前言：想要寫出一篇令人眼前一亮的文章嗎？我們特意為您整理了5篇計算機視覺研究內(nèi)容范文，相信會為您的寫作帶來幫助，發(fā)現(xiàn)更多的寫作思路和靈感。

計算機視覺研究內(nèi)容范文第1篇

關(guān)鍵詞：雙目視覺；匹配算法；計算機視覺；立體匹配；相位一致性

1.計算機視覺系統(tǒng)分析研究

1.1計算機視覺技術(shù)及雙目立體視覺

計算機視覺是通過計算機技術(shù)實現(xiàn)對視覺信息處理的整個過程，是一門新的學(xué)科。視覺是人們認知事物的重要途徑，視覺是人們對視覺信息獲取、處理和存儲的過程。隨著計算機技術(shù)的發(fā)展，信號處理技術(shù)的應(yīng)用，人們通過照相機來把實際的事物拍攝下來轉(zhuǎn)變?yōu)閿?shù)字信息，并通過計算機信號處理技術(shù)隊獲取的視覺信號進行處理。計算機視覺技術(shù)對圖像的處理分為獲取圖像、特征抽象選取、事物識別及分類和對三維信息的理解。獲取圖像主要是通過攝像機和紅外線等技術(shù)對周圍視覺事物進行獲取，并通過計算得到和真實事物相應(yīng)的二維圖像，二維圖像主要是數(shù)字圖像。計算機視覺系統(tǒng)的最基本的功能是數(shù)字圖像的獲取?？梢钥闯鲇嬎銠C視覺研究最基本內(nèi)容是三維場景距離信息的獲取。在計算機被動測量距離方法中，有一種重要的距離感知技術(shù)叫作雙目立體視覺。雙目立體視覺技術(shù)是其他計算機視覺技術(shù)無法取代的一種技術(shù)，對雙目立體視覺技術(shù)的研究在計算機視覺技術(shù)和工程應(yīng)用方面都是非常重要的。

1.2計算機視覺理論框架

第一個視覺系統(tǒng)理論框架的提出是以信息處理為基礎(chǔ)，綜合了圖像處理和神經(jīng)生理學(xué)等研究內(nèi)容而建立的。這個視覺系統(tǒng)理論框架是計算機視覺系統(tǒng)的基本框架，與計算機視覺技術(shù)有著密切的關(guān)系。視覺系統(tǒng)的研究是以信息處理為基礎(chǔ)的，從理論層次、算法層次和硬件層次3個層次進行研究。計算機理論層次主要是表達系統(tǒng)各個部分計算的目的和方法，對視覺系統(tǒng)的輸入和輸出進行規(guī)定，輸入作為二維圖像，輸出是以二維圖像為基礎(chǔ)建立起來的三維物體，視覺系統(tǒng)的目的就是對三維物體進行分析和識別，通過計算對二維物置和形狀進行重新建立。算法層次對計算機規(guī)定的目標進行計算，算法和計算機表達有關(guān)，不同的表達可以通過不同的算法進行實現(xiàn)，在計算機理論的層次上，算法和表達比計算機理論的層次要低。硬件層次是通過硬件來實現(xiàn)算法的一種表達方法。計算機理論層次在計算機信息處理中時最高的層次，取決于計算機的本質(zhì)是解決計算機的自身問題，不是取決于計算問題的計算機硬件。要更好地對計算機系統(tǒng)和框架進行理解最好的方法就是要區(qū)分3個不同的層次，計算機理論的含義和主要解決的問題是計算機的目的，表達算法含義和主要解決的問題是實現(xiàn)計算理論的方法和輸入輸出的表達，硬件的實現(xiàn)的含義和主要解決的問題是如何在物理上對表達和算法進行實現(xiàn)。計算機視覺處理的可以分為3個階段，對視覺信息的處理過程從最初的二維圖像的原始數(shù)據(jù)，到三維環(huán)境的表達。第一階段基元圖的構(gòu)成，基元圖是用來表示二維圖像中的重要信息，主要是圖像中亮度變化位置及其幾何分布和組織結(jié)構(gòu)，圖像中每點的亮度值包括零交叉、斑點、端點和不連續(xù)點、邊緣等。第二階段2.5維圖描述，在以觀測者為中心的坐標中，表示可見表面的方向、深度值和不連續(xù)的輪廓，基元是局部表面朝向離觀測者的距離深度上的不連續(xù)點表面朝向的不連續(xù)點。第三階段三維模型表示，在以物體為中心的坐標系中，有由體積單元和面積單元構(gòu)成的模塊化多層次表示，描述形狀及其空間組織形式，分層次組成若干三維模型，每個三維模型都是在幾個軸線空間的基礎(chǔ)上構(gòu)成的，所有體積單元或面積形狀基元都附著在軸線上。視覺理論框架圖如圖1所示。

