計算機視覺的主要技術精選(九篇)

前言：一篇好文章的誕生，需要你不斷地搜集資料、整理思路，本站小編為你收集了豐富的計算機視覺的主要技術主題范文，僅供參考，歡迎閱讀并收藏。

第1篇：計算機視覺的主要技術范文

在我國市場經濟不斷發展的盛況下，我國科技發展水平也緊隨其后，成為世界上的科技強國之一。在計算機水平的不斷提高下，計算機視覺技術應運而生。其中，計算機視覺技術被應用與各個領域，并在各個領域都得到廣泛有效的應用，比如軍事領域、醫療領域、工業領域等。本文針對計算機視覺技術在交通領域中的應用進行分析。

【關鍵詞】計算機視覺 交通領域 探究

近年來，隨著科技水平的提高，計算機視覺技術逐漸被人們熟知并廣泛應用。相較于其他傳感器來說，視覺能獲得更多的信息。因此，在我國交通領域中，也對計算機視覺技術進行研究完善，將計算機視覺技術應用在交通領域各個方面中，并取得了顯著的成效。

1 計算機視覺的概述及基本體系結構

1.1 計算機視覺概述

通過使用計算機和相關設備，對生物視覺進行模擬的方式，就是計算機視覺。對采集到的圖片或視頻進行相應的技術處理，從而獲得相應的三維信息場景，是計算機視覺的主要任務。

計算機視覺是一門學問，它就如何通過計算機和照相機的運用，使人們獲得被拍攝對象的數據與信息所需等問題進行研究。簡單的說，就是讓計算機通過人們給其安裝上的“大腦”和“眼睛”，對周圍環境進行感知。

計算機視覺是一門綜合性學科，在各個領域都有所作為，已經吸引了各個領域的研究者對其研究。同時，計算機視覺也是科學領域中一個具有重要挑戰性的研究。

1.2 計算機視覺領域基本體系結構

提出第一個較為完善的視覺系統框架的是Marr，他從信息處理系統角度出發，結合圖像處理、心理物理學等多領域的研究成果，提出被計算機視覺工作者基本接受的計算機視覺系統框架。在此基礎上，研究者們針對視覺系統框架的各個角度、各個階段、各個功能進行分析研究，得出了計算機視覺系統的基本體系結構，如圖1。

2 計算機視覺在交通領域的應用

2.1 牌照識別

車輛的唯一身份是車輛牌照。在檢測違規車輛、稽查被盜車輛和管理停車場工作中，車輛牌照的有效識別與檢測具有重要的作用和應用價值。然而在實際應用工作中，雖然車牌識別技術相對成熟，但是由于受到拍攝角度、光照、天氣等因素的影響，車牌識別技術仍需改善。車牌定位技術、車牌字符識別技術和車牌字符分割技術是組成車牌識別技術的重要部分。

2.2 車輛檢測

目前，城市交通路口處紅綠燈的間隔時間是固定不變的，但是受交通路口的位置不同、時間不同的影響，每個交通路口的交通流量也是持續變化的。此外，對于某些交通區域來說，公共資源的配備，比如交通警察、交通車輛的數量是有限的。如果能根據計算機視覺技術，對交通路口的不同時間、不同位置的交通情況進行分析計算，并對交通流量進行預測，有利于為交通警察縮短出警時間、為交通路口的紅綠燈根據實際情況設置動態變化等技術提供支持。

2.3 統計公交乘客人數

城市公共交通的核心內容是城市公交調度問題，一個城市如何合理的解決公交調度問題，是緩解城市運力和運量矛盾，緩解城市交通緊張的有效措施。城市公交調度問題，為公交公司與乘客的平衡利益，為公交公司的經濟利益和社會效益的提高做出了巨大的貢獻。由于在不同的地域、不同的時間，公交客流會存在不均衡性，高峰時段的公交乘客過多，平峰時段的公交乘客過少，造成了公交調度不均衡問題，使有限資源浪費嚴重。在計算機視覺智能公交系統中，自動乘客計數技術是其關鍵技術。自動乘客計數技術，是對乘客上下車的時間和地點自動收集的最有效的技術之一。根據其收集到的數據，從時間和地點兩方面對客流分析，為城市公交調度進行合理的安排。

