計算機視覺的概念精選(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的概念主題范文，僅供參考，歡迎閱讀并收藏。

第1篇：計算機視覺的概念范文

關鍵詞：計算機視覺圖像 精密測量 構造幾何模型 信號源的接收

中圖分類號：TP391 文獻標識碼：A 文章編號：1009-3044（2013）05-1211-02

新型計算機視覺圖像精密測量是一種基于計算機程序設計以及圖像顯示的高精度的關鍵技術，它廣泛用于測量的領域，對于測量的準確性有很好的保證。這種關鍵技術是幾何了光學的特性，發揮了圖像學的顯影性，把普通的測量技術瞬間提升到了一個新的高度。在這項關鍵技術中包含了物理學中光的效應，圖像中的傳感器以及計算機中的編程軟件，這還不完全，還有一些其他科學領域知識的輔助，可以說這項關鍵技術是一個非常有技術含量的技術，很值得學者進行研究。

1 計算機視覺圖像精密測量的關鍵技術的具體形式

在以往的測量中，選擇的測量方式還是完全采用機械的形式，但是在使用了計算機視覺圖像精密測量后，完成了許多以往技術所不能達到的任務。在我們的研究中，計算機視覺圖像測量的原理是通過攝像機將被處理的對象采集進行影像采集，在多個控制點的數據采集完成后，系統會自動將這些圖像進行整合，得出相關的幾何多變參數，再在計算機上以具體的數據顯示出來，以供技術人員使用參照。

在上面所說的攝像機并不是我們通常意義上生活中使用的攝像機。它是一種可視化較強，表針比較敏感的測試儀。可以將視覺中的二維形態通過顯影，記錄在機械的光譜儀上，再將這種的二維圖像做數學處理，有二階矩陣轉換為三階矩陣，通過播放儀呈現出三維的影像。這時的圖像變為立體化，更有層次感，效果上也有了明顯的變化，這是一種顯示方法。此外還有一種造價較高的儀器，我們不常使用，就是圖像提取器。同樣是采集控制點的數據，將數據整合在系統之內，然后對于原始的圖像進行預處理，不再經過有曝光這個程序，將圖像中關鍵點的坐標在整個內部軸面上體現出來，提取數據幀數，再運用機器的智能識別系統，對控制點的坐標進行數據分析，自動生成圖形，這也可以用于精密測量。它的優點就是使用上極其的方面，基本只要架立儀器和打開開關，其他的工作機械系統都會自動的完成。使用的困難就是造價極其的高，不適合一般企業使用。在基于計算機視覺圖像測量中使用上的原理如下：

1） 計算出觀察控制點到計算機視覺圖像測量儀器的有效距離；

2） 得出觀察點到目標控制點之間的三維的運動幾何參數；

3） 推斷出目標控制點在整個平面上的表面特征（ 大多時候要求形成立體視覺）；

4） 還通過觀察可以判斷出目標物體的幾何坐標方位。

在整個計算機視覺圖像精密測量的關鍵技術中最關鍵的元件就是壓力應變電阻儀，這也是傳感器的一部分。壓力應變電阻儀的使用方式是將應力片粘貼在控制點位上，事先在物體表面打磨平整，清理干凈后，涂抹丙酮試劑，在液體完全風干后就可以黏貼應力片，通過導線的聯接，形成了一小段閉合的電路，時刻讓計算機視覺圖像系統可以感應到并作跟蹤觀察。因受到來自不同方面諧波的影響后，應力片會產生一定數值的電阻，在電路中，這些電阻會轉化為電流，視覺圖像系統接收到了電流后就會顯示在儀表盤上相應的數據，我們就可以根據儀表盤中的數據記錄測量中的數據，很好的解決了原始機械在使用過程中大量的做無用功所消耗資源的現象。傳感器對每個應點都進行動態的測量，將數據模轉換成現實中的圖像，精確的成像可以測算出控制點的位置，用計算機視覺圖像精密測量結合數據方面的相關的分析，得出施工中的可行性報告分析，減低了施工中的成本，將施工的預算控制在一個合理的范圍之內。

當無法觀察到控制點是，計算機視覺圖像精密測量可以通過接收信號或是相關的頻率波段來收集數據，不會因為以往測量的環境不好，距離太遠，誤差太大的影響。

2 計算機視覺圖像精密測量的關鍵技術分析

在計算機視覺圖像精密測量的關鍵技術中解決了很多以往很難完成的任務，但是在使用過程中還是發生了很多的問題。尤其在視覺圖像的選擇中，無法使用高幀數的圖片顯示，無法將計算機視覺圖像精密測量的關鍵技術的優點發揮出來。我們就計算機視覺圖像精密測量的關鍵技術中常見的問題進行討論。

2.1 降低失誤的概率

在很多的數據誤差中，有一部分是出現在人為的因素上面。對于機器的不熟悉和操作中的疏忽都會在一定程度上對圖像的視覺感模擬帶來麻煩。對于網絡設備的配置上，要經常性的學習，將配置在可能的情況下設置的更加合理和使用，保證網絡連接系統的安全性。為防止更多因操作帶來的誤差，選用系統登入的制度，用戶在通過識別后進入系統，在采集數據后，確定最終數據上又相關的再次確定的標識，系統對本身有的登錄服務器和路由器有相關的資料解釋，記錄好實用操作的時間，及時備份。

2.2 對于權限的控制

權限控制是針對測量關鍵所提出的一種安全保護措施，它是在使用計算機視覺圖像精密測量的關鍵技術中對用戶和用戶組賦予一定的權限，可以限制用戶和用戶組對目錄、子目錄、文件、打印機和其他共享資源的瀏覽和更改。圖像中的運行服務器在停止的情況下可以做出不應答的操作指令，立刻關閉當前不適用的界面，加快系統的運行速度，對于每天的日志文件實時監控，一旦發現問題及時解決。對于數據終端的數據可采用可三維加密的方法，定時進行安全檢測等手段來進一步加強系統的安全性。如果通過了加密通道，系統可以將數據自動的保存和轉換為視圖模式，對于數據的審計和運行可以同時進行，這樣就可以很好的保證大地測量中的圖像數據安全，利用防護墻將采集中廢棄的數據革除在外，避免數值之間發生紊亂的現象，進一步改善計算機視覺圖像精密測量的關鍵技術。

2.3 開啟自動建立備份系統

計算機視覺圖像精密測量的關鍵技術的完善中會常遇到系統突然崩潰或是圖像受到嚴重干擾導致無法轉換的一系列情況，發生這種情況最大的可能性就是系統在處理多組數據后無法重新還原成進入界面。這時為保證圖片轉換成數字的系統數據不丟失，我們對系統進行備份。選定固定的磁盤保存數據，定期將產生的數據（轉換前的圖像和轉換后的數值）導出，保證程序的正常運行。當系統一旦發生錯誤，可以盡快的恢復數據的初始狀態，為測量任務的完成爭取更多的時間。我們還要減少信號源周圍的干擾，定期的更新系統數據庫，保持數據采集的穩定性，把攝像機記錄出的數據節點保存在相應的技術圖紙上，用這樣的方式來知道測量工作。系統備份的數據還可以用于數據的對比，重復測量后得出的數據，系統會自動也備份的數據進行比對，發現誤差值在規定以外，就會做出相應的預警，這樣也能在工作中降低出現誤差的概率。

3 計算機視覺圖像精密測量的關鍵技術遇到的困難和使用前景

計算機視覺圖像精密測量的關鍵技術作為一種新興技術在使用時間上不過十幾年，其使用的程度已經無法估算。正是因為它的簡單、使用、精度高以及自動化能力卓越的特點受到了測量單位的廣泛青睞。在測量方面的這些可靠性和穩定性也是有目共睹的。在土木和機械測量的行業計算機視覺圖像精密測量的關鍵技術都會有廣泛和良好的使用，前景也是十分的廣闊。但是不容忽視該技術也有一些弊端。這項關鍵技術中涵蓋的學科非常的多，涉及到的知識也很全面，一旦出現了機器的故障，在維修上還是一個很大的問題，如何很好的解決計算機視覺圖像技術的相關核心問題就是當下亟待解決的。

我們都知道，人的眼睛是可以受到吱聲的控制，想要完成觀測是十分簡單的，但是在計算機視覺圖像技術中，畢竟是采取攝像機取景的模式，在取得的點位有的時候不是特別的有代表性，很難將這些問題具體化、形象化。達不到我們設計時的初衷。所以在這些模型的構建中和數據的轉換上必須有嚴格的規定和要求，切不可盲目的實施測量，每項技術操作都要按規程來實施。

上文中也談到了，計算機視覺圖像精密測量的關鍵技術中最主要的構建是傳感器，一個合理的傳感器是體統的“心臟”，我們在儀器的操作中，不能時時刻刻對傳感器進行檢查，甚至這種高精度的元件在檢查上也并不是一件簡單的事情，通過不斷的研究，將傳感器的等級和使用方法上進行一定的創新也是一項科研任務。

4 結束語

在測量工程發展的今天，很多的測量技術已經離不了計算機視覺圖像技術的輔助，該文中詳細的談到了基于計算機視覺圖像精密測量的關鍵技術方面的研究，對于之中可能出現的一些問題也提出了相應的解決方案。測量工程中計算機視覺圖像精密測量的關鍵技術可以很好的解決和完善測量中遇到的一些問題，但是也暴露出了很多的問題。

將基于計算機視覺圖像精密測量的關鍵技術引入到測量工程中來，也是加強了工程建設的信息化水平。可以預見的是，在未來使用計算機視覺圖像技術建立的測量模型會得到更多、更好的應用。但作為一個長期復雜的技術工程，在這個建設過程中定會有一些困難的出現。希望通過不斷的發現問題、總結經驗，讓計算機視覺圖像精密測量的關鍵技術在測量中作用發揮的更好。

參考文獻：

[1] 湯劍，周芳芹，楊繼隆.計算機視覺圖像系統的技術改造[J].機電產品開發與創新周刊，2005，14（18）：33-36.

[2] 段發階，等. 拔絲模孔形計算機視覺檢測技術[J]. 光電工程時報， 1996，23（13）：189-190.

第2篇：計算機視覺的概念范文

關鍵詞 計算機圖形學 第三方演示 課程群 分組實踐

Abstract At present， computer graphics has become an important part of undergraduate computer education， and it is also plays an important role to cultivate innovative talents to adapt to the information age. Based on the teaching of computer graphics course by the author as an example， analyzes the existing problems in the teaching of computer graphics， and put forward improvement ideas from three aspects： according to the different needs of students utilizing the third party demonstration teaching and cross curriculum interpretation， introducing course group to replace single course， employing group practice examination instead of individual， and other forms to improve the quality of teaching.