2.基于計算機的視覺立體匹配算法研究

視覺立體匹配算法是基于人類視覺系統(tǒng)的一種計算機算法。立體匹配算法作為計算機立體視覺問題研究的重點，快速地實現(xiàn)圖像對應(yīng)點的匹配來獲得視差圖是當(dāng)今研究的熱點問題。立體視覺匹配算法根據(jù)基元匹配的不同可以分為相位匹配、區(qū)域匹配和特征匹配3種，其中區(qū)域匹配算法可以減少計算負擔(dān)，區(qū)域匹配算法實時性高，應(yīng)用前景廣闊。計算機立體視覺通過對人的雙眼進行模仿，在雙眼的立體感知中獲得信息，從攝像機拍攝的圖像中獲取物體的三維深度信息，這就是深度圖的獲取，把深度圖經(jīng)過處理得到三維空間信息數(shù)據(jù)，二維圖像到三維空間實現(xiàn)轉(zhuǎn)換。深度的獲取在雙目立體成像視覺系統(tǒng)中分為兩步，首先在雙目立體圖像與圖像之間建立點對點的對象關(guān)系，雙目立體視覺算法研究的重點問題是解決對應(yīng)點之間的匹配問題。其次以對應(yīng)點之間的視差為依據(jù)對深度值進行計算。雙目成像是獲取同一場景中兩幅不同的圖像，兩個單目成像模型構(gòu)成一個雙目成像模型。雙目成像示意圖如圖2所示。系統(tǒng)的基線B是兩個鏡頭中心的連接線，空間點w（z，y，z）作為世界坐標的值由（x1，y1）與（x2，y2）進行確定，如果攝像機的坐標位置和空間點w世界坐標的位置重合，圖像平面和世界坐標軸xY的平面就是平行的。如果兩個攝像機在坐標系統(tǒng)中的原點不同但是它們的光軸平行，那么雙目成像計算人們可以看圖3所示，圖3表示的是兩個攝像頭連線在平臺xY的示意。

立體視覺的成像過程是成像的逆過程，具有一定的不確定性。大量的數(shù)據(jù)信息在從三維影像向二維圖像進行投影的過程會出現(xiàn)丟失的現(xiàn)象，所以視覺系統(tǒng)要通過自然的約束條件才能保證獲取正確的解。這些約束條件在減少匹配的計算量方面可以提供有利的幫助。針對基于區(qū)域匹配快速算法，還可以應(yīng)用基于視差梯度的匹配算法，這種匹配算法應(yīng)用較大的搜索范圍在邊緣的特征點上進行搜索，采用視差梯度在非邊緣區(qū)減少搜索范圍。應(yīng)用計算機視覺立體匹配算法可以減少成像匹配時間，大大提高了工作效率。計算機立體匹配算法征點的提取是算法的關(guān)鍵問題，今后的研究方向重點是對有效特征點提取方法的研究。

計算機視覺研究內(nèi)容范文第2篇

關(guān)鍵詞:計算機視覺;教學(xué)應(yīng)用;教學(xué)改革

計算機視覺是人工智能學(xué)科中的一門重要課程。隨著相關(guān)應(yīng)用在多個領(lǐng)域中的出現(xiàn),越來越多的學(xué)生開始對這門課產(chǎn)生了濃厚的興趣。如何讓學(xué)生能夠在整個課程中保持盎然的興趣,并為有志于深入研究計算機視覺的學(xué)生指明方向,成為我們教師首先應(yīng)注重的問題。

在實際的教學(xué)工作中,通過不斷摸索總結(jié),我們認為,以實際應(yīng)用引導(dǎo)學(xué)生的學(xué)習(xí)興趣,既滿足了學(xué)生想了解計算機視覺實際應(yīng)用的需求,又加深了學(xué)生對于算法的理解,把算法放在一個實際應(yīng)用中,學(xué)生可以理解怎么用,為什么這么用。在這樣的目標導(dǎo)引下,我們從選擇教材開始,準備教學(xué)內(nèi)容(包括合理的應(yīng)用實例的選擇)、制作PPT、探索教學(xué)方法,形成了目前以實際應(yīng)用為主導(dǎo)的創(chuàng)新教學(xué)體系,非常受學(xué)生歡迎。在此,我們對這期間遇到的問題,解決方法、心得體會做一個總結(jié)和思考,希望能對同行有些許參考作用。

