計算機(jī)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(jī)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(jī)視覺的概念范文
關(guān)鍵詞：計算機(jī)視覺圖像 精密測量 構(gòu)造幾何模型 信號源的接收
中圖分類號：TP391 文獻(xiàn)標(biāo)識碼：A 文章編號：1009-3044（2013）05-1211-02
新型計算機(jī)視覺圖像精密測量是一種基于計算機(jī)程序設(shè)計以及圖像顯示的高精度的關(guān)鍵技術(shù)，它廣泛用于測量的領(lǐng)域，對于測量的準(zhǔn)確性有很好的保證。這種關(guān)鍵技術(shù)是幾何了光學(xué)的特性，發(fā)揮了圖像學(xué)的顯影性，把普通的測量技術(shù)瞬間提升到了一個新的高度。在這項(xiàng)關(guān)鍵技術(shù)中包含了物理學(xué)中光的效應(yīng)，圖像中的傳感器以及計算機(jī)中的編程軟件，這還不完全，還有一些其他科學(xué)領(lǐng)域知識的輔助，可以說這項(xiàng)關(guān)鍵技術(shù)是一個非常有技術(shù)含量的技術(shù)，很值得學(xué)者進(jìn)行研究。
1 計算機(jī)視覺圖像精密測量的關(guān)鍵技術(shù)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(jī)械的形式，但是在使用了計算機(jī)視覺圖像精密測量后，完成了許多以往技術(shù)所不能達(dá)到的任務(wù)。在我們的研究中，計算機(jī)視覺圖像測量的原理是通過攝像機(jī)將被處理的對象采集進(jìn)行影像采集，在多個控制點(diǎn)的數(shù)據(jù)采集完成后，系統(tǒng)會自動將這些圖像進(jìn)行整合，得出相關(guān)的幾何多變參數(shù)，再在計算機(jī)上以具體的數(shù)據(jù)顯示出來，以供技術(shù)人員使用參照。
在上面所說的攝像機(jī)并不是我們通常意義上生活中使用的攝像機(jī)。它是一種可視化較強(qiáng)，表針比較敏感的測試儀?？梢詫⒁曈X中的二維形態(tài)通過顯影，記錄在機(jī)械的光譜儀上，再將這種的二維圖像做數(shù)學(xué)處理，有二階矩陣轉(zhuǎn)換為三階矩陣，通過播放儀呈現(xiàn)出三維的影像。這時的圖像變?yōu)榱Ⅲw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(diǎn)的數(shù)據(jù)，將數(shù)據(jù)整合在系統(tǒng)之內(nèi)，然后對于原始的圖像進(jìn)行預(yù)處理，不再經(jīng)過有曝光這個程序，將圖像中關(guān)鍵點(diǎn)的坐標(biāo)在整個內(nèi)部軸面上體現(xiàn)出來，提取數(shù)據(jù)幀數(shù)，再運(yùn)用機(jī)器的智能識別系統(tǒng)，對控制點(diǎn)的坐標(biāo)進(jìn)行數(shù)據(jù)分析，自動生成圖形，這也可以用于精密測量。它的優(yōu)點(diǎn)就是使用上極其的方面，基本只要架立儀器和打開開關(guān)，其他的工作機(jī)械系統(tǒng)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(yè)使用。在基于計算機(jī)視覺圖像測量中使用上的原理如下：
1） 計算出觀察控制點(diǎn)到計算機(jī)視覺圖像測量儀器的有效距離；
2） 得出觀察點(diǎn)到目標(biāo)控制點(diǎn)之間的三維的運(yùn)動幾何參數(shù)；
3） 推斷出目標(biāo)控制點(diǎn)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(biāo)物體的幾何坐標(biāo)方位。
在整個計算機(jī)視覺圖像精密測量的關(guān)鍵技術(shù)中最關(guān)鍵的元件就是壓力應(yīng)變電阻儀，這也是傳感器的一部分。壓力應(yīng)變電阻儀的使用方式是將應(yīng)力片粘貼在控制點(diǎn)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(fēng)干后就可以黏貼應(yīng)力片，通過導(dǎo)線的聯(lián)接，形成了一小段閉合的電路，時刻讓計算機(jī)視覺圖像系統(tǒng)可以感應(yīng)到并作跟蹤觀察。因受到來自不同方面諧波的影響后，應(yīng)力片會產(chǎn)生一定數(shù)值的電阻，在電路中，這些電阻會轉(zhuǎn)化為電流，視覺圖像系統(tǒng)接收到了電流后就會顯示在儀表盤上相應(yīng)的數(shù)據(jù)，我們就可以根據(jù)儀表盤中的數(shù)據(jù)記錄測量中的數(shù)據(jù)，很好的解決了原始機(jī)械在使用過程中大量的做無用功所消耗資源的現(xiàn)象。傳感器對每個應(yīng)點(diǎn)都進(jìn)行動態(tài)的測量，將數(shù)據(jù)模轉(zhuǎn)換成現(xiàn)實(shí)中的圖像，精確的成像可以測算出控制點(diǎn)的位置，用計算機(jī)視覺圖像精密測量結(jié)合數(shù)據(jù)方面的相關(guān)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(yù)算控制在一個合理的范圍之內(nèi)。
當(dāng)無法觀察到控制點(diǎn)是，計算機(jī)視覺圖像精密測量可以通過接收信號或是相關(guān)的頻率波段來收集數(shù)據(jù)，不會因?yàn)橐酝鶞y量的環(huán)境不好，距離太遠(yuǎn)，誤差太大的影響。
2 計算機(jī)視覺圖像精密測量的關(guān)鍵技術(shù)分析
在計算機(jī)視覺圖像精密測量的關(guān)鍵技術(shù)中解決了很多以往很難完成的任務(wù)，但是在使用過程中還是發(fā)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(shù)的圖片顯示，無法將計算機(jī)視覺圖像精密測量的關(guān)鍵技術(shù)的優(yōu)點(diǎn)發(fā)揮出來。我們就計算機(jī)視覺圖像精密測量的關(guān)鍵技術(shù)中常見的問題進(jìn)行討論。
2.1 降低失誤的概率
在很多的數(shù)據(jù)誤差中，有一部分是出現(xiàn)在人為的因素上面。對于機(jī)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(wǎng)絡(luò)設(shè)備的配置上，要經(jīng)常性的學(xué)習(xí)，將配置在可能的情況下設(shè)置的更加合理和使用，保證網(wǎng)絡(luò)連接系統(tǒng)的安全性。為防止更多因操作帶來的誤差，選用系統(tǒng)登入的制度，用戶在通過識別后進(jìn)入系統(tǒng)，在采集數(shù)據(jù)后，確定最終數(shù)據(jù)上又相關(guān)的再次確定的標(biāo)識，系統(tǒng)對本身有的登錄服務(wù)器和路由器有相關(guān)的資料解釋，記錄好實(shí)用操作的時間，及時備份。
2.2 對于權(quán)限的控制
權(quán)限控制是針對測量關(guān)鍵所提出的一種安全保護(hù)措施，它是在使用計算機(jī)視覺圖像精密測量的關(guān)鍵技術(shù)中對用戶和用戶組賦予一定的權(quán)限，可以限制用戶和用戶組對目錄、子目錄、文件、打印機(jī)和其他共享資源的瀏覽和更改。圖像中的運(yùn)行服務(wù)器在停止的情況下可以做出不應(yīng)答的操作指令，立刻關(guān)閉當(dāng)前不適用的界面，加快系統(tǒng)的運(yùn)行速度，對于每天的日志文件實(shí)時監(jiān)控，一旦發(fā)現(xiàn)問題及時解決。對于數(shù)據(jù)終端的數(shù)據(jù)可采用可三維加密的方法，定時進(jìn)行安全檢測等手段來進(jìn)一步加強(qiáng)系統(tǒng)的安全性。如果通過了加密通道，系統(tǒng)可以將數(shù)據(jù)自動的保存和轉(zhuǎn)換為視圖模式，對于數(shù)據(jù)的審計和運(yùn)行可以同時進(jìn)行，這樣就可以很好的保證大地測量中的圖像數(shù)據(jù)安全，利用防護(hù)墻將采集中廢棄的數(shù)據(jù)革除在外，避免數(shù)值之間發(fā)生紊亂的現(xiàn)象，進(jìn)一步改善計算機(jī)視覺圖像精密測量的關(guān)鍵技術(shù)。
2.3 開啟自動建立備份系統(tǒng)
計算機(jī)視覺圖像精密測量的關(guān)鍵技術(shù)的完善中會常遇到系統(tǒng)突然崩潰或是圖像受到嚴(yán)重干擾導(dǎo)致無法轉(zhuǎn)換的一系列情況，發(fā)生這種情況最大的可能性就是系統(tǒng)在處理多組數(shù)據(jù)后無法重新還原成進(jìn)入界面。這時為保證圖片轉(zhuǎn)換成數(shù)字的系統(tǒng)數(shù)據(jù)不丟失，我們對系統(tǒng)進(jìn)行備份。選定固定的磁盤保存數(shù)據(jù)，定期將產(chǎn)生的數(shù)據(jù)（轉(zhuǎn)換前的圖像和轉(zhuǎn)換后的數(shù)值）導(dǎo)出，保證程序的正常運(yùn)行。當(dāng)系統(tǒng)一旦發(fā)生錯誤，可以盡快的恢復(fù)數(shù)據(jù)的初始狀態(tài)，為測量任務(wù)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(tǒng)數(shù)據(jù)庫，保持?jǐn)?shù)據(jù)采集的穩(wěn)定性，把攝像機(jī)記錄出的數(shù)據(jù)節(jié)點(diǎn)保存在相應(yīng)的技術(shù)圖紙上，用這樣的方式來知道測量工作。系統(tǒng)備份的數(shù)據(jù)還可以用于數(shù)據(jù)的對比，重復(fù)測量后得出的數(shù)據(jù)，系統(tǒng)會自動也備份的數(shù)據(jù)進(jìn)行比對，發(fā)現(xiàn)誤差值在規(guī)定以外，就會做出相應(yīng)的預(yù)警，這樣也能在工作中降低出現(xiàn)誤差的概率。
3 計算機(jī)視覺圖像精密測量的關(guān)鍵技術(shù)遇到的困難和使用前景
計算機(jī)視覺圖像精密測量的關(guān)鍵技術(shù)作為一種新興技術(shù)在使用時間上不過十幾年，其使用的程度已經(jīng)無法估算。正是因?yàn)樗暮唵?、使用、精度高以及自動化能力卓越的特點(diǎn)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(wěn)定性也是有目共睹的。在土木和機(jī)械測量的行業(yè)計算機(jī)視覺圖像精密測量的關(guān)鍵技術(shù)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(shù)也有一些弊端。這項(xiàng)關(guān)鍵技術(shù)中涵蓋的學(xué)科非常的多，涉及到的知識也很全面，一旦出現(xiàn)了機(jī)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(jī)視覺圖像技術(shù)的相關(guān)核心問題就是當(dāng)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(jī)視覺圖像技術(shù)中，畢竟是采取攝像機(jī)取景的模式，在取得的點(diǎn)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(dá)不到我們設(shè)計時的初衷。所以在這些模型的構(gòu)建中和數(shù)據(jù)的轉(zhuǎn)換上必須有嚴(yán)格的規(guī)定和要求，切不可盲目的實(shí)施測量，每項(xiàng)技術(shù)操作都要按規(guī)程來實(shí)施。
上文中也談到了，計算機(jī)視覺圖像精密測量的關(guān)鍵技術(shù)中最主要的構(gòu)建是傳感器，一個合理的傳感器是體統(tǒng)的“心臟”，我們在儀器的操作中，不能時時刻刻對傳感器進(jìn)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(jìn)行一定的創(chuàng)新也是一項(xiàng)科研任務(wù)。
4 結(jié)束語
在測量工程發(fā)展的今天，很多的測量技術(shù)已經(jīng)離不了計算機(jī)視覺圖像技術(shù)的輔助，該文中詳細(xì)的談到了基于計算機(jī)視覺圖像精密測量的關(guān)鍵技術(shù)方面的研究，對于之中可能出現(xiàn)的一些問題也提出了相應(yīng)的解決方案。測量工程中計算機(jī)視覺圖像精密測量的關(guān)鍵技術(shù)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(jī)視覺圖像精密測量的關(guān)鍵技術(shù)引入到測量工程中來，也是加強(qiáng)了工程建設(shè)的信息化水平?？梢灶A(yù)見的是，在未來使用計算機(jī)視覺圖像技術(shù)建立的測量模型會得到更多、更好的應(yīng)用。但作為一個長期復(fù)雜的技術(shù)工程，在這個建設(shè)過程中定會有一些困難的出現(xiàn)。希望通過不斷的發(fā)現(xiàn)問題、總結(jié)經(jīng)驗(yàn)，讓計算機(jī)視覺圖像精密測量的關(guān)鍵技術(shù)在測量中作用發(fā)揮的更好。
參考文獻(xiàn)：
[1] 湯劍，周芳芹，楊繼隆.計算機(jī)視覺圖像系統(tǒng)的技術(shù)改造[J].機(jī)電產(chǎn)品開發(fā)與創(chuàng)新周刊，2005，14（18）：33-36.
[2] 段發(fā)階，等. 拔絲?？仔斡嬎銠C(jī)視覺檢測技術(shù)[J]. 光電工程時報， 1996，23（13）：189-190.