2.4 對車道偏離程度和駕駛員工作狀態判斷

交通事故的發生率隨著車輛數量的增加而增加。引發交通事故的重要因素之一就是駕駛員疲勞駕駛。據相關數據顯示，因車道偏離導致的交通事故在40%以上。其中，駕駛員的疲勞駕駛就是導致車道偏離的主要原因。針對此種現象，為減少交通事故的發生，計算機視覺中車道偏離預警系統被研究開發并被廣泛應用。針對駕駛員眨眼頻率，利用計算機視覺對駕駛員面部進行圖像處理和分析，再根據疲勞駕駛關注度與眨眼頻率的關系，對駕駛員的工作狀態進行判斷。此外，根據道路識別技術，對車輛行駛狀態進行檢測，也是判斷駕駛員工作狀態的方法之一。這兩種方法，是目前基于計算機視覺的基礎上，檢測駕駛員疲勞狀態的有效方法。

2.5 路面破損檢測

最常見的路面損壞方式就是裂縫。利用計算機視覺，及時發現路面破損情況，并在其裂縫程度嚴重之前進行修補，有利于節省維護成本，也避免出現路面坍塌，車輛凹陷的情況發生。利用計算機視覺進行路面檢測，相較于之前人工視覺檢測相比，有效提高了視覺檢測的效率，增強了自動化程度，提高了安全性，為市民的出行安全帶來了更高保障。

3 結論

本文從計算機視覺的概述，及計算機視覺基本體系結構，和計算機視覺在交通領域中的應用三面進行分析，可見計算機視覺在交通領域中的廣泛應用，在交通領域中應用的有效性、顯著性，以此可得計算機視覺在現展過程中的重要性。隨著計算機視覺技術的越來越成熟，交通領域的檢測管理一定會加嚴格，更加安全。

參考文獻

[1]段里仁.智能交通系境在我國道路空通管理中的應用[J].北方工業時報，2015（06）.

[2]王豐元.計算機視覺在建筑區間的應用實例分析[J].河北電力學報，2015（04）.

[3]李釗稱.主動測距技術在計算機數據分析中的作用探析[J].計算機應用，2015（08）.

[4]馬良紅.三維物體影像的攝取與分析[J].中國公路學報，2014（05）.

[5]朱學君，沈睿.關于計算機視覺在交通領域中的探討[J].信息通信，2013（01）：123.

[6]王大勇.關于計算機視覺在交通領域中的應用分析[J].科技與企業，2013（01）：115.

作者簡介

夏棟（1988-），男，湖北省孝感市人?，F為同濟大學軟件學院在讀碩士。研究方向為計算機視覺。

第2篇：計算機視覺的主要技術范文

【關鍵詞】計算機 視覺 圖像處理 技術

一、引言

隨著計算機技術的不斷發展，在20世紀60年底產生了計算機視覺學這一學科。計算機視覺是借助計算機以及各種設備，進行生物視覺模擬的一種技術。計算機視覺學的主要任務，是借助已掌握的圖片、視頻等資料，進行計算與處理，和人類及其他生物的視覺過程一樣，

得到相應形式的三維數據信息。計算機視覺學的發展，在工業、農業的生產中，地質勘探、天文、醫學觀察等領域也有著重要的應用價值。因此，視覺學的研究和應用轉化受到了越來越多的重視。

二、計算機視覺學的圖像分割研究

（一）數據驅動的分割研究

在計算機視覺學應用過程中，經常進行的數據驅動分割有下面幾項內容：第一種是邊緣檢測的分割、第二種是區域分割、第三種是邊緣和區域相互結合的分割。第一種基于邊緣檢測的分割，這種分割的基本方法：首先對檢測圖像的邊緣點進行檢測，然后根據一定的法則進行輪廓的連接，獲得分割的區域。基于邊緣檢測的分割其難點是邊緣檢測時如何處理好抗噪聲性能、檢測的精度之間的矛盾。所以，在研究的過程中，提出了多種多尺度邊緣檢測的方法，按照實際問題進行多尺度邊緣信息設計等方案，以獲得更為合適的抗噪性能和檢測的精度。第二種基于區域的分割，它的基本思想是按照圖像數據的特點，將整個圖像的空間劃分成為幾個不同的區域進行圖像處理。

（二）計算機視覺學模型驅動的分割

經常使用的模型驅動分割有下面三種，第一種模型是基于動態輪廓的模型、第二種模型是組合優化模型、第三種模型是目標幾何與統計模型。第一種是基于動態輪廓的模型用在進行分割目標的動態輪廓，因為其能量函數使用的是積分運算，有著很好的抗噪性能，對于目標的局部模糊也不敏感，所以其適用性很廣。但這種分割方法容易收斂到局部最優，因此要求初始輪廓應盡可能靠近真實輪廓。通過組合優化的方法進行分割問題的處理，是使用一目標函數綜合表示分割的相關要求以及約束，把分割變為目標函數的優化求解。因為目標函數多數情況下作為多變量函數存在的，因此可以通過使用隨機優化的方法來實現。