1選擇教材

在我們這個專業(yè),每年的上研率基本都保持在50%左右。在本專業(yè)的研究生階段,也開設(shè)了雙語教學(xué)的計算機視覺課程。另外,畢業(yè)后選擇參加工作的同學(xué)也基本都進入和本專業(yè)非常相關(guān)的一些單位,所從事的工作,都是和在學(xué)校學(xué)習(xí)的知識密切相關(guān)。

因此,如何讓這門課程的教學(xué)既兼顧本科畢業(yè)就參加工作的那部分同學(xué),又兼顧繼續(xù)深造的學(xué)生的需求,也是在這門課程講授的過程中,需要特別注意的一個問題。對于本科畢業(yè)就要參加工作的同學(xué)而言,需要“廣度”,需要了解計算機視覺這門課在各個領(lǐng)域中的應(yīng)用,在實際中接觸到相關(guān)的項目或工作時,能夠知道去哪里可以找到自己需要的參考資料;而對于要進一步深造的同學(xué)而言,則需要一定的“深度”,為研究生階段的研究打下基礎(chǔ)。

全盤考慮到這些學(xué)生畢業(yè)之后的去向,我們選擇了兩本教材。一本是賈云得教授編著,科學(xué)出版社于 2000年出版的《機器學(xué)習(xí)》[2],這是一部順應(yīng)了時代與教學(xué)發(fā)展要求的教材,對計算機視覺中的基本概念、基本算法、基本算法的應(yīng)用、經(jīng)典應(yīng)用進行了由淺入深的介紹。內(nèi)容涵蓋了所有經(jīng)典的數(shù)字圖像處理與機器視覺方法,也對一些已經(jīng)得到非常好實際應(yīng)用的方法,如光流法等作了簡要介紹。另外還選擇了一本英文原版的計算機視覺的經(jīng)典著作,Ramesh Jain 教授等所著的《Machine Vision》[3],機械工業(yè)出版社于2003年出版。這是國內(nèi)外非常推崇的一本計算機視覺著作,該教材條理清晰,深入淺出,對計算機視覺的基本原理、算法、應(yīng)用的介紹非常詳盡。

在教學(xué)中,我們采用了英文的PPT,但主要用的教材是賈云得教授的《機器視覺》,這樣中英文對照講解,一方面加深學(xué)生對教學(xué)內(nèi)容的理解,另一方面也為學(xué)生今后閱讀專業(yè)的英文論了相應(yīng)準備。

2教學(xué)內(nèi)容和工程實例的選取

2.1選取教學(xué)內(nèi)容

本課程之前,大學(xué)二年級的本科生已開設(shè)數(shù)字圖像處理課程,但所講的基本原理和算法都非常淺顯,所以在教學(xué)內(nèi)容的安排上,分為兩大部分:數(shù)字圖像處理部分和視覺部分。數(shù)字信號處理部分主要講解在視覺部分會用到的一些基本算法,為后面進入計算機視覺部分打基礎(chǔ)。這部分約占總課時的1/3。視覺部分的課時也分為兩部分:算法講解與實例講解。在算法講解部分,對計算機視覺的基本算法、經(jīng)典算法都做了深入淺出的講解。實例部分則選擇了經(jīng)典的工業(yè)應(yīng)用,讓學(xué)生能夠?qū)λ鶎W(xué)算法進一步加以理解。

2.2選取適當(dāng)?shù)墓こ虒嵗?/p>

就計算機視覺的教學(xué)內(nèi)容而言,各個孤立的算法和方法對本科生來講,有些抽象不好理解。如果在教學(xué)上僅僅通過老師在課堂上的講解,很難讓學(xué)生深入地理解相關(guān)的教學(xué)內(nèi)容,而選擇一個觸手可及且簡單好理解的工程實例往往就會達到意想不到的教學(xué)結(jié)果,學(xué)生可以把課堂上所學(xué)的枯燥理論與現(xiàn)實中活生生的事物聯(lián)系起來,從而加深對教學(xué)內(nèi)容的理解。

通過反復(fù)比對、反復(fù)論證,我們選擇了在講解基本原理和算法之后,在課程結(jié)束前,專門留出課時講解手機制造這個例子。手機現(xiàn)在是人手一部,是這些年青學(xué)子再熟悉不過的事物了,通過對手機主板、手機鍵盤的制造過程的講解,把所學(xué)的算法都融合進來,學(xué)生在覺得有趣的同時,不知不覺就加深了對所學(xué)算法的理解。