第2篇：計算機(jī)視覺的概念范文
關(guān)鍵詞 計算機(jī)圖形學(xué) 第三方演示 課程群 分組實(shí)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(jī)圖形學(xué)是一門介紹顯示、生成和處理計算機(jī)圖形的原理和方法的課程。它在計算機(jī)總體教學(xué)體系中屬內(nèi)容綜合性較強(qiáng)且發(fā)展迅速的方向之一。該課程既有具體的圖形軟硬件實(shí)現(xiàn)，又有抽象的理論和算法，旨在為學(xué)生從事相關(guān)工作打下堅實(shí)基礎(chǔ)。學(xué)生須以高等數(shù)學(xué)和線性代數(shù)的基本理論和較熟練的程序設(shè)計能力作為本課程學(xué)習(xí)的基礎(chǔ)。課程的難點(diǎn)在于計算機(jī)圖形學(xué)研究范圍廣，與其他學(xué)科交叉性強(qiáng)，且知識不斷更新變化。在教學(xué)實(shí)施過程中，難點(diǎn)是理解和掌握相應(yīng)的基礎(chǔ)理論和算法，以及利用計算機(jī)圖形學(xué)相關(guān)工具進(jìn)行圖形學(xué)實(shí)際問題的解決。
本課程對學(xué)生的培養(yǎng)學(xué)生圍繞以下三個方面展開： （1）建立對計算機(jī)圖形學(xué)的基本認(rèn)識，理解圖形的表示與數(shù)據(jù)結(jié)構(gòu)、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(xiàn)有的算法進(jìn)行改進(jìn)，理解圖形的變換和裁減算法。 （3）面向算機(jī)圖形的程序設(shè)計能力，以底層圖形生成算法為核心構(gòu)建應(yīng)用程序。相應(yīng)的考查方式由理論授課、上機(jī)實(shí)習(xí)和課外作業(yè)三個單元構(gòu)成。從近年的授課實(shí)踐和考試情況分析，該教學(xué)內(nèi)容難度設(shè)置合理，深入淺出且相互承接成為體系，學(xué)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(jìn)行重點(diǎn)闡述與思考，并提出課程改革思路。
1 計算機(jī)圖形學(xué)與計算機(jī)輔助設(shè)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(jī)輔助設(shè)計”是飛行器設(shè)計、機(jī)械設(shè)計與制造等多學(xué)科的重要課程。相關(guān)學(xué)科學(xué)生期望通過對計算機(jī)圖形學(xué)知識的深入理解，促進(jìn)CAD設(shè)計工具諸如Catia、Solidwork和Rhino等先進(jìn)工具的運(yùn)用能力。然而，目前的計算機(jī)圖形學(xué)課程的教學(xué)和考察環(huán)節(jié)倚重低層算法講解與基于OPENGL等的程序設(shè)計，除綜述外并未具體引入CAD相關(guān)內(nèi)容。產(chǎn)生的問題是，一方面，飛行器設(shè)計及機(jī)械設(shè)計與制造等專業(yè)的學(xué)生由于程序設(shè)計能力不足，難以駕馭較復(fù)雜的程序設(shè)計任務(wù)，在學(xué)習(xí)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(jī)相關(guān)專業(yè)背景，該課程的講授并未銜接CAD相關(guān)技術(shù)，學(xué)生難以構(gòu)建二者之間的聯(lián)系。
解決方案：
本質(zhì)上，該問題是由于選課學(xué)生的學(xué)習(xí)動機(jī)和基礎(chǔ)不同造成的。以單一的教學(xué)和考查方式難以兼顧這類面向具體應(yīng)用的學(xué)習(xí)需求。在教學(xué)方法上，采用第三方案例教學(xué)法和交叉講解法相結(jié)合以解決此問題。具體的，將CAD等應(yīng)用場合以具體案例形式講解，授課教師邀請飛行器、機(jī)械設(shè)計相關(guān)教研組研究生以4～6學(xué)時的講臺演示的形式呈現(xiàn)CAD工具完整設(shè)計過程。授課教師則以交叉講解方式為學(xué)生講解運(yùn)用到的計算機(jī)圖形學(xué)知識點(diǎn)，同時與學(xué)生交互式的問答和探討。在考查形式上，考慮到不同的學(xué)習(xí)動機(jī)和基礎(chǔ)，采用多樣化實(shí)踐環(huán)節(jié)考查。計算機(jī)專業(yè)學(xué)生以O(shè)PENGL程序設(shè)計為考點(diǎn)，而外專業(yè)學(xué)生以CAD等面向應(yīng)用的實(shí)踐工具為考點(diǎn)，以兼顧各專業(yè)的學(xué)習(xí)需求。
2 計算機(jī)圖形學(xué)與計算機(jī)視覺相結(jié)合的問題
當(dāng)前，虛擬現(xiàn)實(shí)技術(shù)（VR）和人工智能技術(shù)（AI）兩個最重要最熱門的研究領(lǐng)域。虛擬現(xiàn)實(shí)的基礎(chǔ)理論支撐是計算機(jī)圖形學(xué)，例如三維場景的生成與顯示。而人工智能的一個重要應(yīng)用場景是計算機(jī)視覺，例如基于圖像智能識別的自動駕駛技術(shù)和場景理解技術(shù)。很多學(xué)生對以計算機(jī)視覺為代表的人工智能技術(shù)懷有濃厚興趣，同時，學(xué)生又難以區(qū)分計算機(jī)圖形學(xué)和計算機(jī)視覺的關(guān)系。同時，二者在近年來的研究中呈現(xiàn)相互融合的趨勢。如基于三維立體視覺的機(jī)器人與場景實(shí)時定位與重建。如何在計算機(jī)圖形學(xué)課程中，很好地體現(xiàn)兩門課程的不同，避免學(xué)生的混淆，拓展學(xué)生的知識面，都是具有現(xiàn)實(shí)意義的課題。
解決方案：
實(shí)際上，計算機(jī)圖形學(xué)和計算機(jī)視覺可不失一般性的概括為互逆的關(guān)系：計算機(jī)圖形學(xué)是由概念設(shè)計到模型生成，最終繪制圖形圖像的過程；而計算機(jī)視覺則是從原始圖像中再加工并分析理解、以產(chǎn)生新圖像（如二維到三維）或輸出語義信息（如圖像自動標(biāo)注與理解、目標(biāo)檢測與識別）。將計算機(jī)圖形學(xué)納入“視覺處理課程群”框架，使學(xué)生首先掌握課程群中各課程的側(cè)重點(diǎn)，著重理解圖形學(xué)在課程群中的作用。精心選取2～3個計算機(jī)視覺和圖形學(xué)交叉的當(dāng)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(shù)的相互依賴關(guān)系并對比二者的區(qū)別。相關(guān)領(lǐng)域的演示還包括增強(qiáng)現(xiàn)實(shí)、人機(jī)交互、計算機(jī)輔助診斷等等。鼓勵學(xué)生自主學(xué)習(xí)，最終使學(xué)生在做中學(xué)、用中學(xué)，提高獨(dú)立分析新問題和綜合運(yùn)用知識解決問題的能力。
3 如何平衡算法講解和程序應(yīng)用技能
計算機(jī)圖形學(xué)涉及的算法多，核心算法是該課程的必講內(nèi)容，在算法細(xì)節(jié)的講解過程中學(xué)生容易產(chǎn)生畏難厭學(xué)情緒，注意教學(xué)方法以調(diào)動學(xué)生的興趣尤為重要。另一方面，對學(xué)生的考察方式最終是通過編程實(shí)踐完成。學(xué)生在編程實(shí)踐中常常遇到大量調(diào)試問題，同時要閱讀大量文檔以了解OPENGL接口函數(shù)的調(diào)用方法，這個過程占用了很大工作量。
解決方案：
在理論教學(xué)部分，著重講清計算機(jī)圖形學(xué)原理和概念、全面解析經(jīng)典算法思想。課程強(qiáng)調(diào)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(jìn)行簡明透徹的闡述，附以直觀、形象的動態(tài)演示系統(tǒng)，力圖使學(xué)生在較短的時間內(nèi)、有效地掌握基本理論。分析圖形學(xué)各種經(jīng)典算法的原理、可行性及幾何復(fù)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(yōu)缺點(diǎn)和應(yīng)用場合，并促進(jìn)學(xué)生思考如何在保證算法的準(zhǔn)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(nèi)容，注重講授經(jīng)典知識和最新進(jìn)展相結(jié)合，以激發(fā)學(xué)生的學(xué)習(xí)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(jī)圖形學(xué)的基本原理、基本方法，加大實(shí)踐環(huán)節(jié)比重。通過往年學(xué)生完成的優(yōu)秀課程作業(yè)作品的展示，激發(fā)學(xué)生的創(chuàng)造熱情。改革實(shí)踐環(huán)節(jié)的考查方式，以項(xiàng)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(jié)束前，采用小組現(xiàn)場演示講解的方式，展示小組成員通過編程實(shí)踐環(huán)節(jié)完成的一個項(xiàng)目。學(xué)生在項(xiàng)目小M中鍛煉了團(tuán)隊(duì)協(xié)作能力，降低了個人工作強(qiáng)度，同時互相學(xué)習(xí)和督促的氛圍使課程作業(yè)的質(zhì)量得以大幅提高。以基礎(chǔ)實(shí)驗(yàn)――目標(biāo)性重建實(shí)驗(yàn)――自主性訓(xùn)練的層次化實(shí)踐框架模式，逐步培養(yǎng)學(xué)生自主研究，獨(dú)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(xué)研究習(xí)慣，培養(yǎng)學(xué)生的科學(xué)研究能力。
總之，合理設(shè)計實(shí)踐教學(xué)案例，進(jìn)一步實(shí)現(xiàn)課程體系和實(shí)踐內(nèi)容的統(tǒng)一，建立一個多層次、立體化的實(shí)踐教學(xué)體系，注重學(xué)生的參與性與實(shí)踐性，引導(dǎo)和鼓勵學(xué)生進(jìn)行創(chuàng)新實(shí)踐和課外研學(xué)。改革考核方式和考試形式，加大實(shí)踐環(huán)節(jié)在成績中的比重，強(qiáng)化實(shí)踐能力培養(yǎng)，寓教于樂的同時引導(dǎo)學(xué)生追求卓越。此外，計算機(jī)圖形學(xué)技術(shù)是發(fā)展非?？斓囊粋€研究及應(yīng)用領(lǐng)域，且對編程要求較高，應(yīng)注重實(shí)驗(yàn)室機(jī)房投入更新必要硬件，并保障軟件編程環(huán)境的正常運(yùn)行。
L鼙疚氖苤泄┦亢蠡YBA15035，江蘇省教改項(xiàng)目JGLX13_008資助
參考文獻(xiàn)
[1] 孫家廣，胡事民.計算機(jī)圖形學(xué)基礎(chǔ)教程.北京：清華大學(xué)出版社，2005.2.
[2] 唐榮錫，汪嘉業(yè)，彭群生等.計算機(jī)圖形學(xué)教程（修訂版）.北京：科學(xué)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(chuàng)造性思維與計算機(jī)基礎(chǔ)教學(xué)[J].教育探索，2002.
第3篇：計算機(jī)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(shù)據(jù),傳統(tǒng)方法的特點(diǎn)是人工有效地從影像__匕提取高精度的三維數(shù)據(jù),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(biāo)圖像。一般來說,這些生產(chǎn)程序是費(fèi)時并且很昂貴。在目前的制圖和GIS預(yù)算基礎(chǔ)上,傳統(tǒng)的方法限制了能提取的地形信息的數(shù)量和分辨率。另外,山于數(shù)據(jù)獲取當(dāng)局采用了不合理的數(shù)據(jù)更新周期,在很多情況下,數(shù)據(jù)趨向于過時。數(shù)據(jù)獲取系統(tǒng)總是技術(shù)驅(qū)動的,并且適應(yīng)最新的方法和設(shè)備。將來,當(dāng)數(shù)字系統(tǒng)成為現(xiàn)實(shí)時,這將毫無疑問會繼續(xù).在提高自動化水平的基礎(chǔ)上,數(shù)字系統(tǒng)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(jī)視覺中的邊緣裁剪技術(shù),該技術(shù)利用了人工智能和機(jī)器學(xué)習(xí)等領(lǐng)域知識。兇此,攝影測量與遙感和計算機(jī)視覺與人工智能等領(lǐng)域的研究人員觸合他們各自的技能來解決這個應(yīng)用領(lǐng)域的一些具體的問題。在攝影測量與遙感領(lǐng)域自動提取地面地形信息需要過程的簡潔表達(dá)和壓縮影像范圍的知識。這是一個很重要的工作,因?yàn)橛跋裰袃Υ嬷鴺O其復(fù)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(jié)構(gòu)很復(fù)雜.它是由很多不同的亮度組合而成的,這些亮度可以表達(dá)例如,核物、地表、水文等這樣的自然特征:也可以表達(dá)例如,房屋、道路等人工建筑,還能表達(dá)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(guān)系比一般照片上的特征之間的關(guān)系復(fù)雜。這些特征意味著航天和衛(wèi)星影像的信息提取是很大的挑戰(zhàn)。信息提取的研究首先得考慮數(shù)據(jù)的語義方面的問題?？墒?提取的信息的幾何性質(zhì)也必須被考慮,以至于可以確?？臻g數(shù)據(jù)的相關(guān)規(guī)范性。計算機(jī)視覺是一門自動和集成廣泛可用于可視處理和表達(dá)方法的科學(xué),通過建立清晰、有意義的影像上的對象描述,應(yīng)用方法和技術(shù)很廣泛,其中包括數(shù)字影像處理,模式識別,幾何建模,理解和認(rèn)知處理.計算機(jī)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(biāo)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(guān)系的技術(shù)、形狀表達(dá)和描述技術(shù),最后,利用提取和描述的特征進(jìn)行基于模型的識別。由于影像獲取的方法,在從數(shù)字遙感影像提取信息的過程中計算機(jī)視覺方法的應(yīng)用是很復(fù)雜的,因而,當(dāng)使用針對普通照片影像的提取方法時,要仔細(xì)考慮遙感影像的數(shù)據(jù)特征。在計算機(jī)視覺應(yīng)用中很難處理的特征,在航空和衛(wèi)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(jī)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(biāo)等問題所引起的影響.解譯航空(衛(wèi)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?yàn)橐崛「叱痰脑?而且是因?yàn)樵谂凶x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(jī)科學(xué)領(lǐng)域里,對大多數(shù)研究而言,二維圖像數(shù)據(jù)一般認(rèn)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(shù)形狀和位置描述決定了計算機(jī)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(zhì)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(biāo)很密集,并有很多的組成部分,這一現(xiàn)象己被認(rèn)識到了。這與計算機(jī)視覺最近的發(fā)展趨勢是一致,計算機(jī)視覺識別圖像上的目標(biāo),首先是分離不同目標(biāo)的組成部分和它們之間的關(guān)系。這篇文章將回顧一些在計算機(jī)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(lǐng)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(lǐng)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(shù),sriniva犯n是人工智能技術(shù)在遙感方面的探索等。第二部分將介紹機(jī)器視覺領(lǐng)域中的知識的定義、知識表達(dá)的方法、控制問題、特征建模方法。第三部分介紹特征表達(dá)和特征識別的過程。第四部分介紹知識表達(dá)方法在航空測量和遙感中的應(yīng)用實(shí)例.
