机器视觉解析.pptVIP

北京邮电大学自动化学院 * 机器视觉 Machine Vision 参考书目： 1、《图像处理、分析与机器视觉》（第二版） M.Sonka,V.Hlavac,R.Boyle著，艾海舟等译， 人民邮电出版社，2003 2、《机器视觉教程》W.E.Snyder,H.Qi著 林学訚等译，机械工业出版社，2005 3、《计算机视觉》马颂德著，科学出版社，1999 第一章 引 论 Chap1 引论 讲解内容 1.机器视觉的研究内容、特点及其应用。 2.基础理论（ Marr视觉计算、成像几何基础）； 3.课程学习内容。 目的 1. 了解机器视觉的主要内容及相关知识，熟悉机器视觉与其他学科的关系； 2. 重点掌握Marr视觉计算理论及成像几何基础理论。 1. 1机器视觉 机器视觉：用计算机来模拟生物视觉功能的科学和技术。机器视觉系统的首要目标是利用图像创建或恢复现实世界模型，然后认知现实世界。 ? 从二维图象恢复三维信息； ? 从原始图像数值描述产生语义描述。 1.1.1 基本概念 机器视觉是信息科学领域的一个重大挑战性问题： ? Jim Gray列出的12大信息科学问题之一: See as well as a person. ? Bill Gates：The future of computing is to make computers see, hear, speak and learn. 一、输入设备(input device)－包括成像设备和数字化设备．成象设备是指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象，得到关于场景或物体的二维或三维数字化图像。 二、低层视觉(low level)－主要是对输入的原始图像进行处理．这一过程借用了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、边界以及色彩等关于场景的基本特征；这一过程还包含了各种图像变换（如校正）、图像纹理检测、图像运动检测等。 1. 1机器视觉 1.1.2 研究内容 三、中层视觉（middle level）－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2．5维信息，实现的途径有立体视觉（stereo vision）、测距成像（rangefinder）运动估计（motion estimation）、明暗特征、纹理特征等. 系统标定、系统成像模型等研究内容一般也是在这个层次上进行的． 四、高层视觉（high level）－主要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、2．5维图的基础上，恢复物体的完整三维图，建立物体三维描述，识别三维物体并确定物体的位置和方向． 五、体系结构（system architecture） 1. 1机器视觉 20世纪50年代归入模式识别----主要集中在二维图像分析和识别上，如光学字符识别，工件表面、显微图片和航空图片的分析和解释等。 60年代，Roberts积木世界理论----开创了以理解三维场景为目的的三维计算机视觉的研究。 70年代，Marr计算视觉理论----第一个较为完善的视觉系统框架，分三个层次进行处理。 80年代以后，蓬勃发展----新概念、新方法、新理论不断涌现，如基于感知特征群的物体识别理论框架，主动视觉理论框架，视觉集成理论框架等。 1. 1机器视觉 1.1.3 发展概况 （1）图像多义性 （2）环境因素影响 （3）知识导引 （4）大量数据 1. 1机器视觉 1.1.4 研究面临的困难 主要期刊和会议 1. 1机器视觉 ? IEEE T-PAMI, IJCV, IEEE T-Image Processing, Pattern Recognition, Computer Vision and Image Understanding, Image and Vision Computing, PR Letters, …… ? ICCV, CVPR, ICPR, ICIP, ECCV, ACCV, BMVC, MVA, …… ?自动化学报、计算机学报、软件学报、电子学报、中国图像图形学报、模式识别与人工智能、…… 1.2 Marr视觉计算理论 ? MIT的David Marr在70年代末提出了第一个较为完善的视觉系统框架； ? 该框架立足于计算机科学，系统地概括了心理生理学、神经生理学等方面取得的所有重要成果； ? 该框架尽管存在很多缺陷，但过去20多年一直处于主导地位。 D.Marr, Vision, 1982. 中译本：视觉计算理论，姚国正、刘磊、汪云九译，科学出版社，1988。 1.2