計算機視覺技術(shù)及應(yīng)用精選(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算機視覺技術(shù)及應(yīng)用主題范文，僅供參考，歡迎閱讀并收藏。

第1篇：計算機視覺技術(shù)及應(yīng)用范文

【關(guān)鍵詞】農(nóng)產(chǎn)品 計算機視覺技術(shù) 品質(zhì)檢測

農(nóng)產(chǎn)品品質(zhì)檢測工作中除了采取人工檢測法以外，還可以采取半自動或自動檢測法，如在水果分級檢測工作中的質(zhì)量分級檢測法、光電分選法以及大小分級法等。然而農(nóng)產(chǎn)品品質(zhì)會受到自然生長環(huán)境或人為因素等方面的影響，農(nóng)產(chǎn)品的色澤、大小及形狀等并不相同，無法采取單一指標(biāo)進行檢測。因此充分應(yīng)用計算機視覺技術(shù)，對農(nóng)產(chǎn)品的品質(zhì)進行檢測，極為重要。

1 計算機視覺技術(shù)

計算機視覺技術(shù)又被稱為機器視覺技術(shù)，指的是通過人類設(shè)計，在計算機環(huán)境下，達到再現(xiàn)或模擬人類視覺相關(guān)的職能行為的一種技術(shù)，包括了印刷和手寫文字的識別技術(shù)，圖像模式識別技術(shù)，物體三維表面形狀識別技術(shù)、距離識別以及速度感知等技術(shù)。該技術(shù)是諸多學(xué)科的結(jié)合與交叉，涉及到數(shù)學(xué)、生理學(xué)、信息處理、物理學(xué)、光學(xué)以及計算機等多種學(xué)科。探究計算機視覺技術(shù)的目的在于實驗人類視覺的再現(xiàn)及延伸，即再現(xiàn)高等動物的視覺系統(tǒng)，并對物體形狀以及類別進行識別。

此外，計算機視覺技術(shù)處理的原始資料多是圖像，所以該技術(shù)和圖像處理以及模擬識別等有著緊密的聯(lián)系?，F(xiàn)階段，計算機視覺技術(shù)在諸多領(lǐng)域有著較為廣泛的運用，包括了醫(yī)學(xué)輔助診斷、資源調(diào)查、衛(wèi)星圖像解釋、軍事指導(dǎo)、災(zāi)害監(jiān)測、氣象以及工業(yè)產(chǎn)品的外觀篩選及檢測等。同時研究該技術(shù)在農(nóng)業(yè)工程領(lǐng)域中的應(yīng)用，也成為了熱門話題。

2 在農(nóng)產(chǎn)品品質(zhì)檢測中，計算機視覺技術(shù)的具體應(yīng)用

筆者在查閱相關(guān)文獻資料的基礎(chǔ)上，探究在農(nóng)產(chǎn)品品質(zhì)檢測工作中，計算機視覺技術(shù)在產(chǎn)品表面缺陷以及損傷識別工作中的具體應(yīng)用；果形識別工作中的具體應(yīng)用；農(nóng)產(chǎn)品尺寸以及面積檢測工作中的具體應(yīng)用。

2.1 在產(chǎn)品表面缺陷以及損傷識別工作中的具體應(yīng)用

在對農(nóng)產(chǎn)品進行分級的過程中，依然存在著一大問題，即農(nóng)產(chǎn)品表面缺損以及損傷識別。而早在1984年就已經(jīng)出現(xiàn)了采取線掃描和模擬攝像機針對蘋果表面損傷進行檢測的實驗報道，實驗結(jié)果顯示，采取數(shù)據(jù)技術(shù)能夠檢測出蘋果表面損傷，其檢測結(jié)果完全能夠達到人工分級的精度。與此同時，還出現(xiàn)了一種機器視覺系統(tǒng)，該系統(tǒng)將不規(guī)則的圖像信息與正常的圖像信息區(qū)分開來，在去除蔬菜內(nèi)的雜物以及檢測農(nóng)產(chǎn)品的污點等方面能夠取得較好的應(yīng)用效果。此外，在1989年，國外出現(xiàn)了一種全新的計算方法，即運用紅外線掃描攝像機，處理蘋果表面的灰度圖像，既能夠確定蘋果表面的損傷面積，還能夠區(qū)分不同損傷區(qū)。然而還技術(shù)是以機械裝置的設(shè)定為基礎(chǔ)，需要消耗2s的時間，對一個蘋果進行檢測，蘋果表面缺陷分級精度以及損傷分級進度并不高。

我國在1997年，出現(xiàn)了運用計算機圖像處理技術(shù)對蘋果損壞自動化檢測的試驗研究，該試驗結(jié)果顯示，該技術(shù)的損壞檢出率較高，能夠規(guī)避果梗區(qū)以及花萼區(qū)對于壞損區(qū)域識別的具體影響，且該檢測技術(shù)的魯棒性較強。

2.2 在果形識別工作中的具體應(yīng)用

果形識別是影響水果質(zhì)量的重要因素之一，對于水果品質(zhì)檢測有著重大意義。當(dāng)水果成熟后，水果的外形將會發(fā)生巨大的改變，且無法采取數(shù)學(xué)方法進行鑒別，采取其他方式進行果形識別極為重要。

在1981年，有研究人員就針對形狀識別中的圖像特征進行了探討，提倡采取結(jié)構(gòu)分析法以及外形輪廓曲線檢測法，針對水果外形進行識別。并在1985年，以數(shù)字圖像分析技術(shù)以及模式識別技術(shù)為依據(jù)，針對番茄定向、番茄形狀、表面缺陷以及尺寸進行分類的特殊算法，運用灰度梯度曲線，明確番茄表面缺陷以及花萼位置等。而我國則在2000年，按照果實形狀分析，通過連續(xù)性指標(biāo)、半徑指標(biāo)、連續(xù)指標(biāo)對稱性、半徑指標(biāo)對稱性等特征參數(shù)，表示果形，并首次采取參數(shù)形狀分析法。

2.3 在農(nóng)產(chǎn)品尺寸以及面積檢測工作中的具體應(yīng)用

農(nóng)產(chǎn)品分級中，以農(nóng)產(chǎn)品外形尺寸為依據(jù)。在1987年，國外就已經(jīng)開始研究機械視覺技術(shù)在牡蠣肉分級以及尺寸檢測工作中的具體應(yīng)用。并在1992年，針對人工檢測以及機器視覺檢測進行進行了對比分析，試驗結(jié)果顯示，和人工檢測技術(shù)相比，采取視覺檢測技術(shù)，能夠提高檢測的精確度，減少檢測消耗時間；同時在評價以及推廣種質(zhì)資源中，準(zhǔn)確的測量以及詳細的記錄種質(zhì)形態(tài)的指標(biāo)，有著極為重要的意義。為了能夠精確、快速地計算出玉米種質(zhì)尺度，在1995年，有研究人員就提出了自動化選擇技術(shù)，該技術(shù)在處理玉米種質(zhì)圖像中，其辨別精度極高。

而我國在2002年，有研究人員就針對水果品質(zhì)進行動態(tài)、實時監(jiān)測的智能化分級生產(chǎn)線進行了研究，該生產(chǎn)線，首先通過水果輸送翻轉(zhuǎn)系統(tǒng)，利用滾筒式輸送翻轉(zhuǎn)裝置，將水果往前輸送，在輸送過程中，以水平軸為中心，保證水果表面能夠被系統(tǒng)檢測到，以此獲得圖像信息。然后利用計算機視覺識別系統(tǒng)，對水果等級進行判斷，明確圖像信息。該系統(tǒng)具備了視覺識別功能。最終通過分級系統(tǒng)，完成水果分級工作。

3 結(jié)語

在二十世紀(jì)七十年代以后，計算機視覺技術(shù)就已經(jīng)得到了較為迅速的發(fā)展，在我國，該技術(shù)在農(nóng)產(chǎn)品品質(zhì)檢測中的具體應(yīng)用也得到了人們的高度關(guān)注，同時也取得了一定的成效。計算機視覺技術(shù)作為人眼的延伸技術(shù)之一，其具備了人腦功能，運用該技術(shù)代替以往的人工操作技術(shù)，已經(jīng)成為了農(nóng)產(chǎn)品品質(zhì)檢測工作的必然發(fā)展趨勢。

參考文獻

[1]朱從容.計算機視覺技術(shù)在水產(chǎn)養(yǎng)殖中的應(yīng)用[J].浙江海洋學(xué)院學(xué)報（自然科學(xué)版），2008，10（04）：191-192.

[2]王勃，徐靜.計算機視覺技術(shù)在蘋果葉片營養(yǎng)診斷上的應(yīng)用[J].農(nóng)機化研究，2008，（03）：887-888.

[3]李朝東，崔國賢，盛暢，等.計算機視覺技術(shù)在農(nóng)業(yè)領(lǐng)域的應(yīng)用[J].農(nóng)機化研究，2009，10（12）：667-668.

作者簡介

陳超（1995-），男，福建省福州市人。現(xiàn)為北京交通大學(xué)在校學(xué)生。研究方向為電子科學(xué)與技術(shù)。

第2篇：計算機視覺技術(shù)及應(yīng)用范文

關(guān)鍵詞： 數(shù)據(jù)挖掘技術(shù) 計算機考試 數(shù)據(jù)處理 數(shù)據(jù)庫

信息化發(fā)展帶動了電子產(chǎn)品的生產(chǎn)，也可以說是計算機的普及帶來了信息化發(fā)展，兩者是相輔相成的。計算機被越來越多地運用到各行各業(yè)，本文主要分析的是計算機在教學(xué)中的使用。計算機的使用離不開數(shù)據(jù)庫的支持，信息數(shù)據(jù)處理是計算機教學(xué)研究的一項重大課題，數(shù)據(jù)挖掘作為一種新型數(shù)據(jù)處理技術(shù)，得到了廣泛關(guān)注。對數(shù)據(jù)進行處理、分析和挖掘的主要目的是發(fā)現(xiàn)學(xué)校教學(xué)管理和學(xué)生管理各個方面的有效信息，本文從計算機考試入手，進行深入研究分析。

一、數(shù)據(jù)挖掘技術(shù)概述

隨著信息技術(shù)的迅猛發(fā)展，各行各業(yè)每年都積累了大量數(shù)據(jù)，推動了數(shù)據(jù)的高效管理與應(yīng)用。數(shù)據(jù)管理從最早的手工開始，后期發(fā)展為文件管理，再到現(xiàn)如今的數(shù)據(jù)庫管理。過去人們對現(xiàn)有數(shù)據(jù)管理還比較順利，但對過去幾年、幾十年甚至更長時間的數(shù)據(jù)管理起來就相當(dāng)費事，甚至可以說是不太容易完成的任務(wù)。現(xiàn)如今計算機技術(shù)日漸成熟，大量信息數(shù)據(jù)給數(shù)據(jù)庫管理帶來大量工作量，此時數(shù)據(jù)挖掘技術(shù)就是為了數(shù)據(jù)處理而應(yīng)運而生的。對于數(shù)據(jù)查詢而言，可以方便快捷地查詢出所需數(shù)據(jù)，遠遠超出人類所能理解的概括范圍。現(xiàn)有統(tǒng)計學(xué)和數(shù)據(jù)查詢分析技術(shù)能對數(shù)據(jù)進行綜合分析和查詢，一定程度上解決人們處理分析數(shù)據(jù)的需求。數(shù)據(jù)挖掘技術(shù)不僅限于數(shù)據(jù)查詢，還可以根據(jù)有效數(shù)據(jù)對非預(yù)期潛在有價值的信息進行再處理，從而得出更多有用的潛在信息。