2知識、表達(dá)和模型
2.1知識的定義•MerriamWebsterDictionary把知識定義為己知的事實(shí)和條件,知識是通過經(jīng)驗(yàn)和聯(lián)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(dá)是描述的行為,狀態(tài)和行為的描述.表達(dá)成與本質(zhì)相應(yīng)的具有特殊特征或品質(zhì)的符號、副本或圖像。模型是事物的仿真表達(dá),是仿真的實(shí)例。在計算機(jī)視覺和人工智能中,這些術(shù)語的應(yīng)用不是很嚴(yán)格.與它們的字典中的意思和技術(shù)定義相適應(yīng),很難確切定義。計算機(jī)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(qiáng)度值的陣列。在低層視覺階段,進(jìn)行圖像的初步處理。中級階段應(yīng)用獨(dú)立的鄰域處理方法提取圖像的特征和標(biāo)識不同的部分。高級階段歸納更多圖像特征表達(dá),在這個階段進(jìn)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(jī)角度和位置的變化和低層處理中的嗓聲問題,我們需要現(xiàn)實(shí)世界有關(guān)圖像獲取和應(yīng)用等方面的知識,這些知識是較高層的豐富的表達(dá),這在計算機(jī)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(dá),它聯(lián)結(jié)著輸入圖像和輸出解釋。(l)生成圖像,圖像是輸入數(shù)據(jù)的圖像和模擬表達(dá)例如:二值圖像和側(cè)面影像。(2)分割圖像,分割后的圖像由與實(shí)際目標(biāo)相應(yīng)的一些像素組成,例如:分割算法的輸出。(3)關(guān)系模型,它是經(jīng)過編碼后的知識,用于高層推理和解譯.每種表達(dá)方法有它的應(yīng)用范圍的局限性。所以,在圖像解譯中,所有四種類型的表達(dá)方法都是重要的。我們應(yīng)該重點(diǎn)放在第四種上,即關(guān)系模型,它包含了用于圖像理解目的的知識表達(dá)和模型。2.2知識表達(dá)知識表達(dá)的目的是用計算機(jī)易于處理的形式表達(dá)知識。一個好的計算機(jī)表達(dá)語言應(yīng)該易于表達(dá)、簡潔、意義明了的、獨(dú)立的。FOL(FirstOrderLoglc)語言是人工智能中表達(dá)方案的基礎(chǔ).FOL有規(guī)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(guī)范的推斷過程可以用于自動的從已知的事實(shí)中獲取正確的結(jié)論.邏輯編程語言和產(chǎn)品系統(tǒng)二者都以FOL為基礎(chǔ).像Prolog這樣的邏輯編程語言允許用FOL的嚴(yán)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(fā)現(xiàn)數(shù)據(jù)庫中的邏輯關(guān)系有助于結(jié)論的形成。因此,當(dāng)一個目標(biāo)確定后,“后向鏈”是推理中的最佳方式。產(chǎn)品系統(tǒng)由現(xiàn)存的事物的知識庫、一組規(guī)則或“產(chǎn)品”組成,這些都是用邏輯關(guān)系表達(dá)的。下面是一個產(chǎn)品系統(tǒng)的例子。如果一個區(qū)域是一個長型的、性質(zhì)相同的目標(biāo),那么他屬于道路。產(chǎn)品系統(tǒng)以匹配,選擇,產(chǎn)生結(jié)果這種方式永不停息地循環(huán),應(yīng)用數(shù)據(jù)庫的知識,產(chǎn)生新的信息。在匹配階段,系統(tǒng)尋找所有已有的、滿足當(dāng)前數(shù)據(jù)的法則。在選擇階段,系統(tǒng)運(yùn)用第一階段的匹配原則,選擇一個規(guī)則來執(zhí)行。選擇的規(guī)則在結(jié)果產(chǎn)生階段被執(zhí)行,在這個階段可能會牽涉知識庫里知識的增加或側(cè)除,和數(shù)據(jù)的輸入、輸出。在人工智能和航空側(cè)里與遙感領(lǐng)域,框架和語義網(wǎng)絡(luò)是最近最流行的值時表達(dá)結(jié)構(gòu)。它應(yīng)用隱喻,把對象表達(dá)為曲線圖中的節(jié)點(diǎn),這些節(jié)點(diǎn)用分類的結(jié)構(gòu)組織,節(jié)點(diǎn)之間的關(guān)系表述為二進(jìn)制的關(guān)系.在框架系統(tǒng)中,二進(jìn)制的關(guān)系被認(rèn)為是其他框架填充過來的空槽;在語義網(wǎng)絡(luò)中,它們之間的關(guān)系被認(rèn)作是節(jié)點(diǎn)中的有向線。這兩個系統(tǒng)的意義和所要完成的任務(wù)是相同的.描述邏輯系統(tǒng)是從語義網(wǎng)絡(luò)發(fā)展而來的,最基本的思想是利用目標(biāo)和類別的復(fù)雜定義和它們之間來進(jìn)行表達(dá)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(dú)立目標(biāo)根據(jù)它們的屬性分類。(3)知識庫所有知識一致性維護(hù)。對于這些邏輯所支持的語言幾乎無法表達(dá),并且很難詳細(xì)闡述復(fù)雜的制約條件.這些語言的優(yōu)點(diǎn)是他們有依據(jù)推理服務(wù)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(zhí)行模型,這種執(zhí)行模型很簡單,以至于一個程序設(shè)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(xiàng)目一c產(chǎn)品系統(tǒng)的首選開發(fā)工具,該產(chǎn)品系統(tǒng)是一個流行的人工建模推理系統(tǒng);與Prolog不同的是,產(chǎn)品系統(tǒng)不是基于查詢的,而是開放的、不間斷的系統(tǒng),它處于連續(xù)的操作中。語義系統(tǒng)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(xiàn)力,盡管大多數(shù)并不是這樣,因?yàn)檫@種系統(tǒng)強(qiáng)加嚴(yán)厲的拘束于可以表達(dá)的對象之上.他的優(yōu)點(diǎn)其中包括能表模塊方法中的層次關(guān)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(jié)合起來.所以,當(dāng)所有的方案都依據(jù)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(dá),影像數(shù)據(jù)的處理和影像數(shù)據(jù)的表達(dá)處理可以稱為影像數(shù)據(jù)驅(qū)動,稱為從下而上的控制,或可稱為內(nèi)部模型控制,叫做從上而下的控制。自下而上的數(shù)據(jù)驅(qū)動包括從影像處理、分割到描述,每一階段為下階段準(zhǔn)備數(shù)據(jù)。如果鄰域影像處理方法成本底,而且輸入的數(shù)據(jù)是準(zhǔn)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(shù)據(jù)不變的自下而上的處理基礎(chǔ)上的。Marr認(rèn)為這個系統(tǒng)導(dǎo)致一個中間描述叫做21/2維的結(jié)構(gòu),包括地表定位、參考視場中的距離和方位。另外,Ullman假設(shè)高水平的處理叫做可視化程序,它檢測中間表達(dá)中的感興趣特征。自上而下的模型驅(qū)動控制是被知識庫里產(chǎn)生的可能性和先決條件驅(qū)動的。因而,模型驅(qū)動控制嘗試用一種目標(biāo)指向的行為去執(zhí)行內(nèi)部的模型證明.一個普通的自上而下的控制方法是假設(shè)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(guān)系并不是自上而下,這個發(fā)現(xiàn)促進(jìn)了模型驅(qū)動方法的發(fā)展。降低低水平處理過程的設(shè)想亦如此。在實(shí)際操作中,計算機(jī)視覺系統(tǒng)趨向于混合使用自上而下和自下而上兩中控制方法,系統(tǒng)的重點(diǎn)在方法效率和實(shí)用上.并行和串行計算可能在所有的設(shè)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(guān)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(shù)選擇。黑板結(jié)構(gòu)是這種方法的一個例子,在黑板結(jié)構(gòu)中模塊化的知識源之間通過一個公共的黑板(存儲器)進(jìn)行通訊,它們可以通過這個公共的黑板進(jìn)行輸入和輸出。2.4建模問題在計算機(jī)視覺中的基于模型的方法中,在一類圖象中可按優(yōu)先次序定義了一些模型,并利用這些模型來進(jìn)行目標(biāo)識別。這些模型對現(xiàn)實(shí)世界和應(yīng)用中的一些外部知識進(jìn)行編碼二目標(biāo)模型可能是外觀模型,形狀模型,物理模型等。在目標(biāo)表達(dá)上,每一個模型應(yīng)該適應(yīng)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(biāo)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(jìn)去.感興趣的目標(biāo)可能是二維的或三維的:這些目標(biāo)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(qiáng)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(guān)聯(lián)特征可以用前面己經(jīng)討論過的方法中的一種來表達(dá)。在一幅沒有限制場景的強(qiáng)度圖像識別一個三維目標(biāo)是很困難的,航片和衛(wèi)星影像就屬于這類情況。深度信息的丟失、遮擋和混亂的細(xì)節(jié)信息產(chǎn)生了很多問題:另外,圖像的強(qiáng)度間接與目標(biāo)的形狀相關(guān).
