函數(shù)在約束條件下的全局最優(yōu)解。以組合優(yōu)化的觀點(diǎn)處理分割問題,主要是利用一個(gè)目標(biāo)函數(shù)綜合表示分割的各種要求和約束,將分割變?yōu)槟繕?biāo)函數(shù)的優(yōu)化求解。由于目標(biāo)函數(shù)通常是一個(gè)多變量函數(shù),可采用隨機(jī)優(yōu)化方法?；谀繕?biāo)幾何與統(tǒng)計(jì)模型的分割是將目標(biāo)分割與識(shí)別集成在一起的方法,常稱作目標(biāo)檢測(cè)或提取?；舅枷胧菍⒂嘘P(guān)目標(biāo)的幾何與統(tǒng)計(jì)知識(shí)表示成模型,將分割與識(shí)

13、別變?yōu)槠ヅ浠虮O(jiān)督分類。常用的模型有模板、特征矢量模型、基于連接的模型等。這種分割方法能夠同時(shí)完成部分或全部識(shí)別任務(wù),具有較高的效率。然而由于成像條件變化,實(shí)際圖像中的目標(biāo)往往與模型有一定的區(qū)別,需要面對(duì)誤檢與漏檢的矛盾,匹配時(shí)的搜索步驟也頗為費(fèi)時(shí)。2.3圖像分割的半自動(dòng)方法從人工參與程度來看,圖像分割可分為人工、半自動(dòng)、自動(dòng)等三種類型。其中人工分割完全由操作者利用鼠標(biāo)勾畫出分割區(qū)域的輪廓,費(fèi)時(shí)費(fèi)力,且容易受操作者主觀因素的影響,重復(fù)性差。自動(dòng)分割不需人機(jī)交互,但適應(yīng)性差,很難實(shí)現(xiàn)對(duì)一批圖像同時(shí)獲得滿意的分割效果。半自動(dòng)分割將人機(jī)交互與自動(dòng)分割相結(jié)合,能夠適應(yīng)不同的圖像和需求,且有效降低計(jì)算復(fù)雜

14、度。目前半自動(dòng)分割中人機(jī)交互的方式有:勾畫目標(biāo)的大致輪廓,構(gòu)成自動(dòng)分割的初始化;根據(jù)特定的圖像和任務(wù)調(diào)整算法參數(shù);在分割過程中加入人工交互節(jié)等?？傊?從實(shí)用化的角度看,自動(dòng)分割仍是長(zhǎng)期努力的方向。目前更為現(xiàn)實(shí)的是在自動(dòng)分割前或分割過程中加入人機(jī)交互的半自動(dòng)分割。其發(fā)展方向?yàn)楸M可能少和簡(jiǎn)便的人機(jī)交互?？梢?圖像分割是圖像處理和機(jī)器視覺必不可少的重要環(huán)節(jié),也是圖像理論發(fā)展的瓶頸之一。隨著計(jì)算機(jī)速度與容量的快速進(jìn)展,圖像處理與機(jī)器視覺實(shí)用化系統(tǒng)碩果累累。例如,基于內(nèi)容的圖像檢索系統(tǒng)、智能監(jiān)視系統(tǒng)、視覺引導(dǎo)的智能交通系統(tǒng)、手寫體字符/人臉/指紋/虹膜識(shí)別系統(tǒng)等。然而有關(guān)的理論研究并沒有取得突破性進(jìn)展。

15、3視覺技術(shù)的研究人類很多研究都是以延伸人類能力為目的的,早期的工作是在體力上延伸,計(jì)算機(jī)發(fā)明以來,就拓展到對(duì)人類腦力和感知能力的延伸上。對(duì)人類視覺感知能力的計(jì)算機(jī)模擬導(dǎo)致了計(jì)算機(jī)視覺的產(chǎn)生。計(jì)算機(jī)視覺也經(jīng)常被稱為圖像理解,是指研究完成一項(xiàng)任務(wù)所需的視覺信息及如何從圖像中獲取這些信息的研究領(lǐng)域。其基本目的有三個(gè):(1)根據(jù)一幅或多幅二維投影圖像計(jì)算出觀察點(diǎn)到目標(biāo)物體的距離;(2)根據(jù)一幅或多幅二維投影圖像計(jì)算出觀察點(diǎn)到目標(biāo)物體的運(yùn)動(dòng)參數(shù);(3)根據(jù)一幅或多幅二維投影圖像計(jì)算出觀察點(diǎn)到目標(biāo)物體的表面物理特性。要達(dá)到的最終目的是實(shí)現(xiàn)對(duì)于三維景物世界的理解,即實(shí)現(xiàn)人的視覺系統(tǒng)的某些功能。也就是利用二維