人們?nèi)粘Ｉ钪须x不開數(shù)據(jù)挖掘技術(shù)的應(yīng)用，如超市物品的陳列問題上，經(jīng)營者想要把人們可能同時購買的商品擺放到一起，以便引起人們的購買欲望，增加銷售量。藥店經(jīng)營者想要了解人們購買藥物時還會附帶購買的商品，將治療不同病種的藥物與可能購買的商品擺放到一起，附帶銷售。醫(yī)學(xué)研究人員希望從已有成千上萬份病例中找出某種疾病病人的共同特征，以便為治愈這種疾病提供一些幫助。企業(yè)管理者想要了解整體員工的平均收入水平，提取出業(yè)績較好員工的個人信息等。

從以上實例研究中得出結(jié)論，現(xiàn)有信息管理依靠數(shù)據(jù)查詢統(tǒng)計，并通過做報表對數(shù)據(jù)進行分析處理。先不說其潛在信息并不能很好地挖掘出來，就其工作量來講，也是一項繁重而復(fù)雜的工作，很難保證數(shù)據(jù)的有效性和實用性。為了滿足人們對數(shù)據(jù)管理的需求，從現(xiàn)有信息數(shù)據(jù)中提取出更有價值的信息，數(shù)據(jù)挖掘技術(shù)得到了充分應(yīng)用。

數(shù)據(jù)挖掘技術(shù)可以從大量隨機數(shù)據(jù)中快速地進行信息數(shù)據(jù)歸納整理，并從中分析出有效的潛在信息。一般會采用統(tǒng)計型和人工智能型數(shù)據(jù)處理方法，共同完成對數(shù)據(jù)管理的分析應(yīng)用。統(tǒng)計型數(shù)據(jù)處理采用傳統(tǒng)的統(tǒng)計學(xué)原理，對現(xiàn)有和過去很久的數(shù)據(jù)進行概率分析，從而推理出數(shù)據(jù)中隱含的潛在有用信息。統(tǒng)計學(xué)由來已久，其優(yōu)點是精確度相對較高，簡單易懂，并且使用比較廣泛。數(shù)據(jù)挖掘技術(shù)統(tǒng)計型可以準(zhǔn)確快速地挖掘出有用信息，大大提高工作效率，甚至大大減輕統(tǒng)計者的工作量。人工智能是在統(tǒng)計學(xué)原理基礎(chǔ)之上，通過訓(xùn)練和學(xué)量樣品集得出需要的模式或參數(shù)。將有共同模式或參數(shù)的數(shù)據(jù)通過機器人工智能，發(fā)現(xiàn)有價值的潛在信息。但也存在一定的局限性，不同的樣品集有特定的應(yīng)用領(lǐng)域，樣品集的選擇將直接影響數(shù)據(jù)結(jié)果，一般情況下會將多種技術(shù)結(jié)合起來使用，達到有力互補的目的，從而更高效準(zhǔn)確地分析出數(shù)據(jù)結(jié)果。

二、數(shù)據(jù)挖掘技術(shù)在計算機考試中的應(yīng)用

通過上述對數(shù)據(jù)挖掘技術(shù)的概述，對數(shù)據(jù)挖掘的基本原理有了初步了解，將其運用到教學(xué)中，必會事半功倍。數(shù)據(jù)挖掘技術(shù)運用到教學(xué)管理中，不僅可以完善教學(xué)管理體制，還可以客觀分析出教學(xué)管理中存在的問題。以教學(xué)管理中的計算機考試為例，分析計算機考試系統(tǒng)中數(shù)據(jù)挖掘技術(shù)的應(yīng)用，從而得出以下結(jié)果：

本文通過實例驗證方法找出答案，首先是采用數(shù)據(jù)采集方法，從大量數(shù)據(jù)中提取出與所要挖掘的數(shù)據(jù)目標(biāo)相關(guān)的數(shù)據(jù)子集，該數(shù)據(jù)樣本的精選不僅減少數(shù)據(jù)處理量，還突出相關(guān)性規(guī)律，表明數(shù)據(jù)樣本的代表性和質(zhì)量尤為重要。在計算機考試系統(tǒng)中，會通過輸入考生信息進行考試，考生的每個信息都定義為不同變量?？忌男彰?、性別、年齡、任課老師、所在班級等信息都是一個個不同的變量，這樣可以清晰地了解到每個考生的計算機考試情況。根據(jù)其做不同題型的長短分析出考生擅長什么樣的題型及在什么題型面前處于劣勢。根據(jù)其答題速度和準(zhǔn)確率可看出考生掌握知識能力如何，任課老師可根據(jù)學(xué)生的不同學(xué)習(xí)程度逐個擊破，有利于提高班級整體學(xué)習(xí)成績水平，這就是數(shù)據(jù)挖掘技術(shù)挖掘出的潛在信息價值。

數(shù)據(jù)挖掘技術(shù)是信息化時代的產(chǎn)物，將其運用到教育教學(xué)中，可大大提高教學(xué)管理質(zhì)量?？煽焖儆行У亓私獾綄W(xué)生管理中出現(xiàn)的問題，有利于教師及時解決這些問題。計算機考試數(shù)據(jù)中應(yīng)用數(shù)據(jù)挖掘技術(shù)，不僅可以精準(zhǔn)地了解到學(xué)生潛在的學(xué)習(xí)問題，還可以幫助老師更快地找到提高學(xué)生學(xué)習(xí)成績的方法。

信息化發(fā)展使信息數(shù)據(jù)量急劇增加，這個數(shù)據(jù)處理造成了困擾，為了更好地對信息數(shù)據(jù)進行處理分析，從而準(zhǔn)確快速地提取出有效信息，數(shù)據(jù)挖掘技術(shù)起到了重要作用。計算機考試系統(tǒng)的完善可提高考試效率，奠定數(shù)據(jù)挖掘技術(shù)在計算機教學(xué)中的重要地位?，F(xiàn)代是不斷變化的時代，也可以說是信息化時代，時代離不開信息化發(fā)展，要不斷進步才能持續(xù)發(fā)展。數(shù)據(jù)挖掘技術(shù)勢必會成為計算機技術(shù)發(fā)展的第二大方向，是時展的要求所致。

參考文獻：

[1]吳英，劉俊熙.計算機考試數(shù)據(jù)分析中數(shù)據(jù)挖掘技術(shù)的應(yīng)用[J].制造業(yè)自動化，2010（9）.

[2]方新麗.淺析數(shù)據(jù)挖掘技術(shù)在計算機審計中的應(yīng)用[J].電腦知識與技術(shù)，2013（5）.

第3篇：計算機視覺技術(shù)及應(yīng)用范文

 

數(shù)據(jù)挖掘就是從大量的不完全的有噪聲的模糊的隨機的實際應(yīng)用數(shù)據(jù)中，抽取隱含在其中的、事先并不知道的、但又是潛在有用的信息和知識的過程。

 

決策樹算法作為常用的數(shù)據(jù)挖掘技術(shù)之一，其基本思想是將實例庫中記錄的大量有限的具體事實數(shù)據(jù)進行歸納和分類并建立樹型結(jié)構(gòu)，以發(fā)現(xiàn)并形成隱含在大量實例中的若干形式化的分類判別規(guī)則，典型的決策樹算法方法有ID3方法和IBLE(Information—based Learning from Example)方法。

 

利用決策樹評估教材質(zhì)量的基本思想

 

筆者以高校教學(xué)質(zhì)量建設(shè)中的重頭戲——教材建設(shè)為例來闡釋決策樹算法在教育統(tǒng)計學(xué)中的應(yīng)用。

 

從教材的教學(xué)水平，科學(xué)水平等兩大要素來對教材的質(zhì)量進行合理分類，探索出科學(xué)合理的決策樹的模型，使之成為學(xué)校教材建設(shè)管理的理論方法，并在今后的教材管理中起著一定的指導(dǎo)作用。

 

教學(xué)水平：教材符合人才培養(yǎng)目標(biāo)及本課程教學(xué)的要求：取材合適、深度適宜、份量恰當(dāng);符合認(rèn)知規(guī)律;富有啟發(fā)性;便于學(xué)習(xí)。

 

科學(xué)水平：能反映本學(xué)科國內(nèi)外科學(xué)研究和教學(xué)研究的先進成果;能完整地表達本課程應(yīng)包含的知識;反映其相互聯(lián)系及發(fā)展規(guī)律;結(jié)構(gòu)嚴(yán)謹(jǐn)。

 

構(gòu)建決策樹模型

 

即利用訓(xùn)練集(教材建設(shè)數(shù)據(jù)庫)建立并精化一棵決策樹。該過程可分為建樹和剪枝兩階段。其中，建樹是用每一個屬性將訓(xùn)練集劃分成一個或多個子集，遞歸地調(diào)用該過程，直到每個子集中的記錄都屬于同一類，最終得到?jīng)Q策樹。剪枝是為提高樹的精度及分類效率，而去掉因訓(xùn)練數(shù)據(jù)中的噪聲和孤立點等引起的不可靠或可能是噪聲的一些枝條。

 

利用決策樹研究影響教材質(zhì)量的因素

 

首先，將學(xué)生問卷調(diào)查數(shù)據(jù)庫和教學(xué)管理部門所掌握的資料結(jié)合起來，分類整理，同時進行規(guī)范化的數(shù)據(jù)清洗，得到創(chuàng)建決策樹模型的訓(xùn)練集，如表1所示。

 

根據(jù)評估預(yù)期的要求，將所有教材的評估結(jié)果分為兩類：

 

Class p：綜合評價=“優(yōu)秀”

 

Class n：綜合評價=“一般”

 

從上表顯示的數(shù)據(jù)可知，綜合評價為“一般”的教材有9種， 綜合評價為“優(yōu)秀”的教材有6種，從而可以計算出樣本分類的期望信息：

 

—∑Pi log2(pi)=

 

I(p，n)=I(9，6)= —[(9/15)×log2(9/15)+6/15×log2=(6/15)]

 

=—(—0.444—0.53)=0.974

 

下面以綜合評價是否為“優(yōu)秀”作為衡量標(biāo)準(zhǔn)分別計算由各個屬性劃分子集的信息熵，以及各自的信息增益度。

 

計算“教學(xué)水平”的信息增加益度

 

從而算出信息熵E(教學(xué)水平)=

 

I(3，1)+I(3，2)+I(0，3)+I(0，3)=0.43

 

再計算出其信息增益度

 

GainI(p，n)—E(教學(xué)水平)=0.974—0.507=0.467

 