（三）計算機視覺學圖像分割的半自動方法

通過對人工參與程度的分，我們可以得出圖像分割，主要有三種類型即：人工圖像分割、半自動圖像分割、自動圖像分割等。人工圖像分割指的是操作者使用鼠標，將分割區域的輪廓進行勾畫的方法，人工圖像分割的缺點是費時費力，而且很容易就會受到一些主觀因素的影響，并且人工圖像分割的可重復性較差。自動圖像分割不需要借助人機交互就能完成，但是也很難實現同一批圖像處理的滿意分割效果。半自動分割這種形式指的是將人機交互同自動分割結合在一起，半自動分割可以實現對不同圖像與處理需求的適應，并且可以大大降低計算過程的復雜性。在計算機技術不斷發展的背景下，計算速度和容量有了大幅度的提升，計算機圖像處理及視覺應用取得了豐碩的成果。

三、計算機視覺技術的分析

（一）以模型為研究對象的處理方法

在以模型世界作為研究對象的視覺學研究過程中，以Roberts的開創性工作作為一種標志，在他的工作過程中，引進了三維物體與二維物體成像的關系，使用較為簡單的邊緣特征提取、組合線段等手段和方法。他對三維關系的分析只是按照簡單的邊緣線段的約束關系，缺乏對人類或其他動物視覺系統感知三維空間關系的充分考慮。但是早期的這些研究工作，對計算機視覺學的研究和發展發揮了良好的促進意義，但是對于較為復雜的景物就不能夠奏效。

（二）以計算理論為主體的視覺模型

隨著計算機視覺研究的不斷深入，在二十世紀七十年代，計算機視覺技術的研究，開始向著更為理性的階段發展，主要表現在：不同本征特性的恢復，恢復的內容有三維形狀恢復、運動恢復、光源恢復等等。研究的出發點是光學、生理學以及射影幾何的視角出發，對成像及其逆等問題進行研究。在這個過程中，一些學者提出了以表示作為核心、通過算法作為中間轉換過程的視覺處理模型，例如：著名的計算機視覺學研究者Marr就提出了這些觀點，在他的理論里面，對表示的重要意義進行強調，并且從不同層面上對信息處理問題進行了研究。

（三）計算機視覺的應用研究

在現實生活和生產的過程中，計算機視覺主要應用在照片資料、視頻資料處理上，例如：航空照片的處理、衛星照片的編譯、醫學領域的輔診斷、移動機器人視覺導航等等。其中，工業機器人手眼系統的研發，成為計算機視覺應用最具代表性的成果之一。因為工業生產、施工等現場等因素具有一定的復雜性，這種環境下的光照、成像特點等等可以控制，這就使得計算機視覺的應用更為簡單，對于系統的實際構成有著很好的作用。移動機器人與工業機器人不同之處就是移動機器人具有一定的行為能力，這就需要研究者解決機器人的行為規劃問題。在移動機器人種類、智能化水平不斷提升的背景下，對視覺能力的要求也越來越高，這也使得計算機視覺有了更為廣闊的應用前景。

四、結語

綜上所述，計算機視覺學作為人類科技發展和社會進步的一種學科體現，在前進和發展的過程中，通過研究者和應用者的不斷總結和探究，取得了豐碩的成果。在未來視覺技術發展的道路上，仍然有大量的工作需要進行研究。

參考文獻：

[1]韓祥波， 劉戰麗. 計算機圖像處理技術在農產品檢測分級中的應用[J]. 安徽農業科學 ， 2013，（34）

[2]趙萍， 李永奎， 林靜， 白雪衛. 數字圖像處理技術在農產品方面的應用[J]. 農機化研究 ， 2012，（11）

第3篇：計算機視覺的主要技術范文

關鍵詞：計算機視覺；案例推理；圖像處理；圖像描述

中圖分類號：TP391.41 文獻標識碼：A文章編號：1009-3044(2007)04-11102-03

1 引言

基于案例推理(case-base reasoning)是人工智能中正不斷發展的一項重要推理技術。基于案例推理與類比推理方法相似，案例推理將舊經驗或教訓轉換為知識，出現新問題時，首先查找以前是否有相似的案例，并用相似案例解決新問題。如果沒遇到相似案例的,經過推理后解決新問題的方法，又會成為新的案例或新經驗，下一次再遇到相同問題時，就可以復用這些案例或經驗。

