計算機(jī)視覺的現(xiàn)狀與發(fā)展前景.doc

計算機(jī)視覺的現(xiàn)狀與發(fā)展前景二十年前，計算機(jī)的出現(xiàn)使工作場所出現(xiàn)革命化發(fā)展。直到現(xiàn)在，約75的辦公室工作通過計算機(jī)和互聯(lián)網(wǎng)來實現(xiàn)。1990年，大約15美國家庭擁有了一臺計算機(jī)，現(xiàn)在增加到70。計算機(jī)視覺(Computer v|si0n)一詞最早出現(xiàn)在PHWestonl 975 年的論文中。計算機(jī)視覺是以視覺處理理論為中心，屬于人工智能范疇的一個新領(lǐng)域 。它也是以圖像處理、模式識別、計算機(jī)技術(shù)和生理學(xué)心理學(xué)為基礎(chǔ)的信息處理科學(xué)中的一個重要分支。計算機(jī)視覺技術(shù)集數(shù)字圖像處理、數(shù)字信號處理、光學(xué)、物理學(xué)、幾何學(xué)、應(yīng)用數(shù)學(xué)、模式識別及人工智能等知識于一體，其應(yīng)用已經(jīng)涉及到計算幾 何、計算機(jī)圖形學(xué)、圖像處理、機(jī)器人學(xué)等領(lǐng)域。計算機(jī)視覺既是工程領(lǐng)域，也 是科學(xué)領(lǐng)域中的一個富有挑戰(zhàn)性重要研究領(lǐng)域。 計算機(jī)視覺研究的目標(biāo)有兩個：一個是開發(fā)從輸入的圖像數(shù)據(jù)自動構(gòu)造場景描述的圖像理解系統(tǒng)，另一個是理解人類視覺，以便有朝一日用機(jī)器代替人去作人類難以達(dá)到或根本無法達(dá)到的工作。當(dāng)前，計算機(jī)視覺也是人工智能及機(jī)器人科學(xué)中頗為活躍的和卓有成效的熱門研究課題。 視覺理解是計算機(jī)視覺系統(tǒng)的一個重要處理環(huán)節(jié)，當(dāng)前，具有視黨反饋功能的機(jī)器人已能代替人完成各種復(fù)雜的任務(wù)，如：產(chǎn)品的自動裝配、焊接和檢驗、生物醫(yī)學(xué)中的自動診斷、遙感照片的自動解釋、各種車輛的自動導(dǎo)航等。這種賦予機(jī)器以類似人的視覺信息處理能力并為人類自身服務(wù)的美好愿望在一定范圍或特定任務(wù)下已部分地成為現(xiàn)實。今天，計算機(jī)視覺的應(yīng)用已滲透到機(jī)器人、天文、地理、醫(yī)學(xué)、化學(xué)、物理等宏觀及微觀世界的各個研究領(lǐng)域。有人預(yù)言，計算機(jī)視覺是實現(xiàn)智能機(jī)器人和第五代計算機(jī)的關(guān)鍵因素之一。 計算機(jī)視覺是一個復(fù)雜的處理過程，景物理解及景物分析是其處理要點之一。用機(jī)器實現(xiàn)景物理解必須將輸入的圖像和預(yù)先存入的有關(guān)物體結(jié)構(gòu)和環(huán)境約束知識進(jìn)行交互作用，建立明確而有意義的描述理解。這種過程可歸結(jié)為從一幅圖像中提取景物信息，完成某些計算，在不同階段的理解過程引入相關(guān)的先驗知識，從而完成理解處理。類似的工作實際上早在50年代就已經(jīng)開始了。目前，三維物體及景物分析工作的重點在三維物體與自然景物的識 與分析上。80年代，在計算機(jī)視覺研究中占主導(dǎo)地位的是Mart教授提出的視覺計算理論框架，在這種框架下，Marr認(rèn)為視覺可看做是三個層次的信息處理過程，而且要從計算理論、算法描述及硬件實現(xiàn)三個方面去實現(xiàn)三個層次的工作。