計算“科學(xué)水平”的信息增益度

 

計算信息熵E(科學(xué)水平)=I(2，1)+I(3，2)+I(1，6)+I(0，0)—0.783再計算出其信息增益度GainI(科學(xué)水平)=I(p，n)—E(科學(xué)水平)=0.974—0.783=0.191

 

計算“教材編者職稱”的信息增益度

 

從而算出信息熵E(教材編者職稱)=I(4，1)+I(2，1)+I(0，4)+I(0，3)=0.424再計算出其信息增益度GainI(教材編者職稱)—I(p，n)—E(教材編者職稱)=0.974—0.424=0.55

 

計算“教材編者學(xué)歷”的信息增益度

 

計算信息熵E(教材編者學(xué)歷)=I(3，1)+I(3，3)+I(0，5)=0.667再計算出其信息增益度GainI(教材編者學(xué)歷)=(p，n)—(教材編者學(xué)歷)=0.974—0.667=0.307

 

由此可以得知“教材編者職稱”的信息增益度最大，它是最能區(qū)別訓(xùn)練集實例中教材質(zhì)量的屬性，應(yīng)作為決策樹的根節(jié)點。根據(jù)各個屬性的信息增益度的大小，可以構(gòu)建該訓(xùn)練集實例的決策樹如下圖1所示：

 

由該決策樹可以得出諸如以下結(jié)論：

第4篇：計算機視覺技術(shù)及應(yīng)用范文

【關(guān)鍵詞】計算機 視覺 圖像處理 技術(shù)

一、引言

隨著計算機技術(shù)的不斷發(fā)展，在20世紀(jì)60年底產(chǎn)生了計算機視覺學(xué)這一學(xué)科。計算機視覺是借助計算機以及各種設(shè)備，進行生物視覺模擬的一種技術(shù)。計算機視覺學(xué)的主要任務(wù)，是借助已掌握的圖片、視頻等資料，進行計算與處理，和人類及其他生物的視覺過程一樣，

得到相應(yīng)形式的三維數(shù)據(jù)信息。計算機視覺學(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)用價值。因此，視覺學(xué)的研究和應(yīng)用轉(zhuǎn)化受到了越來越多的重視。

二、計算機視覺學(xué)的圖像分割研究

（一）數(shù)據(jù)驅(qū)動的分割研究

在計算機視覺學(xué)應(yīng)用過程中，經(jīng)常進行的數(shù)據(jù)驅(qū)動分割有下面幾項內(nèi)容：第一種是邊緣檢測的分割、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的分割，這種分割的基本方法：首先對檢測圖像的邊緣點進行檢測，然后根據(jù)一定的法則進行輪廓的連接，獲得分割的區(qū)域?；谶吘墮z測的分割其難點是邊緣檢測時如何處理好抗噪聲性能、檢測的精度之間的矛盾。所以，在研究的過程中，提出了多種多尺度邊緣檢測的方法，按照實際問題進行多尺度邊緣信息設(shè)計等方案，以獲得更為合適的抗噪性能和檢測的精度。第二種基于區(qū)域的分割，它的基本思想是按照圖像數(shù)據(jù)的特點，將整個圖像的空間劃分成為幾個不同的區(qū)域進行圖像處理。

（二）計算機視覺學(xué)模型驅(qū)動的分割

經(jīng)常使用的模型驅(qū)動分割有下面三種，第一種模型是基于動態(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)計模型。第一種是基于動態(tài)輪廓的模型用在進行分割目標(biāo)的動態(tài)輪廓，因為其能量函數(shù)使用的是積分運算，有著很好的抗噪性能，對于目標(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)盡可能靠近真實輪廓。通過組合優(yōu)化的方法進行分割問題的處理，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。因為目標(biāo)函數(shù)多數(shù)情況下作為多變量函數(shù)存在的，因此可以通過使用隨機優(yōu)化的方法來實現(xiàn)。

（三）計算機視覺學(xué)圖像分割的半自動方法

通過對人工參與程度的分，我們可以得出圖像分割，主要有三種類型即：人工圖像分割、半自動圖像分割、自動圖像分割等。人工圖像分割指的是操作者使用鼠標(biāo)，將分割區(qū)域的輪廓進行勾畫的方法，人工圖像分割的缺點是費時費力，而且很容易就會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。自動圖像分割不需要借助人機交互就能完成，但是也很難實現(xiàn)同一批圖像處理的滿意分割效果。半自動分割這種形式指的是將人機交互同自動分割結(jié)合在一起，半自動分割可以實現(xiàn)對不同圖像與處理需求的適應(yīng)，并且可以大大降低計算過程的復(fù)雜性。在計算機技術(shù)不斷發(fā)展的背景下，計算速度和容量有了大幅度的提升，計算機圖像處理及視覺應(yīng)用取得了豐碩的成果。

三、計算機視覺技術(shù)的分析

（一）以模型為研究對象的處理方法

在以模型世界作為研究對象的視覺學(xué)研究過程中，以Roberts的開創(chuàng)性工作作為一種標(biāo)志，在他的工作過程中，引進了三維物體與二維物體成像的關(guān)系，使用較為簡單的邊緣特征提取、組合線段等手段和方法。他對三維關(guān)系的分析只是按照簡單的邊緣線段的約束關(guān)系，缺乏對人類或其他動物視覺系統(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，對計算機視覺學(xué)的研究和發(fā)展發(fā)揮了良好的促進意義，但是對于較為復(fù)雜的景物就不能夠奏效。

（二）以計算理論為主體的視覺模型

隨著計算機視覺研究的不斷深入，在二十世紀(jì)七十年代，計算機視覺技術(shù)的研究，開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)、運動恢復(fù)、光源恢復(fù)等等。研究的出發(fā)點是光學(xué)、生理學(xué)以及射影幾何的視角出發(fā)，對成像及其逆等問題進行研究。在這個過程中，一些學(xué)者提出了以表示作為核心、通過算法作為中間轉(zhuǎn)換過程的視覺處理模型，例如：著名的計算機視覺學(xué)研究者Marr就提出了這些觀點，在他的理論里面，對表示的重要意義進行強調(diào)，并且從不同層面上對信息處理問題進行了研究。

（三）計算機視覺的應(yīng)用研究

在現(xiàn)實生活和生產(chǎn)的過程中，計算機視覺主要應(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、移動機器人視覺導(dǎo)航等等。其中，工業(yè)機器人手眼系統(tǒng)的研發(fā)，成為計算機視覺應(yīng)用最具代表性的成果之一。因為工業(yè)生產(chǎn)、施工等現(xiàn)場等因素具有一定的復(fù)雜性，這種環(huán)境下的光照、成像特點等等可以控制，這就使得計算機視覺的應(yīng)用更為簡單，對于系統(tǒng)的實際構(gòu)成有著很好的作用。移動機器人與工業(yè)機器人不同之處就是移動機器人具有一定的行為能力，這就需要研究者解決機器人的行為規(guī)劃問題。在移動機器人種類、智能化水平不斷提升的背景下，對視覺能力的要求也越來越高，這也使得計算機視覺有了更為廣闊的應(yīng)用前景。

四、結(jié)語

綜上所述，計算機視覺學(xué)作為人類科技發(fā)展和社會進步的一種學(xué)科體現(xiàn)，在前進和發(fā)展的過程中，通過研究者和應(yīng)用者的不斷總結(jié)和探究，取得了豐碩的成果。在未來視覺技術(shù)發(fā)展的道路上，仍然有大量的工作需要進行研究。

參考文獻：

[1]韓祥波， 劉戰(zhàn)麗. 計算機圖像處理技術(shù)在農(nóng)產(chǎn)品檢測分級中的應(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)機化研究 ， 2012，（11）

第5篇：計算機視覺技術(shù)及應(yīng)用范文

[關(guān)鍵詞] 物流企業(yè)； 自動化； 算法

[中圖分類號] F252； TP39 [文獻標(biāo)識碼] A [文章編號] 1673 - 0194（2013）06- 0058- 03

0 引 言

隨著物流業(yè)被列入我國十大行業(yè)振興計劃，物流業(yè)已經(jīng)成為我國經(jīng)濟發(fā)展的不可缺少的重要組成部分。物流業(yè)是我國經(jīng)濟運行的基礎(chǔ)，是推動國民經(jīng)濟發(fā)展的重要支柱性產(chǎn)業(yè)之一。隨著國家持續(xù)加強和改善宏觀調(diào)控政策，物流業(yè)發(fā)展環(huán)境和條件不斷改善，物流業(yè)保持了較快的增長速度。但由于中國物流業(yè)起步較晚，存在物流成本較高、管理落后等問題，離一體化、信息化的物流業(yè)還有一定差距。中國物流業(yè)只有應(yīng)用現(xiàn)代物流的理念，采用先進的信息技術(shù)與運作方式，才能應(yīng)對擁有技術(shù)、資金和管理優(yōu)勢的外國企業(yè)的競爭。實現(xiàn)傳統(tǒng)物流業(yè)向現(xiàn)代物流業(yè)的轉(zhuǎn)變，也是物流業(yè)自身結(jié)構(gòu)調(diào)整和產(chǎn)業(yè)升級的需要，是整個國民經(jīng)濟發(fā)展的必然要求。我國經(jīng)濟要集約式發(fā)展，必然需要推進現(xiàn)代物流?，F(xiàn)代物流的根本宗旨是降低物流成本、提高物流效率、滿足客戶需求，其中信息化是現(xiàn)代物流的核心。隨著信息技術(shù)的不斷更新和物流企業(yè)自身的發(fā)展，使得新興的信息業(yè)務(wù)與傳統(tǒng)物流業(yè)務(wù)之間相互介入，模糊了新興信息技術(shù)及業(yè)務(wù)與傳統(tǒng)物流業(yè)務(wù)的界限，從而模糊了物流業(yè)的產(chǎn)業(yè)屬性和產(chǎn)業(yè)界限， 即發(fā)生了產(chǎn)業(yè)融合現(xiàn)象。產(chǎn)業(yè)融合是由于技術(shù)進步和放松管制的原因，發(fā)生在產(chǎn)業(yè)邊界和交叉處的技術(shù)融合，在經(jīng)過不同產(chǎn)業(yè)或行業(yè)之間的業(yè)務(wù)、組織、管理和市場的資源整合后，改變了原有產(chǎn)業(yè)產(chǎn)品和市場需求的特征，導(dǎo)致產(chǎn)業(yè)的企業(yè)之間競爭合作關(guān)系發(fā)生改變，從而最終造成產(chǎn)業(yè)界限的模糊化甚至重劃產(chǎn)業(yè)界限。