這與人遇到問題時，首先會用經驗思考解決問題的方式相似，這也是解決問題較好的方法?；诎咐评響糜诠I產品檢測或故障診斷時具有以下特點：

CBR智能化程度較高。利用案例中隱含的難以規則化的知識，以輔助規則推理的不足，提高故障診斷系統的智能化程度。

CBR較好解決“知識獲取”的瓶頸。CBR知識表示以案例為基礎，案例的獲取比規則獲取要容易，大大簡化知識獲取的過。

CBR求解效率較高。是對過去的求解結果進行復用，而不是再次從頭開始推導，可以提高對新問題的求解效率。

CBR求解的質量較高。CBR以過去求解成功或失敗的經歷，可以指導當前求解時該怎樣走向成功或避開失敗。

CBR持續不斷的學習能力，使得它可以適應于將來問題的解決。

所以基于案例推理方法正不斷應用在產品質量檢測和設備故障診斷方面，并取得較好的經濟效益。為了產品檢測和設備故障診斷中，更為智能化，更容易實現現場檢測和診斷，計算機視覺技術起到很大的作用。

計算機視覺是研究用計算機來模擬人和生物的視覺系統功能的技術學科，使計算機具有感知周圍視覺世界的能力。通過計算機視覺，進行圖像的獲取預處理、圖像分割與特征抽取、識別與分類、三維信息理解、景物描述、圖像解釋，讓計算機具有對周圍世界的空間物體進行傳感、抽象、判斷的能力，從而達到識別、理解的目的。

計算機視覺隨著科學技術發展，特別計算機技術、通信技術、圖像采集技術、傳感器技術等，以及神經網絡理論、模糊數學理論、小波的分析理論等計算機視覺理論的不斷發展和日趨成熟，使計算機視覺從上世紀60年代開始興起發展到現在，取得快速發展，已經從簡單圖像質量處理發展到圍繞著紋理分析、圖像編碼、圖像分割和濾波等研究。圖像的分析與處理，也由靜止轉向運動，由二維轉向三維，并主要著眼于對圖像的識別和理解上，也使計算機視覺的應用領域更為廣泛，為案例推理中運用計算機視覺打下基礎。

2 案例推理系統的主要關鍵技術

（1）案例的表示與組織

案例的表示與組織即是如何抽取案例的特征變量，并以一定的結構在計算機中組織存儲。如何將信息抽取出特征變量，選擇什么語言描述案例和選擇什么內容存放在案例中，案例按什么組織結構存放在存儲器中，這關系到基于案例推理方法的效率，而且對于案例數量越來越多，結構十分復雜的案例庫，尤其重要。

（2）案例的索引與檢索

案例的索引與檢索即是為了查找最佳相似案例，如何建立案例索引和相似度算法，利用檢索信息從案例庫中檢索并選擇潛在可用相似案例。后面的工作能否發揮出應有的作用，很大程度上依賴于這一階段得到的案例質量的高低，因此這一步非常關鍵。

（3）案例的復用和調整

案例的復用即是如何根據舊案例得出新解，涉及到找出案例與新問題之間的不同之處，案例中的哪些部分可以用于新問題，哪些部分不適合應用于新問題的解決。而復用還分案例的結果復用，案例的求解方法復用。

（4）案例的學習

案例的學習即是將新解添加到案例庫中，擴充案例庫的案例種類與數量，這過程也是知識獲取。此過程涉及選取哪些信息保留，以及如何把新案例有機集成到案例庫中，包括如何存儲，如何建立索引等等。

針對案例推理的關鍵技術，根據檢測和故障診斷系統的特點，計算機視覺主要解決如何將產品圖像輸入系統，如何將產品圖像特征進行抽取和描述，如何區別產品不同之處。以便案例推理系統進行案例建模，確立案例的表示形成和案例相似度的計算。本文主要從計算機視覺如何運用在案例推理系統進行探討。

3 產品輸入系統

產品輸入系統在不同產品類型和生產環境可能有不同之處，主要應有傳感器單元和圖像采集單元。如圖1。

圖1 產品輸入系統結構

傳感器單元主要判斷是否有產品存在，是否需要進行圖像采集，是否繼續下一個產品圖像的采集。這簡單傳感器可使用光電開關，配合光源，當產品經過時，產品遮擋住光源，使光電開關產生一個0值，而沒有產品經過時，光電開關產生相反的1值，系統通過判斷光電開關的值，從而判斷是否有產品。