另外,在教學(xué)的過程中,我們還不斷穿插其他學(xué)生耳熟能詳?shù)膶嵗?如數(shù)碼相機原理中的一些算法的講解,我們和學(xué)生一起探討應(yīng)該怎么選擇數(shù)碼相機。再有,濾波器算法、在課堂上對Photoshop功能的演示,與所學(xué)算法關(guān)聯(lián)起來,學(xué)生都很容易理解接受。

3教學(xué)點滴

3.1點睛之筆

在第一節(jié)課的講述中,我們的重點不在于Marr理論,而是告訴學(xué)生:

人工智能就是要讓計算機像人一樣,能夠會聽、會看……

我們這門課程就是要讓計算機“會看”,要像人一樣會看。進而展示給學(xué)生一些我們精心挑選的圖片,讓學(xué)生自己判斷,是不是自己的眼睛“騙了”自己,人眼和計算機看到的到底有什么不一樣。

每次講到這里,學(xué)生都會進行熱烈的討論,每個人都有不同的看法,每個人都有自己的堅持,不知不覺中,對這門課就產(chǎn)生了濃厚的興趣,有了繼續(xù)深入學(xué)習(xí)下去的愿望。在課堂討論的最后,比較人眼對圖片的判斷以及計算機的判斷后,讓學(xué)生自己總結(jié)歸納,我們這門課到底要研究些什么,都有可能應(yīng)用在哪些方面,然后對爭議比較大的提議一一探討。每到這個時候,大家的積極性就都被激發(fā)出來,在不斷的爭論與思想碰撞中找出正確的結(jié)論。

3.2拿身邊的事物說“事”

計算機視覺課程的前半部分,多涉及到圖像處理的一些常見算法。在講授各種各樣的濾波器和算子時,并沒有針對各個濾波器和算子擺出一堆示例圖片,讓學(xué)生比較濾波前后的差異,從而很生硬地理解濾波器與算子的功能。取而代之的,我們首先以現(xiàn)在人手一臺的數(shù)碼相機為例提出問題,你為什么要選擇你手里的這臺數(shù)碼相機?當(dāng)初選這個品牌和型號時,你的考慮是什么?歷年學(xué)生的回答幾乎都是看網(wǎng)上測評,或者在網(wǎng)上看別人怎么說。這時列出我們收集到的各個品牌相機的測評報告,列出它們的優(yōu)缺點,然后引導(dǎo)學(xué)生去思考,例如這個品牌的相機的缺點是照片發(fā)灰,不是很鮮亮,而另一個品牌的相機則綠的特別綠,紅的特別紅,為什么?那么有可能是哪部分的算法不夠完善,為什么?

通過如此簡單的對比,學(xué)生的積極性被完全激發(fā)。原來,數(shù)碼相機這個幾乎人人都有,大家都熟悉的“玩具”竟然和自己在課堂上學(xué)到的知識這么密切相關(guān)。

再有,就是利用學(xué)生們都熟悉的PS(Photoshop),演示現(xiàn)在所謂的“完美證件照”是怎么來的。為什么可以把疙疙瘩瘩的臉部皮膚變得光滑?在PS中,你就是點了一下鼠標,其實在后臺,是加入了一個濾波器進行了濾波。各種這樣的演示,學(xué)生都非常喜聞樂見。因為他們突然發(fā)現(xiàn),原來那些事物,和我自己接觸到這些看似枯燥的理論之間,還有這么深刻的聯(lián)系。

還有一個很受學(xué)生歡迎的例子就是對于“鼓形失真”的講解。我們的老師每次講到這里,都不會簡單告訴學(xué)生“鼓形失真”發(fā)生的原因是什么,應(yīng)該怎么解決?老師都會問學(xué)生,明星為什么都一窩蜂去減肥?現(xiàn)在的女明星為什么都要去弄個“錐子臉”?課堂上就會出現(xiàn)一個小,男同學(xué)和女同學(xué)的看法各異,彼此之間開始爭論不休。此時再趁熱打鐵地問學(xué)生,如果拿著相機,離自己的鼻子一公分,會拍出什么樣的效果?有學(xué)生開始拿出手機對著自己和別人開拍,有的學(xué)生開始頭頭是道地分析。每到這種學(xué)生都開始熱烈討論的時候,就可以適時引導(dǎo)學(xué)生往正確的方向去,讓他們自己找到正確的分析解決方法,往往這個時候,學(xué)生都會頗有成就感,對于問題的理解也會特別的深刻。