產(chǎn)業(yè)融合促進了傳統(tǒng)產(chǎn)業(yè)創(chuàng)新， 進而推進產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化與產(chǎn)業(yè)發(fā)展，即產(chǎn)生創(chuàng)新性優(yōu)化效應(yīng)。物流信息化的重要性已經(jīng)引起國內(nèi)很多學(xué)者的重視，并紛紛提出相應(yīng)的觀點和建議。馬?。?005）認(rèn)為物流企業(yè)將在建立呼叫中心、應(yīng)用系統(tǒng)領(lǐng)域和網(wǎng)絡(luò)計算機領(lǐng)域出現(xiàn)信息化融合的趨勢，并提出物流企業(yè)應(yīng)采取的戰(zhàn)略。鄧小瑜（2011）等從技術(shù)融合、產(chǎn)品融合、業(yè)務(wù)融合、產(chǎn)業(yè)衍生4個層面闡述了物流業(yè)如何進行信息化建設(shè)。物流業(yè)與信息業(yè)的融合包含通過融合信息技術(shù)提高來增強企業(yè)競爭力和將信息業(yè)務(wù)增加到物流服務(wù)中形成新的業(yè)務(wù)2個方面。

視頻攝像頭在日常生活中非常普遍，但是利用率較低，大部分監(jiān)控系統(tǒng)都是提供視頻數(shù)據(jù)的線性存儲，成為事后證據(jù)查找的有效手段。近年來，隨著計算機視覺的發(fā)展，很多學(xué)者開始研究視頻理解，尤其是針對視頻信息檢測與識別技術(shù)，建立有效的算法，實現(xiàn)底層圖像處理技術(shù)與高層視頻內(nèi)容分析之間的關(guān)聯(lián)，從而推動了計算機視覺在物流領(lǐng)域的應(yīng)用，提高物流企業(yè)的競爭力。

1 計算機視覺的相關(guān)知識

1.1 計算機視覺的概念

20世紀(jì)80年代初，Marr從信息處理的角度，提出了第一個比較完善的計算機系統(tǒng)視覺框架。計算機視覺是指利用計算機模擬人眼的視覺功能，對圖片或視頻進行采集、加工、處理和識別，從中提取三維景物的形態(tài)和運動信息，解決物流、工業(yè)、商業(yè)等領(lǐng)域產(chǎn)品圖像自動檢測識別問題，提高檢測識別效率和自動化程度。計算機視覺自動識別技術(shù)作為一門交叉學(xué)科，近年來受到各相關(guān)行業(yè)的高度重視。計算機視覺的處理流程為：攝像機圖像采集圖像處理計算機幀存儲、圖像識別控制邏輯顯示器顯示。

1.2 亮度要求

基于計算機視覺的硬件環(huán)境中，亮度是非常重要的因素。在計算機視覺中亮度的作用是突出物體的重要特征或使物體本身可見，而弱化物體其他不需要的特征或物體所處的背景。如果物體太亮或太暗，都會影響對物體的處理。

彩色物體反射光譜的某些部分，吸收其他部分。因此開發(fā)人員可以利用這個特點來提高某些物體的可視度。開發(fā)人員可以利用顏色之間的對比增強某種顏色或抑制其相反的顏色。例如，如果一個紅色的物體在一個綠色背景中則應(yīng)該加強紅色，這時可使用紅色照明。這樣紅色的物體會顯得明亮，同時會變暗綠色的對象。

LED是目前用于計算機視覺的主要照明技術(shù)，相比白熾燈、日光燈等使用時間短、亮度逐漸減弱的特點，LED燈的壽命超過100萬小時，而且耗電小，產(chǎn)生熱量少。

1.3 計算機和攝像機的接口

常用的計算機和攝像機接口包括IEEE 1394、Ethernet、USB2.0 and Gigabit Ethernet等。

1.4 RGB介紹

RGB 顏色空間是實際應(yīng)用最多的一個顏色空間，在使用計算機進行圖像處理時，數(shù)字圖像一般用RGB 空間存儲和表示，分3個通道：紅（Red）、綠（Green）和藍（Blue），分別反映了顏色在某個通道的亮度值。3種原色光不同比例混合即使得人得到不同顏色的感知，這就是RGB顏色空間的由來。RGB 空間中每種顏色都能用三維空間中的一個點來表示。

2 計算機視覺在物流領(lǐng)域的優(yōu)勢

隨著物流業(yè)的迅速發(fā)展，計算機視覺在條形碼識別、運動物流跟蹤方面逐漸得到應(yīng)用。與傳統(tǒng)方法相比，計算機視覺應(yīng)用在物流領(lǐng)域的優(yōu)勢為以下方面。

2.1 靈活、低成本

物流系統(tǒng)中一般采用傳感器來收集相關(guān)信息，但是傳感器的位置是固定的，如果需要多方位的信息，必須同時需要多個傳感器才能完成。利用計算機視覺攝像機和計算機來完成，只需要通過程序的設(shè)置和一臺攝像機就可實現(xiàn)多方位信息的收集。

2.2 高效、準(zhǔn)確

在一些人眼難以滿足要求的場合，或不適于人工工作的環(huán)境下，用計算機視覺來代替人工視覺可以提高生產(chǎn)效率、信息的準(zhǔn)確率。

3 計算機視覺在流水線中多方位跟蹤計數(shù)的算法

物流企業(yè)在流水線產(chǎn)品的計數(shù)方法目前主要采用傳感器，而利用攝像機所提供的視頻信息可以實現(xiàn)多方位的跟蹤。計算機視覺是一個集成系統(tǒng)，圖像分析的時間有限，算法必須簡單有效。本文采用的物流流水線視頻圖像如圖1所示。圖中紅色矩形表示流水線中傳輸?shù)奈锲罚G色區(qū)域為流水線中的物品處理區(qū)域。

系統(tǒng)會在視頻圖像中設(shè)計①、②、③、④四個計數(shù)區(qū)域，在物品進行相關(guān)處理前進行計數(shù)。計數(shù)方法為將每幀圖像變?yōu)楹诎讏D，圖像中的紅色變?yōu)榘咨?，其余都變?yōu)楹谏?。?dāng)每幅圖像中的紅線部分中的白色像素超過一定閾值時，認(rèn)為物體撞線，如圖2所示，這時確定有需要計數(shù)的物品通過，可以開始計數(shù)。

3.1 主要算法

3.2 算法的運行結(jié)果

OpenCV是Intel公司開發(fā)的開源計算機視覺庫。它提供了幾百個C/C++函數(shù)，實現(xiàn)了計算機視覺領(lǐng)域中大部分最常用的算法。利用Intel開發(fā)的開源視覺庫Intel OpenCV和VC6.0將上述算法轉(zhuǎn)換為對應(yīng)的源代碼，可實現(xiàn)4個區(qū)域的物品計數(shù)。

3.3 算法的評價

該算法利用計算機視覺技術(shù)實現(xiàn)了物流流水線上的多方位計數(shù)，提高物流企業(yè)的信息化水平，節(jié)約了資金。算法簡單，運行速度快，完全可以滿足物流企業(yè)的實際需求。

4 結(jié)論與建議

本文所提出的算法實現(xiàn)了計算機視覺技術(shù)在物流企業(yè)的應(yīng)用，為信息產(chǎn)業(yè)和物流業(yè)的融合提供了新的思路。但信息產(chǎn)業(yè)與物流產(chǎn)業(yè)的融合并不意味著引入信息技術(shù)后物流業(yè)的競爭力一定能提高。Berry（1995）指出了企業(yè)可以從6個方面來利用技術(shù)手段來提高競爭力，根據(jù)Berry的建議和我國物流業(yè)的實際情況，本文認(rèn)為從以下幾個方面來考慮如何通過與信息技術(shù)的融合提高物流企業(yè)的競爭力。

4.1 要有一個戰(zhàn)略性的全局行動綱領(lǐng)

技術(shù)只是一種手段，使用技術(shù)的目的是為了企業(yè)發(fā)展服務(wù)，應(yīng)符合全局發(fā)展的需要。因此物流企業(yè)高層管理者應(yīng)該參與技術(shù)戰(zhàn)略的制定，保證技術(shù)戰(zhàn)略與全局戰(zhàn)略一致，并有CIO（首席信息官）監(jiān)控具體執(zhí)行情況。而不應(yīng)該盲目使用一些新技術(shù)或進行信息改革，造成企業(yè)不必要的損失。

4.2 解決主要問題

物流業(yè)作為服務(wù)行業(yè)其最終目的是為客戶服務(wù)，使用信息技術(shù)的有效性應(yīng)建立在為客戶解決實際問題的基礎(chǔ)上。因此信息產(chǎn)業(yè)與物流業(yè)的融合應(yīng)體現(xiàn)在為客戶提供更多的便利，或提供增值服務(wù)的基礎(chǔ)上。

4.3 使用物流公共信息平臺和建立物流信息系統(tǒng)，保證系統(tǒng)有效運轉(zhuǎn)

通過現(xiàn)代物流公共信息平臺的建設(shè)，企業(yè)可以及時獲得需求信息，政府可獲得物流業(yè)相關(guān)的調(diào)控和管理的宏觀信息，實現(xiàn)互聯(lián)互通。通過企業(yè)流程再造，利用含有CRM（客戶關(guān)系管理）等模塊的ERP系統(tǒng)，采用EDI（電子數(shù)據(jù)交換系統(tǒng)）、GPS、條形碼、無線射頻技術(shù)等先進技術(shù)，建立真正適應(yīng)企業(yè)發(fā)展的符合現(xiàn)有服務(wù)模式的管理信息系統(tǒng)。

4.4 創(chuàng)新型物流人才的引進和培養(yǎng)

物流企業(yè)在自身提高業(yè)務(wù)流程和信息化水平的同時，還應(yīng)注重創(chuàng)新型人才的引進和培養(yǎng)，特別是有國際大型物流企業(yè)管理和技術(shù)經(jīng)驗的復(fù)合型人才。

主要參考文獻

[1] L Leonard，Berry. On Great Service：A Framework for Action[M]. New York NY：The Free Press，1995.