圖像采集單元簡單地說是將產品拍攝并形成數字化圖像，主要包括光源、反射鏡、CCD相機和圖像采集卡等組成。光源和反射鏡作用主要使圖像中的物體和背景之間有較大灰度。CCD相機主要是拍攝設備。圖像采集卡主要是將圖像數字化。通過傳感器判斷有產品后，光源發出的光均勻地照在被測件上，CCD相機拍攝，拍攝圖像經過圖像采集卡數字化后輸入存儲設備。存儲設備即為計算機硬盤。存放原始圖像、數據、處理結果等。

這是案例推理系統的原始數據,是圖像處理、圖像特征抽取描述的基礎。

4 圖像處理

在案例推理系統中，需要對案例的組織和案例建模，案例的組織即案例的表示，相對計算機而言，即圖像特征的抽取，即某圖像具有與其它圖像不同之處，用于區別其它圖像，具有唯一性。同時，又能完整地表示該圖像。所以案例的表示要體現案例的完整性、唯一性、操作容易性。

圖像中有顏色區別、又有物體大小之分以及圖像由不同的物體組成。如何表示圖像，或說圖像內部包含表示的本質，即圖像的描述。根據圖像特點，確立圖像案例的表示，以圖像的像素、圖像的數字化外觀、圖像物體的數字組成等屬性。這需要對產品輸入的原始圖像進行處理。

在計算機視覺技術中，對原始圖像主要進行圖像增強、平滑、邊緣銳化、分割、特征抽取、圖像識別與理解等內容。經過這些處理后，輸出圖像的質量得到相當程度的改善，既改善了圖像的視覺效果，又便于計算機對圖像進行分析、處理和識別。具體工作流程如圖2所示：

圖2 計算機視覺的任務與工作流程

圖像預處理是將產品的數字圖像輸入計算機后，首先要進行圖像的預處理，主要完成對圖像噪聲的消除以及零件的邊緣提取。預處理的步驟為：圖像二值化處理；圖像的平滑處理；圖像的邊緣提取。

圖像二值化處理主將灰度圖形二值化的關鍵是閾值的選取，由于物體與背景有明顯的灰度差，可以選取根據灰度直方圖中兩峰之間的谷值作為閾值來分割目標和背景。

圖像的平滑處理技術即圖像的去噪聲處理，主要是為了去除實際成像過程中因成像設備和環境所造成的圖像失真，提取有用信息。

圖像邊緣提取是為了將圖像中有意義的對象與其背景分開，并使之具有某種指定的數學或符號表達形式，使計算機能夠理解對象的具體含義，檢測出邊緣的圖像就可以進行特征提取和形狀分析了?？刹捎枚喾N算法，如采用Sobel算子提取邊緣。

圖像預處理是為下一步的特征描述打基礎，預處理的好壞直接影響案例推理的結果和檢測診斷的效率。

特征提取是對圖像進行描述，是案例建模關鍵，案例建模是根據案例組織要求抽取圖像特征，是建立案例索引和檢索的關鍵。如果圖像沒有特征，就談不上進行檢索。圖像特征可通過圖像邊界、圖像分割、圖像的紋理等方法，確定圖像特征，包括是什么產品、產品形狀大小、產品顏色，產品有什么缺陷、產品缺陷在什么位置等特征，根據這些圖像特征進行描述，形成計算機中屬性值，并從數據庫查找相應信息資料，從而確定產品之間的關系，相似度，也就是案例推理的方向。

5 系統的檢索

根據案例推理原理和相應算法，建立案例推理系統模型，如圖3所示。

圖3 案例推理系統

對話系統：完成人機交互、問題描述、結果顯示和系統總控制。

案例庫系統：由案例庫及案例庫管理系統組成。

數據析取系統：對各種已有的源數據庫的數據通過轉換而形成所需的數據。

多庫協同器：根據問題求解的需要，按照一定的數據抽取策略，完成問題求解過程中對模型庫系統、方法庫系統、知識庫系統和數據庫系統等資源的調度與協調。

知識庫系統：由產生式規則組成，這些知識包括專家經驗和以規則形式表示的有關知識，也可以是數據挖掘結論，支持案例檢索、案例分析、案例調整等。 模型庫系統：由模型庫、算法庫、模型庫管理系統組成。完成模型識別和調用，并把結果綜合，送入對話系統顯示，作為補充信息供案例檢索、調整使用。