三維物體識別研究自Mart教授創(chuàng)立視覺計算理論后取得了重大進(jìn)展。這一理論的要點在于把視覺看成一個過程，它從外部世界的圖像逐步產(chǎn)生對景物的三個層次的描述，即： a) 初始簡圖 這是基本意義的灰度變動的局部幾何性質(zhì)，以線條勾畫出的草圖形式出現(xiàn) b)二維半簡圖 該圖主要描述物體可視面的表面方向和觀察點到表面的距離 c)三維模型表示 這是物體形狀的全部而清晰的描述。有人認(rèn)為，Marr教授的視覺計算理論是肘計算機(jī)視覺研究的最杰出的貢獻(xiàn)。 90年代，Rosenfeld認(rèn)為應(yīng)重視三個方面的工作，一是計算的魯棒性問題，二是主動視覺(active vision)的研究，三是定性視覺的研究(qualitative vision)。有人把視覺定義為“根據(jù) tob_id_4068獲得的圖像理解景物信息的處理過程 ，而計算機(jī)視覺主要是利用計算機(jī)提供的手段和方法去完成這一信息處理過程。具體包括：視覺信息的獲取 圖像預(yù)處理、分割、描述、識別理解等幾步工作。1965年，LRoberts關(guān)于“三維物體的感知”一文提出了幾種獲取三維信息的基本方法。這些基本方法至今還被計算機(jī)視覺研究領(lǐng)域普遍采用。目前，獲取視覺信息的主要方法有主動法和被動法兩大類，主動法需要對測試物體加入特殊的人造光源 其中包括：三角光法、結(jié)構(gòu)光法和飛行時間法。三角光法類似三角測量法，此法需逐點測量，費時較多。結(jié)構(gòu)光法是把已知結(jié)構(gòu)的圖像投影到被淵物體表面，由于該物體表面的取向不同，標(biāo)準(zhǔn)圖案會產(chǎn)生畸變，利用這畸變可算出物體表面的三維坐標(biāo)。標(biāo)準(zhǔn)圖像一般用細(xì)線、方格等。這種方法最早由日本學(xué)者YShirai提出，具體做法可采用激光掃描或投影儀來實現(xiàn)。飛行時間測距法是以雷達(dá)原理為基礎(chǔ)的方法。這種方法可直接測得物體表面距離而獲得三維信息，它不涉及圖像處理問題。具體實現(xiàn)可采用激光雷達(dá)或超聲雷達(dá)，超聲雷達(dá)的缺點是聚焦比較困難，但是處理方法比較簡單。 被動法是在自然光條件下獲得三維信息的方法。其中包括：體視法、陰影恢復(fù)形狀法、由運動恢復(fù)形狀法、紋理恢復(fù)形狀和灰度體視法等。體視法與人的視覺原理有許多相似之處，由不同位置上的攝像機(jī)獲取兩幅(或多幅)圖像，根據(jù)三角測量原理，利用立體圖像中的對應(yīng)點的視差計算出景物的三維信息。因此，兩幅圖像的匹配是體視法的關(guān)鍵。早期的匹配主要基于區(qū)域的灰度相關(guān)計算，現(xiàn)代方法則側(cè)重于特征匹配。因而，只能獲得稀疏的特征信息，要用各種內(nèi)插法獲取整幅圖像的三維信息。體視法體現(xiàn)了Marr教授的理論精髓。形狀分析法是根據(jù)圖像中灰度陰影分布、物體的運動、紋理結(jié)構(gòu)等信息分析計算景物的三維信息。運動序列圖像分析法是依靠物體或攝像機(jī)運動時得到多幅序列圖像，通過對三維運動參數(shù)的計算分析獲取三維信息。此方法基本屬于形狀分析法，它在計算機(jī)視覺研究中較受重視，已成為一個重要分支?？傊S信息獲取是計算機(jī)視覺研究的基礎(chǔ)，也是目前非?；钴S的課題之一。無論在理論上還是實踐上都有舉足輕重的作用 三維信息獲取中的重要環(huán)節(jié) 三維定標(biāo)系統(tǒng)研究也是極受重視的課題。