第6篇：計算機視覺技術(shù)及應(yīng)用范文

關(guān)鍵詞：計算機視覺技術(shù)；C# ；；作物無損檢測；軟件設(shè)計

中圖分類號：TP311 文獻標(biāo)識碼：A 文章編號：1009-3044（2013）15-3640-03

數(shù)字農(nóng)業(yè)和農(nóng)業(yè)物聯(lián)網(wǎng)技術(shù)作為現(xiàn)代農(nóng)業(yè)最前沿的發(fā)展領(lǐng)域之一，是當(dāng)今世界發(fā)展農(nóng)業(yè)信息化，實現(xiàn)農(nóng)業(yè)可持續(xù)發(fā)展的關(guān)鍵和核心技術(shù)。數(shù)字農(nóng)業(yè)要求快速、實時、準(zhǔn)確和定位化的獲取植物生長信息，而農(nóng)業(yè)物聯(lián)網(wǎng)技術(shù)要求植物信息可實時動態(tài)感知，顯然，傳統(tǒng)的實驗室測量分析和信息獲取方法已經(jīng)不能滿足數(shù)字農(nóng)業(yè)和農(nóng)業(yè)物聯(lián)網(wǎng)技術(shù)的發(fā)展要求。因此，研究和開發(fā)植物生命信息快速無損檢測技術(shù)和傳感儀器等軟硬件平臺已經(jīng)成為現(xiàn)代農(nóng)業(yè)承待解決的關(guān)鍵問題[1]。

目前，國內(nèi)在作物無損檢測方面的研究儀器主要是依賴進口，而相應(yīng)的軟件也是伴隨著儀器而購買。此類軟件，一般價格昂貴，而且在自主研究平臺中，因為無法取得源代碼而無法使用或升級，從而出現(xiàn)研究瓶頸。在各類無損化檢測技術(shù)中，隨著計算機視覺技術(shù)越來越廣泛的應(yīng)用，對應(yīng)的軟件系統(tǒng)的開發(fā)迫在眉睫[2]。

正是基于這樣的背景，我們通過對目前應(yīng)用比較廣泛的C#進行研究，利用C#強大的數(shù)據(jù)處理能力和良好的用戶界面開發(fā)，并結(jié)合強大的圖像處理能力，進行作物實時檢測軟件平臺的自主設(shè)計與開發(fā)。

1 計算機視覺技術(shù)簡介

計算機視覺也稱機器視覺，是采用攝像機或者數(shù)碼相機將被檢測圖像轉(zhuǎn)化為數(shù)字信號，再采用先進的計算機軟件技術(shù)對圖像信號進行處理，從而得到所需要的各種目標(biāo)圖像特征值。并由此實現(xiàn)模式識別，坐標(biāo)計算等功能。然后再根據(jù)其結(jié)果輸出數(shù)據(jù)，發(fā)出指令，再配合執(zhí)行機構(gòu)完成好壞篩選，位置調(diào)整，數(shù)據(jù)統(tǒng)計等自動化流程。與人工視覺相比較，計算機視覺的最大的優(yōu)點是快速、精確、可靠，以及數(shù)字化。

隨著數(shù)字農(nóng)業(yè)和農(nóng)業(yè)物聯(lián)網(wǎng)技術(shù)的發(fā)展，計算機視覺技術(shù)將越來越廣泛的應(yīng)用于農(nóng)業(yè)生產(chǎn)中，而構(gòu)成計算機視覺系統(tǒng)的軟件系統(tǒng)是整個計算機視覺系統(tǒng)的靈魂。隨著硬件技術(shù)的不斷發(fā)展完善，計算機視覺系統(tǒng)其功能是否強大，可以說完全取決于軟件系統(tǒng)的能力。

2 軟件系統(tǒng)設(shè)計

2.1 C#與

C#是由微軟公司開發(fā)的一種面向?qū)ο蟮男滦途幊陶Z言，它是從C和C++ 中派生出來的，保留了C/C++原有的強大功能，并且繼承了C/C++的靈活性。同時由于是MicroSoft公司的產(chǎn)品，它又同Visual Basic一樣具有簡單的語法結(jié)構(gòu)和高效的開發(fā)能力，可以使程序員快速的編寫出基于.NET平臺的應(yīng)用程序。

一個基于C#框架，專門為C#開發(fā)者和研究者設(shè)計和開發(fā)的，這個框架提供了豐富的類庫資源，包括圖像處理，神經(jīng)網(wǎng)絡(luò)，模糊系統(tǒng)，遺傳算法，人工智能和機器人控制等領(lǐng)域。該框架架構(gòu)合理，易于擴展，涉及多個較前沿的技術(shù)模塊，為相關(guān)開發(fā)人員或科研人員的工作提供了極大的便利。本系統(tǒng)就是采用C#程序設(shè)計語言，通過調(diào)用該框架來實現(xiàn)作物無損檢查系統(tǒng)的開發(fā)。

2.2 系統(tǒng)設(shè)計與實現(xiàn)

本軟件系統(tǒng)是在數(shù)碼相機拍攝的作物圖像的基礎(chǔ)上，采用圖像處理方法進行特征提取與分析，從而實現(xiàn)作物的無損檢測。主要分為圖像輸入，圖像預(yù)處理，特征提取，特征分析幾個模塊。

1） 圖像輸入

將要分析處理的圖像讀取到系統(tǒng)中來，為后面圖像處理作準(zhǔn)備。C#提供了三個最重要的圖像處理類，即Bitmap類、BitmapData類和Graphics類。三種圖像處理的方法，即提取像素法、內(nèi)存法和指針法。從執(zhí)行效率和實現(xiàn)難度綜合考慮，本系統(tǒng)的開發(fā)采用內(nèi)存法。

2） 圖像預(yù)處理

圖像預(yù)處理主要包括圖像的大小調(diào)整，形態(tài)矯正，平滑和去噪等，以降低環(huán)境對拍攝照片造成的不利影響。提供了多個類，可以對圖像進行平滑去噪等操作，本系統(tǒng)中采用了中值濾波算方法，對應(yīng)中的Median類。

3） 特征提取

特征提取分析，是整個系統(tǒng)的核心所在，需要選取合適的圖像分割算法，對圖像進行處理，提取目標(biāo)區(qū)域，為特征分析作準(zhǔn)備。在本系統(tǒng)中采用了閾值分割技術(shù)，因為這種算法相對來說比較直接并且易于實現(xiàn)。

采用閾值分割技術(shù)，首先，必需確定一個閾值作為圖像分割的閾值，在本系統(tǒng)中，采用自適應(yīng)閾值法，由用戶在軟件的操作過程中進行設(shè)定，并且可以根據(jù)需要進行調(diào)整。然后，根據(jù)這個閾值對圖像進行分割，并將其轉(zhuǎn)化為二值圖，如圖（b）所示。從圖中我們可以看到二值圖像中存在大量的小孔，這種太小的孔洞對我們進行圖像分析沒有實際意義，并且會干擾結(jié)果的正確性，因此我們需要采用腐蝕和膨脹的形態(tài)學(xué)方法來進行填充孔洞，結(jié)果如圖（C）所示。最后，我們需要根據(jù)需要提取目標(biāo)區(qū)，涉及到連通區(qū)域的提取問題。最后，輸出結(jié)果。

4） 特征分析

對圖像分割結(jié)果進行分析，用于指導(dǎo)生產(chǎn)實踐。我們可以對通過圖像處理得到的目標(biāo)區(qū)域進行分析，比如可以根據(jù)葉片顏色的變化判斷葉綠素含量，進而推算出作物的營養(yǎng)狀況，根據(jù)色素區(qū)域的大小計算出葉面積，根據(jù)不同區(qū)域的形狀、大小判斷病蟲害等。

3 實驗結(jié)果及分析

軟件運行后主界面如圖3所示。

為驗證本系統(tǒng)的有效性，我們通過設(shè)定不同的閾值進行圖像分割，并跟photoshop cs4軟件中魔棒的工具作對比，來提取圖片中的目標(biāo)區(qū)域。測試圖片大小為800px×610px，取特征點坐標(biāo)P（310，70），該點的RGB值為（29，92，0），獲取目標(biāo)區(qū)域的總像素和綠色分量平均值，數(shù)據(jù)如表1所示。

從上述表中我們可以看出，本軟件在圖像處理目標(biāo)區(qū)域的提取方面，提取到的目標(biāo)區(qū)域較photoshop 提取的小，綠色分量平均值較photoshop更接近特征點數(shù)值，由此看出用本軟件做圖像分割準(zhǔn)確性更高。

4 結(jié)束語與展望

計算機視覺具有非破壞性、快速、高效、信息量大等特點，目前已在主要的農(nóng)作物和經(jīng)濟作物的養(yǎng)分診斷，植物病蟲害的快速檢測及預(yù)警預(yù)報等方面有了廣泛應(yīng)用，取得了較好的效果。隨著計算機視覺技術(shù)和圖像處理技術(shù)的發(fā)展，計算機視覺技術(shù)將更多的應(yīng)用于植物長勢預(yù)測、產(chǎn)量估計等方面。

通過本次研究，開發(fā)了一個交互界面良好的色素分量檢測系統(tǒng)，能對圖像在RGB分量上實現(xiàn)閾值分割，并實現(xiàn)目標(biāo)區(qū)域的獲取分析。該文主要提倡一種軟件開發(fā)的理念，所設(shè)計開發(fā)的軟件的針對性較強，還存在著很多的局限和不足，要作為計算機視覺類的通用軟件，系統(tǒng)的穩(wěn)定性和功能都還有待進一步提升。

參考文獻：

[1] 劉飛.基于光譜和多光譜成像技術(shù)的油菜生命信息快速無損檢查機理和方法研究[D].浙江：浙江大學(xué)博士學(xué)位論文，2011.

[2] 朱哲燕，陳紅.基于MATLAB的作物信息光譜分析平臺的設(shè)計與開發(fā)[J].科技資訊，2012（16）.

[3] 蔣麗華.基于計算機視覺技術(shù)的葉綠素含量檢測系統(tǒng)[D].蘇州：蘇州大學(xué)碩士學(xué)位論文，2009.

[4] 趙春江.C#數(shù)字圖像處理算法典型實例[M].北京：人民郵電出版社，2009.

[5] 何勇，劉飛，聶鵬程. 數(shù)字農(nóng)業(yè)與農(nóng)業(yè)物聯(lián)網(wǎng)技術(shù)[J].農(nóng)機論壇，2012（1）.

[6] 張起麗.基于數(shù)學(xué)形態(tài)學(xué)的彩色圖像處理研究[D].西安：西北大學(xué)碩士學(xué)位論文，2009

[7] 冀高.基于數(shù)字圖像處理的棉花群體特征提取[D].北京：北京郵電大學(xué)碩士學(xué)位論文，2007.

第7篇：計算機視覺技術(shù)及應(yīng)用范文

關(guān)鍵詞：計算機視覺；地圖匹配；SLAM；機器人導(dǎo)航；路徑規(guī)劃

1概述

計算機視覺在人工智能學(xué)科占據(jù)重要地位，為自主移動機器人視覺導(dǎo)航做了深厚的理論鋪墊。目前，機器人導(dǎo)航技術(shù)有很多種，傳感器導(dǎo)航技術(shù)如里程計、激光雷達、超聲波、紅外線、微波雷達、陀螺儀、指南針、速度、加速度計或觸覺等得到了普遍應(yīng)用，與上述非計算機視覺導(dǎo)航技術(shù)相比較，計算機視覺導(dǎo)航技術(shù)如人眼般具有靈敏度高且可捕獲的信息量大以及成本低等優(yōu)點。由于室內(nèi)相對室外空間比較狹小且內(nèi)部環(huán)境復(fù)雜，所以普通移動機器人在作業(yè)過程中，完成躲避眼前障礙物、自主導(dǎo)航以及為自身找出一條可行路徑等一系列操作會相對比較困難。計算機視覺導(dǎo)航技術(shù)可利用本身的攝像頭獲得室內(nèi)周圍的環(huán)境信息，實時對其周身的場景進行快速反饋，對視野前方障礙物進行快速識別和檢測，從而確定一條高效的可行的安全路徑。本文對計算機視覺導(dǎo)航技術(shù)進行分類研究，主要分為3類：第一類是環(huán)境地圖事先已知，提前對外界環(huán)境特征進行提取和處理，建立全局地圖，并將地圖信息存儲在機器人內(nèi)存數(shù)據(jù)庫中，在導(dǎo)航的時候?qū)崟r進行地圖匹配；第二類是同時定位與地圖構(gòu)建，移動機器人在自身位置不確定的情況下根據(jù)自身的攝像頭獲取周圍未知環(huán)境信息，在作業(yè)時逐步構(gòu)建周圍的環(huán)境地圖，根據(jù)構(gòu)建的增量式地圖自主實時定位和導(dǎo)航；第三類是不依賴環(huán)境地圖，自主移動機器人不需要依賴任何的環(huán)境地圖，其在作業(yè)活動時的可行區(qū)域主要取決于攝像頭實時識別和檢測的環(huán)境相對信息。