數據庫系統：存放待決策支持的所有問題，并完成其維護與查詢等功能。

由于系統主要應用產品的現場實時檢測監控或故障診斷，所以系統的檢索時，也必須輸入檢索值，即輸入現場產品的圖像，在通過產品預處理、圖像的二值化、分割和邊界處理后，進行圖像特征描述，根據圖像描述進行分類識別。根據案例推理的算法檢索案例庫中，是否有相似的案例。即確定相似度。相似度確定主要由案例推理的算法確定，如貼近分析法。確定相似度最大作為結果，并將案例的解輸出，給相關控制系統進行決策。如產品質量檢測，確定產品質量是否合格，是否有不合格產品，不合格產品是什么原因造成，故障源是什么，如何解決和排除故障，等等。

6 結論

案例推理方法有效地解決計算機視覺技術中圖像檢索問題。對提高圖像檢索的效率和準確度提供了平臺。

計算機視覺技術也為案例推理系統實現產品現場實時檢測、監控、診斷提供技術支持。計算機視覺技術現場的數據采集、處理為案例推理打好基礎。

兩者的結合設計的系統適用范圍很廣，只要產品需要進行質量檢測、監控，或設備需要進行故障診斷和維護，都可以適用。

系統提供的實時檢測、監控和診斷功能，提高企業的生產效益，降低了生產成本。

參考文獻：

[1]（美）桑肯（Sonka,M）.圖像處理分析與機器視覺[M].人民郵電出版社.

[2]王宏等譯.計算機視覺[M].電子工業出版社.

[3]蔡建榮.自然場景下成熟水果的計算機視覺識別[J].農業機械，36(2)：61-64.

[4]王宇輝.基于計算機視覺的錐體零件尺寸在線檢測算法[J].重型機械，2005,2：4-6

[5]駱志堅.基于計算機視覺檢測技術自動計數系統的研究與應用[J].儀表技術與傳感器,2005,3：41-43.

[6]左小德.貼近度分析法在案例庫推理中的應用[J],南大學學報(自然科學版)，1997，18(1):21-26.

[7]姜麗紅.案例推理在智能化預測支持系統中的應用研究[J].決策與決策支持系統,1996,6(4):63-69.

第4篇：計算機視覺的主要技術范文

【關鍵詞】計算機視覺；構件；表面特征；檢測

表面缺陷檢測以及特征提取，所涉及的范圍是非常廣泛的，包括了鐵軌表面缺陷、帶鋼表面缺陷以及織物表面缺陷等。因此加強對產品的表面缺陷提取以及質量檢測顯得尤為重要，目前基于計算機視覺的構件缺陷檢測系統已經受到國內外研究人員的重視，如何更好地將計算機視覺技術引入到產品表面質量缺陷檢測中去是未來發展的重點。筆者將在下文中就此展開詳細的闡述。

1.計算機視覺的基本工作原理

1.1系統結構

計算機視覺是一項涉及范圍廣泛的技術，他通過圖像采集裝置將檢測目標轉化為圖像信號，再經過專門性的額圖像處理系統最終生成具體的表面特征。具體來講在圖像處理環節米旭濤根據圖像的具體像素以及圖像分布和顏色、亮度、飽和度等進行目標提取，再比照系統預設的參照值得出最終的檢測結果，例如尺寸大小、顏色等師傅偶合格。計算機視覺處理系統包括了光源、鏡頭、計算機以及圖像采集裝置和處理系統等，這些系統綜合組成共同推動了計算機視覺系統的正常穩定運行。

1.2計算機視覺硬件設計

計算機視覺系統的硬件平臺包括了照明系統、鏡頭相機以及圖像采集裝置和工控機四個部分，這四個部分缺一不可，共同組成了整個計算機視覺系統。

1.2.1照明系統

照明系統是整個計算機視覺系統的關鍵，尤其是在光源和照明方案的配合上更是直接影響了整個系統運行的成敗。因此在照明方案的制定以及光源的選擇上應該盡可能的突出物體特征參量，綜合考慮對比度以及亮度等因素，將計算機視覺系統的光源與照明方案相匹配，選擇需要的幾何形狀以及均勻度等，同時還需要結合被檢測物體的表面特征幾何形狀。針對構件表面缺陷的照明方案，筆者認為應該選擇功率相對較大的LED光源，用低角度的方式進行照明。