16、投影圖像來重構(gòu)三維物體的可視部分。3.1計(jì)算機(jī)視覺研究的對(duì)象與方法3.1.1以模型世界為主要對(duì)象的視覺基本方法研究這個(gè)階段以Roberts的開創(chuàng)性工作為標(biāo)志。在Roberts的工作中引入了三維物體與二維成像的關(guān)系,采用了一些簡(jiǎn)單的邊緣特征提取方法并引入了組合線段的方法。這些早期的工作對(duì)視覺的發(fā)展起了促進(jìn)作用,但對(duì)于稍微復(fù)雜的景物便難于奏效。為他對(duì)三維關(guān)系的分析僅僅是靠簡(jiǎn)單的邊緣線段的約束關(guān)系,并沒有充分考慮人類或其他動(dòng)物視覺系統(tǒng)感知三維空間關(guān)系的方式。3.1.2以計(jì)算理論為核心的視覺模型研究20世紀(jì)70年代開始,對(duì)計(jì)算機(jī)視覺的研究進(jìn)入更為理性化的階段,主要集中于各種本征特性的恢復(fù),包括三維形狀

17、、運(yùn)動(dòng)、光源等的恢復(fù)。主要出發(fā)點(diǎn)是從生理學(xué)、光學(xué)和射影幾何的方法出發(fā),研究成像及其逆問題。在這一階段中,以Marr為代表的一些研究者提出了以表示為核心、以算法為中間轉(zhuǎn)換過程的一般性視覺處理模型。在其理論中強(qiáng)調(diào)表示的重要性以及從不同層次上去研究信息處理問題,在計(jì)算理論和算法實(shí)現(xiàn)上又特別強(qiáng)調(diào)計(jì)算理論的重要性。在三維信息的感知方面,根據(jù)人類感知深度的不同提出了一系列ShapefromX的方法。3.2計(jì)算機(jī)視覺的應(yīng)用領(lǐng)域計(jì)算機(jī)視覺的應(yīng)用領(lǐng)域主要包括對(duì)照片、視頻資料如航空照片、衛(wèi)星照片、視頻片段等的解釋、精確制導(dǎo)、移動(dòng)機(jī)器人視覺導(dǎo)航、醫(yī)學(xué)輔助診斷、工業(yè)機(jī)器人的手眼系統(tǒng)、地圖繪制、物體三維形狀分析與識(shí)別及

18、智能人機(jī)接口等。早期進(jìn)行數(shù)字圖像處理的目的之一就是要通過采用數(shù)字技術(shù)提高照片的質(zhì)量,輔助進(jìn)行航空照片和衛(wèi)星照片的讀取判別與分類。由于需要判讀的照片數(shù)量很多,于是希望有自動(dòng)的視覺系統(tǒng)進(jìn)行判讀解釋,在這樣的背景下,產(chǎn)生了許多航空照片和衛(wèi)星照片判讀系統(tǒng)與方法。自動(dòng)判讀的進(jìn)一步應(yīng)用就是直接確定目標(biāo)的性質(zhì),進(jìn)行實(shí)時(shí)的自動(dòng)分類,并與制導(dǎo)系統(tǒng)相結(jié)合。目前常用的制導(dǎo)方式包括激光制導(dǎo)、電視制導(dǎo)和圖像制導(dǎo),在導(dǎo)彈系統(tǒng)中常常將慣性制導(dǎo)與圖像制導(dǎo)結(jié)合,利用圖像進(jìn)行精確的末制導(dǎo)。工業(yè)機(jī)器人的手眼系統(tǒng)是計(jì)算機(jī)視覺應(yīng)用最為成功的領(lǐng)域之一,由于工業(yè)現(xiàn)場(chǎng)的諸多因素,如光照條件、成像方向均是可控的,因此使得問題大為簡(jiǎn)化,有利于構(gòu)