為提高定標(biāo)的精度曾做了大量的研究工作，并提出了不少算法。在攝影測量嚴(yán)密解析法研究中Faig口 、Browm EzsSobel2 分別提出了不同的待定參數(shù)的算法。 計算機(jī)視覺信息的處理技術(shù)主要依賴于圖像處理方法，它包括圖像增強(qiáng)、數(shù) 據(jù)編碼和傳輸、平滑、邊緣銳化、分割、特征抽取、圖像識別與理解等內(nèi)容。經(jīng) 過這些處理后。輸出圖像的質(zhì)量得到相當(dāng)程度的改善，既改善了圖像的視覺效果又便于計算機(jī)對圖像進(jìn)行分析、處理和識別。以下便是一些關(guān)鍵技術(shù)要點： a) 數(shù)據(jù)驅(qū)動的分割：b) 常見的數(shù)據(jù)驅(qū)動分割包括基于邊緣檢測的分割，基于區(qū)域的分割，邊緣與區(qū) 域結(jié)合的分割等。對于基于邊緣檢測的分割，其基本思想是先檢測圖像中的邊緣 點，再按一定方法連接成模塊，從而構(gòu)成分割區(qū)域?；趨^(qū)域分割的基本思想是 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：直接來源 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。 b)模型驅(qū)動的分割：常見的模型驅(qū)動分割包括基于動態(tài)輪廓模型，組合優(yōu)化模型，目標(biāo)幾何與統(tǒng) 計模型。Snakes 模型用于描述分割目標(biāo)的動態(tài)輪廓。由于其能量函數(shù)采用的積 分運算，具有較好的抗噪聲性，對目標(biāo)的局部模糊也不敏感，因而適用性廣。但這種分割方法易局部最優(yōu)，因此要求初始輪廓應(yīng)盡可能靠近真實的輪廓。 c)圖像的增強(qiáng)： 圖像的增強(qiáng)用于調(diào)整圖像的對比度突出圖像中的重要細(xì)節(jié)改善視覺質(zhì)量。 通常采用灰度直方圖修改技術(shù)進(jìn)行圖像增強(qiáng)圖像的灰度直方圖是表示一幅圖像 灰度分布情況的統(tǒng)計特性圖表。與對比度緊密相連。如果獲得一幅圖像的直方圖 效果不理想可以通過直方圖均衡化處理技術(shù)作適當(dāng)修改，即把一幅已知灰度概 率分布圖像中的像素灰度作某種映射變換 使它變成一幅具有均勻灰度概率分布 的新圖像現(xiàn)使圖像清晰的目的 d)圖像平滑：圖像的平滑處理技術(shù)即圖像的去噪聲處理 主要是為了去除實際成像過程中， 因成像設(shè)備和環(huán)境所造成的圖像流失。 綜合目前計算機(jī)視覺領(lǐng)域的研究成果來看，在理論上，計算機(jī)視覺的研究尚未形成自己的理論體系在技術(shù)上，在許多方面還達(dá)不到實際應(yīng)用的要求在功能上與人的視覺相比仍處在低水平階段。計算機(jī)視覺研究的突破性進(jìn)展在很大程度上依賴于人對自身視覺機(jī)理的深入了解。盡管如此，國內(nèi)外的研究工作已取得了大量成果，如在機(jī)器人視覺及車輛自動導(dǎo)航方面的成果，在三維描述精度上顯然高于人的視覺。目前，在計算機(jī)視覺的角度看，應(yīng)重視開發(fā)那些專門的和部分模擬視覺系統(tǒng)。這主要集中在三維物體與自然景物的識別與分析上，不但是孤立的圖像識別，而且應(yīng)具有一些推理及聯(lián)想能力。這樣，有可能進(jìn)一步推動計算機(jī)視覺研究的發(fā)展。 對于計算機(jī)視覺的發(fā)展前景而言，計算機(jī)視覺是自二十世