3特征的自動提取
絕大多數(shù)影像解譯系統(tǒng)的目的是在影像中提取/識別目標(biāo).在基于模型的方法中,它通過首先提取目標(biāo)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(jī)可視中,目標(biāo)的屬性、性質(zhì)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(lǐng)域,“特征”這個術(shù)語是指圖像上可識別的目標(biāo)或者結(jié)構(gòu),如道路、建筑物,特征的分類依賴于具體應(yīng)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(qū)例如:城區(qū)或郊區(qū)。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(shù)語“特征”即是影像中可識別的對象。若涉及對象的性質(zhì),我們就要用術(shù)語:“屬性”了。目標(biāo)的全局屬性可以概括為目標(biāo)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(yīng)是縮放和平移不變的。特征不應(yīng)該重疊,這樣可以避免混亂和遮擋:另外,目標(biāo)每個不同視角需要獨(dú)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(lián)結(jié)和分割的邊緣,這些可以看作特征的獨(dú)立屬性。然而,在計算機(jī)可視化中,局部屬性大多數(shù)時候被看作屬性之間的聯(lián)系,或者是上下文。相關(guān)的屬性在圖表中構(gòu)成。評價特征屬性表達(dá)方案的標(biāo)準(zhǔn)是敏感度、范圍、穩(wěn)定性、有效性和獨(dú)特性.根據(jù)這些標(biāo)準(zhǔn),研究者總結(jié)出一個基于模型方法的好的表達(dá),.其中包括局部屬性和圖像特定區(qū)域和目標(biāo)的組合。這是因?yàn)榫植繉傩钥梢愿鶕?jù)輸入數(shù)據(jù)的有限部分有效計算出來;這些屬性很穩(wěn)定,因?yàn)楸硐蟮囊稽c(diǎn)變化僅僅影響某些屬性,目標(biāo)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(chǔ)上的局部特征的一個例子.多尺度表達(dá)是可取的,因?yàn)樵诖蟪叨壬?兩個大體上相似的目標(biāo)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(shù)據(jù)庫還是從經(jīng)過高分辨率重采樣的影像上,對于航空影像和衛(wèi)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(xiàng)并不是對大多數(shù)計算機(jī)視覺應(yīng)用都有用。唯一的模型判斷標(biāo)準(zhǔn)在特征識別過程中并不重要,因?yàn)樽R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(wèi)星影像和計算機(jī)視覺中的圖像而言,前者局部特征的定位比較容易,因?yàn)榍罢叩耐夥轿辉睾拖鄼C(jī)參數(shù)是己知的或者可以推倒出來。對于大多數(shù)航空影像計算機(jī)視覺研究而言二描述己經(jīng)是足夠的,但是三維模型和匹配經(jīng)常應(yīng)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(dá)不同的特征和圖像不同的部分之間的區(qū)別。第二,屬性要能反映外部世界的規(guī)律和結(jié)構(gòu)。這樣,屬性的選擇就是與應(yīng)用無關(guān)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(shí)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(guī)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(zhì)、水和一些人工建筑物經(jīng)過多年廣泛的實(shí)驗(yàn)和地面事實(shí)已經(jīng)被確定了。在計算機(jī)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(jié)構(gòu)進(jìn)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(guān)系,例如基于系統(tǒng)的語義網(wǎng)絡(luò)。第二種方法根據(jù)鄰接關(guān)系來組織它們。后者對應(yīng)于空間臨近或上下文關(guān)系。二者都可以用圖形表達(dá)。32特征識別計算機(jī)視覺中的目標(biāo)識別與攝影測量中的特征提取相對應(yīng)。為了從一幅圖像上識別單個目標(biāo),自下至上的數(shù)據(jù)驅(qū)動控制通常是足夠的,其中屬性第一次被檢測和表達(dá)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(zhì)上包括歸類、建立索引和匹配等步驟。然而,在包含多個目標(biāo),并且有遮擋和重疊的比較復(fù)雜的遙感影像中自下至上控制是不適用的,另外,在質(zhì)量比較差的圖像中噪聲會產(chǎn)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(shè)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(biāo)可以被選擇.在校正階段應(yīng)用選用的模型來識別目標(biāo).在混合方法上,兩個階段的聯(lián)合提高了處理效率。當(dāng)結(jié)果屬性比單個屬性更豐富時,就可以對屬性進(jìn)行組合.這個過程稱為知覺組織.Lowe提出了目標(biāo)識別中組合問題和屬性組合標(biāo)準(zhǔn)。他尋找邊緣分割的結(jié)構(gòu),它應(yīng)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(yīng)用均勻投影方法把圓柱投影到二維空間。許多研究者己經(jīng)研制了專業(yè)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(fā)揮著重要的作用,因?yàn)?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(guān)系作一些特定安排。有關(guān)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(biāo)識別幾何推理系統(tǒng).Matsuyama和H、ang(一985)研制的s一oMA系統(tǒng),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(tǒng)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(yīng)用了多態(tài)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(biāo)記方法中,該方法用局部和全局上下文信息來進(jìn)行圖像區(qū)域或目標(biāo)標(biāo)記。經(jīng)過分割階段,場景標(biāo)記應(yīng)該與場景知識相對應(yīng),并且標(biāo)記應(yīng)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(dǎo)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(xié)調(diào)。關(guān)于松弛標(biāo)記方法的詳細(xì)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(chǔ)上的,可參見早期Rosenfeld等人(1976)關(guān)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(yīng)用了多種基于證據(jù)的技術(shù),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(jī)封閉集,貝葉斯網(wǎng)絡(luò)等.
4建模和表達(dá)方法應(yīng)用的一些例子
在計算機(jī)視覺和攝影測量與遙感領(lǐng)域中的知識表達(dá)和建模方法的應(yīng)用就是前述一些方法的具體化。這些應(yīng)用的領(lǐng)導(dǎo)者在理論上是機(jī)器械視覺的研究者。在攝影測量與遙感領(lǐng)域,所采用的方法緊隨計算機(jī)視覺領(lǐng)域之后,這些方法己經(jīng)改進(jìn)成信息提取的方法了.這些應(yīng)用表明攝影測量與遙感領(lǐng)域的研究者在人工智能技術(shù)上達(dá)到了專業(yè)水平。這些方法己經(jīng)從基于規(guī)則的系統(tǒng)發(fā)展到語義網(wǎng)絡(luò),從框架發(fā)展到邏輯描述。在這一部分,計算機(jī)視覺和攝影測量與遙感領(lǐng)域中的一些應(yīng)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(jī)視覺系統(tǒng)中,應(yīng)用邏輯作為一種表達(dá)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(jié)構(gòu)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(guān)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(yīng)用一個稱為Mapse的簡單地圖理解系統(tǒng)來說明他們的方法。雖然這種應(yīng)用具有相對的局限性,但是還沒有新的系統(tǒng)被報道。一個原因是計算方法的復(fù)雜性。當(dāng)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(shù)據(jù)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(yīng)并不是一對一的關(guān)系,另外的邏輯關(guān)系對這些模型是必要的。Matsuyama和Hwang采用了一個邏輯框架結(jié)構(gòu),在這種結(jié)構(gòu)中,動態(tài)產(chǎn)生新的邏輯一致性和規(guī)則。4.2基于規(guī)則的產(chǎn)品系統(tǒng)Brooks研制了基于模型的影像理解系統(tǒng)一一ACRONYM系統(tǒng)用來檢測三維目標(biāo),并用它進(jìn)行了從航空影像上提取人工地物的實(shí)驗(yàn)。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(jìn)行了分析,ACRONYM系統(tǒng)提取了線段并獲得二維圓柱。幾何知識和圖像條件經(jīng)過編碼,形成規(guī)則被用來產(chǎn)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(tǒng)。它包括三個子系統(tǒng):幾何推理專家系統(tǒng)(GRE)、模型選擇專家系統(tǒng)(MSE)、低水平視覺專家系統(tǒng)(LIVE)。信息從GRE傳至MSE,然后同LIVE進(jìn)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(guān)系。以框架中空間知識為基礎(chǔ),產(chǎn)生目標(biāo)的假設(shè)并用于影像特征相匹配。與目標(biāo)外形有關(guān)的推理,由MSE子系統(tǒng)來處理,并轉(zhuǎn)換成圖像術(shù)語傳遞給LIVE子系統(tǒng)。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(shí)驗(yàn)對這個系統(tǒng)進(jìn)行了測試。Mckeown等提出一個基于規(guī)則的系統(tǒng),用來從航空圖像上解譯飛機(jī)場.這個系統(tǒng)以大約450條規(guī)則為基礎(chǔ),分為6組:初始化、用于原始圖像片段解譯的區(qū)域解譯、一致性檢查、組合圖像片段對功能區(qū)域的規(guī)則和用于建立機(jī)場模型的目標(biāo)生成規(guī)則.Mckeown和Harvey研制了稱為•schemata一個航空影像解譯系統(tǒng),該系統(tǒng)中包括一個從標(biāo)準(zhǔn)知識集編匯的一些規(guī)則。它們從較高的層次模式中自動生成規(guī)則,這有利于更好地進(jìn)行錯誤處理和更有效的操作。他們的系統(tǒng)包括大約100schemeta,其中每一個都會產(chǎn)生大約5個規(guī)則。start和Fischler提出了一個基于知識的系統(tǒng),用上下文信息進(jìn)行地形識別。在不同的層次上用規(guī)則對上下文進(jìn)行定義。上下文信息并不一定可靠,結(jié)果導(dǎo)致很多冗余.這個解譯系統(tǒng)是以三種規(guī)則為基礎(chǔ)的:候選結(jié)果,候選結(jié)果評價,一致性確定。在評價過程中,候選結(jié)果的比較是基于可靠的候選結(jié)果評價的基礎(chǔ)上的,在這個過程中評價相關(guān)相似性,候選結(jié)果是這類結(jié)果中的一個.作者認(rèn)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(tǒng),用來從航空影像中自動提取建筑物信息,目標(biāo)既具有特殊性又具有一般性。該系統(tǒng)中用產(chǎn)品規(guī)則和產(chǎn)品描述集來對要識別的目標(biāo)進(jìn)行建模.特殊的模型用不變的拓?fù)溥壿嫿Y(jié)構(gòu)來描述目標(biāo),而一般的模型更具有普通性.這些系統(tǒng)說明基于規(guī)則的系統(tǒng)不能保證知識的添加性和推理的一致性。如果打破單一規(guī)則基礎(chǔ)而采用多尺度的多規(guī)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(tǒng)和基于schema的結(jié)構(gòu)來處理之。4.3黑板系統(tǒng)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(yīng)用到郊區(qū)的航空影像中,用于識別汽車、房屋、道路等。他們的系統(tǒng)包括全局的數(shù)據(jù)庫和一組知識源.黑板用層次方法記錄由:基本區(qū)域、典型區(qū)域和目標(biāo)等組成的數(shù)據(jù).黑板還存儲一個標(biāo)記圖,它連接原始影像的象素和數(shù)據(jù)庫中的相應(yīng)區(qū)域。基本區(qū)域是影像段分割的結(jié)果,并用灰度、尺寸、影像中的位置來標(biāo)記。然后區(qū)域中的獨(dú)特的特征被提取,識別的結(jié)果是具有下面的基本屬性的區(qū)域。1.依據(jù)區(qū)域尺寸,大的、同類的區(qū)域;2.依據(jù)區(qū)域形狀,長的區(qū)域:3.依據(jù)區(qū)域光照,有陰影的區(qū)域;4.依據(jù)臨近區(qū)域的定位和太陽的定位,有陰影的區(qū)域;5.有植物和水的區(qū)域;6.根據(jù)紋理信息,高反差紋理區(qū)域。這些屬性以單獨(dú)的模式儲存在黑板上,然后根據(jù)不同區(qū)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(biāo).每種知識源都是一個規(guī)則,這些規(guī)則是在目標(biāo)識別的圖像處理操作過程中的一個條件或是復(fù)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(qū)域、植被區(qū)域、沒有水的區(qū)域、沒有光照源的區(qū)域,“那么”可以證明這片區(qū)域是莊稼地。每種知識源單獨(dú)識別一個目標(biāo),且這個可以導(dǎo)致同一個區(qū)域識別相互沖突(如莊稼地和草地)。為了解決這個問題,系統(tǒng)自動地計算一個可靠值.然后,取可靠值最高的識別結(jié)果奮舍棄其他的識別結(jié)果。Fuger等描述了一個基于黑板的數(shù)據(jù)驅(qū)動系統(tǒng)來分析航空影像中人工的目標(biāo).