Keywords computer graphics； third party demonstration； course group； group practic

計算機圖形學是一門介紹顯示、生成和處理計算機圖形的原理和方法的課程。它在計算機總體教學體系中屬內容綜合性較強且發展迅速的方向之一。該課程既有具體的圖形軟硬件實現，又有抽象的理論和算法，旨在為學生從事相關工作打下堅實基礎。學生須以高等數學和線性代數的基本理論和較熟練的程序設計能力作為本課程學習的基礎。課程的難點在于計算機圖形學研究范圍廣，與其他學科交叉性強，且知識不斷更新變化。在教學實施過程中，難點是理解和掌握相應的基礎理論和算法，以及利用計算機圖形學相關工具進行圖形學實際問題的解決。

本課程對學生的培養學生圍繞以下三個方面展開： （1）建立對計算機圖形學的基本認識，理解圖形的表示與數據結構、曲線曲面的基本概念。（2）理解并掌握基本圖形的生成算法，并能對現有的算法進行改進，理解圖形的變換和裁減算法。 （3）面向算機圖形的程序設計能力，以底層圖形生成算法為核心構建應用程序。相應的考查方式由理論授課、上機實習和課外作業三個單元構成。從近年的授課實踐和考試情況分析，該教學內容難度設置合理，深入淺出且相互承接成為體系，學生總體反饋良好。但也存在一些矛盾和問題。以下將對幾個問題進行重點闡述與思考，并提出課程改革思路。

1 計算機圖形學與計算機輔助設計銜接問題

筆者所在院校是具有航空航天背景的工科院校，“CAD計算機輔助設計”是飛行器設計、機械設計與制造等多學科的重要課程。相關學科學生期望通過對計算機圖形學知識的深入理解，促進CAD設計工具諸如Catia、Solidwork和Rhino等先進工具的運用能力。然而，目前的計算機圖形學課程的教學和考察環節倚重低層算法講解與基于OPENGL等的程序設計，除綜述外并未具體引入CAD相關內容。產生的問題是，一方面，飛行器設計及機械設計與制造等專業的學生由于程序設計能力不足，難以駕馭較復雜的程序設計任務，在學習過程中心理壓力較大；另一方面，由于授課均為教師為計算機相關專業背景，該課程的講授并未銜接CAD相關技術，學生難以構建二者之間的聯系。

解決方案：

本質上，該問題是由于選課學生的學習動機和基礎不同造成的。以單一的教學和考查方式難以兼顧這類面向具體應用的學習需求。在教學方法上，采用第三方案例教學法和交叉講解法相結合以解決此問題。具體的，將CAD等應用場合以具體案例形式講解，授課教師邀請飛行器、機械設計相關教研組研究生以4～6學時的講臺演示的形式呈現CAD工具完整設計過程。授課教師則以交叉講解方式為學生講解運用到的計算機圖形學知識點，同時與學生交互式的問答和探討。在考查形式上，考慮到不同的學習動機和基礎，采用多樣化實踐環節考查。計算機專業學生以OPENGL程序設計為考點，而外專業學生以CAD等面向應用的實踐工具為考點，以兼顧各專業的學習需求。

2 計算機圖形學與計算機視覺相結合的問題

當前，虛擬現實技術（VR）和人工智能技術（AI）兩個最重要最熱門的研究領域。虛擬現實的基礎理論支撐是計算機圖形學，例如三維場景的生成與顯示。而人工智能的一個重要應用場景是計算機視覺，例如基于圖像智能識別的自動駕駛技術和場景理解技術。很多學生對以計算機視覺為代表的人工智能技術懷有濃厚興趣，同時，學生又難以區分計算機圖形學和計算機視覺的關系。同時，二者在近年來的研究中呈現相互融合的趨勢。如基于三維立體視覺的機器人與場景實時定位與重建。如何在計算機圖形學課程中，很好地體現兩門課程的不同，避免學生的混淆，拓展學生的知識面，都是具有現實意義的課題。

解決方案：

實際上，計算機圖形學和計算機視覺可不失一般性的概括為互逆的關系：計算機圖形學是由概念設計到模型生成，最終繪制圖形圖像的過程；而計算機視覺則是從原始圖像中再加工并分析理解、以產生新圖像（如二維到三維）或輸出語義信息（如圖像自動標注與理解、目標檢測與識別）。將計算機圖形學納入“視覺處理課程群”框架，使學生首先掌握課程群中各課程的側重點，著重理解圖形學在課程群中的作用。精心選取2～3個計算機視覺和圖形學交叉的當前主流研究方向，展開概念層面的演示講解，不深究具體算法，著重闡述兩種技術的相互依賴關系并對比二者的區別。相關領域的演示還包括增強現實、人機交互、計算機輔助診斷等等。鼓勵學生自主學習，最終使學生在做中學、用中學，提高獨立分析新問題和綜合運用知識解決問題的能力。

3 如何平衡算法講解和程序應用技能

計算機圖形學涉及的算法多，核心算法是該課程的必講內容，在算法細節的講解過程中學生容易產生畏難厭學情緒，注意教學方法以調動學生的興趣尤為重要。另一方面，對學生的考察方式最終是通過編程實踐完成。學生在編程實踐中常常遇到大量調試問題，同時要閱讀大量文檔以了解OPENGL接口函數的調用方法，這個過程占用了很大工作量。

解決方案：

在理論教學部分，著重講清計算機圖形學原理和概念、全面解析經典算法思想。課程強調對理論核心思想的闡述，用通俗易懂的語言，條例清晰的邏輯，進行簡明透徹的闡述，附以直觀、形象的動態演示系統，力圖使學生在較短的時間內、有效地掌握基本理論。分析圖形學各種經典算法的原理、可行性及幾何復雜性，盡可能多地比較算法之間的思想差異，分別指出它們的優缺點和應用場合，并促進學生思考如何在保證算法的準確性、可靠性的前提下，提高算法的效率。同時注重接近國際前沿的研究內容，注重講授經典知識和最新進展相結合，以激發學生的學習興趣，提高課堂效率和活躍度，力爭以較少的課時闡述計算機圖形學的基本原理、基本方法，加大實踐環節比重。通過往年學生完成的優秀課程作業作品的展示，激發學生的創造熱情。改革實踐環節的考查方式，以項目小組形式取代對個體的考查。原則上每組3～5人，自由組合。在課程結束前，采用小組現場演示講解的方式，展示小組成員通過編程實踐環節完成的一個項目。學生在項目小M中鍛煉了團隊協作能力，降低了個人工作強度，同時互相學習和督促的氛圍使課程作業的質量得以大幅提高。以基礎實驗――目標性重建實驗――自主性訓練的層次化實踐框架模式，逐步培養學生自主研究，獨立解決問題、分析問題，確定解決方案的能力，樹立正確的科學研究習慣，培養學生的科學研究能力。

總之，合理設計實踐教學案例，進一步實現課程體系和實踐內容的統一，建立一個多層次、立體化的實踐教學體系，注重學生的參與性與實踐性，引導和鼓勵學生進行創新實踐和課外研學。改革考核方式和考試形式，加大實踐環節在成績中的比重，強化實踐能力培養，寓教于樂的同時引導學生追求卓越。此外，計算機圖形學技術是發展非常快的一個研究及應用領域，且對編程要求較高，應注重實驗室機房投入更新必要硬件，并保障軟件編程環境的正常運行。

L鼙疚氖苤泄┦亢蠡YBA15035，江蘇省教改項目JGLX13_008資助

參考文獻

[1] 孫家廣，胡事民.計算機圖形學基礎教程.北京：清華大學出版社，2005.2.

[2] 唐榮錫，汪嘉業，彭群生等.計算機圖形學教程（修訂版）.北京：科學出版社，2000.

[3] LIU Hailan.On development and application of computer graphics[J].Computer Knowledge and Technology，2010（3）：9551-9552.

[4] 婁鳳偉.創造性思維與計算機基礎教學[J].教育探索，2002.

第3篇：計算機視覺的概念范文

1引言

利用攝影測量和遙感為制圖和GIS獲取數據,傳統方法的特點是人工有效地從影像__匕提取高精度的三維數據,在距離_匕這些影像從空間平臺獲取的圖像到近景固定目標圖像。一般來說,這些生產程序是費時并且很昂貴。在目前的制圖和GIS預算基礎上,傳統的方法限制了能提取的地形信息的數量和分辨率。另外,山于數據獲取當局采用了不合理的數據更新周期,在很多情況下,數據趨向于過時。數據獲取系統總是技術驅動的,并且適應最新的方法和設備。將來,當數字系統成為現實時,這將毫無疑問會繼續.在提高自動化水平的基礎上,數字系統為提取制圖和GIS所需信息提供新方法。新方法中也包括計算機視覺中的邊緣裁剪技術,該技術利用了人工智能和機器學習等領域知識。兇此,攝影測量與遙感和計算機視覺與人工智能等領域的研究人員觸合他們各自的技能來解決這個應用領域的一些具體的問題。在攝影測量與遙感領域自動提取地面地形信息需要過程的簡潔表達和壓縮影像范圍的知識。這是一個很重要的工作,因為影像中儲存著極其復雜的信息。攝影測量中獲得的地表地形的影像的比例尺可從l:3000到l:90000,而遙感獲得的影像的像素分辨率可從!米到30米不等。地形的影像特征的結構很復雜.它是由很多不同的亮度組合而成的,這些亮度可以表達例如,核物、地表、水文等這樣的自然特征:也可以表達例如,房屋、道路等人工建筑,還能表達像陰影或亮度所造成影明的人造物體。另外,遙感影像中,一些特征之間的關系比一般照片上的特征之間的關系復雜。這些特征意味著航天和衛星影像的信息提取是很大的挑戰。信息提取的研究首先得考慮數據的語義方面的問題。可是,提取的信息的幾何性質也必須被考慮,以至于可以確保空間數據的相關規范性。計算機視覺是一門自動和集成廣泛可用于可視處理和表達方法的科學,通過建立清晰、有意義的影像上的對象描述,應用方法和技術很廣泛,其中包括數字影像處理,模式識別,幾何建模,理解和認知處理.計算機視覺本身主要涉及影像解譯和圖像識別問題,并且試圖通過目標和場景識別來解決這些問題。在這個過程中,使用從影像中提取屬性和關系的技術、形狀表達和描述技術,最后,利用提取和描述的特征進行基于模型的識別。由于影像獲取的方法,在從數字遙感影像提取信息的過程中計算機視覺方法的應用是很復雜的,因而,當使用針對普通照片影像的提取方法時,要仔細考慮遙感影像的數據特征。在計算機視覺應用中很難處理的特征,在航空和衛星影像同樣也是很難處理。普通的影響因素包括獲取影像過程中的噪音,陰影的影響,由于照相機的角度和定位引起的幾何變形的影響和光照的影響,由于封閉和部分目標等問題所引起的影響.解譯航空(衛星)影像和其他的圖像時采用的方法是不同的.三維物體幾何形狀是航空影像判讀過程中的最基本的元素,這并不是因為要提取高程的原因,而且是因為在判讀中三維對象可提供更多的信息。是三維還是二維信息更有利于特征的描述,這樣的問題便被提出來了。在計算機科學領域里,對大多數研究而言,二維圖像數據一般認為是足夠的,盡管有研究小組正從事立體視覺和深度信息提取方面的研究。盡管有些例外,但大多數形狀和位置描述決定了計算機視覺中的對象模型,對于中、低分辨率的航空影像,使用纂于形狀的識別是令人質疑的。然而,上下文信息對遙感影像的解譯有很大的作用。比如,橋作為穿過河流的道路的一部分可能很容易被識別。航空影像中的目標很密集,并有很多的組成部分,這一現象己被認識到了。這與計算機視覺最近的發展趨勢是一致,計算機視覺識別圖像上的目標,首先是分離不同目標的組成部分和它們之間的關系。這篇文章將回顧一些在計算機視覺中己使用的知識描述和建模的方法,并給出他們在研究遙感影像理解方面的例子。方法很多,要討論這個領域中所有正在被研究者所使用的方法是不可能的。其他方法的討論可能會涉及其他的領域,如Crevicr和LePage基于知識的影像理解的方法.Hancock和Kittler方法是兩種松弛技術,sriniva犯n是人工智能技術在遙感方面的探索等。第二部分將介紹機器視覺領域中的知識的定義、知識表達的方法、控制問題、特征建模方法。第三部分介紹特征表達和特征識別的過程。第四部分介紹知識表達方法在航空測量和遙感中的應用實例.

