第12章　图象理解理论和系统 图像工程(第2版)下册图像理解教学课件.ppt

第12章　图象理解理论和系统 12.1　从感知到理解 12.1　从感知到理解 12.1　从感知到理解 12.1　从感知到理解 12.2　图象理解理论框架 12.2.1　马尔视觉计算理论 12.2.1　马尔视觉计算理论 12.2.1　马尔视觉计算理论 12.2.1　马尔视觉计算理论 12.2.1　马尔视觉计算理论 12.2.1　马尔视觉计算理论 12.2.1　马尔视觉计算理论 12.2.1　马尔视觉计算理论 12.2.1　马尔视觉计算理论 12.2.1　马尔视觉计算理论 12.2.1　马尔视觉计算理论 12.2.1　马尔视觉计算理论 12.2.1　马尔视觉计算理论 12.2.1　马尔视觉计算理论 12.2.1　马尔视觉计算理论 12.2.1　马尔视觉计算理论 12.2.1　马尔视觉计算理论 12.2.1　马尔视觉计算理论 12.2.2　对马尔理论框架的改进 12.2.2　对马尔理论框架的改进 12.2.3　关于马尔重建理论的讨论 12.2.3　关于马尔重建理论的讨论 12.2.3　关于马尔重建理论的讨论 12.2.3　关于马尔重建理论的讨论 12.2.4　新理论框架的研究 12.2.4　新理论框架的研究 12.3　图象理解系统模型 12.3.1　系统模型结构 12.3.2　多层次串行结构 12.3.3 以知识库为中心的辐射结构 12.3.4　以知识库为根的树结构 12.3.5　多模块交叉配合结构 12.3.5　多模块交叉配合结构 12.4　具体系统分析 12.4.1　VISIONS 系统 12.4.2　ACRONYM 系统 12.4.3　KB Vision 系统 12.5　典型系统比较 12.6　讨论和展望 12.6　讨论和展望 联 系 信 息 2.　不需重建的表达 “精神表达语义”（semantics of mental representations） 用自然的和可预测的方式来进行表达 特征检测器构成了视觉世界中的某种特征存在性的表达 对整个目标和场景的表达可以随后根据这些基元（如果基元足够多）来构建 1.　基于知识的理论框架 (1) 利用对感知组织的处理过程，从图象特征中提取相对于观察方向在大范围内保持不变的分组和结构 (2) 借助图象特征构建模型，在这个过程中利用概率排队的方法减小搜索空间 (3) 通过求解未知的观察点和模型参数寻找空间对应关系，使得3-D模型的投影直接与图象特征相匹配 2.　主动视觉理论框架 (1) 选择注意机制 (2) 注视控制 12.3.1　系统模型结构 12.3.2　多层次串行结构 12.3.3　以知识库为中心的辐射结构 12.3.4　以知识库为根的树结构 12.3.5　多模块交叉配合结构 系统性能将主要取决于两方面的因素： (1) 在总体上是如何组织的，由哪些模块组成，模块间如何联系 (2) 每个模块内采用了何种技术，如何对信息进行加工 典型系统模型 松散的知识库模型 多层次串行结构将视觉信息加工过程看作一个信息处理过程，具有确定的输入和输出，因而将视觉信息系统组织成一系列分处于不同层次的模块并以串行方式结合起来，每个模块（在其它模块的协同配合下）按顺序执行一些特定的工作，从而逐步完成预定的视觉任务 可包括由底向上（bottom up）的处理（比较通用但不一定总有效）和由顶向下（top down）的处理（在约束充分时效率会比较高） 可以看作是一种类比于人类视觉系统的结构。它的特点是以知识为中心，系统整体不分层，信号在各个模块及知识库中多次进行交换处理 在组成上，人类视觉系统与计算机视觉信息系统有很大不同 2010年计算 机会达到与 人脑大约相 同的处理器 个数{P.301} 以知识库为根的树结构主要是一种模块分类方式，它根据对知识的不同表达类型进行组织 (1)　广义图象：场景中有关图象类实体的集合 (2)　分割图象：通过将广义图象中的元素聚合成 与场景中有意义物体相关联的集合而得到 (3)　几何结构：它是描述图象和客观世界的模型 (4)　关系结构：它给出图象和结构的符号描述 视觉信息系统应使得主观的观察用户能从客观的场景获得不同类别和层次的信息以通过系统认识世界。多模块交叉配合结构将整个系统分成多个模块，各有确定的输入和输出，且互相配合交叉，比较灵活 从总体上看，尤其是在低层和中层处理阶段，采用了多层次串行结构，从客观场景获取的视觉信息经过一系列加工过程到达观察用户。但在部分地方，特别是高层加工阶段，系统又基本围绕知识模型进行组织 12.4.1　VISIONS 系统 12.4.2　ACRONYM 系统 12.4.3　KB Vision 系统 一个基于图象中区域的二维图象