3.3選擇合適的實際應(yīng)用

在所有理論講解結(jié)束后,我們會留出2～4次課講述計算機視覺在工業(yè)上的應(yīng)用。這些年來,對于手機制造這樣一個工業(yè)應(yīng)用,非常受學(xué)生歡迎。正如“數(shù)碼相機”這個例子一樣,現(xiàn)在學(xué)生都是人手一部手機,是大家再熟悉不過的東西。這個例子涉及到了在前面理論講述中的大部分算法,如二值圖像的處理、模板匹配、高斯濾波器等。學(xué)生通過對這個工業(yè)應(yīng)用的理解,更進一步加深了對算法的理解。

以講解手機鍵盤的制造過程為例,向?qū)W生提出和前面所講內(nèi)容相關(guān)的問題,引導(dǎo)學(xué)生自發(fā)思考,如為什么選擇模板匹配法,而不是采用其他更復(fù)雜更精確的方法等等。每到這個時候,課堂氣氛總是分外熱烈,學(xué)生各抒己見,在不斷爭論中,更進一步加深對課本上枯燥理論的認識。

在這里需要注意的問題是一定要一步一步提出問題,循循善誘,引導(dǎo)學(xué)生一層一層地深入思考。如果問題的答案過于“深藏不露”,則有可能觸發(fā)學(xué)生的抵觸情緒,無法繼續(xù)深入地思考。

4結(jié)語

通過多年的教學(xué)摸索,我們認為,在計算機視覺課程的講述中,以實際應(yīng)用引導(dǎo)學(xué)生這樣的教學(xué)方法非常可取,而且也收到了很好的效果。另外,除了制定好的教學(xué)大綱,并選擇合適的教材外,根據(jù)學(xué)校現(xiàn)在的時間情況,我們選擇了多媒體手段輔助教學(xué),充分利用Matlab和大屏幕投影等方方面面的優(yōu)勢,結(jié)合多種方法進行教學(xué),對講好計算機視覺這門課,非常有益。

參考文獻:

[1] 林堯瑞,馬少萍. 人工智能導(dǎo)論[M]. 北京:清華大學(xué)出版社,1989.

[2] 賈云得. 機器視覺[M]. 北京:科學(xué)出版社,2000.

[3] Ramesh Jain. Machine Vision[M]. 北京:機械工業(yè)出版社,2003.

[4] 蔡自興. 智能控制原理與應(yīng)用[M]. 北京:清華大學(xué)出版社,2007.

Innovation in the Course of Computer Vision

HAN Hong, JIAO Li-cheng

(School of Electronic Engineering, Xidian University, Xi’an 710071, China)

計算機視覺研究內(nèi)容范文第3篇

[關(guān)鍵詞] 物流企業(yè)； 自動化； 算法

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

0 引 言

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

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

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

1 計算機視覺的相關(guān)知識

1.1 計算機視覺的概念

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

1.2 亮度要求

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

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

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

1.3 計算機和攝像機的接口

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

1.4 RGB介紹

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

2 計算機視覺在物流領(lǐng)域的優(yōu)勢

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

2.1 靈活、低成本

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

2.2 高效、準確

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

3 計算機視覺在流水線中多方位跟蹤計數(shù)的算法

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

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

3.1 主要算法

3.2 算法的運行結(jié)果

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

3.3 算法的評價

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

4 結(jié)論與建議

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

4.1 要有一個戰(zhàn)略性的全局行動綱領(lǐng)

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

4.2 解決主要問題

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

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

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

4.4 創(chuàng)新型物流人才的引進和培養(yǎng)

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

主要參考文獻

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

計算機視覺研究內(nèi)容范文第4篇

關(guān)鍵詞：數(shù)字圖像處理；測距；聚焦；頻域

中圖分類號：TP391.41 文獻標識碼：A 文章編號：2095-1302(2012)09-0016-03

Images ranging method based on frequency domain analysis

ZHU Xue-yi

(School of Microelectronics and Solid-State Electronics, University of Electronic Science and Technology, Chengdu 610054, China)

Abstract: Using digital image processing theories and methods, the digital image pre-processing mode, the target graphic detection and the ranging model construction are studied and analyzed. Combined with a ranging scheme of single camera, a focusing ranging technique based on frequency domain analysis is given to process images captured by the monocular camera and calculate the distance from target detection image to the camera based on frequency domain image signals. The technique saves lots of complex hardware and reduces the demands of digital image processing, which has the advantages of high ranging precision and fast processing speed.