2知識、表達和模型

2.1知識的定義•MerriamWebsterDictionary把知識定義為己知的事實和條件,知識是通過經驗和聯想獲得,它的范圍包括人所獲得的信息和理解,是己知的總和。表達是描述的行為,狀態和行為的描述.表達成與本質相應的具有特殊特征或品質的符號、副本或圖像。模型是事物的仿真表達,是仿真的實例。在計算機視覺和人工智能中,這些術語的應用不是很嚴格.與它們的字典中的意思和技術定義相適應,很難確切定義。計算機視覺必須獲取影像中場景的有用的描述,最初的描述就是圖像強度值的陣列。在低層視覺階段,進行圖像的初步處理。中級階段應用獨立的鄰域處理方法提取圖像的特征和標識不同的部分。高級階段歸納更多圖像特征表達,在這個階段進行初步識別.為了處理光線和視角的變化、形狀和陰影的影響、圖像處理如,相機角度和位置的變化和低層處理中的嗓聲問題,我們需要現實世界有關圖像獲取和應用等方面的知識,這些知識是較高層的豐富的表達,這在計算機視覺中稱為模型。這些模型解釋、描述或抽象了圖像信息。圖像和模型之間的橋梁就是一定范圍的表達,它聯結著輸入圖像和輸出解釋。(l)生成圖像,圖像是輸入數據的圖像和模擬表達例如:二值圖像和側面影像。(2)分割圖像,分割后的圖像由與實際目標相應的一些像素組成,例如:分割算法的輸出。(3)關系模型,它是經過編碼后的知識,用于高層推理和解譯.每種表達方法有它的應用范圍的局限性。所以,在圖像解譯中,所有四種類型的表達方法都是重要的。我們應該重點放在第四種上,即關系模型,它包含了用于圖像理解目的的知識表達和模型。2.2知識表達知識表達的目的是用計算機易于處理的形式表達知識。一個好的計算機表達語言應該易于表達、簡潔、意義明了的、獨立的。FOL(FirstOrderLoglc)語言是人工智能中表達方案的基礎.FOL有規范的語法和語義,在這種語言里,一個句子的解譯也就是上面談及的。FOL的推斷過程允許從舊語句中推斷出新語句。這種規范的推斷過程可以用于自動的從已知的事實中獲取正確的結論.邏輯編程語言和產品系統二者都以FOL為基礎.像Prolog這樣的邏輯編程語言允許用FOL的嚴格模式描述知識,也能完成推斷過程,可以從通用的知識里提取新的信息。邏輯編程語言通常使用“后向鏈”控制,用后向的邏輯推理法:為證明一些事物,他們發現數據庫中的邏輯關系有助于結論的形成。因此,當一個目標確定后,“后向鏈”是推理中的最佳方式。產品系統由現存的事物的知識庫、一組規則或“產品”組成,這些都是用邏輯關系表達的。下面是一個產品系統的例子。如果一個區域是一個長型的、性質相同的目標,那么他屬于道路。產品系統以匹配,選擇,產生結果這種方式永不停息地循環,應用數據庫的知識,產生新的信息。在匹配階段,系統尋找所有已有的、滿足當前數據的法則。在選擇階段,系統運用第一階段的匹配原則,選擇一個規則來執行。選擇的規則在結果產生階段被執行,在這個階段可能會牽涉知識庫里知識的增加或側除,和數據的輸入、輸出。在人工智能和航空側里與遙感領域,框架和語義網絡是最近最流行的值時表達結構。它應用隱喻,把對象表達為曲線圖中的節點,這些節點用分類的結構組織,節點之間的關系表述為二進制的關系.在框架系統中,二進制的關系被認為是其他框架填充過來的空槽;在語義網絡中,它們之間的關系被認作是節點中的有向線。這兩個系統的意義和所要完成的任務是相同的.描述邏輯系統是從語義網絡發展而來的,最基本的思想是利用目標和類別的復雜定義和它們之間來進行表達和推理。描述邏輯語言提供三種推理支持:(l)概念描述的分類,在特殊的層次中概念的自動整理。(2)對獨立目標根據它們的屬性分類。(3)知識庫所有知識一致性維護。對于這些邏輯所支持的語言幾乎無法表達,并且很難詳細闡述復雜的制約條件.這些語言的優點是他們有依據推理服務的正式的語義和簡單的邏輯操作.簡言之,像Prolog這樣的邏輯編程語言有一個執行模型,這種執行模型很簡單,以至于一個程序設計員就可處理。近來,Pr。109編譯器被推薦作為小型人工智能項目一c產品系統的首選開發工具,該產品系統是一個流行的人工建模推理系統;與Prolog不同的是,產品系統不是基于查詢的,而是開放的、不間斷的系統,它處于連續的操作中。語義系統提供一個比基于文本式的形式主義更容易理解的圖形界面。它可以像FOL一樣富有表現力,盡管大多數并不是這樣,因為這種系統強加嚴厲的拘束于可以表達的對象之上.他的優點其中包括能表模塊方法中的層次關系,并且相對比較簡單。描述邏輯把清楚的語義與簡單的邏輯操結合起來.所以,當所有的方案都依據FOL語言,就有這種或那種方法的折衷.2.3控制問題不管選擇什么樣的影像表達,影像數據的處理和影像數據的表達處理可以稱為影像數據驅動,稱為從下而上的控制,或可稱為內部模型控制,叫做從上而下的控制。自下而上的數據驅動包括從影像處理、分割到描述,每一階段為下階段準備數據。如果鄰域影像處理方法成本底,而且輸入的數據是準確、可信的話,從下而上的控制是有用的.馬爾(Marr)和Ullman致力于自下而上的方法研究.這種自下而上的方法是基于人類視覺數據不變的自下而上的處理基礎上的。Marr認為這個系統導致一個中間描述叫做21/2維的結構,包括地表定位、參考視場中的距離和方位。另外,Ullman假設高水平的處理叫做可視化程序,它檢測中間表達中的感興趣特征。自上而下的模型驅動控制是被知識庫里產生的可能性和先決條件驅動的。因而,模型驅動控制嘗試用一種目標指向的行為去執行內部的模型證明.一個普通的自上而下的控制方法是假設和證明。這個一般可以控制低層次的操作.好像支持的人類可視化某些方面的關系并不是自上而下,這個發現促進了模型驅動方法的發展。降低低水平處理過程的設想亦如此。在實際操作中,計算機視覺系統趨向于混合使用自上而下和自下而上兩中控制方法,系統的重點在方法效率和實用上.并行和串行計算可能在所有的設計中都用上了。自上而下和自下而上這兩種控制隱含了一種層次處理關系.在層次控制中,控制程序看作是合作收集和競爭專家,在任何時候,“專家”幫助大多數選擇。黑板結構是這種方法的一個例子,在黑板結構中模塊化的知識源之間通過一個公共的黑板(存儲器)進行通訊,它們可以通過這個公共的黑板進行輸入和輸出。2.4建模問題在計算機視覺中的基于模型的方法中,在一類圖象中可按優先次序定義了一些模型,并利用這些模型來進行目標識別。這些模型對現實世界和應用中的一些外部知識進行編碼二目標模型可能是外觀模型,形狀模型,物理模型等。在目標表達上,每一個模型應該適應一定的變化范圍,這些變化可能是由于視角的變化、光照的變化、柔韌目標的形狀變化等因素引起的.另外,影像獲取本身的多變性、每組對象中單個對象的多變性,也要考慮進去.感興趣的目標可能是二維的或三維的:這些目標可能是剛性的、有鏈接的或有韌性的。圖像可能是距離圖像或是強度圖像.識別就是確定圖像上不同的特征和在匹配階段對比模型特征。模型(圖像)的關聯特征可以用前面己經討論過的方法中的一種來表達。在一幅沒有限制場景的強度圖像識別一個三維目標是很困難的,航片和衛星影像就屬于這類情況。深度信息的丟失、遮擋和混亂的細節信息產生了很多問題:另外,圖像的強度間接與目標的形狀相關.