2環(huán)境地圖的表示方法

目前，計算機視覺導(dǎo)航技術(shù)多采用柵格地圖、幾何地圖、拓?fù)涞貓D和混合地圖構(gòu)建環(huán)境地圖信息。

2.1柵格地圖

柵格地圖，將柵格圖像考慮為一矩形，均分為一系列柵格單元，將每個柵格單元賦予一個平均概率值，并利用傳感信息估計每個單元內(nèi)部內(nèi)存障礙物的概率。構(gòu)建柵格地圖的優(yōu)點是其地圖表達形式直觀，創(chuàng)建和維護比較容易；但當(dāng)劃分的柵格單元數(shù)量不斷增多時，實時性就會慢慢變差；當(dāng)劃分的柵格單元越大時，環(huán)境地圖的分辨率越低。

2.2幾何地圖

幾何地圖利用幾何特征如點、直線、平面等來構(gòu)成環(huán)境主要框架，需要知道這些特征在環(huán)境中信息的具置，所以幾何地圖通常使用其對應(yīng)的三維空間坐標(biāo)來表示。幾何地圖構(gòu)建過程相對簡單，保留了室內(nèi)環(huán)境的各種重要信息，是基于計算機視覺的定位與地圖構(gòu)建算法中最常用的一種表示方式。但是為了完成環(huán)境的建模需要標(biāo)記大量的特征，從而計算量也非常的大，降低了實時性，其重建的地圖也容易出現(xiàn)與全局不一致的情況。

2.3拓?fù)涞貓D

拓?fù)涞貓D用許多節(jié)點和連接這些節(jié)點的曲線來表示環(huán)境信息。其中，每個節(jié)點相對應(yīng)真實環(huán)境中的特征點（如門角、窗戶、椅子、桌子角及拐角等），而節(jié)點之間的曲線表示兩個節(jié)點對應(yīng)的地點是相聯(lián)通的。拓?fù)涞貓D把環(huán)境信息表上在一線圖上，不需要精確表示不同節(jié)點間的地理位置關(guān)系，圖像較為抽象，表示起來方便且簡單。機器人首先識別這些節(jié)點進而根據(jù)識別的節(jié)點選擇節(jié)點與節(jié)點間的曲線作為可作業(yè)的路徑。

2.4混合地圖

混合地圖主要包括3種形式：柵格一幾何地圖、幾何一拓?fù)涞貓D以及柵格一拓?fù)涞貓D?；旌系貓D采用多種地圖表示，可結(jié)合多種地圖的優(yōu)勢，與單一的地圖表示相比更具有靈活性、準(zhǔn)確性和魯棒性，但其不同類別的地圖結(jié)合起來管理會比較復(fù)雜，難以協(xié)調(diào)，增加了地圖構(gòu)建的難度。文獻針對室內(nèi)環(huán)境所建立的模型分為全局拓?fù)浜途植繋缀伪硎霾糠?，整體環(huán)境通過拓?fù)涔?jié)點串連起來，維護了整體環(huán)境表述的全局一致性；而以每個拓?fù)涔?jié)點為核心所采用的幾何表述則可確保局部精確定位的實現(xiàn)，這樣建立的幾何一拓?fù)浠旌檄h(huán)境模型可將二者的優(yōu)勢都表現(xiàn)出來，使得移動機器人定位和地圖構(gòu)建同時進行，實現(xiàn)容易。

3基于計算機視覺的室內(nèi)導(dǎo)航

基于計算機視覺的室內(nèi)導(dǎo)航技術(shù)可利用攝像頭捕獲機器人周圍環(huán)境的全部信息，對其周身的場景進行反饋，對障礙物進行快速識別和檢測，從而確定一條高效的可行的安全路徑。本文將計算機視覺室內(nèi)導(dǎo)航技術(shù)主要分為3類：第一類是環(huán)境地圖事先已知；第二類是定位與地圖構(gòu)建同時進行；第三類是不依賴環(huán)境地圖。

3.1環(huán)境地圖事先已知

提前對外界環(huán)境特征進行提取和處理，建立全局地圖，并將地圖信息存儲在機器人內(nèi)存數(shù)據(jù)庫中，在導(dǎo)航的時候?qū)崟r進行地圖匹配，即預(yù)存環(huán)境地圖。在環(huán)境地圖事先已知的導(dǎo)航中，路標(biāo)信息保存在計算機內(nèi)存的數(shù)據(jù)庫中，視覺系統(tǒng)中心利用圖像特征直接或間接向移動機器人提供一系列路標(biāo)信息，一旦路標(biāo)被確定后，通過匹配觀察到的圖像和所期望圖像，機器人借助地圖實現(xiàn)自身精確定位和導(dǎo)航。該導(dǎo)航技術(shù)過程可分為以下步驟：

a）圖像獲?。簲z像頭獲取其周圍的視頻圖像；

b）路標(biāo)識別及檢測：利用相關(guān)圖像處理算法對圖像進行一系列預(yù)處理如進行邊緣檢測和提取、平滑、濾波、區(qū)域分割；

c）路標(biāo)匹配標(biāo)志：在觀察到的圖像和所期望圖像之間進行匹配，搜索現(xiàn)有的路標(biāo)數(shù)據(jù)庫進行標(biāo)志路標(biāo)；

d）位置計算：當(dāng)有特征點進行匹配時，視覺系統(tǒng)會根據(jù)數(shù)據(jù)庫中的路標(biāo)位置進行自身精確定位和導(dǎo)航。

在基于計算機視覺的地圖匹配定位過程中，主要有2種地圖匹配較為典型。

①已知起點，已知地圖。這種條件下的定位稱為局部定位，采用的是一種相對定位的方法，如圖1所示為其位姿估計過程，這種情況目前導(dǎo)航技術(shù)研究得最多。

②不知起點，已知地圖。這種條件下的定位稱為全局定位。當(dāng)機器人需要重置時，通常使用這種定位方法來檢索機器人的當(dāng)前位置（即姿態(tài)初始化）。常用的輔助方法是在環(huán)境中添加一些人造信標(biāo)，如無線收發(fā)器，幾何信標(biāo)，條碼技術(shù)，紅外或超聲波接收系統(tǒng)進行位置識別，利用視覺系統(tǒng)識別自然標(biāo)志，自主定位。

3.2定位與地圖構(gòu)建同時進行

不知起點，不知地圖。SLAM技術(shù)最早由Smith等人于1986年提出，移動機器人在自身位置不確定的情況下根據(jù)自身的攝像頭獲取周圍未知環(huán)境信息，在作業(yè)時逐步構(gòu)建周圍的環(huán)境地圖，根據(jù)構(gòu)建的增量式地圖自主實時定位和導(dǎo)航。在日后的導(dǎo)航研究中，混合地圖中的幾何一拓?fù)浠旌檄h(huán)境模型被得到廣泛應(yīng)用，主要用來解決SLAM問題。

2003年，在解決SLAM技術(shù)難題上，Arras等人采用基于Kalman濾波器和最鄰近（nearest neighbor）匹配策略的隨機地圖創(chuàng)建方法。下面是該算法步驟：

a）數(shù)據(jù)采集：首先初始化系統(tǒng)，從攝像頭傳感器采集距離數(shù)據(jù)；

b）狀態(tài)預(yù)測：視覺系統(tǒng)預(yù)測機器人運動狀態(tài)，實時返回新位姿信息和協(xié)方差矩陣，預(yù)測地圖；

c）觀測：從原始捕獲的信息中提取主要特征信息并將此信息返回給局部地圖；

d）測量預(yù)測：預(yù)測機器人當(dāng)前位姿的全局地圖；

e）位置匹配：應(yīng)用最鄰近濾波器匹配局部地圖中的觀測點和預(yù)測點；

f）估計：使用擴展Kalman濾波器更新地圖；

g）創(chuàng)建：將非相關(guān)的觀測點加入地圖，對機器人返回增量式地圖；

h）輸出地圖。

制約機器人視覺系統(tǒng)性能的重要因素是信息實時處理的計算復(fù)雜度和處理效率，SLAM算法需要在地圖密度與計算效率之間取得權(quán)衡。

3.3無環(huán)境地圖

在這類系統(tǒng)中，機器人不需要依賴任何的環(huán)境地圖信息，機器人的活動取決于其當(dāng)時識別和提取出來的環(huán)境信息，這些環(huán)境信息可能是桌子、椅子和門等，不需要知道這些環(huán)境元素的絕對位置。無環(huán)境地圖的導(dǎo)航技術(shù)典型的技術(shù)有3大類：基于光流的導(dǎo)航技術(shù)、基于外觀信息的導(dǎo)航技術(shù)、基于目標(biāo)識別的導(dǎo)航技術(shù)和基于目標(biāo)跟蹤的導(dǎo)航技術(shù)。

3.3.1基于光流的導(dǎo)航技術(shù)

光流是三維空間運動物體在觀測成像面上的像素運動的瞬時速度，也是圖像亮度的運動信息描述。光流法計算最初是由Horn和Schunck于1981年提出的，其利用二維速度場與灰度，引入光流約束方程，得到光流計算的基本算法。光流計算基于物體移動的光學(xué)特性提出了2個假設(shè)：①運動物體的灰度在很短的間隔時間內(nèi)保持不變；②給定鄰域內(nèi)的速度向量場變化是緩慢的。如Santos-Victor等人研發(fā)了一種基于光流的robee視覺系統(tǒng)，該系統(tǒng)模擬了蜜蜂的視覺行為。在robee視覺系統(tǒng)中，使用單獨的雙目視覺方法來模擬蜜蜂的中心反射（Centering Reflex）：當(dāng)機器人移動到走廊兩側(cè)的墻壁中心時，左眼捕獲場景的瞬時速度與右眼捕獲場景的瞬時速度是相同的，幾乎沒有差別，那么機器人就可以知道他們在走廊的中心。如果眼睛兩側(cè)的眼睛的瞬時變化速度不同，則機器人移動到較慢的速度。在自動機器人導(dǎo)航的實現(xiàn)中，基于這個想法是測量攝像機捕獲圖像場景瞬時速度差異。這種導(dǎo)航技術(shù)只能用于室內(nèi)單通道直走道導(dǎo)航，不能引導(dǎo)機器人改變方向，具有一定的局限性。

3.3.2基于外觀信息的導(dǎo)航技術(shù)