Keywords: digital image processing; ranging; focusing; frequency domain

0 引 言

視覺是人類觀察世界、認知世界的重要功能手段，人類感知外部世界主要通過視覺、觸覺、聽覺和嗅覺等感覺器官，其中80%的信息是由視覺獲取的。計算機視覺就是人類利用計算機實現(xiàn)人的視覺功能，從而對客觀世界三維場景進行感知、識別和理解。計算機視覺是一個相當(dāng)新而且發(fā)展迅速的研究領(lǐng)域。

在對生物視覺系統(tǒng)的研究中，人們早就注意到，幾乎所有具有視覺功能的生物都有兩只眼睛。用兩只眼睛同時觀察物體，會有深度或遠近的感覺，我們稱之為視差。因此，在計算機視覺系統(tǒng)中，也常用兩臺或多臺攝像機從兩個或多個視點去觀察同一場景，從而獲得在不同視角下的一組圖像，然后通過同一場景點在不同圖像中的視差，推斷出場景中目標物體的空間幾何形狀和位置，這種方法稱為立體視覺。它是計算機視覺的一個重要分支，也是計算機視覺的核心研究內(nèi)容之一。

視頻和圖像是對物質(zhì)世界客觀事物的形象而生動的描述，是最直接且具體的信息表達形式之一，是人類最重要的信息載體。隨著科技的日益發(fā)展，人們需要一種更加先進快捷的工作方式，另外，人們對工作環(huán)境和工作條件也提出了更新、更高的要求，視頻測距系統(tǒng)便在這種背景下應(yīng)運而生。

視覺測距技術(shù)的發(fā)展對于距離測量有重要的意義。在基于數(shù)字圖像處理技術(shù)的視覺測距系統(tǒng)中，使用單個CCD(Charge Couple Device)攝像機的系統(tǒng)稱為單目攝像系統(tǒng)，而同時使用兩臺攝像機對同一景物進行攝像，并運用計算機分析兩幅圖像來確定物體的三維狀況的系統(tǒng)稱為雙目攝像系統(tǒng)。雙目攝像系統(tǒng)測量精度高，但計算速度較慢，成本較高。而單目攝像系統(tǒng)方法則比較簡潔、快速，因此，本文對采用單目攝像系統(tǒng)檢測目標物的測距方法進行研究。

1 測距技術(shù)在國內(nèi)外的研究現(xiàn)狀

目前，國內(nèi)外對視覺測距技術(shù)的研究仍在不斷的進行之中，還并沒有形成國際統(tǒng)一的標準模式，各種數(shù)字圖像處理技術(shù)和算法之間孰優(yōu)孰劣仍在不斷的探討和比較中。當(dāng)前，國內(nèi)外的研究機構(gòu)主要研究的測距技術(shù)包括超聲波測距技術(shù)、微波雷達測距技術(shù)、激光雷達測距技術(shù)和視覺測距技術(shù)。

1.1 激光雷達測距

激光雷達測距具有測量時間短、量程長、精度高等特點，但激光雷達在惡劣天氣環(huán)境下或逆光狀態(tài)下的測距準確性降低，另外，其造價、耗能、對人眼安全等因素也對其進一步應(yīng)用有一定影響。

1.2 超聲波測距

超聲波是指振動頻率在20 kHz以上的機械波，具有聲波傳輸?shù)幕疚锢硖匦?。超聲波測距是根據(jù)超聲波反射時間來計算與前方車輛之間的距離。超聲波測距原理比較簡單，成本低，但超聲波的傳輸速度受天氣影響較大，不同天氣條件下的傳輸速度不同。

計算機視覺研究內(nèi)容范文第5篇

【關(guān)鍵詞】計算機視覺；數(shù)字色彩；感性認知

一、色彩的視覺生理機制與計算機色彩設(shè)置的關(guān)系

眼睛是人類的視覺器官，視覺系統(tǒng)就像一架攝相機，具有較完善的光學(xué)系統(tǒng)及各種使眼球轉(zhuǎn)動并調(diào)節(jié)光學(xué)裝置的肌肉組織。光線透過眼的折光系統(tǒng)到達視網(wǎng)膜，并在視網(wǎng)膜中形成物像，同時興奮視網(wǎng)膜的感光細胞，然后，信息沿視神經(jīng)傳導(dǎo)到大腦皮質(zhì)的視覺中樞產(chǎn)生視覺。實現(xiàn)閱讀的第一反應(yīng)區(qū)域處于大腦后方的枕葉皮層（視覺皮層），人類的視覺系統(tǒng)自動對視覺輸入構(gòu)建結(jié)構(gòu)，并在神經(jīng)系統(tǒng)層面上感知形狀、圖形、物體。