3特征的自動提取

絕大多數影像解譯系統的目的是在影像中提取/識別目標.在基于模型的方法中,它通過首先提取目標屬性,然后再將他們與模型匹配。3.1特征屬性的描述在計算機可視中,目標的屬性、性質和可以從影像中提取的場景都叫做特征.這些屬性有時被分類為全局屬性和局部屬性。然而,在攝影測量與遙感領域,“特征”這個術語是指圖像上可識別的目標或者結構,如道路、建筑物,特征的分類依賴于具體應用:舉個例子,對航空影像來說,全局性的描述可以包括航影像覆蓋的地區例如:城區或郊區。避免過多的名字和定義,文章中的混淆就會減少。在這篇文章里,攝影測量中的術語“特征”即是影像中可識別的對象。若涉及對象的性質,我們就要用術語:“屬性”了。目標的全局屬性可以概括為目標完全可視化部分的信息,如面積、周長、長度等。理論上講,為了處理多分辨率和多變的圖像,這些全局性屬性應是縮放和平移不變的。特征不應該重疊,這樣可以避免混亂和遮擋:另外,目標每個不同視角需要獨立的模型,這樣可以處理多視角圖像。例如,在攝影測量中,局部屬性可能是聯結和分割的邊緣,這些可以看作特征的獨立屬性。然而,在計算機可視化中,局部屬性大多數時候被看作屬性之間的聯系,或者是上下文。相關的屬性在圖表中構成。評價特征屬性表達方案的標準是敏感度、范圍、穩定性、有效性和獨特性.根據這些標準,研究者總結出一個基于模型方法的好的表達,.其中包括局部屬性和圖像特定區域和目標的組合。這是因為局部屬性可以根據輸入數據的有限部分有效計算出來;這些屬性很穩定,因為表象的一點變化僅僅影響某些屬性,目標的局部遮擋僅僅影響局部特征。邊緣連接就是邊緣分析基礎上的局部特征的一個例子.多尺度表達是可取的,因為在大尺度上,兩個大體上相似的目標具有相似的描述,即使在小尺度上有一些不同。不管是從影像數據庫還是從經過高分辨率重采樣的影像上,對于航空影像和衛星影像而言,這種多尺度描述是比較容易獲得的。這個選擇項并不是對大多數計算機視覺應用都有用。唯一的模型判斷標準在特征識別過程中并不重要,因為識別的方法能夠允許由于噪音和遮擋等原因造成的錯誤匹配。比較航空影像、衛星影像和計算機視覺中的圖像而言,前者局部特征的定位比較容易,因為前者的外方位元素和相機參數是己知的或者可以推倒出來。對于大多數航空影像計算機視覺研究而言二描述己經是足夠的,但是三維模型和匹配經常應用于攝影測量中,例如建筑物形狀提取。最后,什么屬性對于特征提取或識別有用呢?屬性要能表達不同的特征和圖像不同的部分之間的區別。第二,屬性要能反映外部世界的規律和結構。這樣,屬性的選擇就是與應用無關的了.在遙感中,通過輻射校正、地物的光譜特征和地面的真實情況,所得到的多光譜影像的特征是眾所周知的。一些屬性的規律將可以從這些特征知識中提取:例如,不同類型的地面覆蓋的光譜特性,如不同類型的植被、土壤、礦物質、水和一些人工建筑物經過多年廣泛的實驗和地面事實已經被確定了。在計算機視覺中,另外一些屬性是基于形狀和外形的;例如.道路是窄的條帶,建筑物是封閉的多邊型等。另外一些屬性是基于上下文的,例如,建筑物通常位于道路旁,橋一般是跨越在河上的。特征可以一定的結構進行組織。一種方法是用層次的方法組織它們的部分或全部關系,例如基于系統的語義網絡。第二種方法根據鄰接關系來組織它們。后者對應于空間臨近或上下文關系。二者都可以用圖形表達。32特征識別計算機視覺中的目標識別與攝影測量中的特征提取相對應。為了從一幅圖像上識別單個目標,自下至上的數據驅動控制通常是足夠的,其中屬性第一次被檢測和表達成符號.通過聚集比較原始的屬性來確定新的特征.利用這些屬性從模型庫中選擇合適的模型,也稱為索引。然后找到與影像屬性最匹配的模型屬性。最后,利用一些決策程序來校正模型屬性.查找過程本質上包括歸類、建立索引和匹配等步驟。然而,在包含多個目標,并且有遮擋和重疊的比較復雜的遙感影像中自下至上控制是不適用的,另外,在質量比較差的圖像中噪聲會產生假屬性。對于遙感圖像,這是一個非常合適的方案.在這種情況下,自上而下或者混和控制策略是比較有用的.在自上而下的方法中,假設階段需要利用屬性檢索模型的組織,使得基于觀測的屬性和一小部分合適的目標可以被選擇.在校正階段應用選用的模型來識別目標.在混合方法上,兩個階段的聯合提高了處理效率。當結果屬性比單個屬性更豐富時,就可以對屬性進行組合.這個過程稱為知覺組織.Lowe提出了目標識別中組合問題和屬性組合標準。他尋找邊緣分割的結構,它應該是在一定的投影方式下具有普遍性。例如同線性和平行邊緣。Zerroug和Nevatia應用均勻投影方法把圓柱投影到二維空間。許多研究者己經研制了專業組合方法,例如:steger等的用于路道提取的方案,Hewricsson和Baltsavias等的用于建筑物的提取方案。顯然局部上下文信息在屬性組合中發揮著重要的作用,因為,為了定義局部上下文信息,人們希望把描述局部屬性與其他屬性之間的關系作一些特定安排。有關遮擋、透視、幾何、物理方面的一般知識對識別來說是必要的.Brooks(1981)建立了一個名為^eRoNYM的目標識別幾何推理系統.Matsuyama和H、ang(一985)研制的s一oMA系統,其中包括了幾何推理專家模塊。Mc引one和Shufelt(1994)在他們的系統中考慮了投影幾何,以用于建筑物提取,而Lang和Forstner(1996)在建筑物提取中應用了多態特性.上下文信息在圖像理解起著重要的作用。特別在松弛標記方法中,該方法用局部和全局上下文信息來進行圖像區域或目標標記。經過分割階段,場景標記應該與場景知識相對應,并且標記應該是一致的.這個問題用約束傳播的方法來解決.局部約束導致局部一致,并且通過迭代的方法,局部一致性與整幅圖像的一致性相協調。關于松弛標記方法的詳細論述可以參考Hancock和Kittle:的文章。離散的松弛方法很簡單,只能處理完整和精確的分割.概率松弛方法是建立在局部不一致性很可能全局解譯比一致很有價值但不易于解釋的基礎上的,可參見早期Rosenfeld等人(1976)關于這種方法的一個例子.為了處理匹配階段的不確定性,人們應用了多種基于證據的技術,例如:Dompstershafer理論,可靠性估計,模糊邏輯,最小錯誤原理,可信度估計,隨機封閉集,貝葉斯網絡等.

4建模和表達方法應用的一些例子

在計算機視覺和攝影測量與遙感領域中的知識表達和建模方法的應用就是前述一些方法的具體化。這些應用的領導者在理論上是機器械視覺的研究者。在攝影測量與遙感領域,所采用的方法緊隨計算機視覺領域之后,這些方法己經改進成信息提取的方法了.這些應用表明攝影測量與遙感領域的研究者在人工智能技術上達到了專業水平。這些方法己經從基于規則的系統發展到語義網絡,從框架發展到邏輯描述。在這一部分,計算機視覺和攝影測量與遙感領域中的一些應用的回顧就表明了這個趨勢.4.1邏輯Reiter和Mackworth是第一批在計算機視覺系統中,應用邏輯作為一種表達方式的研究者.在他們的著作中,他們提議用一個邏輯框架結構來描述和解譯圖像和場景知識,并且提出二者之間的形式映射關系。他們陳述了影像原理,場景原理和描述原則,這些原理的邏輯模型形成了影像的解譯。他們應用一個稱為Mapse的簡單地圖理解系統來說明他們的方法。雖然這種應用具有相對的局限性,但是還沒有新的系統被報道。一個原因是計算方法的復雜性。當邏輯提供一個一致的形式來說明約束,特定的研究使用邏輯的效率并不高。另外,FOL本身善長描述數據的不確定性和不完整性,這些存在于圖像屬性之中。影像元素與影像對象之間的對應并不是一對一的關系,另外的邏輯關系對這些模型是必要的。Matsuyama和Hwang采用了一個邏輯框架結構,在這種結構中,動態產生新的邏輯一致性和規則。4.2基于規則的產品系統Brooks研制了基于模型的影像理解系統一一ACRONYM系統用來檢測三維目標,并用它進行了從航空影像上提取人工地物的實驗。三維模型使用一個基于框架的表述來儲存。對提供的影像進行了分析,ACRONYM系統提取了線段并獲得二維圓柱。幾何知識和圖像條件經過編碼,形成規則被用來產生場景的三維模型,然后這些與框架相匹配以便識別人工地物。sIGMA是一種用框架來描述知識,并且使用從上而下和從下而上兩種控制方案來提取特征的航空影像理解系統。它包括三個子系統:幾何推理專家系統(GRE)、模型選擇專家系統(MSE)、低水平視覺專家系統(LIVE)。信息從GRE傳至MSE,然后同LIVE進行通訊。SIGMA中的框架使用槽儲存一個對象的屬性和它與其他對象之間的關系。以框架中空間知識為基礎,產生目標的假設并用于影像特征相匹配。與目標外形有關的推理,由MSE子系統來處理,并轉換成圖像術語傳遞給LIVE子系統。這種自上而下的影像屬性的選擇有利于檢測到一些小屬性,通過從航空影像中提取房屋和路段信息的實驗對這個系統進行了測試。Mckeown等提出一個基于規則的系統,用來從航空圖像上解譯飛機場.這個系統以大約450條規則為基礎,分為6組:初始化、用于原始圖像片段解譯的區域解譯、一致性檢查、組合圖像片段對功能區域的規則和用于建立機場模型的目標生成規則.Mckeown和Harvey研制了稱為•schemata一個航空影像解譯系統,該系統中包括一個從標準知識集編匯的一些規則。它們從較高的層次模式中自動生成規則,這有利于更好地進行錯誤處理和更有效的操作。他們的系統包括大約100schemeta,其中每一個都會產生大約5個規則。start和Fischler提出了一個基于知識的系統,用上下文信息進行地形識別。在不同的層次上用規則對上下文進行定義。上下文信息并不一定可靠,結果導致很多冗余.這個解譯系統是以三種規則為基礎的:候選結果,候選結果評價,一致性確定。在評價過程中,候選結果的比較是基于可靠的候選結果評價的基礎上的,在這個過程中評價相關相似性,候選結果是這類結果中的一個.作者認為這樣劃分知識是為了使其成為便于操作的大小單元。Stilla等描述了一個基于模型的系統,用來從航空影像中自動提取建筑物信息,目標既具有特殊性又具有一般性。該系統中用產品規則和產品描述集來對要識別的目標進行建模.特殊的模型用不變的拓撲邏輯結構來描述目標,而一般的模型更具有普通性.這些系統說明基于規則的系統不能保證知識的添加性和推理的一致性。如果打破單一規則基礎而采用多尺度的多規則那么就會使程序模塊化程度降低,而且不易于更改。Draper等人建議用黑板系統和基于schema的結構來處理之。4.3黑板系統Nagao和Matsuyama首先陳述了用黑板模型的影像理解的問題,并把它應用到郊區的航空影像中,用于識別汽車、房屋、道路等。他們的系統包括全局的數據庫和一組知識源.黑板用層次方法記錄由:基本區域、典型區域和目標等組成的數據.黑板還存儲一個標記圖,它連接原始影像的象素和數據庫中的相應區域。基本區域是影像段分割的結果,并用灰度、尺寸、影像中的位置來標記。然后區域中的獨特的特征被提取,識別的結果是具有下面的基本屬性的區域。1.依據區域尺寸,大的、同類的區域;2.依據區域形狀,長的區域:3.依據區域光照,有陰影的區域;4.依據臨近區域的定位和太陽的定位,有陰影的區域;5.有植物和水的區域;6.根據紋理信息,高反差紋理區域。這些屬性以單獨的模式儲存在黑板上,然后根據不同區域的特殊特征存在或不存在,知識源會識別出一個特殊的目標.每種知識源都是一個規則,這些規則是在目標識別的圖像處理操作過程中的一個條件或是復雜操作的一部分。例如,利用知識源檢洲莊稼地就是這樣:“如果”是大的同類的區域、植被區域、沒有水的區域、沒有光照源的區域,“那么”可以證明這片區域是莊稼地。每種知識源單獨識別一個目標,且這個可以導致同一個區域識別相互沖突(如莊稼地和草地)。為了解決這個問題,系統自動地計算一個可靠值.然后,取可靠值最高的識別結果奮舍棄其他的識別結果。Fuger等描述了一個基于黑板的數據驅動系統來分析航空影像中人工的目標.一般的目標模型在黑板中用符號表達,單個對象用幾個屬性描述.模型被許多參數所限制,這種參數被一個用“發展階段”的封閉的循環系統所決定。stilla提出一個基于黑板影像理解的系統,這種系統適合于航空影像中復雜場景的結構分析。從一個原始對象開始,反復使用中間結果,目標對象就可以一步一步地組成。對象的組成用一個派生的圖表來表達和記錄.通過二維圖像的分割和直線的近似計算來進行圖像的分析識別。黑板系統一般趨向于具有一個集中控制的結構,所以效率就成了問題。另外,黑板系統假設所需要的知識源是有效的,所以在計算機視覺應用中應用該方法前提是圖像已經被分析過了。4.4框架Hanson和Rieman把框架作為假設的產生的機器。關于目標分類的知識表達為框架。槽描述了目標類別之間二進制幾何關系。槽還包括例示其他的對象描述的產品規則,這樣,框架可用于控制又可用于表達.Ikeuchi和kanade用來表達三維對象.當明確了目標模型是有用的,處理過程是自上而下的。然后,如果模型比較弱并且有較準確的數據,那么處理過程是自下而上的。其他使用框架的系統包括^eRONYM、sxGMA、Nagao和Matsuyama等人的系統,這些己經在上面介紹過了。4.5語義網絡Nicolin和Gabler描述了一個分析航空影像的系統,該系統用語義網絡來表達和解譯圖像。系統由一個短期存儲器(STM)、一個方法庫(MB)、一個長期存儲器(LTM)組成.5丁M的概念地等同于黑板,儲存影像解譯的部分結果.LTM存儲場景的先驗知識和特殊領域知識。系統匹配STM的內容和LTM的內容來產生解譯結果.這個過程由MB中的推理機模塊來完成.STM最墓本的內容是用一種自上而下的方式建立起來的,并且在一種模型驅動階段狀態產生,校驗LTM中存儲的目標屬性的已有部分和缺少的部分。為了基于知識從數字地圖中提取目標,Ma}’er已經發展了一個基于語義網絡的系統。該系統是建立在語義網絡和框架描述相結合的基礎上的,在控制上采用模型驅動和數據驅動相結合。模型是由三個層次組成的,一般與自上而下的影像處理過程的各自的層相一致:(l)影像層,如數字地圖;(2)影像圖表和文本層:(3)語義對象語義網絡以圖形層的部分元素為基礎構建語義對象,這些對象構成了圖形對象和地形對象之間的一般或特殊的關系.例如,一個圖表對象層中延長的區域特征化為“路的兩邊”、“人行道”、“道路網”等.雖然其他對象的描述沒有給出,但是測試己證明了道路網的提取.用框架被設計來分析不同的概念和他們的屬性.對象的提取以模型驅動和數據驅動實例為基礎,初始的研究以用戶確定的特定目標為基礎的。雖然方法是以地圖上明確定義的信息提取為基礎,但是M叮er認為這個過程對影像信息的提取也是很有用的。Tonjes己使用語義網絡從重疊的航空影像來建立影像模型。輸出是具有適當植被表示的三維景觀。Tonjes認為語義網絡適用于表達結構化目標的知識.它的語義網絡是用框架描述的,其中包括關系、屬性和方法。語義網絡有三個層:(l)傳感器圖層,該層從紋理,條帶和圖像細節為基礎描述分割層。(2)幾何和材料層,該層利用傳感和地形解譯結果來描述三維表面層。(3)影像層,它是要提取的對象。語義網絡建立在三層之間。目標描述通過每層來重建,重建是基于數據驅動和模型驅動的。Lang和Forstner把他們的建筑物的提取方法建立在多態的中間層特征的基礎上。該方法中應用了部分分層描述的語義模型。各部分之間的關系沒有包括在其中。結合應用于頂點原始層的數據驅動模型和用于目標解譯、驗證假設層的模型驅動方法的基礎上,建立了建筑物假設層,應用了四種建筑物類型:平屋頂、非直角平屋頂、人字形屋頂、曲線屋頂.sch川ing和vogtle開發了一個利用已知地圖庫輔助解譯的數字地圖史新系統。影像與地圖相比較,檢測出地圖自編輯以來的變化。接著,語義網絡分析新的特征。產生了兩個網絡,一個用場景,另一個用于圖像,在其中網絡中的典型關系建立在不同的層次上.DoGunst提出了一個數據驅動和模型驅動相結合的方法,用來識別數字地圖更新所需的目標,這個方法是建立在用于道路描述的目標導向模型和用于特征識別的基于框架的語義網絡基礎上的。框架詳細定義了目標之間的關系,目標的定義,可選的目標定義和預處理關系。道路的細節包括復雜道路的結合點,這些在知識庫中己被描述。這是一個包括幾個不同類型的道路特征的非常細節的研究。研究效果很明顯,但同時也表明解譯如此多細節存在著困難。Quint和sties在一996年,quint在1997年提出了一個叫MOSES的航空影像分析系統,該系統用語義網絡作為建模工具,利用從地形圖和GIS數據中獲取的知識來自動精練。地圖和圖像中的一般模型的概念是相應的生成的模型概念的特例。對應于特定的場景的特定模型由系統自動產生:它是通過結合用圖像的一般模型進行地圖分析而產生場景的描述而產生的。一開始,數字化的有用的線段用來作為地圖的結構分析,從而獲取地圖的結構分析結果。這樣,結果圖像一般模型來產生特殊模型,以用于圖像分析,對于結構分析,原始影像用作輸入部分。分析是模型驅動的,進行目標識別。在圖像分析處理中用價值函數指導研究。總結之,己發現語義網絡有很廣泛的應用,并且己經應用于航空影像和數字地圖的解譯中.4.6描述邏輯邏輯描述的方法在攝影測量方面的應用微乎其微.其中一個是Lang和schroder(1994)研制的基于描述邏輯的方法,利用該方法結合從地圖上提取的參考信息來解譯航空影像的變化。用KL一one相似描述邏輯來描述不同類型的目標知識和可能的變化類型,它在必要和充足的條件下對概念進行描述。用描述邏輯的描述模塊對有關場景和解譯的實際信息進行描述。用目標概念和變化概念在邏輯上描述空間地物的幾何關系和拓撲關系。目標被認為是經過圖像處理和屬性提取后的目標概念的一個實例。變化概念的概念被定義為識別變化.利用目標導向和許多啟發式方法實現快速搜索。然而,這篇文章的例子似乎都以人工影像為基礎的。

