机器视觉结课论文.docxVIP

机器视觉结课论文 机器视觉结课论文 通过一个学期的机器视觉学习，我大概了解了机器视觉的研究内容，机器视觉问题的处理方法，以及机器视觉这个领域的发展过程。最大的收获是对很多具 体事物，有了新的看待角度，收益匪浅。 机器视觉的定义 机器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多维数据中“感知”的科学。 人类感知外界环境主要通过视觉, 听觉和触觉等四大感觉系统。其中视觉系统是最复杂的。人类从外界获得的信息中视觉信号量最大。模仿人类的视觉系统, 计算机视觉系统中信息的处理和分析大致可以分成两个阶段：图象处理阶段又称视觉处理中的低水平和中水平阶段；图象分析、理解阶段又称视觉处理中的高水平处理阶段。 计算机视觉学所研究的对象, 简单地说就是研究如何让计算机通过图象传感器或其它光传感器来感知、分析和理解周围环境。在信号处理领域，计算机视觉与图像处理，图像分析，机器人视觉和机器视觉等学科有着紧密的联系。虽然在 某些方面各学科之间存在着重叠的方向，但各个领域又存在着差异。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叠。 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。 模式识别，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。 图象理解，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。 机器视觉的处理技术 图像的获取是通过输入设备来得到的。输入设备包括成像设备和数字化设备。成像设备是通过光学摄像机或红外、激光、超声、X 射线对周围场景或物体进行探测成像，得到关于场景或物体的二维或三维数字图像。好的成像系统能够很好的对图像的处理做好前期准备。如红外成像系统，激光成像系统，还有计算机成像系统，即每个像素元（或）若干像素元对应一个简单的处理器，这样可以适应复杂场景动态变化的场合。 图像预处理，这一过程主要对输入的原始图像进行处理。这一过程借助大量的图像处理技术和算法，如图像滤波、图像增强、边缘检测等，以便从图像中抽取诸如角点、边缘、线条、边界已经色彩等官员场景的基本特征；这一过程还包括了各种图像变换、图像纹理检测、图像运动检测等。在对图像实施具体的计算机视觉方法来提取某种特定的信息前，一种或一些预处理往往被采用来使图像满足后继方法的要求。 图像复合，主要任务是恢复场景的深度、表面法线方向、轮廓等有关场景的维数信息，实现的途径有立体视觉、测距成像、运动估计、明暗特征、纹理特征等所谓的葱X 恢复形状的估计方法。系统表达、系统成像模型等研究内容一般也在这里进行。 图像恢复，任务是在以物体为中心的坐标系中，在原始输入图像，图像基本特征，恢复舞台的完整三维图，建立舞台三维描述，识别三维物体并确定舞台的位置和方向。 图像理解，到这一步是为了辨别物体并对物体进行分类。经过前几个步骤的处理将被认为含有目标物体的部分进行处理。验证得到的数据是否符合前提要求，估测待定系数，比如目标姿态，体积，位置等。最后进目标进行分类理解， 解释目标的各种特性。 在图象处理阶段, 计算机对图象信息进行一系列的加工处理, 校正成象过程