視覺能夠感受到物體細節(jié)，通常稱為視覺視敏度，也就是對所觀察的實物細節(jié)或圖像細節(jié)的辨別能力，具體量化起來就是能分辨出平面上的兩個點的能力。人眼的分辨能力是有限的，在一定距離、一定對比度和一定亮度的條件下，人眼只能區(qū)分出小到一定程度的點，如果點更小，就無法看清。以光學(xué)色彩為基礎(chǔ)的計算機顯示器，熒屏上的數(shù)字色彩是由許多紅、綠、藍紫三原光小色點構(gòu)成，以不同比例的混合得出自然界的各種顏色。在各種顏色的反射光快速地先后刺激或同時刺激人眼過程中，顯示器色光點過于細小，超出人眼能夠分辨的視敏度，待傳到人眼中識別時，視覺不能識別全部微妙變化的色彩波段，視覺對相似的色彩歸納在一起，光在人眼中留下的印象在視覺中混合，將信息傳入大腦皮層，印象由人的視覺器官完成視覺混合。色彩混合后明度是被混合色的平均明度，混合效果近看色彩豐富，遠看色調(diào)統(tǒng)一。

電腦顯示器工作時的正常顯示狀態(tài)是根據(jù)人的視覺明視而設(shè)計的，開機工作狀態(tài)下，感知顯示圖像的始終是視錐細胞。視覺明視中感受相當(dāng)光照水平和顏色刺激的視錐細胞中含有感紅色素、感綠色素和感藍色素，三類視椎細胞分別對紅綠藍色（RGB）光敏感。這意味著，人類的色覺與計算機顯示器類似，人們感知世界的視覺狀態(tài)基本處于視覺明視，通過紅綠藍色像素探測形成多種顏色，使人在視覺明視中感知到真實的色彩。

二、計算機視覺色彩感知中的敏感源

在適當(dāng)?shù)臈l件下，視覺對光的強度具有敏感性。眼睛對暗適應(yīng)越久，對光的反應(yīng)越敏感。視覺對光強度（明度）感受存在一段適合閾值。強度閾值內(nèi)可以讀取色彩，而在強度的閾值以外，人眼只能看出光亮卻看不出顏色，明度過高分辨不出顏色。計算機顯示亮度的設(shè)置是參考視覺感受亮度的共性閾值而設(shè)計的，適合閾值范圍內(nèi)，視覺可以讀取計算機顯示器中色彩。

視覺對光波長的敏感性不同于對光強度的敏感性。視網(wǎng)膜的不同部位對色調(diào)的敏感性是不同的。視網(wǎng)膜中央凹能分辨各種顏色，從中央凹到邊緣部分，對顏色的辨別能力逐漸減弱，先喪失紅、綠色的感受性，最后黃、藍色的感受性也喪失，成了全色盲。在整個光譜上，人眼能分辨出大約150種不同的顏色（光波），但人對光波（顏色）的辨別感受能力因不同波長而不一樣。

在視覺感知計算機色彩過程中色彩認知心理的共性經(jīng)驗可以產(chǎn)生敏感源。色彩認知心理來源于生活共性經(jīng)驗的理性“歸納”。視覺生理機制的共同特征使色彩視覺感知存在基本相同的生理基礎(chǔ)。色彩的直接心理效應(yīng)來自色彩的物理光刺激對人的生理發(fā)生的直接影響，視覺生理及視覺心理等方面的共性特征使人們在色彩視覺意象存在相似的感受。視覺感知過程中，以往的認知結(jié)構(gòu)對現(xiàn)有的認知過程的影響，生活經(jīng)驗影響人的認知心理變化過程，心理之間的相互聯(lián)系、相互制約，使人類認知過程相近的模式。著名的認知心理學(xué)家布魯納認為，在人們認知的過程中，必須考慮到通過視覺感官對客觀聯(lián)系的色彩信息進行組織，結(jié)合視覺經(jīng)驗感知新的客觀事物，用歸納方法能找出事物的共性，“感知”出相互聯(lián)系的客觀事物中相近的東西。