第4篇：計算機視覺的概念范文

一、數據融合

1.1概念的提出

1973年,數據融合技術在美國國防部資助開發的聲納信號理解系統中得到了最早的體現。

7年代末,在公開的技術文獻中開始出現基于多系統的整合意義的融合技術。1984年美國國防部數據融合小組(dfs)定義數據融合為:“對多源的數據和信息進行多方的關聯、相關和綜合處理,以更好地進行定位與估計,并完全能對態勢及帶來的威脅進行實時評估”。

1998年1月,buchroithner和wald重新定義了數據融合:“數據融合是一種規范框架,這個框架里人們闡明如何使用特定的手段和工具來整合來自不同渠道的數據,以獲得實際需要的信息”。

wald定義的數據融合的概念原理中,強調以質量作為數據融合的明確目標,這正是很多關于數據融合的文獻中忽略但又是非常重要的方面。這里的“質量”指經過數據融合后獲得的信息對用戶而言較融合前具有更高的滿意度,如可改善分類精度,獲得更有效、更相關的信息,甚至可更好地用于開發項目的資金、人力資源等。

1.2基本內容

信息融合是系統所具備的一個基本功能,人類本能地將各感官獲得的信息與先驗知識進行綜合,對周圍環境和發生的事件做出估計和判斷。當運用各種現代信息處理方法,通過計算機實現這一功能時,就形成了數據融合技術。

數據融合就是充分利用多傳感器資源,通過對這些多傳感器及觀測信息的合理支配和使用,把多傳感器在空間或時間上的冗余或互補信息依據某些準則進行組合,以獲得被測對象的一致性解釋或描述。數據融合的內容主要包括:

(1)數據關聯。確定來自多傳感器的數據反映的是否是同源目標。

(2)多傳感器id/軌跡估計。假設多傳感器的報告反映的是同源目標,對這些數據進行綜合,改進對該目標的估計,或對整個當前或未來情況的估計。

(3)采集管理。給定傳感器環境的一種認識狀態,通過分配多個信息捕獲和處理源,最大限度地發揮其性能,從而使其操作成本降到最低。傳感器的數據融合功能主要包括多傳感器的目標探測、數據關聯、跟蹤與識別、情況評估和預測。

根據融合系統所處理的信息層次,目前常將信息融合系統劃分為3個層次:

(l)數據層融合。直接將各傳感器的原始數據進行關聯后,送入融合中心,完成對被測對象的綜合評價。其優點是保持了盡可能多的原始信號信息,但是該種融合處理的信息量大、速度慢、實時性差,通常只用于數據之間配準精度較高的圖像處理。

(2)特征層融合。從原始數據中提取特征,進行數據關聯和歸一化等處理后,送入融合中心進行分析與綜合,完成對被測對象的綜合評價。這種融合既保留了足夠數量的原始信息,又實現了一定的數據壓縮,有利于實時處理,而且由于在特征提取方面有許多成果可以借鑒,所以特征層融合是目前應用較多的一種技術。但是該技術在復雜環境中的穩健性和系統的容錯性與可靠性有待進一步改善。

(3)決策層融合。首先

每一傳感器分別獨立地完成特征提取和決策等任務,然后進行關聯,再送入融合中心處理。這種方法的實質是根據一定的準則和每個決策的可信度做出最優的決策。其優點是數據通訊量小、實時性好,可以處理非同步信息,能有效地融合不同類型的信息。而且在一個或幾個傳感器失效時,系統仍能繼續工作,具有良好的容錯性,系統可靠性高,因此是目前信息融合研究的一個熱點。但是這種技術也有不足,如原始信息的損失、被測對象的時變特征、先驗知識的獲取困難,以及知識庫的巨量特性等。

1.3處理模型

美國數據融合工作小組提出的數據融合處理模型,當時僅應用于軍事方面,但該模型對人們理解數據融合的基本概念有重要意義。模型每個模塊的基本功能如下:

數據源。包括傳感器及其相關數據(數據庫和人的先驗知識等)。

源數據預處理。進行數據的預篩選和數據分配,以減輕融合中心的計算負擔,有時需要為融合中心提供最重要的數據。目標評估。融合目標的位置、速度、身份等參數,以達到對這些參數的精確表達。主要包括數據配準、跟蹤和數據關聯、辨識。

態勢評估。根據當前的環境推斷出檢測目標與事件之間的關系,以判斷檢測目標的意圖。威脅評估。結合當前的態勢判斷對方的威脅程度和敵我雙方的攻擊能力等,這一過程應同時考慮當前的環境和對敵策略等因素,所以較為困難。

處理過程評估。監視系統的性能,辨識改善性能所需的數據,進行傳感器資源的合理配置。人機接口。提供人與計算機間的交互功能,如人工操作員的指導和評價、多媒體功能等。

二、多傳感器在林業中的應用

2.1在森林防火中的應用

在用modis(moderateresolutionimagingspectroradiometer)數據測定森林火點時的2、22、23波段的傳感器輻射值已達飽和狀態,用一般圖像增強處理方法探測燃燒區火點的結果不理想。余啟剛運用數據融合技術,在空間分辨率為1m的熱輻射通道的數據外加入空間分辨率為25m的可見光通道的數據,較好地進行了不同空間分辨率信息的數據融合,大大提高了對火點位置的判斷準確度。為進一步提高衛星光譜圖像數據分析的準確性與可靠性,利用原有森林防火用的林區紅外探測器網,將其與衛星光譜圖像數據融合,可以使計算機獲得gps接收機輸出的有關信息通過與rs實現高效互補性融合,從而彌補衛星圖譜不理想的缺失區數據信息,大大提高燃燒區火點信息準確度和敏感性。

2.2森林蓄積特征的估計

hampusholmstrom等在瑞典南部的試驗區將spot-4×s衛星數據和carabas-iivhfsar傳感器的雷達數據進行了融合,采用knn(knearestneighbor)方法對森林的蓄積特征(林分蓄積、樹種組成與年齡)進行了估計。

knn方法就是采用目標樣地鄰近k個(k=1)最近樣地的加權來估計目標樣地的森林特征。研究者應用衛星光譜數據、雷達數據融合技術對試驗區的不同林分的蓄積特征進行估計,并對三種不同的數據方法進行誤差分析。試驗表明,融合后的數據作出的估計比單一的衛星數據或雷達數據的精度高且穩定性好。

2.3用非垂直航空攝像數據融合gis信息更新調查數據

森林資源調查是掌握森林資源現狀與變化的調查方法,一般以地面調查的方法為主,我國5年復查一次。由于森

林資源調查的工作量巨大,且要花費大量的人力、物力和資金。國內外許多學者都在探索航空、航天的遙感調查與估計方法。 trevorjdavis等22年提出采用非垂直的航空攝影數據融合對應的gis數據信息實現森林調查數據