基于外觀的機器人導(dǎo)航方法，不需要構(gòu)建真實的地圖導(dǎo)航，機器人通過自身所攜帶的攝像頭和傳感器感知周圍目標(biāo)的外觀信息進行自主定位和導(dǎo)航。其中，所述的外觀信息多為目標(biāo)信息的顏色、亮度、形狀、空間大小和物理紋路等。機器人在導(dǎo)航時存儲連續(xù)視頻幀的環(huán)境圖像信息，并將連續(xù)視頻幀與控制指令相關(guān)聯(lián)，從而再執(zhí)行指令規(guī)劃有效路徑到達目的地。

3.3.3基于目標(biāo)識別導(dǎo)航技術(shù)

為了達到目標(biāo)點或是識別目標(biāo)，機器人很多時候只能獲取少量的圖像信息。Kim等人提出了一種用符號代替導(dǎo)航各個位置的賦值方法。該賦值方法中，機器人執(zhí)行命令如“去窗邊”“去你后面的椅子旁”等。這樣，通過相關(guān)的符號命令，機器人自動識別并建立路標(biāo)，通過符號指令到達目標(biāo)點。例如“去你后面的椅子旁”，這樣的命令就是告訴機器人路標(biāo)是椅子、路徑向后。該導(dǎo)航技術(shù)的難點在于目標(biāo)是否可以準(zhǔn)確實時識別路標(biāo)。第一，識別大量不同類別的物體，室內(nèi)環(huán)境有許多不同類別的物體，需要將它們組織到一個在給定的容易搜索圖像數(shù)據(jù)結(jié)構(gòu)中去，起到容易識別是用什么度量來區(qū)分物體；第二，識別大量不同背景下的物體，一個合適的物體表達式有助于將圖像組織成片斷，而這些片斷來自于物體的種類且與物體無關(guān)的；第三，在抽象層次上識別物體，機器人可以不需要在看到一個具體的杯子之前便能知道它是一個杯子，相關(guān)程序能夠類似的物體進行識別和區(qū)分。

3.3.4基于目標(biāo)跟蹤的導(dǎo)航技術(shù)

基于目標(biāo)跟蹤的導(dǎo)航技術(shù)，為機器人構(gòu)造一個虛擬地圖，機器人通過攝像頭獲取連續(xù)的視頻序定一個跟蹤的目標(biāo)，為了達到對目標(biāo)的精確定位和實時跟蹤，可以利用粒子濾波算法對需要跟蹤的目標(biāo)進行建模。基于粒子濾波的目標(biāo)跟蹤主要包含四個階段，分別是初始化目標(biāo)區(qū)域，概率轉(zhuǎn)移，目標(biāo)區(qū)域權(quán)重計算，目標(biāo)區(qū)域重采樣。在機器人導(dǎo)航之前，通過視頻序列的當(dāng)前幾幀標(biāo)注機器人所需要跟蹤的目標(biāo)，在導(dǎo)航時，機器人通過連續(xù)的視頻幀感知周圍的待跟蹤目標(biāo)，同時對所需要跟蹤的目標(biāo)散播粒子，當(dāng)獲取的視頻幀對目標(biāo)區(qū)域重采樣后足以讓機器人確定所需要跟蹤的目標(biāo)時，機器人通過確定的目標(biāo)為自己規(guī)劃最有效的路徑到達目的地。獲取視頻序列目標(biāo)跟蹤是算機視覺領(lǐng)域中的重要分支，它在工業(yè)生產(chǎn)、交通導(dǎo)航、國防建設(shè)、航空導(dǎo)航等各個領(lǐng)域有著廣泛的應(yīng)用。

第8篇：計算機視覺技術(shù)及應(yīng)用范文

關(guān)鍵詞： 機器人； 人機界面； 三維可視化； 圖形降噪； 圖像處理

中圖分類號： TN830.1?34； TP391 文獻標(biāo)識碼： A 文章號： 1004?373X（2017）12?0105?03

Abstract： In order to improve the operating performance of 3D visualization of robot human?computer interface， a 3D visualization reconstruction design method of robot human?computer interface based on GPU real?time graph tracking rendering is put forward. The computer vision method is used to sample the visual features of robot man?computer interface， and perform the sparse scattered points reconstruction for the sampled vision pixel information. The image processing method is adopted to denoise the graph and correct the edge in the reconstructed 3D space， and improve the detail presentation ability of 3D visualization graph of man?computer interface. The simulation results show that the method used to design the 3D visualization of the robot human?computer interface has perfect visual effect of the output graph， strong human?computer interaction ability， and high application value.

Keywords： robot； human?computer interface； 3D visualization； graph noise reduction； image processing

0 引 言

機器人人機交互（Human?Computer Interaction，HCM）是通過圖像和計算機視覺處理的方法，實現(xiàn)機器人系統(tǒng)與用戶之間的交互關(guān)系和溝通，在機器人人機交互過程中，人與計算機通過計算機視覺處理和動作識別的形式實現(xiàn)語言溝通，完成確定的任務(wù)和計算機與機器人的信息交換[1]。機器人人機交互系統(tǒng)廣泛應(yīng)用在視景模型仿真、機器手設(shè)計和遠程虛擬控制等領(lǐng)域，在現(xiàn)代工業(yè)和遠程控制中具有重要的應(yīng)用價值。

在機器人的人機交互中，需要通過對人機界面的三維可視化設(shè)計，提高人機交互的可視性和人工智能性，研究人機交互界面的三維可視化重構(gòu)方法在機器人的人工智能優(yōu)化設(shè)計領(lǐng)域具有重要的應(yīng)用意義。對此，本文提出一種基于GPU實時圖形跟蹤渲染的機器人人機界面的三維可視化重構(gòu)設(shè)計方法。首先采用計算機視覺方法進行機器人的人機界面視覺特征采樣，采用圖像處理方法實現(xiàn)圖形降噪和邊緣修正處理，提高人機交互界面的三維可視化圖形細節(jié)表達能力。最后進行仿真實驗分析，得出有效性結(jié)論。

1 視覺特征采樣與像素信息重構(gòu)

1.1 人機界面計算機視覺特征采樣

為了實現(xiàn)機器人人機界面的三維可視化設(shè)計，首先進行視覺信息采樣，本文采用計算機視覺方法進行機器人的人機界面視覺特征采樣，在視覺信息采集中，對特征空間中的突變信息進行采集，檢測提取后的輪廓線信息是否符合要求，不符合的原因是由于閾值小而提取了過多的次要輪廓線，使主要輪廓線無法突出。利用多尺度特征來提取輪廓線，并將高頻與低頻部分的輪廓線信號進行融合，也就是在不同尺度特征下進行輪廓線提取，因此可得到光滑的輪廓線圖像，提取出的人機界面外部采集輪廓線，將外部特征通過二維流形分析[2]。機器人與人體動作的交互過程可以表征為一個高維向量，收集大量人體動作完成機器人的人機動作交互，將人機交互界面場景數(shù)據(jù)庫中的交互動作數(shù)據(jù)進行三維特征掃描，掃描包括激光掃描、紅外掃描和CT掃描等方法[3]，得到機器人人機界面交互的動作掃描的像素組成為：

1.2 視覺像素信息稀疏散點重構(gòu)

對采樣的視覺像素信息進行稀疏散點重構(gòu)，為進行人機界面的三維可視化設(shè)計提供數(shù)據(jù)基礎(chǔ)，對機器人人機交互界面的視覺像素信息稀疏散點重構(gòu)需要遵循以下原則：

（1） 可描述性。對不同的人機交互動作，應(yīng)該提取具有明顯區(qū)別的特征參數(shù)，即特征參數(shù)具有較強的敏感性，能夠高效地對技術(shù)姿態(tài)進行描述。

（2） 可靠性。不同的動作識別系統(tǒng)做同一個技術(shù)動作時一定會存在差異，但這種差異不應(yīng)該對特征參數(shù)造成影響，即同種類型的技術(shù)姿態(tài)的特征參數(shù)會比較相似，這就要求所提取的特征參數(shù)對位置和對象不敏感。

（3） 數(shù)量少。一個動作識別特征值越多，系統(tǒng)的計算復(fù)雜程度就越大，因此要盡可能控制特征值的數(shù)量[5]。在像素點中，通過仿射變換，得到對應(yīng)的不變矩坐標(biāo)為，在不同朝向和不同尺度間進行機器人人機界面網(wǎng)格區(qū)域匹配，得到人機界面三維輪廓函數(shù)為：

3 實驗測試分析

對機器人的人機界面三維可視化實驗建立在本主機配置為PentiumD CPU 2.80 GHz，2.79 GHz，2.00 GB內(nèi)存的計算機硬件平臺上。在機器人人機動作特征識別中，人體動作特征單元和模塊子單元表示為Cell （col，row）。其中col表示行，row為列，人機交互中人體動作圖像采集來自于分辨率為640×480，幀率為25 f/s的AVI視頻，參數(shù)設(shè)定為=0.5，=2，=2，得到機器人人機界面的三維可視化重構(gòu)結(jié)果如圖1所示。對圖1給出的機器人人機界面三維重構(gòu)結(jié)果進行降噪和修正處理，得到三維可視化優(yōu)化結(jié)果如圖2所示。

對比圖2和圖1結(jié)果得知，采用本文方法進行機器人人機界面的三維可視化設(shè)計，輸出圖形的視覺效果較好，人機交互能力較強，性能優(yōu)越。

4 結(jié) 語

為了提高機器人人機界面的三維可視化操作性能，本文提出一種基于GPU實時圖形跟蹤渲染的機器人人機界面的三維可視化重構(gòu)設(shè)計方法。采用計算機視覺方法進行機器人的人機界面視覺特征采樣，在重構(gòu)的三維空間中通過圖像處理方法實現(xiàn)圖形降噪和邊緣修正處理，實現(xiàn)三維可視化設(shè)計。研究得知，采用該方法進行機器人人機界面的三維可視化設(shè)計，輸出圖形的視覺效果較好，人機交互能力較強，具有較高的應(yīng)用價值。

參考文獻

[1] 董哲康，段書凱，胡小方.非線性憶阻器的串并聯(lián)研究及在圖像處理中的應(yīng)用[J].西南大學(xué)學(xué)報（自然科學(xué)版），2015，37（2）：153?161.

[2] 袁健，高勃.基于OpenCL的三維可視化加速模型[J].小型微型計算機系統(tǒng)，2015，36（2）：327?331.

[3] 朱路，劉江鋒，劉媛媛，等.基于稀疏采樣與級聯(lián)字典的微波輻射圖像重構(gòu)方法[J].微波學(xué)報，2014，30（6）：41?45.

[4] HUANG Y， PAISLEY J， LIN Q， et al. Bayesian nonparametric dictionary learning for compressed sensing MRI [J]. IEEE transactions on image processing， 2014， 23（12）： 5007?5019.