色彩心理共性源于“經(jīng)驗色”。人類可以通過本能的眼睛或是肢體觸探物質(zhì)本身的微妙變化感知生活，不斷產(chǎn)生認知“經(jīng)驗”。在歷史和風(fēng)俗的影響下，色彩所蘊藏的深層意義來至生活經(jīng)歷的聯(lián)想，視覺色彩通過聯(lián)想鏈來理解傳播信息。在生活實踐中，不同的色彩刺激結(jié)合識別色彩的習(xí)慣與經(jīng)驗，形成明顯的情緒感，產(chǎn)生不同的情緒反射，使人既能感覺積極興奮，也能使人消沉或感傷，其影響最明顯的是色相。純度的關(guān)系也很大，高純度色有興奮感，低純度色有沉靜感。明度也可以表現(xiàn)情緒，暖色系中高明度、高純度的色彩呈興奮感，低明度、低純度的色彩呈沉靜感。利用色彩視覺心理經(jīng)驗有利于完成認知任務(wù)，對于實際生活具有很強的指導(dǎo)性，這些“經(jīng)驗”向我們明確地肯定了色彩對人心理的影響具有共性。

色彩心理共性源于人們學(xué)習(xí)和推理。在認知過程中人類情感普遍交流的同時產(chǎn)生相互認同，不斷找到與周圍的環(huán)境現(xiàn)象結(jié)合的個人經(jīng)驗。知識學(xué)習(xí)積累物質(zhì)的色彩、材料、形狀、物理的空間、運動與時間等認知共性，這些共通的經(jīng)驗，可以在大量事實研究中歸納出一些自然規(guī)律，詮釋事物，形成可以指導(dǎo)和影響社會發(fā)展的觀點。

三、計算機數(shù)字色彩設(shè)計

人們在各自分隔的世界里共同生活，色彩視覺感知受人的經(jīng)歷、記憶力、看法和視覺靈敏度等各種因素的影響，但相近的生活習(xí)性，相似的生活經(jīng)驗，使人們會采用相近的方式理解色彩。感性色彩的科學(xué)設(shè)計可以滿足計算機視覺的準確性，提高網(wǎng)絡(luò)平臺交互速度，促進經(jīng)濟，滿足視覺風(fēng)尚，幫助高效實現(xiàn)計算機交互。人類共通的視覺經(jīng)驗，產(chǎn)生感知色彩的一般規(guī)律，可以歸納出以下計算機數(shù)字色彩設(shè)計法則。

（1）經(jīng)驗影響感知，應(yīng)用色彩隱藏的寓意引導(dǎo)，盡可能與圖像結(jié)合表達。例如，每人看云和水滴會聯(lián)想熟知的圖形，看火會聯(lián)想到紅橙色的激動與熱辣。人們能快速識別圖像，而且觸發(fā)相關(guān)信息回憶。使用經(jīng)驗圖標，一般人們不需要學(xué)習(xí)，就能識別所提示的意思。

（2）看到和選擇比回憶和輸入要容易。為用戶提供色彩鮮明的選項，在顏色之外使用其它提示，讓它們從中選擇，而不是強迫用戶回憶選項再告訴電腦。

（3）使用縮略圖緊湊地描繪全尺寸的圖像?？s略圖能讓人一次性看很多選項，熟悉的圖形內(nèi)容會引起注意，方便選擇。使用獨特的色彩，用飽和度、亮度及色相區(qū)分內(nèi)容。

（4）避免使用色盲人無法區(qū)分的顏色（例如，色盲人可以識別白色和不同深淺的綠色地圖）。

（5）將強烈的對抗色分開（強烈的對抗色使人產(chǎn)生難受的閃爍感）。

（6）利用色彩引導(dǎo)邊界視力，提供低分辨的線索，引導(dǎo)眼球運動。對視覺選擇性感知，邊界視野中的暗色和靜止物體經(jīng)常不被注意到，邊界視線中物體的運動通常會被察覺。例如，出錯提示在點擊電腦按鍵位置1-2厘米邊界視力以外，出錯提示將不被看到。

（7）物體之間的相對距離會影響人們感知它們是否及如何組織在一起。（互相靠近物體看起來為一組）。例如，計算機圖形設(shè)計，拉近距離或分組框和分割線隔開，減少用戶視覺凌亂。相似物體視覺歸屬于一組，色彩中的類似色可以歸屬成一組。

（8）視覺傾向于感知連續(xù)的形式而不是離散的碎片。例如，形間斷，但色彩相同，視覺自動連續(xù)成完整圖形。例如，計算機音量滑動條范圍的色彩連續(xù)，滑動條手柄連續(xù)整體感知（灰色地、紅色條）。

（9）人們傾向于分解復(fù)雜的場景來降低復(fù)雜度，視覺自動組織并解析數(shù)據(jù)，簡化數(shù)據(jù)。例如，圖計算機圖形中應(yīng)用此原理，平面色彩顯示三維物體和復(fù)雜的二維圖形解析為三維場景（假空間錯視）。