的快速更新,認為對森林資源整體而言,僅某些特殊地區的資源數據需要更新。在直升飛機側面裝上可視的數字攝像裝置,利用gps對測點進行定位,對特殊地區的攝像進行拍攝,同時與對應的gis數據進行融合,做出資源變化的估計或影像的修正。

試驗表明,融合后的數據可以同高分辨率矯正圖像相比,該方法花費少,精度高,能充分利用影像的可視性,應用于偏遠、地形復雜、不易操作、成本高的區域,同時可避免遙感圖像受云層遮蓋。

三、數據融合在林業中的應用展望

3.1在木材檢測中的應用

3.1.1木材缺陷及其影響

木材是天然生長的有機體,生長過程中不可避免地有尖削度、彎曲度、節子等生長缺陷,這些缺陷極大地影響了木材及其制品的優良特性,以及木材的使用率、強度、外觀質量,并限制了其應用領域。在傳統木制品生產過程中,主要依靠人的肉眼來識別木材缺陷,而木材板材表面缺陷在大小、形狀和色澤上都有較大的差異,且受木材紋理的影響,識別起來非常困難,勞動強度大,效率低,同時由于熟練程度、標準掌握等人為因素,可能造成較大的誤差。另外在集成材加工中,板材缺陷的非雙面識別嚴重影響了生產線的生產節拍。因此必須開發一種能夠對板材雙面缺陷進行在線識別和自動剔除技術,以解決集成材加工中節子人工識別誤差大、難以實現雙面識別、剔除機械調整時間長等問題。

3.1.2單一傳感器在木材檢測中的應用

對木材及人造板進行無損檢測的方法很多,如超聲波、微波、射線、機械應力、震動、沖擊應力波、快速傅立葉變換分析等檢測方法。超聲技術在木材工業中的應用研究主要集中在研究聲波與木材種類、木材結構和性能之間的關系、木材結構及缺陷分析、膠的固化過程分析等。

隨著計算機視覺技術的發展,人們也將視覺傳感器應用于木材檢測中。新西蘭科學家用視頻傳感器研究和測量了紙漿中的纖維橫切面的寬度、厚度、壁面積、壁厚度、腔比率、壁比率等,同時準確地測量單個纖維和全部纖維的幾何尺寸及其變化趨勢,能夠區分不同紙漿類型,測定木材纖維材料加固結合力,并動態地觀察木材纖維在材料中的結合機理。

新西蘭的基于視覺傳感器的板材缺陷識別的軟件已經產業化,該軟件利用數碼相機或激光掃描儀采集板材的圖像,自動識別板材節子和缺陷的位置,控制板材的加工。該軟件還具有進行原木三維模型真實再現的計算機視覺識別功能,利用激光掃描儀自動采集原木的三維幾何數據。

美國林產品實驗室利用計算機視覺技術對木材刨花的尺寸大小進行分級,確定各種刨花在板中的比例和刨花的排列方向;日本京都大學基于視覺傳感器進行了定向刨花板內刨花定向程度的檢測,從而可以通過調整定向鋪裝設備優化刨花的排列方向來提高定向刨花板的強度。

在制材加工過程中,利用計算機視覺技術在線實時檢測原木的形狀及尺寸,選擇最佳下鋸方法,提高原木的出材率。同時可對鋸材的質量進行分級,實現木材的優化使用;在膠合板的生產過程中,利用計算機視覺技術在線實時檢測單板上的各種缺陷,實現單板的智能和自動剪切,并可測量在剪切過程中的單板破損率,對單板進行分等分級,實現自動化生產過程。wengert等在綜合了大量的板材分類經驗的基礎上,建立了板材分級分類的計算機視覺專家系統。在國內這方面的研究較少,王金滿等用計算機視覺技術對刨花板施膠效果進行了定量分析。

x射線對木材及木質復合材料的性能檢測已得到了廣泛的應用,目前該技術主要應用于對木材密度、含水率、纖維素相對結晶度和結晶區大小、纖維的結構和性質等進行檢測,并對木材內部的各種缺陷進行檢測。

3.1.3數據融合在木材檢測中的應用展望

單一傳感器在木材工業中已得到了一定程度的應用,但各種單項技術在應用上存在一定的局限性。如視覺傳感器不能檢測到有些與木材具有相同顏色的節子,有時會把木板上的臟物或油脂當成節子,

造成誤判,有時也會受到木材的種類或粗糙度和濕度的影響,此外,這種技術只能檢測部分表面缺陷,而無法檢測到內部缺陷;超聲、微波、核磁共振和x射線技術均能測量密度及內部特征,但是它們不能測定木材的顏色和瑕疵,因為這些缺陷的密度往往同木板相同。因此,一個理想的檢測系統應該集成各種傳感技術,才能準確、可靠地檢測到木材的缺陷。

基于多傳感器(機器視覺及x射線等)數據融合技術的木材及木制品表面缺陷檢測,可以集成多個傳統單項技術,更可靠、準確地實時檢測出木材表面的各種缺陷,為實現木材分級自動化、智能化奠定基礎,同時為集裁除鋸、自動調整、自動裁除節子等為一身的新型視頻識別集成材雙面節子數控自動剔除成套設備提供技術支持。

3.2在精確林業中的應用

美國華盛頓大學研究人員開展了樹形自動分析、林業作業規劃等研究工作;auburn大學的生物系統工程系和usda南方林業實驗站與有關公司合作開展用gps和其他傳感器研究林業機器系統的性能和生產效率。

第5篇：計算機視覺的概念范文

關鍵詞：計算機視覺；背景差法；圖像處理；車流量檢測；二值化

中圖分類號：TP391 文獻標識碼：A 文章編號：1009-3044（2013）19-4493-03

隨著現代交通的快速發展，車輛的日益增多，合理利用道路資源成為目前一項重要課題。為了實現快速準確地檢測道路中的車流量，該文提出了一種基于計算機視覺的車流量檢測方法。

1 車輛前景圖像的提取

對車輛進行檢測的前提是提取車輛的前景圖像，即在視頻序列中實時地發現并提取運動目標，為之后運動目標的處理、識別、分析等算法提供數據[1]。一般情況下視頻監控中背景與攝像頭之間相對位置保持不變，則背景圖像的大小和位置在不同幀中將保持不變，于是可以直接利用幀間同一位置像素的亮度或顏色的差別來進行變化檢測，并提取目標。對于運動目標檢測和提取算法，常用的有幀間差法、背景差法這兩種方法。

幀間差法是利用相鄰幀的圖像相減得到車輛的前景圖像，而背景差法是利用當前的圖像減去背景圖像得到車輛的前景圖像。后者更加直接有效，通常能夠提供最完備的特征數據，是當前靜止背景下進行運動目標檢測的最常用的方法[2]。具體做法：

[Dt（x，y）=ft（x，y）-f（x，y）] （1）

其中[Dt（x，y）]為提取出來的車輛前景圖像；[ft（x，y）]為當前視頻圖像；[f（x，y）]為視頻的背景圖像。攝像頭的位置是不變的，所以當前視頻圖像的背景與背景圖片相同，相減后相同點的灰度值都變為零。而車輛包含的點在兩幅圖中的灰度值不一樣，相減后不為零 [3]。實驗結果如圖1-圖3所示。

如圖所示：實時路況圖像與背景圖像相減后可以得到車輛前景圖像。這種方法得到的車輛前景圖像很完整，能夠很清楚的分辨出前景車輛。但這種方法最大的缺陷就是陰影問題比較嚴重，與此同時，背景圖像的選取也很重要。

2 車輛前景圖像的處理

2.1圖像二值化

攝像頭拍攝到的圖像一般為彩色圖像，包含了豐富的信息，比如光照信息，物體表面的顏色信息等。但這些信息對運動車輛的檢測作用不大，并且占用了大量的內存空間，嚴重影響到圖像處理的速度和效率。因此，我們需要對圖像進行二值化處理 [4]。

在數字圖像處理中，二值圖像占有非常重要的地位。二值化后的圖像不再涉及像素的多級值，使處理變得簡單，而且數據的處理量較小。此外，二值化后的圖像能夠用幾何學中的概念進行分析和特征描述，具有很大的優勢。為了得到理想的二值圖，我們一般用值域分割的方法，即該點的灰度值大于某個值時，就將該點的灰度值置為1，而小于該值的話就將該點的灰度值置為0。

[g（x，y）=1f（x，y）≥T0f（x，y）≥T] （2）

通過設定閾值T，可以將圖像進行二值化。二值化后可以很清晰地分辨出車輛信息。便于圖像的后期處理。圖4為二值化后的圖像，該圖像可以很清楚地分辨出車輛信息，但會出現有些車輛的前景圖像不完整或區域不連通，這樣對車輛計數有很大影響，這就需要對車輛前景圖像進行完善處理。

2.2圖像膨脹和填充

經過二值化后的圖片，由于車輛本身各點的像素灰度值不同，其有些點的灰度值與背景圖像上相應點的灰度值很接近，再經過一定閾值的二值化后，這些點的灰度值就完全為“0”[5]。這樣一輛車得到得前景圖像就會不完整或者區域不連通，會導致圖像中目標計數的不準確。針對這個問題可以通過圖像的膨脹和填充將圖片變得更完整。

如圖5可知，車輛的二值圖像已經是一個完整的塊，但圖像仍然含有噪聲及小物體（如青色框框出部分），計算機同樣也會將其默認為車輛信息。因此我們需要將這些噪聲和小物體去除掉。

2.3圖像去噪

在車輛的前景圖像中由于噪聲的存在以及二值化閾值取得不合理會導致二值化圖像中小目標的出現，從而影響計算機對車輛的識別。因此，我們需要將圖像中這樣的小物體去除。首先我們要區分開車輛的前景圖像和小物體，我們可以從面積來識別車輛。一般小目標二值化后的面積要比車輛的面積小得多，通過設定合適的閾值，可以將小目標去除，這樣就可以得到僅為車輛前景圖像的二值化圖[6]。如圖6。

2.4車輛計數

車輛前景圖像經過二值化，膨脹，填充等一系列處理之后，圖像中每個車輛都有自己獨立的區域，計算機就可以對圖像中目標進行計數。由于每個區域的圖像像素是連續的，在二值圖像中表現為連通性，因此可以利用計算連通圖的數量來求出目標數量。在MATLAB中利用bwlabel函數[7]可求出連通圖的數量，對于圖6中的車輛計數結果如圖7。

雖然攝像頭置高可以解決部分車輛重疊問題，但由于車輛陰影的影響還會有部分車輛會粘連在一起。由圖8可知：目標塊2，3，4，5這四個都是一輛車得二值化圖像塊，但目標塊1卻不是一輛車的二值化圖像塊。目標塊1是幾輛車粘連在一塊了，這樣就導致計算機對車輛的計數有誤差。

但是從各個塊得外接矩形可以明顯比較出圖像塊1的外接矩形形狀和其他四個有明顯差別。根據這個差別我們可以通過外接矩形的長寬比來賦予計算機識別車輛粘連問題的能力。通過給車輛塊的外接矩形的長寬比定義設定閾值，在設定的閾值范圍內就表示有輛車。從而計算出粘連在一塊的車的數量。下面是車輛計數結果：

圖像中目標塊數為5塊，真實車輛塊數為7輛（2輛汽車，1輛電瓶車）。

3 結束語

實驗結果表明，該文方法魯棒性好，實用價值高，能夠準確地對車輛進行計數，得到實時路況信息，在只能交通領域有著廣泛的應用前景。

參考文獻：

[1] 章毓晉.圖像理解和計算機視覺[M].北京：清華大學出版社，2000.