第9篇：計算機視覺技術(shù)及應(yīng)用范文

【關(guān)鍵詞】電力系統(tǒng)；發(fā)展趨勢；新技術(shù)發(fā)展

0 前言

電力系統(tǒng)是我國國名經(jīng)濟的基石。電力系統(tǒng)是由發(fā)電、變電、輸電、配電和用電等環(huán)節(jié)組成的電能生產(chǎn)與消費系統(tǒng)?，F(xiàn)代社會需要的是安全可靠經(jīng)濟的電能。電力系統(tǒng)主要由發(fā)電輸電變電配電及用電等5部分組成。電力系統(tǒng)是一個具有復(fù)雜的大系統(tǒng)由于用戶的不斷增加的需求，電網(wǎng)對于技術(shù)的要求水平也提出了越來越高的要求。

1 電力系統(tǒng)自動化的發(fā)展趨勢總的發(fā)展趨勢的特點研究

1.1 電力系統(tǒng)自動化的圖形化特點

因為電力系統(tǒng)聯(lián)網(wǎng)工程的正式啟動，電力系統(tǒng)的調(diào)度管理、數(shù)據(jù)計算分析呈現(xiàn)出傳輸路徑的交叉性，信息更新越來越高速這樣的幾種特點。在計算機技術(shù)和通信技術(shù)的快速發(fā)展下，電力系統(tǒng)技術(shù)整合也在蓬勃發(fā)展著。電力系統(tǒng)信息數(shù)據(jù)處理上已經(jīng)不再使用傳統(tǒng)的處理方式，而是使用圖形化處理這樣的新技術(shù)，這樣看到圖形，電力系統(tǒng)管理者就能了解電力系統(tǒng)的變化發(fā)展趨勢，也就能對未來電力系統(tǒng)軟件開發(fā)帶來絲絲先機。

1.2 電力系統(tǒng)自動化的遠程化特點

過去電力系統(tǒng)的硬件平臺大部分是計算機，外加使用擴展測控法對接口電路工作開展監(jiān)測。此類的設(shè)計有很多的優(yōu)勢，這種類型的設(shè)計的周期很長，擴展性也很好。但是這樣的設(shè)計方式也具有著高成本、大體積、大功耗以及靈動性差的多種缺點?，F(xiàn)在，正是有著網(wǎng)絡(luò)技術(shù)的不斷更新和電子技術(shù)的不斷進步，遠動終端設(shè)備已經(jīng)變?yōu)樵絹碓浇咏顑?yōu)化、智能化和小型化、協(xié)調(diào)化。因此，建立在此基礎(chǔ)之上的電力系統(tǒng)也具備了遠程化的特點，使電力系統(tǒng)自動化在控制系統(tǒng)方面的發(fā)展更加貼近智能化。

1.3 電力系統(tǒng)自動化的分布化特點

發(fā)電率范圍在幾十兆瓦至幾千瓦之間并且模型較小的發(fā)電單元，它的地點處于用戶周圍還有有高效和可靠特點的稱為電力系統(tǒng)自動化技術(shù)分布化。分布式發(fā)電主要包括以液體或氣體為燃料的內(nèi)燃機、太陽能發(fā)電、微型燃氣輪機和風(fēng)力發(fā)電等等的其他一些發(fā)電方式。這種發(fā)電技術(shù)具有很好的靈活性，能夠給與用戶各不相同的感受。還能為邊遠商業(yè)區(qū)域提供可靠的電力資源，讓他們使用具有再生特點的資源進行多次發(fā)電，這樣的電能還具有穩(wěn)定度高的特點，是具有分度化的特色。極端及技術(shù)、新材料技術(shù)和電力電子技術(shù)都要作為支柱技術(shù)被在其中使用。

2 電力系統(tǒng)與新技術(shù)的結(jié)合

2.1 與智能計算機的結(jié)合

計算機視覺技術(shù)就是與智能計算機的結(jié)合之一。使用計算機視覺技術(shù)能夠方便的獲得多種圖像信息。在電力系統(tǒng)中應(yīng)用計算機視覺技術(shù)。目前，計算機視覺技術(shù)使用在電力系統(tǒng)中的作用是修改遙控系統(tǒng)在此同時提高它的性能。這主要表現(xiàn)在使用在線監(jiān)測和開展無人操作或者環(huán)境監(jiān)視，紅外圖像監(jiān)測是電力設(shè)備在線監(jiān)測常用方法中效果最好的。它既有這使用方便，又有著精準(zhǔn)度較高的特點。紅外圖像識別方面主要就是使用計算機視覺技術(shù)，這樣能取得較好的效果。計算機視覺技術(shù)的工作原理是在科學(xué)獲取電力設(shè)備實時紅外圖像和電力設(shè)備正常工作時圖像后，將兩者開展對比。如果出現(xiàn)不正常。也就因此能夠證明電力設(shè)備出現(xiàn)問題。第開展無人操作或者環(huán)境監(jiān)視是使用微波雙鑒探測器進行協(xié)助，將差分圖像以及流光法一起使用對移動物體開展監(jiān)測。如果出現(xiàn)不正?，F(xiàn)象，那么系統(tǒng)就可以識別出來，并且警告我們。因為計算機視覺技術(shù)還處于起步階段，其存在一定的不足之處。雖然計算機視覺技術(shù)發(fā)展迅速，但計算機視覺技術(shù)發(fā)展的并不完善，因為圖像識別自身的復(fù)雜性的原因，所以現(xiàn)階段還不能實現(xiàn)完全的無人操作。正是因為有著這些原因，在大多數(shù)情況下，計算機視覺技術(shù)只能夠作為一種輔助技術(shù)。

2.2 與微機保護系統(tǒng)的結(jié)合

在電力系統(tǒng)自動化技術(shù)發(fā)展速度過快并且伴隨著相關(guān)微機設(shè)備應(yīng)用范圍越來越普遍的情況下。人們越來越嚴(yán)格的要求微機保護系統(tǒng)。更簡單的說，也就是原有的電力系統(tǒng)自動化技術(shù)當(dāng)中的微機保護系統(tǒng)已經(jīng)無法滿足社會發(fā)展的需要。人們需要的微機保護系統(tǒng)應(yīng)該具備更加牢靠與穩(wěn)定的可以對通信進行保護的能力。這樣才能夠達到人們希望人機互動的效果。這樣的系統(tǒng)在對硬件提高出高要求的同時也對軟件業(yè)產(chǎn)生了更加具體的要求。例如，我國在上世紀(jì)末將第一套微機線路保護設(shè)備投入使用，并且該設(shè)備因為性能占據(jù)極大的優(yōu)勢從而獲得世界各國用戶的普遍認(rèn)可。

在繼電保護設(shè)備中，我們更加需要完善的問題就是設(shè)備的實時性。設(shè)備的實時性直接關(guān)乎電網(wǎng)的安全穩(wěn)定，它直接受到其影響。假如設(shè)備實時性出現(xiàn)缺陷，會給電力系統(tǒng)帶來難以補救損失的可能性?，F(xiàn)階段在我國電力系統(tǒng)中應(yīng)用的嵌入式系統(tǒng)通常來說主要為C/C++語言。這是因為該系統(tǒng)不僅靈活性高并且可移植性也很強。同時該系統(tǒng)還使用了能夠隨時改變的模塊化，目的在于處理好各種存在可能性會產(chǎn)生的問題但是卻又不能夠進行更換的難題。在提供便利的同時也能夠盡最大的努力滿足用戶各種要求。

2.3 與GPS安全監(jiān)控系統(tǒng)的結(jié)合

GPS的全稱是全球定位系統(tǒng)。這是一個衛(wèi)星系統(tǒng)。它能具有導(dǎo)航、定位、授時等功能的原因是它可以保證在地球上任意一點都可以同時被觀測到。高精度、高效率和低成本都是GPS定位技術(shù)具有的優(yōu)點。正是在這些優(yōu)點的幫助下，它才能在各類大地測量控制網(wǎng)獲得加強改造，也因此具有了較為普及的應(yīng)用。目前，GPS技術(shù)出現(xiàn)了一個不斷進步的境地，而將GPS技術(shù)使用到電力系統(tǒng)當(dāng)中的條件也越來越松。電力系統(tǒng)使用GPS動態(tài)安全監(jiān)控系統(tǒng)后取得效果很好。不僅能夠?qū)ο到y(tǒng)開展實時且有效的監(jiān)控，同時還能夠?qū)PS定位技術(shù)的精準(zhǔn)度高并且效率快以及成本低的優(yōu)勢完全體現(xiàn)出來。可以對管轄區(qū)內(nèi)的大地測量控制電網(wǎng)進行合理的監(jiān)測。電力系統(tǒng)使用GPS動態(tài)安全監(jiān)控技術(shù)后?；贕PS的動態(tài)安全監(jiān)控系統(tǒng)指的是電力系統(tǒng)采用GPS所實現(xiàn)的光纖通信技術(shù)和同步測量技術(shù)。電力系統(tǒng)的動態(tài)安全監(jiān)測管理主要包括動態(tài)相量測量系統(tǒng)、定時系統(tǒng)、中央信號處理系統(tǒng)和通信系統(tǒng)四個部分的內(nèi)容。使用GPS和EMS監(jiān)控系統(tǒng)能夠做到對數(shù)據(jù)的動態(tài)、集中處理、定時等，為相量的控制提供條件。實現(xiàn)動態(tài)檢測是我們必須做的，同時也是是電力系統(tǒng)發(fā)展的要求。

動態(tài)安全監(jiān)控系統(tǒng)是基于GPS統(tǒng)一時鐘的新一代EMS。各種各樣的電磁暫態(tài)故障記錄器和集中在穩(wěn)態(tài)運行監(jiān)控和數(shù)據(jù)采集（SCADA）系統(tǒng)是電力系統(tǒng)目前主是在錄音的過程中使用的監(jiān)控工具。前面具有記錄數(shù)據(jù)冗余，記錄時間短，缺乏溝通不同的錄音機，讓困難分析系統(tǒng)作為一個整體的動態(tài)特性：后者記錄數(shù)據(jù)刷新間隔時間，但是用于系統(tǒng)的穩(wěn)態(tài)特性。很難分析整個系統(tǒng)的動態(tài)行為的原因是都有一個共同的、缺乏精確的時間戳之間的聯(lián)合不同位置即記錄數(shù)據(jù)只是部分有效。新一代的基于GPS動態(tài)安全監(jiān)控系統(tǒng)，是一個相結(jié)合的新的和現(xiàn)有的SCADA的動態(tài)安全監(jiān)控系統(tǒng)。在這樣的新技術(shù)下，GPS同步相量測量技術(shù)和光纖通訊技術(shù)和實施總量控制提供了條件。

在大型電力系統(tǒng)的穩(wěn)定性和振動監(jiān)測中常用的GPS系統(tǒng)的研究獲得了一定的成果。在現(xiàn)實生活中已投入運行，例如GPS同步相量測量裝置監(jiān)控系統(tǒng)在南方電網(wǎng)投運。中國南方電網(wǎng)功率角振蕩天骨干接觸線己廣泛應(yīng)用在網(wǎng)格中的500千伏線路可以在實時調(diào)度中心觀察。

3 結(jié)語

電力系統(tǒng)自動化技術(shù)無疑具有著很大的潛力在計算機技術(shù)、信息技術(shù)、控制技術(shù)的發(fā)展下，也將有更多的技術(shù)出現(xiàn)。隨著它們的出現(xiàn)，電力系統(tǒng)將更加自動化，為人們提供更好的電能。

【參考文獻】