1.2.2相機鏡頭

相機系統是成像的關鍵，因此在相機鏡頭的選擇上應該適用于具體的構件。一般來說相機鏡頭包括了兩方面內容，一是線掃，二是面掃。通過二者的綜合運用實現更好地成像效果。

1.2.3圖像采集卡

圖像采集卡主要是指在計算機視覺系統中位于圖像裁剪機設備和圖像處理設備之間的重要接口。是成像的中間環節，發揮著不可或缺的作用。

2.基于計算機視覺的構件表面缺陷特征提取

基于計算機視覺的構件表面缺陷特征提取可以分為為三個重要部分，分別是圖像預處理部分：主要是指針對構件進行區域的定位，將非構件的部分移出計算機視覺的缺陷提取技術中去，從而降低了后續工作的工作難度；其次是進行缺陷定位，主要是指通過特定的技術和算法將缺陷從結果當中直接分離出來。第三部分是缺陷特征的提取，也是系統處理的結果部分，是通過計算缺陷的程度以及缺陷大小，從而為后期的構件維護提供參考依據。具體來說，這三個部分的操作主要體現在以下幾個方面：

2.1區域定位

區域定位是減少構件處理和選擇時間的關鍵，能夠大大提高構件缺陷提取的效率。構件的表面的基本特征和大致集合框架提取是區域定位和的第一步，要將計算機區域定位和缺陷提取結合起來，更好地實現缺陷分析。要做好構件的區域定位首先需要明確構件的基本種類和特征：一是根據構件的重用方式來說，可以分為白匣子、灰匣子、黑匣子從構件的使用范圍來看又可以分為通用構件和專用構件；根據構件的粒度的大小可以分為小。中大三種不同粒度的構件；再次是從構件的功能上來看可以分為系統構件、支撐構件以及領域構件三個部分。四是從構件的基本結構特征來看可以分為原子構件以及組合構件。最后從構件的狀態來說，又可以分為動態和靜態構件。因此從不同種類的構件進行區域定位為視覺系統正常運行創造了優良的條件。

2.2缺陷提取

在進行缺陷提取的過程中，難免會受到客觀的環境影響，比如噪聲、溫度以及濕度等對圖像處理的結果產生影響，因此需要對區域定位中產生的區域進行濾波處理，然后再采用閾值分割的辦法進行缺陷提取。具體操作步驟如下所示：

（1）計算出成像中的最小最大灰度值，并且設置初始閾值。

（2）根據閾值，結合圖像的分割目標，將圖像分割成為目標和背景兩個部分，求導出平均灰度值。

（3）再根據新的平均灰度值計算出新的閾值。

（4）觀察閾值的初始值與新閾值之間的關系，如歌二者相等則整個計算過程就結束，如果不相等，則就需要進一步計算。

通過閾值計算得出啊的最佳閾值分割效果圖，能夠進行初步的缺陷預判，但是初步預判當中還存在較多的不確定因素，主要包括兩類，一是在邊緣部分出現的細小毛刺，由于與缺陷的距離較近，因此在初步缺陷提取中容易形成誤判、再次是在構件表面有一些非常細小的缺陷，這些缺陷的影響較小，不會對構件的性能造成影響，因此在進行缺陷提取的過程中需要將這兩個因素排除在外，具體主要是指采用圖像形態學中開運算和閉運算，從而達到對構件中的明了細節和暗色細節的過濾。具體來說缺陷的分割提取采用的是Sobel算子。主要是利用了圖像像素點的上下左右灰度加權算法，對構件表面的缺陷進行檢測。再采用二值圖像邊界跟蹤法，將缺陷從構件圖像中分離出來。

2.3缺陷特征提取

缺陷特征提取，又可以稱之為缺陷的定量計算和定性過程，是將前期所得的數據結果以更加直觀的形式展現出來，通過對比指標參數判斷構件的表面質量是否合格，符合基本的生產標準。一般來說常用的表示缺陷特征的標準有以下幾種：