一般的目標(biāo)模型在黑板中用符號表達(dá),單個對象用幾個屬性描述.模型被許多參數(shù)所限制,這種參數(shù)被一個用“發(fā)展階段”的封閉的循環(huán)系統(tǒng)所決定。stilla提出一個基于黑板影像理解的系統(tǒng),這種系統(tǒng)適合于航空影像中復(fù)雜場景的結(jié)構(gòu)分析。從一個原始對象開始,反復(fù)使用中間結(jié)果,目標(biāo)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(dá)和記錄.通過二維圖像的分割和直線的近似計算來進(jìn)行圖像的分析識別。黑板系統(tǒng)一般趨向于具有一個集中控制的結(jié)構(gòu),所以效率就成了問題。另外,黑板系統(tǒng)假設(shè)所需要的知識源是有效的,所以在計算機(jī)視覺應(yīng)用中應(yīng)用該方法前提是圖像已經(jīng)被分析過了。4.4框架Hanson和Rieman把框架作為假設(shè)的產(chǎn)生的機(jī)器。關(guān)于目標(biāo)分類的知識表達(dá)為框架。槽描述了目標(biāo)類別之間二進(jìn)制幾何關(guān)系。槽還包括例示其他的對象描述的產(chǎn)品規(guī)則,這樣,框架可用于控制又可用于表達(dá).Ikeuchi和kanade用來表達(dá)三維對象.當(dāng)明確了目標(biāo)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(zhǔn)確的數(shù)據(jù),那么處理過程是自下而上的。其他使用框架的系統(tǒng)包括^eRONYM、sxGMA、Nagao和Matsuyama等人的系統(tǒng),這些己經(jīng)在上面介紹過了。4.5語義網(wǎng)絡(luò)Nicolin和Gabler描述了一個分析航空影像的系統(tǒng),該系統(tǒng)用語義網(wǎng)絡(luò)來表達(dá)和解譯圖像。系統(tǒng)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(jié)果.LTM存儲場景的先驗(yàn)知識和特殊領(lǐng)域知識。系統(tǒng)匹配STM的內(nèi)容和LTM的內(nèi)容來產(chǎn)生解譯結(jié)果.這個過程由MB中的推理機(jī)模塊來完成.STM最墓本的內(nèi)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(qū)動階段狀態(tài)產(chǎn)生,校驗(yàn)LTM中存儲的目標(biāo)屬性的已有部分和缺少的部分。為了基于知識從數(shù)字地圖中提取目標(biāo),Ma}’er已經(jīng)發(fā)展了一個基于語義網(wǎng)絡(luò)的系統(tǒng)。該系統(tǒng)是建立在語義網(wǎng)絡(luò)和框架描述相結(jié)合的基礎(chǔ)上的,在控制上采用模型驅(qū)動和數(shù)據(jù)驅(qū)動相結(jié)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(shù)字地圖;(2)影像圖表和文本層:(3)語義對象語義網(wǎng)絡(luò)以圖形層的部分元素為基礎(chǔ)構(gòu)建語義對象,這些對象構(gòu)成了圖形對象和地形對象之間的一般或特殊的關(guān)系.例如,一個圖表對象層中延長的區(qū)域特征化為“路的兩邊”、“人行道”、“道路網(wǎng)”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(wǎng)的提取.用框架被設(shè)計來分析不同的概念和他們的屬性.對象的提取以模型驅(qū)動和數(shù)據(jù)驅(qū)動實(shí)例為基礎(chǔ),初始的研究以用戶確定的特定目標(biāo)為基礎(chǔ)的。雖然方法是以地圖上明確定義的信息提取為基礎(chǔ),但是M叮er認(rèn)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(wǎng)絡(luò)從重疊的航空影像來建立影像模型。輸出是具有適當(dāng)植被表示的三維景觀。Tonjes認(rèn)為語義網(wǎng)絡(luò)適用于表達(dá)結(jié)構(gòu)化目標(biāo)的知識.它的語義網(wǎng)絡(luò)是用框架描述的,其中包括關(guān)系、屬性和方法。語義網(wǎng)絡(luò)有三個層:(l)傳感器圖層,該層從紋理,條帶和圖像細(xì)節(jié)為基礎(chǔ)描述分割層。(2)幾何和材料層,該層利用傳感和地形解譯結(jié)果來描述三維表面層。(3)影像層,它是要提取的對象。語義網(wǎng)絡(luò)建立在三層之間。目標(biāo)描述通過每層來重建,重建是基于數(shù)據(jù)驅(qū)動和模型驅(qū)動的。Lang和Forstner把他們的建筑物的提取方法建立在多態(tài)的中間層特征的基礎(chǔ)上。該方法中應(yīng)用了部分分層描述的語義模型。各部分之間的關(guān)系沒有包括在其中。結(jié)合應(yīng)用于頂點(diǎn)原始層的數(shù)據(jù)驅(qū)動模型和用于目標(biāo)解譯、驗(yàn)證假設(shè)層的模型驅(qū)動方法的基礎(chǔ)上,建立了建筑物假設(shè)層,應(yīng)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(fā)了一個利用已知地圖庫輔助解譯的數(shù)字地圖史新系統(tǒng)。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(wǎng)絡(luò)分析新的特征。產(chǎn)生了兩個網(wǎng)絡(luò),一個用場景,另一個用于圖像,在其中網(wǎng)絡(luò)中的典型關(guān)系建立在不同的層次上.DoGunst提出了一個數(shù)據(jù)驅(qū)動和模型驅(qū)動相結(jié)合的方法,用來識別數(shù)字地圖更新所需的目標(biāo),這個方法是建立在用于道路描述的目標(biāo)導(dǎo)向模型和用于特征識別的基于框架的語義網(wǎng)絡(luò)基礎(chǔ)上的?？蚣茉敿?xì)定義了目標(biāo)之間的關(guān)系,目標(biāo)的定義,可選的目標(biāo)定義和預(yù)處理關(guān)系。道路的細(xì)節(jié)包括復(fù)雜道路的結(jié)合點(diǎn),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(xì)節(jié)的研究。研究效果很明顯,但同時也表明解譯如此多細(xì)節(jié)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(tǒng),該系統(tǒng)用語義網(wǎng)絡(luò)作為建模工具,利用從地形圖和GIS數(shù)據(jù)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(yīng)的生成的模型概念的特例。對應(yīng)于特定的場景的特定模型由系統(tǒng)自動產(chǎn)生:它是通過結(jié)合用圖像的一般模型進(jìn)行地圖分析而產(chǎn)生場景的描述而產(chǎn)生的。一開始,數(shù)字化的有用的線段用來作為地圖的結(jié)構(gòu)分析,從而獲取地圖的結(jié)構(gòu)分析結(jié)果。這樣,結(jié)果圖像一般模型來產(chǎn)生特殊模型,以用于圖像分析,對于結(jié)構(gòu)分析,原始影像用作輸入部分。分析是模型驅(qū)動的,進(jìn)行目標(biāo)識別。在圖像分析處理中用價值函數(shù)指導(dǎo)研究?？偨Y(jié)之,己發(fā)現(xiàn)語義網(wǎng)絡(luò)有很廣泛的應(yīng)用,并且己經(jīng)應(yīng)用于航空影像和數(shù)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(yīng)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(jié)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(biāo)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(jìn)行描述。用描述邏輯的描述模塊對有關(guān)場景和解譯的實(shí)際信息進(jìn)行描述。用目標(biāo)概念和變化概念在邏輯上描述空間地物的幾何關(guān)系和拓?fù)潢P(guān)系。目標(biāo)被認(rèn)為是經(jīng)過圖像處理和屬性提取后的目標(biāo)概念的一個實(shí)例。變化概念的概念被定義為識別變化.利用目標(biāo)導(dǎo)向和許多啟發(fā)式方法實(shí)現(xiàn)快速搜索。然而,這篇文章的例子似乎都以人工影像為基礎(chǔ)的。
第4篇：計算機(jī)視覺的概念范文
一、數(shù)據(jù)融合
1.1概念的提出
1973年,數(shù)據(jù)融合技術(shù)在美國國防部資助開發(fā)的聲納信號理解系統(tǒng)中得到了最早的體現(xiàn)。
7年代末,在公開的技術(shù)文獻(xiàn)中開始出現(xiàn)基于多系統(tǒng)的整合意義的融合技術(shù)。1984年美國國防部數(shù)據(jù)融合小組(dfs)定義數(shù)據(jù)融合為:“對多源的數(shù)據(jù)和信息進(jìn)行多方的關(guān)聯(lián)、相關(guān)和綜合處理,以更好地進(jìn)行定位與估計,并完全能對態(tài)勢及帶來的威脅進(jìn)行實(shí)時評估”。
1998年1月,buchroithner和wald重新定義了數(shù)據(jù)融合:“數(shù)據(jù)融合是一種規(guī)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(shù)據(jù),以獲得實(shí)際需要的信息”。
wald定義的數(shù)據(jù)融合的概念原理中,強(qiáng)調(diào)以質(zhì)量作為數(shù)據(jù)融合的明確目標(biāo),這正是很多關(guān)于數(shù)據(jù)融合的文獻(xiàn)中忽略但又是非常重要的方面。這里的“質(zhì)量”指經(jīng)過數(shù)據(jù)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(guān)的信息,甚至可更好地用于開發(fā)項(xiàng)目的資金、人力資源等。
1.2基本內(nèi)容
信息融合是系統(tǒng)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(yàn)知識進(jìn)行綜合,對周圍環(huán)境和發(fā)生的事件做出估計和判斷。當(dāng)運(yùn)用各種現(xiàn)代信息處理方法,通過計算機(jī)實(shí)現(xiàn)這一功能時,就形成了數(shù)據(jù)融合技術(shù)。
數(shù)據(jù)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(bǔ)信息依據(jù)某些準(zhǔn)則進(jìn)行組合,以獲得被測對象的一致性解釋或描述。數(shù)據(jù)融合的內(nèi)容主要包括:
(1)數(shù)據(jù)關(guān)聯(lián)。確定來自多傳感器的數(shù)據(jù)反映的是否是同源目標(biāo)。
(2)多傳感器id/軌跡估計。假設(shè)多傳感器的報告反映的是同源目標(biāo),對這些數(shù)據(jù)進(jìn)行綜合,改進(jìn)對該目標(biāo)的估計,或?qū)φ麄€當(dāng)前或未來情況的估計。
(3)采集管理。給定傳感器環(huán)境的一種認(rèn)識狀態(tài),通過分配多個信息捕獲和處理源,最大限度地發(fā)揮其性能,從而使其操作成本降到最低。傳感器的數(shù)據(jù)融合功能主要包括多傳感器的目標(biāo)探測、數(shù)據(jù)關(guān)聯(lián)、跟蹤與識別、情況評估和預(yù)測。
根據(jù)融合系統(tǒng)所處理的信息層次,目前常將信息融合系統(tǒng)劃分為3個層次:
(l)數(shù)據(jù)層融合。直接將各傳感器的原始數(shù)據(jù)進(jìn)行關(guān)聯(lián)后,送入融合中心,完成對被測對象的綜合評價。其優(yōu)點(diǎn)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(shí)時性差,通常只用于數(shù)據(jù)之間配準(zhǔn)精度較高的圖像處理。
(2)特征層融合。從原始數(shù)據(jù)中提取特征,進(jìn)行數(shù)據(jù)關(guān)聯(lián)和歸一化等處理后,送入融合中心進(jìn)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(shù)量的原始信息,又實(shí)現(xiàn)了一定的數(shù)據(jù)壓縮,有利于實(shí)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(yīng)用較多的一種技術(shù)。但是該技術(shù)在復(fù)雜環(huán)境中的穩(wěn)健性和系統(tǒng)的容錯性與可靠性有待進(jìn)一步改善。
(3)決策層融合。首先
每一傳感器分別獨(dú)立地完成特征提取和決策等任務(wù),然后進(jìn)行關(guān)聯(lián),再送入融合中心處理。這種方法的實(shí)質(zhì)是根據(jù)一定的準(zhǔn)則和每個決策的可信度做出最優(yōu)的決策。其優(yōu)點(diǎn)是數(shù)據(jù)通訊量小、實(shí)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(tǒng)仍能繼續(xù)工作,具有良好的容錯性,系統(tǒng)可靠性高,因此是目前信息融合研究的一個熱點(diǎn)。但是這種技術(shù)也有不足,如原始信息的損失、被測對象的時變特征、先驗(yàn)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(shù)據(jù)融合工作小組提出的數(shù)據(jù)融合處理模型,當(dāng)時僅應(yīng)用于軍事方面,但該模型對人們理解數(shù)據(jù)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(shù)據(jù)源。包括傳感器及其相關(guān)數(shù)據(jù)(數(shù)據(jù)庫和人的先驗(yàn)知識等)。
源數(shù)據(jù)預(yù)處理。進(jìn)行數(shù)據(jù)的預(yù)篩選和數(shù)據(jù)分配,以減輕融合中心的計算負(fù)擔(dān),有時需要為融合中心提供最重要的數(shù)據(jù)。目標(biāo)評估。融合目標(biāo)的位置、速度、身份等參數(shù),以達(dá)到對這些參數(shù)的精確表達(dá)。主要包括數(shù)據(jù)配準(zhǔn)、跟蹤和數(shù)據(jù)關(guān)聯(lián)、辨識。
態(tài)勢評估。根據(jù)當(dāng)前的環(huán)境推斷出檢測目標(biāo)與事件之間的關(guān)系,以判斷檢測目標(biāo)的意圖。威脅評估。結(jié)合當(dāng)前的態(tài)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(yīng)同時考慮當(dāng)前的環(huán)境和對敵策略等因素,所以較為困難。
處理過程評估。監(jiān)視系統(tǒng)的性能,辨識改善性能所需的數(shù)據(jù),進(jìn)行傳感器資源的合理配置。人機(jī)接口。提供人與計算機(jī)間的交互功能,如人工操作員的指導(dǎo)和評價、多媒體功能等。
二、多傳感器在林業(yè)中的應(yīng)用
2.1在森林防火中的應(yīng)用
