计算机视觉现状以及发展前景.docVIP

计算机视觉的现状与发展前景 二十年前，计算机的出现使工作场所出现革命化发展。直到现在，约75％的办公室工作通过计算机和互联网来实现。1990年，大约15％美国家庭拥有了一台计算机，现在增加到70％。计算机视觉(Computer v|si0n)一词最早出现在P．H．Westonl 975 年的论文中。计算机视觉是以视觉处理理论为中心，属于人工智能范畴的一个新领域 。它也是以图像处理、模式识别、计算机技术和生理学心理学为基础的信息处理科学中的一个重要分支。计算机视觉技术集数字图像处理、数字信号处理、光学、物理学、几何学、应用数学、模式识别及人工智能等知识于一体，其应用已经涉及到计算几 何、计算机图形学、图像处理、机器人学等领域。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。 计算机视觉研究的目标有两个：一个是开发从输入的图像数据自动构造场景描述的图像理解系统，另一个是理解人类视觉，以便有朝一日用机器代替人去作人类难以达到或根本无法达到的工作。当前，计算机视觉也是人工智能及机器人科学中颇为活跃的和卓有成效的热门研究课题。 视觉理解是计算机视觉系统的一个重要处理环节，当前，具有视党反馈功能的机器人已能代替人完成各种复杂的任务，如：产品的自动装配、焊接和检验、生物医学中的自动诊断、遥感照片的自动解释、各种车辆的自动导航等。这种赋予机器以类似人的视觉信息处理能力并为人类自身服务的美好愿望在一定范围或特定任务下已部分地成为现实。今天，计算机视觉的应用已渗透到机器人、天文、地理、医学、化学、物理等宏观及微观世界的各个研究领域。有人预言，计算机视觉是实现智能机器人和第五代计算机的关键因素之一。 计算机视觉是一个复杂的处理过程，景物理解及景物分析是其处理要点之一。用机器实现景物理解必须将输入的图像和预先存入的有关物体结构和环境约束知识进行交互作用，建立明确而有意义的描述理解。这种过程可归结为从一幅图像中提取景物信息，完成某些计算，在不同阶段的理解过程引入相关的先验知识，从而完成理解处理。类似的工作实际上早在50年代就已经开始了。目前，三维物体及景物分析工作的重点在三维物体与自然景物的识 Ⅱ与分析上。80年代，在计算机视觉研究中占主导地位的是Mart教授提出的视觉计算理论框架，在这种框架下，Marr认为视觉可看做是三个层次的信息处理过程，而且要从计算理论、算法描述及硬件实现三个方面去实现三个层次的工作。三维物体识别研究自Mart教授创立视觉计算理论后取得了重大进展。这一理论的要点在于把视觉看成一个过程，它从外部世界的图像逐步产生对景物的三个层次的描述，即： a)初始简图— — 这是基本意义的灰度变动的局部几何性质，以线条勾画出的草图形式出现 b)二维半简图—— 该图主要描述物体可视面的表面方向和观察点到表面的距离} c)三维模型表示— — 这是物体形状的全部而清晰的描述。有人认为，Marr教授的视觉计算理论是肘计算机视觉研究的最杰出的贡献。 90年代，Rosenfeld认为应重视三个方面的工作，一是计算的鲁棒性问题，二是主动视觉(active vision)的研究，三是定性视觉的研究(qualitative vision)。有人把视觉定义为“根据获得的图像理解景物信息的处理过程 ，而计算机视觉主要是利用计算机提供的手段和方法去完成这一信息处理过程。具体包括：视觉信息的获取 图像预处理、分割、描述、识别理解等几步工作。1965年，L．Roberts关于“三维物体的感知”一文提出了几种获取三维信息的基本方法。这些基本方法至今还被计算机视觉研究领域普遍采用。目前，获取视觉信息的主要方法有主动法和被动法两大类，主动法需要对测试物体加入特殊的人造光源 其中包括：三角光法、结构光法和飞行时间法。三角光法类似三角测量法，此法需逐点测量，费时较多。结构光法是把已知结构的图像投影到被渊物体表面，由于该物体表面的取向不同，标准图案会产生畸变，利用这畸变可算出物体表面的三维坐标。标准图像一般用细线、方格等。这种方法最早由日本学者Y．Shirai提出，具体做法可采用激光扫描或投影仪来实现。飞行时间测距法是以雷达原理为基础的方法。这种方法可直接测得物体表面距离而获得三维信息，它不涉及图像处理问题。具体实现可采用激光雷达或超声雷达，超声雷达的缺点是聚焦比较困难，但是处理方法比较简单。 被动法是在自然光条件下获得三维信息的方法。其中包括：体视法、阴影恢复形状法、由运动恢复形状法、纹理恢复形状和灰度体视法等。体视法与人的视觉原理有许多相似之处，由不同位置上的摄像机获取两幅(或多幅)图像，根据三角测量原理，利用立体图像中的对应点的视差计算出景物的三维信息。因此，两幅图像的匹配是体视法的关键。早期的匹配主要基于区域的灰度相关计算，现代方法则侧重于特征匹配。因而