19、成實(shí)際的系統(tǒng)。與工業(yè)機(jī)器人不同,對(duì)于移動(dòng)機(jī)器人而言,由于它具有行為能力,于是就必須解決行為規(guī)劃問題,即是對(duì)環(huán)境的了解。隨著移動(dòng)式機(jī)器人的發(fā)展,越來越多地要求提供視覺能力,包括道路跟蹤、回避障礙、特定目標(biāo)識(shí)別等。目前移動(dòng)機(jī)器人視覺系統(tǒng)研究仍處于實(shí)驗(yàn)階段,大多采用遙控和遠(yuǎn)視方法。在醫(yī)學(xué)上采用的圖像處理技術(shù)大致包括壓縮、存儲(chǔ)、傳輸和自動(dòng)/輔助分類判讀,此外還可用于醫(yī)生的輔助訓(xùn)練手段。與計(jì)算機(jī)視覺相關(guān)的工作包括分類、判讀和快速三維結(jié)構(gòu)的重建等方面。長(zhǎng)期以來,地圖繪制是一件耗費(fèi)人力、物力和時(shí)間的工作。以往的做法是人工測(cè)量,現(xiàn)在更多的是利用航測(cè)加上立體視覺中恢復(fù)三維形狀的方法繪制地圖,大大提高了地圖繪制的

20、效率。同時(shí),通用物體三維形狀分析與識(shí)別一直是計(jì)算機(jī)視覺的重要研究目標(biāo),并在景物的特征提取、表示、知識(shí)的存儲(chǔ)、檢索以及匹配識(shí)別等方面都取得了一定的進(jìn)展,構(gòu)成了一些用于三維景物分析的系統(tǒng)。近年來,基于生物特征(biometrics)的鑒別技術(shù)得到了廣泛重視,主要集中在對(duì)人臉、虹膜、指紋、聲音等特征上,這其中大多都與視覺信息有關(guān)。與生物特征識(shí)別密切相關(guān)的另一個(gè)重要應(yīng)用是用于構(gòu)成智能人機(jī)接口?，F(xiàn)在計(jì)算機(jī)與人的交流還是機(jī)械式的,計(jì)算機(jī)無法識(shí)別用戶的真實(shí)身份,除鍵盤、鼠標(biāo)外,其他輸入手段還不成熟。利用計(jì)算機(jī)視覺技術(shù)可以使計(jì)算機(jī)檢測(cè)到用戶是否存在、鑒別用戶身份、識(shí)別用戶的體勢(shì)(如點(diǎn)頭、搖頭)。此外,這種人機(jī)

21、交互方式還可推廣到一切需要人機(jī)交互的場(chǎng)合,如入口安全控制、過境人員的驗(yàn)放等。4對(duì)計(jì)算機(jī)視覺研究的認(rèn)識(shí)計(jì)算機(jī)視覺研究經(jīng)歷了近40年的過程,仍面臨許多問題。主要由于這一方向是多學(xué)科的交叉與結(jié)合,同時(shí)視覺是一個(gè)涉及生理、心理的復(fù)雜過程,不僅與眼睛有關(guān),還和大腦的推理、學(xué)習(xí)有關(guān)。研究計(jì)算機(jī)視覺的目的是要實(shí)現(xiàn)對(duì)人類視覺的模擬和延伸。對(duì)于人類而言,視覺是一個(gè)輕而易舉的功能,對(duì)機(jī)器卻不同。視覺過程很難用類似于問題求解的方法符號(hào)化。隨著計(jì)算機(jī)科學(xué)領(lǐng)域中對(duì)定量研究的重視,這種狀況會(huì)得到改善。在計(jì)算機(jī)視覺的研究過程中,應(yīng)考慮將功能模擬與認(rèn)知模擬相結(jié)合。人類延伸其他能力的過程中,功能模擬起到了主要作用,但視覺是涉及心理和生理兩方面的過程,因此必須在功能模擬的同時(shí)重視認(rèn)知模擬。計(jì)算