在用modis(moderateresolutionimagingspectroradiometer)數(shù)據(jù)測定森林火點(diǎn)時的2、22、23波段的傳感器輻射值已達(dá)飽和狀態(tài),用一般圖像增強(qiáng)處理方法探測燃燒區(qū)火點(diǎn)的結(jié)果不理想。余啟剛運(yùn)用數(shù)據(jù)融合技術(shù),在空間分辨率為1m的熱輻射通道的數(shù)據(jù)外加入空間分辨率為25m的可見光通道的數(shù)據(jù),較好地進(jìn)行了不同空間分辨率信息的數(shù)據(jù)融合,大大提高了對火點(diǎn)位置的判斷準(zhǔn)確度。為進(jìn)一步提高衛(wèi)星光譜圖像數(shù)據(jù)分析的準(zhǔn)確性與可靠性,利用原有森林防火用的林區(qū)紅外探測器網(wǎng),將其與衛(wèi)星光譜圖像數(shù)據(jù)融合,可以使計算機(jī)獲得gps接收機(jī)輸出的有關(guān)信息通過與rs實(shí)現(xiàn)高效互補(bǔ)性融合,從而彌補(bǔ)衛(wèi)星圖譜不理想的缺失區(qū)數(shù)據(jù)信息,大大提高燃燒區(qū)火點(diǎn)信息準(zhǔn)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(yàn)區(qū)將spot-4×s衛(wèi)星數(shù)據(jù)和carabas-iivhfsar傳感器的雷達(dá)數(shù)據(jù)進(jìn)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(jìn)行了估計。
knn方法就是采用目標(biāo)樣地鄰近k個(k=1)最近樣地的加權(quán)來估計目標(biāo)樣地的森林特征。研究者應(yīng)用衛(wèi)星光譜數(shù)據(jù)、雷達(dá)數(shù)據(jù)融合技術(shù)對試驗(yàn)區(qū)的不同林分的蓄積特征進(jìn)行估計,并對三種不同的數(shù)據(jù)方法進(jìn)行誤差分析。試驗(yàn)表明,融合后的數(shù)據(jù)作出的估計比單一的衛(wèi)星數(shù)據(jù)或雷達(dá)數(shù)據(jù)的精度高且穩(wěn)定性好。
2.3用非垂直航空攝像數(shù)據(jù)融合gis信息更新調(diào)查數(shù)據(jù)
森林資源調(diào)查是掌握森林資源現(xiàn)狀與變化的調(diào)查方法,一般以地面調(diào)查的方法為主,我國5年復(fù)查一次。由于森
林資源調(diào)查的工作量巨大,且要花費(fèi)大量的人力、物力和資金。國內(nèi)外許多學(xué)者都在探索航空、航天的遙感調(diào)查與估計方法。 trevorjdavis等22年提出采用非垂直的航空攝影數(shù)據(jù)融合對應(yīng)的gis數(shù)據(jù)信息實(shí)現(xiàn)森林調(diào)查數(shù)據(jù)
的快速更新,認(rèn)為對森林資源整體而言,僅某些特殊地區(qū)的資源數(shù)據(jù)需要更新。在直升飛機(jī)側(cè)面裝上可視的數(shù)字?jǐn)z像裝置,利用gps對測點(diǎn)進(jìn)行定位,對特殊地區(qū)的攝像進(jìn)行拍攝,同時與對應(yīng)的gis數(shù)據(jù)進(jìn)行融合,做出資源變化的估計或影像的修正。
試驗(yàn)表明,融合后的數(shù)據(jù)可以同高分辨率矯正圖像相比,該方法花費(fèi)少,精度高,能充分利用影像的可視性,應(yīng)用于偏遠(yuǎn)、地形復(fù)雜、不易操作、成本高的區(qū)域,同時可避免遙感圖像受云層遮蓋。
三、數(shù)據(jù)融合在林業(yè)中的應(yīng)用展望
3.1在木材檢測中的應(yīng)用
3.1.1木材缺陷及其影響
木材是天然生長的有機(jī)體,生長過程中不可避免地有尖削度、彎曲度、節(jié)子等生長缺陷,這些缺陷極大地影響了木材及其制品的優(yōu)良特性,以及木材的使用率、強(qiáng)度、外觀質(zhì)量,并限制了其應(yīng)用領(lǐng)域。在傳統(tǒng)木制品生產(chǎn)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(qiáng)度大,效率低,同時由于熟練程度、標(biāo)準(zhǔn)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(yán)重影響了生產(chǎn)線的生產(chǎn)節(jié)拍。因此必須開發(fā)一種能夠?qū)Π宀碾p面缺陷進(jìn)行在線識別和自動剔除技術(shù),以解決集成材加工中節(jié)子人工識別誤差大、難以實(shí)現(xiàn)雙面識別、剔除機(jī)械調(diào)整時間長等問題。
3.1.2單一傳感器在木材檢測中的應(yīng)用
對木材及人造板進(jìn)行無損檢測的方法很多,如超聲波、微波、射線、機(jī)械應(yīng)力、震動、沖擊應(yīng)力波、快速傅立葉變換分析等檢測方法。超聲技術(shù)在木材工業(yè)中的應(yīng)用研究主要集中在研究聲波與木材種類、木材結(jié)構(gòu)和性能之間的關(guān)系、木材結(jié)構(gòu)及缺陷分析、膠的固化過程分析等。
隨著計算機(jī)視覺技術(shù)的發(fā)展,人們也將視覺傳感器應(yīng)用于木材檢測中。新西蘭科學(xué)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(zhǔn)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(qū)分不同紙漿類型,測定木材纖維材料加固結(jié)合力,并動態(tài)地觀察木材纖維在材料中的結(jié)合機(jī)理。
新西蘭的基于視覺傳感器的板材缺陷識別的軟件已經(jīng)產(chǎn)業(yè)化,該軟件利用數(shù)碼相機(jī)或激光掃描儀采集板材的圖像,自動識別板材節(jié)子和缺陷的位置,控制板材的加工。該軟件還具有進(jìn)行原木三維模型真實(shí)再現(xiàn)的計算機(jī)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(shù)據(jù)。
美國林產(chǎn)品實(shí)驗(yàn)室利用計算機(jī)視覺技術(shù)對木材刨花的尺寸大小進(jìn)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(xué)基于視覺傳感器進(jìn)行了定向刨花板內(nèi)刨花定向程度的檢測,從而可以通過調(diào)整定向鋪裝設(shè)備優(yōu)化刨花的排列方向來提高定向刨花板的強(qiáng)度。
在制材加工過程中,利用計算機(jī)視覺技術(shù)在線實(shí)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(zhì)量進(jìn)行分級,實(shí)現(xiàn)木材的優(yōu)化使用;在膠合板的生產(chǎn)過程中,利用計算機(jī)視覺技術(shù)在線實(shí)時檢測單板上的各種缺陷,實(shí)現(xiàn)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(jìn)行分等分級,實(shí)現(xiàn)自動化生產(chǎn)過程。wengert等在綜合了大量的板材分類經(jīng)驗(yàn)的基礎(chǔ)上,建立了板材分級分類的計算機(jī)視覺專家系統(tǒng)。在國內(nèi)這方面的研究較少,王金滿等用計算機(jī)視覺技術(shù)對刨花板施膠效果進(jìn)行了定量分析。
x射線對木材及木質(zhì)復(fù)合材料的性能檢測已得到了廣泛的應(yīng)用,目前該技術(shù)主要應(yīng)用于對木材密度、含水率、纖維素相對結(jié)晶度和結(jié)晶區(qū)大小、纖維的結(jié)構(gòu)和性質(zhì)等進(jìn)行檢測,并對木材內(nèi)部的各種缺陷進(jìn)行檢測。
3.1.3數(shù)據(jù)融合在木材檢測中的應(yīng)用展望
單一傳感器在木材工業(yè)中已得到了一定程度的應(yīng)用,但各種單項(xiàng)技術(shù)在應(yīng)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(jié)子,有時會把木板上的臟物或油脂當(dāng)成節(jié)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(shù)只能檢測部分表面缺陷,而無法檢測到內(nèi)部缺陷;超聲、微波、核磁共振和x射線技術(shù)均能測量密度及內(nèi)部特征,但是它們不能測定木材的顏色和瑕疵,因?yàn)檫@些缺陷的密度往往同木板相同。因此,一個理想的檢測系統(tǒng)應(yīng)該集成各種傳感技術(shù),才能準(zhǔn)確、可靠地檢測到木材的缺陷。
基于多傳感器(機(jī)器視覺及x射線等)數(shù)據(jù)融合技術(shù)的木材及木制品表面缺陷檢測,可以集成多個傳統(tǒng)單項(xiàng)技術(shù),更可靠、準(zhǔn)確地實(shí)時檢測出木材表面的各種缺陷,為實(shí)現(xiàn)木材分級自動化、智能化奠定基礎(chǔ),同時為集裁除鋸、自動調(diào)整、自動裁除節(jié)子等為一身的新型視頻識別集成材雙面節(jié)子數(shù)控自動剔除成套設(shè)備提供技術(shù)支持。
3.2在精確林業(yè)中的應(yīng)用
美國華盛頓大學(xué)研究人員開展了樹形自動分析、林業(yè)作業(yè)規(guī)劃等研究工作;auburn大學(xué)的生物系統(tǒng)工程系和usda南方林業(yè)實(shí)驗(yàn)站與有關(guān)公司合作開展用gps和其他傳感器研究林業(yè)機(jī)器系統(tǒng)的性能和生產(chǎn)效率。
第5篇：計算機(jī)視覺的概念范文
關(guān)鍵詞：計算機(jī)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(xiàn)標(biāo)識碼：A 文章編號：1009-3044（2013）19-4493-03
隨著現(xiàn)代交通的快速發(fā)展，車輛的日益增多，合理利用道路資源成為目前一項(xiàng)重要課題。為了實(shí)現(xiàn)快速準(zhǔn)確地檢測道路中的車流量，該文提出了一種基于計算機(jī)視覺的車流量檢測方法。
1 車輛前景圖像的提取
對車輛進(jìn)行檢測的前提是提取車輛的前景圖像，即在視頻序列中實(shí)時地發(fā)現(xiàn)并提取運(yùn)動目標(biāo)，為之后運(yùn)動目標(biāo)的處理、識別、分析等算法提供數(shù)據(jù)[1]。一般情況下視頻監(jiān)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(jìn)行變化檢測，并提取目標(biāo)。對于運(yùn)動目標(biāo)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(dāng)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(shù)據(jù)，是當(dāng)前靜止背景下進(jìn)行運(yùn)動目標(biāo)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(dāng)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(dāng)前視頻圖像的背景與背景圖片相同，相減后相同點(diǎn)的灰度值都變?yōu)榱恪６囕v包含的點(diǎn)在兩幅圖中的灰度值不一樣，相減后不為零 [3]。實(shí)驗(yàn)結(jié)果如圖1-圖3所示。
如圖所示：實(shí)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(yán)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(yùn)動車輛的檢測作用不大，并且占用了大量的內(nèi)存空間，嚴(yán)重影響到圖像處理的速度和效率。因此，我們需要對圖像進(jìn)行二值化處理 [4]。
在數(shù)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(shù)據(jù)的處理量較小。此外，二值化后的圖像能夠用幾何學(xué)中的概念進(jìn)行分析和特征描述，具有很大的優(yōu)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(diǎn)的灰度值大于某個值時，就將該點(diǎn)的灰度值置為1，而小于該值的話就將該點(diǎn)的灰度值置為0。
[g（x，y）=1f（x，y）≥T0f（x，y）≥T] （2）
通過設(shè)定閾值T，可以將圖像進(jìn)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(xiàn)有些車輛的前景圖像不完整或區(qū)域不連通，這樣對車輛計數(shù)有很大影響，這就需要對車輛前景圖像進(jìn)行完善處理。
2.2圖像膨脹和填充
經(jīng)過二值化后的圖片，由于車輛本身各點(diǎn)的像素灰度值不同，其有些點(diǎn)的灰度值與背景圖像上相應(yīng)點(diǎn)的灰度值很接近，再經(jīng)過一定閾值的二值化后，這些點(diǎn)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(qū)域不連通，會導(dǎo)致圖像中目標(biāo)計數(shù)的不準(zhǔn)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(jīng)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(jī)同樣也會將其默認(rèn)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(dǎo)致二值化圖像中小目標(biāo)的出現(xiàn)，從而影響計算機(jī)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(qū)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(biāo)二值化后的面積要比車輛的面積小得多，通過設(shè)定合適的閾值，可以將小目標(biāo)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(shù)
車輛前景圖像經(jīng)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(dú)立的區(qū)域，計算機(jī)就可以對圖像中目標(biāo)進(jìn)行計數(shù)。由于每個區(qū)域的圖像像素是連續(xù)的，在二值圖像中表現(xiàn)為連通性，因此可以利用計算連通圖的數(shù)量來求出目標(biāo)數(shù)量。在MATLAB中利用bwlabel函數(shù)[7]可求出連通圖的數(shù)量，對于圖6中的車輛計數(shù)結(jié)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(biāo)塊2，3，4，5這四個都是一輛車得二值化圖像塊，但目標(biāo)塊1卻不是一輛車的二值化圖像塊。目標(biāo)塊1是幾輛車粘連在一塊了，這樣就導(dǎo)致計算機(jī)對車輛的計數(shù)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(jù)這個差別我們可以通過外接矩形的長寬比來賦予計算機(jī)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(shè)定閾值，在設(shè)定的閾值范圍內(nèi)就表示有輛車。從而計算出粘連在一塊的車的數(shù)量。下面是車輛計數(shù)結(jié)果：
圖像中目標(biāo)塊數(shù)為5塊，真實(shí)車輛塊數(shù)為7輛（2輛汽車，1輛電瓶車）。
3 結(jié)束語
實(shí)驗(yàn)結(jié)果表明，該文方法魯棒性好，實(shí)用價值高，能夠準(zhǔn)確地對車輛進(jìn)行計數(shù)，得到實(shí)時路況信息，在只能交通領(lǐng)域有著廣泛的應(yīng)用前景。
參考文獻(xiàn)：
[1] 章毓晉.圖像理解和計算機(jī)視覺[M].北京：清華大學(xué)出版社，2000.
[2] 盧強(qiáng)，陳泉林，林康紅，奉玲，等.智能交通監(jiān)控系統(tǒng)中路況圖像背景去除算法研究[J].電子技術(shù)應(yīng)用，2001（11）：35-36.
[3] 董長虹，賴志國，余嘯海. Matlab圖像處理與應(yīng)用[M].北京：國防工業(yè)出版社，2004.
[4] 夏良正.數(shù)字圖像處理[M].南京：東南大學(xué)出版社，2001.
[5] 容觀澳.計算機(jī)圖像處理[M].清華大學(xué)出版社，2000.