[2] 盧強，陳泉林，林康紅，奉玲，等.智能交通監控系統中路況圖像背景去除算法研究[J].電子技術應用，2001（11）：35-36.

[3] 董長虹，賴志國，余嘯海. Matlab圖像處理與應用[M].北京：國防工業出版社，2004.

[4] 夏良正.數字圖像處理[M].南京：東南大學出版社，2001.

[5] 容觀澳.計算機圖像處理[M].清華大學出版社，2000.

第6篇：計算機視覺的概念范文

        (2)p碼和高效能c／a碼gps接收機在飛行中模糊度解方面的比較 lacha.,g 鄭國忠

        (9)現代三維大地控制網的精度標準 leick,a 劉守邦

        (14)四等導線測邊的額定精度 г.,рн 嚴伯鐸

        (16)用小像幅航空攝影測量方法進行滑坡變形監測 nakay.,t 嚴暉

        (18)空間數據庫中的位置精度 caspa.,w 李小鵬

        (23)面向地球環境的全球gis—測繪技術與地球環境問題結合之關鍵 張祖勛 廖明生

        (26)gps與地形圖 colv.,ap 于冬梅

        (28)darpa的戰略計算計算機視覺計劃 陶闖

        (30)面向對象的概念在gis和測量軟件開發中的應用 hesse,w 周月琴

第7篇：計算機視覺的概念范文

在1998年第三次高校本科專業目錄修訂調整前，測繪學科本科有4個專業:攝影測量與遙感、工程測量、大地測量、地圖制圖，雖然都要學習攝影測量學，但是各個專業間差異較大，如原武漢測繪科技大學(武測)對攝影測量與遙感專業學生有關攝影測量方面的教學內容包括:基礎攝影測量、解析攝影測量、數字攝影測量、攝影技術、航空與航天攝影技術、非地形攝影測量;實踐環節包括:航測實驗、航測外業實習、航測內業實習。而原測繪學院攝影測量與遙感專業有關攝影測量方面的教學內容包括:攝影與空中攝影、航空攝影測量、航天攝影測量、解析攝影測量、航測自動化、像片判繪(包括實習)、像片轉繪，實踐環節還包括航測外業實習。由于當時攝影測量教學中實驗或實習內容涉及很多價格昂貴的專業攝影測量儀器，一些院校受限于辦學條件，當時只開設有工程測量專業。原武測工程測量專業在攝影測量學方面主要的課程有:攝影技術(一學期)、攝影測量學(一學期)，但沒有相關實習;而同濟大學工程測量專業，在20世紀90年代中期開設的攝影測量學相關課程有:攝影測量與遙感(上、下兩個學期)、工程攝影測量，實踐環節包括:攝影測量實驗、遙感實習;相較一些院校的工程測量專業，其攝影測量方面的學時數已經偏多。1998年第三次高校本科專業目錄修訂后，以一級學科設置本科教學專業，現在本科階段只有測繪工程專業，攝影測量學作為測繪工程專業的主干課程及方向之一，與原來工程測量專業比，攝影測量學在教學中所占的比重增加，但是該比重遠低于在攝影測量與遙感專業中的比重，并且由于總課時呈壓縮態勢，因此實際授課時間實際是在減少。隨著空間技術、傳感器技術和計算機技術的發展，近20年來攝影測量學內容發生了很大變化;在經歷模擬、解析、數字3個階段發展后，攝影測量快速進入了航空攝影測量與航天攝影測量并存的發展階段;航空攝影發展到了模擬航空攝影和數碼航空成像并存階段，航天攝影(測繪衛星)完全實現了數字成像;攝影測量數據處理則實現了全數字化。為了適應攝影測量快速發展的情況，同濟大學測量系在2005—2006學年開設了攝影測量學的雙語教學［9］，其他院校也對攝影測量學教學進行了有益的改革與嘗試［10-11］。攝影測量的快速發展使得一方面涌現大量新知識點，現在本科教學中攝影測量方面涉及的很多內容實際上是20世紀90年代以來人們的研究結果，因此需要教授的內容大量增加;另一方面，以一級學科設置本科專業，測繪學科的各個二級學科的內容都要涉及，而通識教育本身又需要挪出相當的學時進行通識類課程學習，造成的結果是在攝影測量方面，現在同濟本科教學中相關的課程只有:攝影測量基礎、數字攝影測量及實踐環節———攝影測量實習，并且其中作為專業主干課的“攝影測量基礎”課時縮減為一周4課時(將來還將縮減為3課時)，在這種背景下，攝影測量方面的教學應如何開展，特別是主干課攝影測量基礎教學如何開展，教學中應該包括哪些內容?過去的模擬攝影測量內容是否要涉及?怎樣涉及?這些都須考慮。

二、通識教育下同濟大學測繪專業“攝影測量基礎”教學探索

作為一門主干專業基礎課，攝影測量學在數學上具有完整的理論基礎，與其他測繪基礎課程如測量學、大地測量學有較大的差異，也是一門非大眾化的學科課程;但作為測繪技術中的一個分支，其具有廣泛的應用，是后續學習數字攝影測量、近景攝影測量及遙感等專業課程的基礎。隨著近、現代攝影測量理論研究和技術的發展，相關內容更新非常快，而且與計算機視覺的結合日趨緊密，因此現階段攝影測量學的教學內容也有較大的變化，一是內容增多，二是內容改變多特別是涉及應用方面。而通識教育背景下，造成課時數緊縮，因此在攝影測量基礎教學中須兼顧兩者，在教學內容安排中尤其要注意基礎部分、拓展部分的比例安排，統籌考慮一般學生的需求和感興趣且學有余力同學進一步深入的要求。結合攝影測量方面課程的教學經驗，確定了“攝影測量基礎”課程教學的指導思想。

1．“攝影測量基礎”課程教學的指導思想

攝影測量學基礎作為一門基礎性專業課程，在現在學時大大壓縮的情況下，整個教學內容應強調基礎性，為學生將來可能的進一步學習打好基礎。測繪工程專業的學生將來會從事各種不同的行業應用，同濟大學測繪工程專業的學生畢業后單純從事攝影測量與遙感方面研究與實際工作的并不多，比較多的從事工程測量，但現在工程測量這方面的儀器不少涉及近景攝影測量原理的應用，如工業場景監測等;另一方面還有不少學生從事GIS數據處理的工作，其中會涉及不少航空、航天影像的處理。針對這些不同的學生，項目組成員認為“攝影測量基礎”課教學的目的是在有限的學時下，傳授攝影測量最基本的概念方法，建立攝影測量學基本框架;為將來進一步學習相關后續課程及將來工作中有關知識學習作準備。考慮到同濟大學測繪工程專業攝影測量學方面課程分為攝影測量基礎和數字攝影測量學兩部分，而衛星影像幾何處理集中在后續的遙感課程中講授，且課時數有限，因此現在“攝影測量學基礎”課的教學，其指導思想應是:對攝影測量學的講授內容側重于攝影測量基本原理、基本過程，使學生建立起攝影測量的基本思想，保證學生對攝影測量整體過程的理解;在此基礎上適當加強攝影測量實際應用部分的教學，提升學生的學習興趣，同時通過雙語教學實踐來提高學生的專業外語能力，為今后進一步學習做準備。

2．構建科學的“攝影測量基礎”課程教學的目標體系

從上述“攝影測量基礎”教學指導思想出發，構建了通識教育下“攝影測量基礎”課程教學的目標體系。總體上，“攝影測量基礎”教學目的是為滿足寬口徑人才的培養，滿足不同部門對于攝影測量和影像空間信息獲取人才的要求，為學生將來的對攝影測量學相關內容的進一步學習、自主學習打好基礎，為這一目標，將教學中涉及的內容分成4類:需熟練掌握的、需掌握的、需了解的及興趣拓展部分。有關數字影像匹配方法的基本計算過程，數字高程模型的建立及其應用，數字微分糾正的原理及正射影像圖的制作;全部放到數字攝影測量課中講授，不在攝影測量基礎課上做要求。這樣通過本課程教學，使學生系統地學習攝影測量學的基本理論與方法，著重使學生掌握攝影測量學的基本知識(包括空間解析定位和圖像解譯)及利用攝影測量方法獲取空間幾何位置信息的基本操作過程;了解攝影測量學與遙感、GIS的密切關系，空間定位技術(GPS)的關系，在攝影測量影像信息處理中的應用及攝影測量學的最新發展及其在國民經濟建設中的主要應用。一些感興趣的學生可以進一步拓展了解其歷史發展知識及與計算機視覺的關系。

3．優化教學內容，為學生進一步的學習打好基礎

合理選擇、組織的教學內容是滿足在課時較少情況下學生仍能夠較好掌握攝影測量基本知識的重要保證。攝影測量學教學中既包括有大量的攝影幾何原理，又涉及很多數據處理的方法及相關應用方面的知識，在現有的教學中各門相關課程的講授內容各有側重。而傳統的教學方法中沿著攝影測量的發展脈絡，從模擬—解析—數字來介紹，其最大的好處是:對攝影測量的發展歷史、相關概念演變的關系學生能比較清晰的掌握，但這是建立在過去專業細分的基礎上的、需要大量課時，并且最好有一定模擬儀器的支持，這在現有情況下無法滿足，而且其中部分知識內容已屬于比較陳舊過時的內容，也沒有必要講授，而其中歷史部分，雖應涉及，但不同學生對各部分內容的興趣并不一樣。由于將“攝影測量基礎”課程的教學內容分成了4部分，因此，攝影測量歷史部分知識屬于學生只需了解的內容，而模擬攝影測量部分的絕大多數內容則屬于興趣拓展部分的內容。在教學中重點放在學生需要掌握或熟練掌握的內容;同時考慮到計算機視覺研究對攝影測量的沖擊與促進，在教學內容中增加了相關內容的介紹，其中部分如計算機視覺方向如何表示像點、物點的關系，它與攝影測量表示方法的關系，是學生應了解或興趣拓展的內容。目前對攝影測量基礎的教學內容及教學順序作了較大調整:①考慮到學生在先前階段并沒有課程專門講授攝影測量中的影像獲取及其要求，在內容中增加影像獲取部分，介紹過去膠面影像的獲取(簡要介紹)和數字影像的獲取，并對相機檢校簡要介紹;②由于將數字攝影測量部分內容獨立在專門的課程介紹，在攝影測量基礎部分重點介紹像片解析基礎、強化解析空中三角測量部分內容，特別是光束法平差、增加直接線性變換內容;③講授內容去掉了模擬測圖部分內容的介紹，這些內容只作為學生興趣閱讀的材料;④考慮到整個航測成圖的整體性，在內容中增加了航測外業部分介紹，包括坐標框架選取、像控點獲取，以及影像的調繪。現有的一些攝影測量教材中模擬攝影測量的內容已經完全去掉，只在緒論的歷史回顧中出現。由于現在攝影測量中一些名詞、概念、處理方法中還留有模擬測圖的痕跡，將模擬部分完全去掉是否會影響學生對這些問題理解?一些攝影測量還留有不少模擬的痕跡，完全去掉對學生理解是否有利?從這一角度出發，在講授過程中仍然將模擬測圖內容作適當介紹，作為學生拓展了解的內容。而對于影像解析及解析空三的內容，因其是攝影測量的基礎，對進一步學習很重要，因此在授課中強化了這方面的內容。

