计算机视觉专业导论论文.doc

1计算机视觉概述 人类对外界世界信息的感知80%以上是通过视觉得到的。随着信号处理理论与计算机的出现，人们试图用摄像机获取环境图像并将其转换成数字信号，用计算机实现对视觉信息处理的全过程，这样就形成了一门新兴的学科计算机视觉。计算机视觉是一门研究如何使机器看的科学，具体的说，就是指用摄影机和电脑代替人眼对目标进行识别、跟踪和测量等机器视觉，并进一步做图形处理，用电脑处理成为更适合人眼观察或传送给仪器检测的图像。 作为一个科学学科，计算机视觉研究相关的理论和技术是试图建立能够从图像或者多维数据中获取信息的人工智能系统。计算机视觉的研究目标是使计算机具有通过二维图像认识三维环境信息的能力。这种能力不仅使机器能感知三维环境总物体的几何信息，包括它的形状、位置、姿态、运动等，而且能对它们进行描述、储存、识别与理解，最终使计算机能象人那样通过视觉观察和理解世界，具有自主适应环境的能力。 作为一个工程学科，计算机视觉寻求基于相关理论与模型来建立计算机视觉系统。这类系统的组成部分包括： 程序控制（例如工业机器人和无人驾驶汽车） 事件监测（例如图像监测） 信息组织（例如图像数据库和图像序列的索引建立） 物体与环境建模（例如工业检查，医学图像分析和拓扑建模） 交感互动（例如人机互动的输入设备） 计算机视觉同样可以被看作是生物视觉的一个补充。在生物视觉领域中，人类和各种动物的视觉都得到了研究，从而建立了这些视觉 系统感知信息过程中所使用的物理模型。另一方面，在计算机视觉中，靠软件和硬件实现的人工智能系统得到了研究与描述。生物视 觉与计算机视觉进行的学科间交流为彼此都带来了巨大价值。 计算机视觉包含如下一些分支：画面重建，事件监测，目标跟踪，目标识别，机器学习，索引建立，图像恢复等。 计算机视觉既是工程领域，也是科学领域中的一个富有挑战性重要研究领域，是一门综合性的学科，其中包括计算机科学和工程、信号处理、物理学、应用数学和统计学，神经生理学和认知科学等。 在信号处理领域，计算机视觉与图像处理，图像分析，机器人视觉和机器视觉等学科有着紧密的联系。虽然在某些方面各学科之间存在着重叠的方向，但各个领域又存在着差异。 计算机视觉的研究对象主要是映射到单幅或多幅图像上的三维场景，例如三维场景的重建。计算机视觉的研究很大程度上针对图像的内容。图像处理与图像分析的研究对象主要是二维图像，实现图像的转化，尤其针对像素级的操作，例如提高图像对比度，边缘提取，去噪声和几何变换如图像旋转。这一特征表明无论是图像处理还是图像分析其研究内容都和图像的具体内容无关。而机器视觉主要是指工业领域的视觉研究，例如自主机器人的视觉，用于检测和测量的视觉。这表明在这一领域通过软件硬件，图像感知与控制理论往往与图像处理得到紧密结合来实现高效的机器人控制或各种实时操作。同时，模式识别是使用各种方法从信号中提取信息，主要运用统计学的理论。其中一个主要方向便是从图像数据中提取信息。还有一个领域被称为成像技术，它最初的研究内容主要是制作图像，但有时也涉及到图像分析和处理。例如，医学成像就包含大量的医学领域的图像分析。 .2 计算机视觉发展 计算机是觉得发展可以追溯到上世纪五十年代，当时模式识别的重要内容是二维图像分析和识别，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。这是计算机视觉产生的基础。作为一门学科，计算机视觉开始于60年代初，麻省理工大学的Roberts通过计算机程序从数字图像中提取出了诸如立方体、楔形体、棱柱体等多面体的三维结构，并对物体形状及物体的控件关系进行描述。这项研究开创了以理解三维场景为目的的三维计算机视觉的研究。Roberts对积木世界的创造性研究给人们以极大地启发，使许多人相信，一旦由白色积木玩具组成的三维世界可以被理解，则可以推广到理解更复杂的三维场景。70年代中期，麻省理工大学人工智能实验室正式开设计算机视觉课程，由B.K.P.Horn教授讲授。David Marr教授于1973年应邀在MIT的AI实验室领导一个以博士生为主体的研究小组，并于1977年提出了不同于积木世界分析方法的计算视觉理论—Marr理论。Marr理论一经提出，便成为了计算机视觉研究领域中的一个十分重要的理论框架。计算机视觉从此获得蓬勃发展，新概念、新方法、新理论、新应用不断涌现，比如，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。 .3 Marr的计算视觉理论 Marr的计算视觉理论立足于计算机科学，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，是视觉研究中迄今为止最为完善的视觉理论。Marr建立的视觉计算理论，使计算机视觉研究有了一个比较明确的体系，并大大推动了计算机视觉研究的发展。 视觉研究的最终目标是要阐明视觉系统究竟是怎