第6篇：計算機(jī)視覺的概念范文
(2)p碼和高效能c／a碼gps接收機(jī)在飛行中模糊度解方面的比較 lacha.,g 鄭國忠
(9)現(xiàn)代三維大地控制網(wǎng)的精度標(biāo)準(zhǔn) leick,a 劉守邦
(14)四等導(dǎo)線測邊的額定精度 г.,рн 嚴(yán)伯鐸
(16)用小像幅航空攝影測量方法進(jìn)行滑坡變形監(jiān)測 nakay.,t 嚴(yán)暉
(18)空間數(shù)據(jù)庫中的位置精度 caspa.,w 李小鵬
(23)面向地球環(huán)境的全球gis—測繪技術(shù)與地球環(huán)境問題結(jié)合之關(guān)鍵 張祖勛 廖明生
(26)gps與地形圖 colv.,ap 于冬梅
(28)darpa的戰(zhàn)略計算計算機(jī)視覺計劃 陶闖
(30)面向?qū)ο蟮母拍钤趃is和測量軟件開發(fā)中的應(yīng)用 hesse,w 周月琴
第7篇：計算機(jī)視覺的概念范文
在1998年第三次高校本科專業(yè)目錄修訂調(diào)整前，測繪學(xué)科本科有4個專業(yè):攝影測量與遙感、工程測量、大地測量、地圖制圖，雖然都要學(xué)習(xí)攝影測量學(xué)，但是各個專業(yè)間差異較大，如原武漢測繪科技大學(xué)(武測)對攝影測量與遙感專業(yè)學(xué)生有關(guān)攝影測量方面的教學(xué)內(nèi)容包括:基礎(chǔ)攝影測量、解析攝影測量、數(shù)字?jǐn)z影測量、攝影技術(shù)、航空與航天攝影技術(shù)、非地形攝影測量;實(shí)踐環(huán)節(jié)包括:航測實(shí)驗(yàn)、航測外業(yè)實(shí)習(xí)、航測內(nèi)業(yè)實(shí)習(xí)。而原測繪學(xué)院攝影測量與遙感專業(yè)有關(guān)攝影測量方面的教學(xué)內(nèi)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(shí)習(xí))、像片轉(zhuǎn)繪，實(shí)踐環(huán)節(jié)還包括航測外業(yè)實(shí)習(xí)。由于當(dāng)時攝影測量教學(xué)中實(shí)驗(yàn)或?qū)嵙?xí)內(nèi)容涉及很多價格昂貴的專業(yè)攝影測量儀器，一些院校受限于辦學(xué)條件，當(dāng)時只開設(shè)有工程測量專業(yè)。原武測工程測量專業(yè)在攝影測量學(xué)方面主要的課程有:攝影技術(shù)(一學(xué)期)、攝影測量學(xué)(一學(xué)期)，但沒有相關(guān)實(shí)習(xí);而同濟(jì)大學(xué)工程測量專業(yè)，在20世紀(jì)90年代中期開設(shè)的攝影測量學(xué)相關(guān)課程有:攝影測量與遙感(上、下兩個學(xué)期)、工程攝影測量，實(shí)踐環(huán)節(jié)包括:攝影測量實(shí)驗(yàn)、遙感實(shí)習(xí);相較一些院校的工程測量專業(yè)，其攝影測量方面的學(xué)時數(shù)已經(jīng)偏多。1998年第三次高校本科專業(yè)目錄修訂后，以一級學(xué)科設(shè)置本科教學(xué)專業(yè)，現(xiàn)在本科階段只有測繪工程專業(yè)，攝影測量學(xué)作為測繪工程專業(yè)的主干課程及方向之一，與原來工程測量專業(yè)比，攝影測量學(xué)在教學(xué)中所占的比重增加，但是該比重遠(yuǎn)低于在攝影測量與遙感專業(yè)中的比重，并且由于總課時呈壓縮態(tài)勢，因此實(shí)際授課時間實(shí)際是在減少。隨著空間技術(shù)、傳感器技術(shù)和計算機(jī)技術(shù)的發(fā)展，近20年來攝影測量學(xué)內(nèi)容發(fā)生了很大變化;在經(jīng)歷模擬、解析、數(shù)字3個階段發(fā)展后，攝影測量快速進(jìn)入了航空攝影測量與航天攝影測量并存的發(fā)展階段;航空攝影發(fā)展到了模擬航空攝影和數(shù)碼航空成像并存階段，航天攝影(測繪衛(wèi)星)完全實(shí)現(xiàn)了數(shù)字成像;攝影測量數(shù)據(jù)處理則實(shí)現(xiàn)了全數(shù)字化。為了適應(yīng)攝影測量快速發(fā)展的情況，同濟(jì)大學(xué)測量系在2005—2006學(xué)年開設(shè)了攝影測量學(xué)的雙語教學(xué)［9］，其他院校也對攝影測量學(xué)教學(xué)進(jìn)行了有益的改革與嘗試［10-11］。攝影測量的快速發(fā)展使得一方面涌現(xiàn)大量新知識點(diǎn)，現(xiàn)在本科教學(xué)中攝影測量方面涉及的很多內(nèi)容實(shí)際上是20世紀(jì)90年代以來人們的研究結(jié)果，因此需要教授的內(nèi)容大量增加;另一方面，以一級學(xué)科設(shè)置本科專業(yè)，測繪學(xué)科的各個二級學(xué)科的內(nèi)容都要涉及，而通識教育本身又需要挪出相當(dāng)?shù)膶W(xué)時進(jìn)行通識類課程學(xué)習(xí)，造成的結(jié)果是在攝影測量方面，現(xiàn)在同濟(jì)本科教學(xué)中相關(guān)的課程只有:攝影測量基礎(chǔ)、數(shù)字?jǐn)z影測量及實(shí)踐環(huán)節(jié)———攝影測量實(shí)習(xí)，并且其中作為專業(yè)主干課的“攝影測量基礎(chǔ)”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(xué)應(yīng)如何開展，特別是主干課攝影測量基礎(chǔ)教學(xué)如何開展，教學(xué)中應(yīng)該包括哪些內(nèi)容?過去的模擬攝影測量內(nèi)容是否要涉及?怎樣涉及?這些都須考慮。
二、通識教育下同濟(jì)大學(xué)測繪專業(yè)“攝影測量基礎(chǔ)”教學(xué)探索
作為一門主干專業(yè)基礎(chǔ)課，攝影測量學(xué)在數(shù)學(xué)上具有完整的理論基礎(chǔ)，與其他測繪基礎(chǔ)課程如測量學(xué)、大地測量學(xué)有較大的差異，也是一門非大眾化的學(xué)科課程;但作為測繪技術(shù)中的一個分支，其具有廣泛的應(yīng)用，是后續(xù)學(xué)習(xí)數(shù)字?jǐn)z影測量、近景攝影測量及遙感等專業(yè)課程的基礎(chǔ)。隨著近、現(xiàn)代攝影測量理論研究和技術(shù)的發(fā)展，相關(guān)內(nèi)容更新非?？欤遗c計算機(jī)視覺的結(jié)合日趨緊密，因此現(xiàn)階段攝影測量學(xué)的教學(xué)內(nèi)容也有較大的變化，一是內(nèi)容增多，二是內(nèi)容改變多特別是涉及應(yīng)用方面。而通識教育背景下，造成課時數(shù)緊縮，因此在攝影測量基礎(chǔ)教學(xué)中須兼顧兩者，在教學(xué)內(nèi)容安排中尤其要注意基礎(chǔ)部分、拓展部分的比例安排，統(tǒng)籌考慮一般學(xué)生的需求和感興趣且學(xué)有余力同學(xué)進(jìn)一步深入的要求。結(jié)合攝影測量方面課程的教學(xué)經(jīng)驗(yàn)，確定了“攝影測量基礎(chǔ)”課程教學(xué)的指導(dǎo)思想。
1．“攝影測量基礎(chǔ)”課程教學(xué)的指導(dǎo)思想
攝影測量學(xué)基礎(chǔ)作為一門基礎(chǔ)性專業(yè)課程，在現(xiàn)在學(xué)時大大壓縮的情況下，整個教學(xué)內(nèi)容應(yīng)強(qiáng)調(diào)基礎(chǔ)性，為學(xué)生將來可能的進(jìn)一步學(xué)習(xí)打好基礎(chǔ)。測繪工程專業(yè)的學(xué)生將來會從事各種不同的行業(yè)應(yīng)用，同濟(jì)大學(xué)測繪工程專業(yè)的學(xué)生畢業(yè)后單純從事攝影測量與遙感方面研究與實(shí)際工作的并不多，比較多的從事工程測量，但現(xiàn)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(yīng)用，如工業(yè)場景監(jiān)測等;另一方面還有不少學(xué)生從事GIS數(shù)據(jù)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(xué)生，項(xiàng)目組成員認(rèn)為“攝影測量基礎(chǔ)”課教學(xué)的目的是在有限的學(xué)時下，傳授攝影測量最基本的概念方法，建立攝影測量學(xué)基本框架;為將來進(jìn)一步學(xué)習(xí)相關(guān)后續(xù)課程及將來工作中有關(guān)知識學(xué)習(xí)作準(zhǔn)備?？紤]到同濟(jì)大學(xué)測繪工程專業(yè)攝影測量學(xué)方面課程分為攝影測量基礎(chǔ)和數(shù)字?jǐn)z影測量學(xué)兩部分，而衛(wèi)星影像幾何處理集中在后續(xù)的遙感課程中講授，且課時數(shù)有限，因此現(xiàn)在“攝影測量學(xué)基礎(chǔ)”課的教學(xué)，其指導(dǎo)思想應(yīng)是:對攝影測量學(xué)的講授內(nèi)容側(cè)重于攝影測量基本原理、基本過程，使學(xué)生建立起攝影測量的基本思想，保證學(xué)生對攝影測量整體過程的理解;在此基礎(chǔ)上適當(dāng)加強(qiáng)攝影測量實(shí)際應(yīng)用部分的教學(xué)，提升學(xué)生的學(xué)習(xí)興趣，同時通過雙語教學(xué)實(shí)踐來提高學(xué)生的專業(yè)外語能力，為今后進(jìn)一步學(xué)習(xí)做準(zhǔn)備。
2．構(gòu)建科學(xué)的“攝影測量基礎(chǔ)”課程教學(xué)的目標(biāo)體系
從上述“攝影測量基礎(chǔ)”教學(xué)指導(dǎo)思想出發(fā)，構(gòu)建了通識教育下“攝影測量基礎(chǔ)”課程教學(xué)的目標(biāo)體系。總體上，“攝影測量基礎(chǔ)”教學(xué)目的是為滿足寬口徑人才的培養(yǎng)，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(xué)生將來的對攝影測量學(xué)相關(guān)內(nèi)容的進(jìn)一步學(xué)習(xí)、自主學(xué)習(xí)打好基礎(chǔ)，為這一目標(biāo)，將教學(xué)中涉及的內(nèi)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(guān)數(shù)字影像匹配方法的基本計算過程，數(shù)字高程模型的建立及其應(yīng)用，數(shù)字微分糾正的原理及正射影像圖的制作;全部放到數(shù)字?jǐn)z影測量課中講授，不在攝影測量基礎(chǔ)課上做要求。這樣通過本課程教學(xué)，使學(xué)生系統(tǒng)地學(xué)習(xí)攝影測量學(xué)的基本理論與方法，著重使學(xué)生掌握攝影測量學(xué)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(xué)與遙感、GIS的密切關(guān)系，空間定位技術(shù)(GPS)的關(guān)系，在攝影測量影像信息處理中的應(yīng)用及攝影測量學(xué)的最新發(fā)展及其在國民經(jīng)濟(jì)建設(shè)中的主要應(yīng)用。一些感興趣的學(xué)生可以進(jìn)一步拓展了解其歷史發(fā)展知識及與計算機(jī)視覺的關(guān)系。
3．優(yōu)化教學(xué)內(nèi)容，為學(xué)生進(jìn)一步的學(xué)習(xí)打好基礎(chǔ)
合理選擇、組織的教學(xué)內(nèi)容是滿足在課時較少情況下學(xué)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(xué)教學(xué)中既包括有大量的攝影幾何原理，又涉及很多數(shù)據(jù)處理的方法及相關(guān)應(yīng)用方面的知識，在現(xiàn)有的教學(xué)中各門相關(guān)課程的講授內(nèi)容各有側(cè)重。而傳統(tǒng)的教學(xué)方法中沿著攝影測量的發(fā)展脈絡(luò)，從模擬—解析—數(shù)字來介紹，其最大的好處是:對攝影測量的發(fā)展歷史、相關(guān)概念演變的關(guān)系學(xué)生能比較清晰的掌握，但這是建立在過去專業(yè)細(xì)分的基礎(chǔ)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(xiàn)有情況下無法滿足，而且其中部分知識內(nèi)容已屬于比較陳舊過時的內(nèi)容，也沒有必要講授，而其中歷史部分，雖應(yīng)涉及，但不同學(xué)生對各部分內(nèi)容的興趣并不一樣。由于將“攝影測量基礎(chǔ)”課程的教學(xué)內(nèi)容分成了4部分，因此，攝影測量歷史部分知識屬于學(xué)生只需了解的內(nèi)容，而模擬攝影測量部分的絕大多數(shù)內(nèi)容則屬于興趣拓展部分的內(nèi)容。在教學(xué)中重點(diǎn)放在學(xué)生需要掌握或熟練掌握的內(nèi)容;同時考慮到計算機(jī)視覺研究對攝影測量的沖擊與促進(jìn)，在教學(xué)內(nèi)容中增加了相關(guān)內(nèi)容的介紹，其中部分如計算機(jī)視覺方向如何表示像點(diǎn)、物點(diǎn)的關(guān)系，它與攝影測量表示方法的關(guān)系，是學(xué)生應(yīng)了解或興趣拓展的內(nèi)容。目前對攝影測量基礎(chǔ)的教學(xué)內(nèi)容及教學(xué)順序作了較大調(diào)整:①考慮到學(xué)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(nèi)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(shù)字影像的獲取，并對相機(jī)檢校簡要介紹;②由于將數(shù)字?jǐn)z影測量部分內(nèi)容獨(dú)立在專門的課程介紹，在攝影測量基礎(chǔ)部分重點(diǎn)介紹像片解析基礎(chǔ)、強(qiáng)化解析空中三角測量部分內(nèi)容，特別是光束法平差、增加直接線性變換內(nèi)容;③講授內(nèi)容去掉了模擬測圖部分內(nèi)容的介紹，這些內(nèi)容只作為學(xué)生興趣閱讀的材料;④考慮到整個航測成圖的整體性，在內(nèi)容中增加了航測外業(yè)部分介紹，包括坐標(biāo)框架選取、像控點(diǎn)獲取，以及影像的調(diào)繪?，F(xiàn)有的一些攝影測量教材中模擬攝影測量的內(nèi)容已經(jīng)完全去掉，只在緒論的歷史回顧中出現(xiàn)。由于現(xiàn)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(xué)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(xué)生理解是否有利?從這一角度出發(fā)，在講授過程中仍然將模擬測圖內(nèi)容作適當(dāng)介紹，作為學(xué)生拓展了解的內(nèi)容。而對于影像解析及解析空三的內(nèi)容，因其是攝影測量的基礎(chǔ)，對進(jìn)一步學(xué)習(xí)很重要，因此在授課中強(qiáng)化了這方面的內(nèi)容。