4．加強與創新項目的結合、與實踐的結合

攝影測量是一門應用性很強的學科，為調動學生的學習興趣，在教學過程中，增加了一些攝影測量知識應用的小實驗。如利用規則格網板進行控制，利用普通相機(如手機自帶相機)進行面狀物體的攝影和基于影像的面狀物體形狀測量;結合網上大量的影像信息(特別是衛星影像信息，如百度地圖、GoogleEarth上的影像信息)，與實地相對照，引導學生理解影像調繪、外業控制、像片控制點的概念，并結合學生自己的日常生活進行有針對性的調繪。現在大學本科教育中，非常重視學生創新能力的培養，有各種學校和國家的創新項目。有些學生提出的一些項目申請想法就涉及影像的幾何處理、攝影測量的相關知識，因為是學生自己提出的想法，所以學生的興趣高、學習主動性強，并且很多想法更為新穎、有趣，為此在攝影測量基礎教學過程中加強了和創新項目的結合。現在測繪工程三、四年級學生正在進行的創新項目中，有2～3個項目是與攝影測量學相關的。通過加強課程教學與實踐和創新項目的結合，原本抽象的概念內容變得具體、實在，與日常生活中應用相結合，調動了學生的學習興趣，同時為完成這些項目和實踐活動，還會涉及一些教學中未授內容，這樣可以進一步促進學生深入、主動地學習，能激發學生去思考該學科的更廣泛應用，而不是僅局限于測圖方面，這也與現在通識教育背景下進行通才培養的理念相一致。

三、結束語

第8篇：計算機視覺的概念范文

在過去的幾年里，高質量的顯示技術發展越發迅猛，目前雙目視差信息、人類視覺系統的三維深度感知越來越引起學者的研究興趣。雙眼視差的呈現方法有多種，主要包括三大類：立體顯示、全息顯示和立體面顯示。而立體顯示技術比基于全息或容積的方法更為成熟和廣泛應用。創造立體顯示的方法有多種，包括立體空間復用和時分復用技術，而且在顯示時，還有不可忽視的人的因素。本書針對立體顯示技術中人的因素提供一份詳細分析，使其在設計和使用三維顯示時能夠被充分考慮。

本書分為3部分，共8章：1.3D立體顯示中人的因素簡介：主要是對相關背景信息與知識的簡單概述，以及對全書結構的說明。第1部分 背景信息，包括第2-3章：2.人類雙目視覺基礎：包括雙目視察、視覺競爭、雙目視察梯度、視覺通路等術語和概念的介紹；3.創建立體顯示：包括空間復用和時間復用的概念。第2部分 立體顯示中影響立體深度知覺的因素：包括第4-9章：4.低級因素：包括雙目串擾、時空復用、調節輻輳沖突等因素的介紹；5.低級因素（續）：包括瞳孔亮度的差異、兩眼間的差異對比與簡單總結；6.語境因素：包括時空頻率的影響、真實環境中的視覺與距離變化、立體顯示環境中視覺的差異等內容；7.語境因素（續）：包括知覺的恒常性，分別是大小、遠近、速度、深度的恒定，以及環境的因素；8.高級因素：包括運動視差和航向控制、運動視差和雙目視察的沖突、直觀推理等內容；9.高級因素（續）：包括手/手臂跟蹤和本體、空間心理模型和工作記憶、交互式立體顯示和空間推理，最后進行了總結。第3部分 立體顯示設計的建議，含第10章：10.對全書進行了簡單總結，并提出若干立體顯示設計的建議。

本書通過對立體顯示相關文獻及應用進行總結，分析了從人類視覺角度對立體顯示的影響，并指導讀者如何從人的視覺/人的角度進行立體顯示的設計。全書條理清晰，邏輯性很強，由淺入深，易于初學者迅速了解主要概念。本書適合計算機視覺、模式識別、生物視覺等領域的學者、碩士生及以上水平的讀者閱讀。

李亞寧，碩士研究生

（中國科學院自動化研究所）

第9篇：計算機視覺的概念范文

關鍵詞：智能 傳感器

傳感器象人的五官一樣，是獲取信息的重要工具。它在工業生產、國防建設和科學技術領域發揮著巨大的作用。但與飛速發展的計算機相比較，作為“五官”的傳感器遠遠趕不上作為“大腦”的計算機的發展速度。

隨著測控系統自動化、智能化的發展，要求傳感器準確度高、可靠性高、穩定性好，而且具備一定的數據處理能力，并能夠自檢、自校、自補償。傳統的傳感器已不能滿足這樣的要求。國外有的文章稱傳統的傳感器為Dumb sensor（愚蠢的、笨啞的傳感器）。另外，為制造高性能的傳感器，光靠改進材料工藝也很困難，需要利用計算機技術與傳感器技術相結合，彌補其性能的不足，計算機技術使傳感器技術發生了巨大的變革，微處理器（或微計算機）和傳感器相結合，產生功能強大的智能傳感器。國外稱為Intelligent sensor（智能傳感器）或Smart-sensor（靈巧的、機敏的、智能傳感器）。另外，傳統的傳感器一般只能測量一個參數，有些場合需要同時測量多個參數的體積小的多功能傳感器。現在多國科學家已重視這一方向的開拓，并已研制出一些多功能傳感器。

1 傳感器的智能化

目前國內外學者普遍認為.智能傳感器是由傳統的傳感器和微處理器（或微計算機）相結合而構成的，它充分利用微處理器的計算和存儲能力，對傳感器的數據進行處理，并能對它的內部行為進行調節，使采集的數據最佳。

傳統的傳感器只能作為敏感元件，檢測物理量的變化，而智能傳感器則包括測量信號調理（如濾波、放大、A/D轉換等）、數據處理、數據顯示以及自校自檢自補償等功能，圖1是智能傳感器的原理框圖。

圖1 智能傳感器原理框圖

微處理器是智能傳感器的核心，它不但可以對傳感器的測量數據進行計算、存儲、數據處理，還可以通過反饋回路對傳感器進行調節。由于微處理器充分發揮各種軟件的功能，可以完成硬件難以完成的任務，從而大大降低了傳感器制造的難度，提高傳感器的性能，降低成本。需要指出的是，除微處理器以外，智能傳感器相對于傳統傳感器的另一顯著特征是其信號調理電路。被測的物理量轉換成相應的電信號后，送到信號調理電路中，進行濾波、放大、轉換，再送入計算機（微處理器）中進行處理。與計算機技術的結合，使智能傳感器相對于傳統傳感器具有如下功能：

①自補償能力：通過軟件對傳感器的非線性、溫度漂移、時間漂移、響應時間等進行自動補償。

②操作者輸入零值或某一標準量值后，自校準軟件可以自動地對傳感器進行在線校準。

③自診斷功能：接通電源后，可對傳感器進行自檢，檢查傳感器各部分是否正常，并可診斷發生故障的不見。

④數值處理功能：可以根據智能傳感器內部程序，自動處理數據，，如進行統計處理，剔除異常值等。

⑤雙向通信功能：微處理器和基本傳感器之間構成閉環，微處理器不但接收、處理傳感器的數據，還可將信息反饋至傳感器，對測量過程進行調節和控制。

⑥信息存儲和記憶功能。

⑦數字量輸出功能：輸出數字信號，可方便地和計算機或接口總線相連。

日前，世界各國都在研制和開發各類智能傳感器，隨著科學技術的不斷發展，智能傳感器的功能將逐步增強，它將利用人工神纖網絡、人工智能、信息處理技術（如信息融合技術、模糊理論等），使傳感器具有更加高級的功能，具有分析、判斷、自適應、自學習的功能，并可以完成圖像識別、特征檢測、多維檢測等復雜任務。

隨著計算機技術的飛速發展，智能傳感器技術必將大放異彩。

2 智能傳感器的發展狀況

2.1 物理轉化機理

由于集成智能傳感器可以很容易對非線性的傳遞函數進行校正，得到一個線性度非常好的輸出結果，從而消除了非線性傳遞對傳感器應用的制約。該機理具有穩定性好、精確度高、靈敏度高的特點。利用同一硅片上集成的智能檢測電路，可以迅速提取頻率信號，使得諧振式微機械傳感器成為國際上傳感器領域的一個研究熱點。

2.2 數據融合理論

數據融合是集成智能傳感器理論的重要領域，也是各國研究的熱點，對于多個傳感器組成的陣列，數據融合技術能夠充分發揮各個傳感器的特點，利用其互補性、冗余性，提高測量信息的精度和可靠性，延長系統的使用壽命。

2.3 CMOS工藝兼容

目前，國外在研究二次集成技術的同時，集成智能傳感器在工藝上的研究熱點集中在研制與CMOS工藝兼容的各種傳感器結構及制造工藝流程，探求在制造工藝和微機械加工技術上有所突破。

2.4 傳感器的微型化

集成智能傳感器的微型化決不僅是尺寸上的縮微與減少，而且是一種具有新機理、新結構、新作用和新功能的高科技微型系統，并在智能程度上與先進科技融合。其微型化主要基于以下發展趨勢：尺寸上的縮微和性質上的增強性；各要素的集成化和用途上的多樣化；功能上的系統化、智能化和結構上的復合性。

3 智能傳感器的應用

3.1 立信眼球

由愛立信微波技術公司研制的ERIEYE（愛立信眼球）采用了智能傳感器技術和一個用戶界面友好的指揮和控制系統，可以快速獲取準確和綜合的信息。它是一種出色的雷達系統，可以在陸地和水面上分辨和跟蹤海上及空中目標，通過儀器觀測到的距離遠遠超過了地平線之外。

3.2 計算機視覺系統

在計算機視覺系統中，智能傳感器不僅直接確定數據集的范圍，還通過測量確保系統的安全。獲得需要到達的地點信息，安置系統以得到高質量的信息。適應實踐和環境的變化，甚至獲得特殊的指令，控制器件的動作。

4 現狀與發展

目前，世界各國都在研制與開發各種智能傳感器和多功能傳感器。其中最成功的是美國Honeywell公司研制的DSTJ-3000智能壓差壓力傳感器在同一塊半導體基片上用離子注入法配置擴散了壓差、靜壓和溫度三個敏感元件，整個傳感器還包括變換器、多路轉換器、脈沖調制、微處理器和數字量輸出接口等。

智能傳感器是測量技術、半導體技術、計算技術、信息處理技術、微電子學、材料科學互相結合的綜合密集型技術。目前各國科學家正在按下列技術途徑開發研究：

（1）利用新型材料研制基本傳感器。基本傳感器是智能傳感器的基礎，它的制作及其性能對整個智能傳感器影響甚大。除硅材料具有優良的物理特性，能夠方便地制成各種集成傳感器。此外還有功能陶瓷、石英、記憶合金等都是制作傳感器的優質材料。

（2）利用新的加工技術。近年來利用微加工技術日趨成熟，可以加工高性能的微結構傳感器、ASIC制作技術，也可用于制造智能傳感器。

（3）采用新的測量原理和方法。諧振式傳感器輸出數字量，可以直接和微機及接口總線連接，不用A/D轉換器。另外，光纖傳感器、化學傳感器、生物傳感器新型傳感器，為智能傳感器提供新的信息來源。■

參考文獻

1.Clarkson M. Smart Sensors. Sensors， 1997， 14：14

2.White N. Intelligent Sensors. Sensor Review 1997，17（2）；9

3.ィンテリヅェントセンサシステムの現狀と展望。日本電氣學會，電氣學會技術報告（Ⅱ）部第272號，昭和63年6月，P4～5