4．加強(qiáng)與創(chuàng)新項(xiàng)目的結(jié)合、與實(shí)踐的結(jié)合
攝影測量是一門應(yīng)用性很強(qiáng)的學(xué)科，為調(diào)動學(xué)生的學(xué)習(xí)興趣，在教學(xué)過程中，增加了一些攝影測量知識應(yīng)用的小實(shí)驗(yàn)。如利用規(guī)則格網(wǎng)板進(jìn)行控制，利用普通相機(jī)(如手機(jī)自帶相機(jī))進(jìn)行面狀物體的攝影和基于影像的面狀物體形狀測量;結(jié)合網(wǎng)上大量的影像信息(特別是衛(wèi)星影像信息，如百度地圖、GoogleEarth上的影像信息)，與實(shí)地相對照，引導(dǎo)學(xué)生理解影像調(diào)繪、外業(yè)控制、像片控制點(diǎn)的概念，并結(jié)合學(xué)生自己的日常生活進(jìn)行有針對性的調(diào)繪。現(xiàn)在大學(xué)本科教育中，非常重視學(xué)生創(chuàng)新能力的培養(yǎng)，有各種學(xué)校和國家的創(chuàng)新項(xiàng)目。有些學(xué)生提出的一些項(xiàng)目申請想法就涉及影像的幾何處理、攝影測量的相關(guān)知識，因?yàn)槭菍W(xué)生自己提出的想法，所以學(xué)生的興趣高、學(xué)習(xí)主動性強(qiáng)，并且很多想法更為新穎、有趣，為此在攝影測量基礎(chǔ)教學(xué)過程中加強(qiáng)了和創(chuàng)新項(xiàng)目的結(jié)合?，F(xiàn)在測繪工程三、四年級學(xué)生正在進(jìn)行的創(chuàng)新項(xiàng)目中，有2～3個項(xiàng)目是與攝影測量學(xué)相關(guān)的。通過加強(qiáng)課程教學(xué)與實(shí)踐和創(chuàng)新項(xiàng)目的結(jié)合，原本抽象的概念內(nèi)容變得具體、實(shí)在，與日常生活中應(yīng)用相結(jié)合，調(diào)動了學(xué)生的學(xué)習(xí)興趣，同時為完成這些項(xiàng)目和實(shí)踐活動，還會涉及一些教學(xué)中未授內(nèi)容，這樣可以進(jìn)一步促進(jìn)學(xué)生深入、主動地學(xué)習(xí)，能激發(fā)學(xué)生去思考該學(xué)科的更廣泛應(yīng)用，而不是僅局限于測圖方面，這也與現(xiàn)在通識教育背景下進(jìn)行通才培養(yǎng)的理念相一致。
三、結(jié)束語
第8篇：計算機(jī)視覺的概念范文
在過去的幾年里，高質(zhì)量的顯示技術(shù)發(fā)展越發(fā)迅猛，目前雙目視差信息、人類視覺系統(tǒng)的三維深度感知越來越引起學(xué)者的研究興趣。雙眼視差的呈現(xiàn)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(shù)比基于全息或容積的方法更為成熟和廣泛應(yīng)用。創(chuàng)造立體顯示的方法有多種，包括立體空間復(fù)用和時分復(fù)用技術(shù)，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(shù)中人的因素提供一份詳細(xì)分析，使其在設(shè)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(guān)背景信息與知識的簡單概述，以及對全書結(jié)構(gòu)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(chǔ)：包括雙目視察、視覺競爭、雙目視察梯度、視覺通路等術(shù)語和概念的介紹；3.創(chuàng)建立體顯示：包括空間復(fù)用和時間復(fù)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?dāng)_、時空復(fù)用、調(diào)節(jié)輻輳沖突等因素的介紹；5.低級因素（續(xù)）：包括瞳孔亮度的差異、兩眼間的差異對比與簡單總結(jié)；6.語境因素：包括時空頻率的影響、真實(shí)環(huán)境中的視覺與距離變化、立體顯示環(huán)境中視覺的差異等內(nèi)容；7.語境因素（續(xù)）：包括知覺的恒常性，分別是大小、遠(yuǎn)近、速度、深度的恒定，以及環(huán)境的因素；8.高級因素：包括運(yùn)動視差和航向控制、運(yùn)動視差和雙目視察的沖突、直觀推理等內(nèi)容；9.高級因素（續(xù)）：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(jìn)行了總結(jié)。第3部分 立體顯示設(shè)計的建議，含第10章：10.對全書進(jìn)行了簡單總結(jié)，并提出若干立體顯示設(shè)計的建議。
本書通過對立體顯示相關(guān)文獻(xiàn)及應(yīng)用進(jìn)行總結(jié)，分析了從人類視覺角度對立體顯示的影響，并指導(dǎo)讀者如何從人的視覺/人的角度進(jìn)行立體顯示的設(shè)計。全書條理清晰，邏輯性很強(qiáng)，由淺入深，易于初學(xué)者迅速了解主要概念。本書適合計算機(jī)視覺、模式識別、生物視覺等領(lǐng)域的學(xué)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(xué)院自動化研究所）
第9篇：計算機(jī)視覺的概念范文
關(guān)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(yè)生產(chǎn)、國防建設(shè)和科學(xué)技術(shù)領(lǐng)域發(fā)揮著巨大的作用。但與飛速發(fā)展的計算機(jī)相比較，作為“五官”的傳感器遠(yuǎn)遠(yuǎn)趕不上作為“大腦”的計算機(jī)的發(fā)展速度。
隨著測控系統(tǒng)自動化、智能化的發(fā)展，要求傳感器準(zhǔn)確度高、可靠性高、穩(wěn)定性好，而且具備一定的數(shù)據(jù)處理能力，并能夠自檢、自校、自補(bǔ)償。傳統(tǒng)的傳感器已不能滿足這樣的要求。國外有的文章稱傳統(tǒng)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(jìn)材料工藝也很困難，需要利用計算機(jī)技術(shù)與傳感器技術(shù)相結(jié)合，彌補(bǔ)其性能的不足，計算機(jī)技術(shù)使傳感器技術(shù)發(fā)生了巨大的變革，微處理器（或微計算機(jī)）和傳感器相結(jié)合，產(chǎn)生功能強(qiáng)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(jī)敏的、智能傳感器）。另外，傳統(tǒng)的傳感器一般只能測量一個參數(shù)，有些場合需要同時測量多個參數(shù)的體積小的多功能傳感器?，F(xiàn)在多國科學(xué)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(nèi)外學(xué)者普遍認(rèn)為.智能傳感器是由傳統(tǒng)的傳感器和微處理器（或微計算機(jī)）相結(jié)合而構(gòu)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(shù)據(jù)進(jìn)行處理，并能對它的內(nèi)部行為進(jìn)行調(diào)節(jié)，使采集的數(shù)據(jù)最佳。
傳統(tǒng)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(diào)理（如濾波、放大、A/D轉(zhuǎn)換等）、數(shù)據(jù)處理、數(shù)據(jù)顯示以及自校自檢自補(bǔ)償?shù)裙δ?，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(shù)據(jù)進(jìn)行計算、存儲、數(shù)據(jù)處理，還可以通過反饋回路對傳感器進(jìn)行調(diào)節(jié)。由于微處理器充分發(fā)揮各種軟件的功能，可以完成硬件難以完成的任務(wù)，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(tǒng)傳感器的另一顯著特征是其信號調(diào)理電路。被測的物理量轉(zhuǎn)換成相應(yīng)的電信號后，送到信號調(diào)理電路中，進(jìn)行濾波、放大、轉(zhuǎn)換，再送入計算機(jī)（微處理器）中進(jìn)行處理。與計算機(jī)技術(shù)的結(jié)合，使智能傳感器相對于傳統(tǒng)傳感器具有如下功能：
①自補(bǔ)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(yīng)時間等進(jìn)行自動補(bǔ)償。
②操作者輸入零值或某一標(biāo)準(zhǔn)量值后，自校準(zhǔn)軟件可以自動地對傳感器進(jìn)行在線校準(zhǔn)。
③自診斷功能：接通電源后，可對傳感器進(jìn)行自檢，檢查傳感器各部分是否正常，并可診斷發(fā)生故障的不見。
④數(shù)值處理功能：可以根據(jù)智能傳感器內(nèi)部程序，自動處理數(shù)據(jù)，，如進(jìn)行統(tǒng)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(gòu)成閉環(huán)，微處理器不但接收、處理傳感器的數(shù)據(jù)，還可將信息反饋至傳感器，對測量過程進(jìn)行調(diào)節(jié)和控制。
⑥信息存儲和記憶功能。
⑦數(shù)字量輸出功能：輸出數(shù)字信號，可方便地和計算機(jī)或接口總線相連。
日前，世界各國都在研制和開發(fā)各類智能傳感器，隨著科學(xué)技術(shù)的不斷發(fā)展，智能傳感器的功能將逐步增強(qiáng)，它將利用人工神纖網(wǎng)絡(luò)、人工智能、信息處理技術(shù)（如信息融合技術(shù)、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(yīng)、自學(xué)習(xí)的功能，并可以完成圖像識別、特征檢測、多維檢測等復(fù)雜任務(wù)。
隨著計算機(jī)技術(shù)的飛速發(fā)展，智能傳感器技術(shù)必將大放異彩。
2 智能傳感器的發(fā)展?fàn)顩r
2.1 物理轉(zhuǎn)化機(jī)理
由于集成智能傳感器可以很容易對非線性的傳遞函數(shù)進(jìn)行校正，得到一個線性度非常好的輸出結(jié)果，從而消除了非線性傳遞對傳感器應(yīng)用的制約。該機(jī)理具有穩(wěn)定性好、精確度高、靈敏度高的特點(diǎn)。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(jī)械傳感器成為國際上傳感器領(lǐng)域的一個研究熱點(diǎn)。
2.2 數(shù)據(jù)融合理論
數(shù)據(jù)融合是集成智能傳感器理論的重要領(lǐng)域，也是各國研究的熱點(diǎn)，對于多個傳感器組成的陣列，數(shù)據(jù)融合技術(shù)能夠充分發(fā)揮各個傳感器的特點(diǎn)，利用其互補(bǔ)性、冗余性，提高測量信息的精度和可靠性，延長系統(tǒng)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(shù)的同時，集成智能傳感器在工藝上的研究熱點(diǎn)集中在研制與CMOS工藝兼容的各種傳感器結(jié)構(gòu)及制造工藝流程，探求在制造工藝和微機(jī)械加工技術(shù)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(jī)理、新結(jié)構(gòu)、新作用和新功能的高科技微型系統(tǒng)，并在智能程度上與先進(jìn)科技融合。其微型化主要基于以下發(fā)展趨勢：尺寸上的縮微和性質(zhì)上的增強(qiáng)性；各要素的集成化和用途上的多樣化；功能上的系統(tǒng)化、智能化和結(jié)構(gòu)上的復(fù)合性。
3 智能傳感器的應(yīng)用
3.1 立信眼球
由愛立信微波技術(shù)公司研制的ERIEYE（愛立信眼球）采用了智能傳感器技術(shù)和一個用戶界面友好的指揮和控制系統(tǒng)，可以快速獲取準(zhǔn)確和綜合的信息。它是一種出色的雷達(dá)系統(tǒng)，可以在陸地和水面上分辨和跟蹤海上及空中目標(biāo)，通過儀器觀測到的距離遠(yuǎn)遠(yuǎn)超過了地平線之外。
3.2 計算機(jī)視覺系統(tǒng)
在計算機(jī)視覺系統(tǒng)中，智能傳感器不僅直接確定數(shù)據(jù)集的范圍，還通過測量確保系統(tǒng)的安全。獲得需要到達(dá)的地點(diǎn)信息，安置系統(tǒng)以得到高質(zhì)量的信息。適應(yīng)實(shí)踐和環(huán)境的變化，甚至獲得特殊的指令，控制器件的動作。
4 現(xiàn)狀與發(fā)展
目前，世界各國都在研制與開發(fā)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(dǎo)體基片上用離子注入法配置擴(kuò)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(zhuǎn)換器、脈沖調(diào)制、微處理器和數(shù)字量輸出接口等。
智能傳感器是測量技術(shù)、半導(dǎo)體技術(shù)、計算技術(shù)、信息處理技術(shù)、微電子學(xué)、材料科學(xué)互相結(jié)合的綜合密集型技術(shù)。目前各國科學(xué)家正在按下列技術(shù)途徑開發(fā)研究：
（1）利用新型材料研制基本傳感器?；緜鞲衅魇侵悄軅鞲衅鞯幕A(chǔ)，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(yōu)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(yōu)質(zhì)材料。
（2）利用新的加工技術(shù)。近年來利用微加工技術(shù)日趨成熟，可以加工高性能的微結(jié)構(gòu)傳感器、ASIC制作技術(shù)，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(shù)字量，可以直接和微機(jī)及接口總線連接，不用A/D轉(zhuǎn)換器。另外，光纖傳感器、化學(xué)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?！?/p>
參考文獻(xiàn)
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(xiàn)狀と展望。日本電氣學(xué)會，電氣學(xué)會技術(shù)報告（Ⅱ）部第272號，昭和63年6月，P4～5