（1）周長：周長是對缺陷的邊界長度的描述，在圖像特征上顯示則是指構件成像上的缺陷區域的邊界像素數量。

（2）面積：面積相對于周長能夠更加直觀地反映整體缺陷的大小，它是缺陷區域中的像素的總數，因此更高體現缺陷的影響規模。

（3）致密性：這是一個相對專業的缺陷指標概念主要是指每平方面積上的平方周倉，是一個雙單位描述指標。

（4）區域的質心：區域質心是描述缺陷的影響關鍵也就是缺陷區域內的核心區域，是對整個區域的核心描述。

（5）最小外接矩形。

3.結語

綜上所述，構件表面缺陷直接影響構件的最終使用效果，構件表面缺陷的檢測應用領域也逐漸廣泛，而計算機視覺技術在檢測缺陷中的優越性更體現了基于計算機視覺的構件表面缺陷特征提取的研究價值。本文主要針對構件表面缺陷的檢測，綜合計算機視覺技術提出了具體的檢測方法和檢測工作原理，通過對表面缺陷的檢測，力圖提高構件的整體質量。

【參考文獻】

[1]陳黎，黃心漢，王敏，何永輝，龔世強.帶鋼缺陷圖像的自動閾值分割研究[J].計算機工程與應用，2002，（07）.

[2]許豪，孔建益，湯勃，王興東，劉源泂.基于數學形態學的帶鋼表面缺陷邊緣提取[J].機械設計與制造，2012，（06）.

第5篇：計算機視覺的主要技術范文

關鍵詞：計算機視覺系統 工業機器人 探究

中圖分類號：TP242 文獻標識碼：A 文章編號：1007-9416（2015）05-0000-00

計算機視覺系統主要是為了工業機器人更好的工作而研發出來的，是一套裝有攝像機視場的自動跟蹤與定位的計算機視覺系統。近年來，機器人已經廣泛使用于工業生產，但是多數機器人都是通過“示教-再現”的模式工作，在工業機器人工作是都是由操作員進行操作示范再由機器人跟著示范進行工作。由于機器人缺乏對外界事物的識別能力，工作中經常發生偏差或者位移等情況。由于工作環境的惡劣以及各種阻礙，為了提高工業機器人的工作效率、靈活性、適應性等，讓機器人更好的識別外部環境并及時調整運作方向，能更好的發揮其作用，在原有的機器人系統中添加了一套計算機視覺系統，利用計算機視覺圖像裝置的信息，通過圖像使機器人進行外部環境的識別處理，采用三維的重建，通過作業中利用三維圖像的信息進行計算，采用Motocom32軟件和機器人控制柜通訊等設備，對工業機器人進行控制，更好的實現機器人對空間特點的跟蹤與定位。

1系統的結構與原理

本文主要針對Motoman UP6工業機器人系統的二次研究，在原有的工業機器人的系統中，增加了一套計算機視覺系統， 使工業機器人更好的識別外界環境的系統。計算機視覺系統主要包括：Panasonic CCD攝像機、Motoman UP6工業機器人系統、工控機、OK C-50圖像采集卡等外部設備。工業機器人的整個系統由原有系統與計算機視覺系統組成，在原有的系統中包含了YASNAC-XRC- UP6機器人控制柜、Motoman UP6工業機器人本體、示教編程器、Motocom32系統以及相關的外部設備等[1]。計算機視覺系統的設備主要有Panasonic CCTV攝像機、AVENIR TV鏡頭、OK系列C-50圖像采集卡、工控機、AVENIR TV鏡頭、Panasonic CCD攝像機、OK系列C-50圖像采集卡形成的視頻采集系統主要是捕獲物體的圖像，該功能主要是分三個層次進行圖像處理、計算、變換以及通信等功能來實施工控機。利用遠程控制來對工業機器人進行Motocom32系統進行通信。

2計算機視覺系統的構建

2.1硬件的組成

CCD攝像頭：選用的CCD攝像機采用PAP-VIVC810AOZ型彩色攝像頭，如圖1。攝像機的像素為P：500（H）x582（V），N：510（H）x 492（V），攝像機的分辨率為420。攝像機的成像器使用1/33"CCD，信噪>48 dB，同時攝像機具有自動背景光補償、自動增益控制等功能。

圖像采集卡：圖像采集卡主要采用CCD攝像頭配套的MV-200工業圖像處理。如圖2所示。MV-200圖像采集卡的分辨率、圖像清晰度具有較高的穩定性，其真彩色實施工業圖像采集卡，該圖像采集卡的硬件構造、地層函數都具有穩定性，同時在惡例的環境中都可以穩定運行[2]。圖像采集卡的圖像采集效果非常好，畫面效果非常流暢。

MV-200圖像采集卡性能特點：其分辨率為768 x 576，具有獨特的視頻過濾技術，使圖像質量的采集、顯示更加清晰流暢。主要支持的系統為Win98 /2K/XP，主要用于人工智能、事物識別、監控等多種領域。

工控機：工控機以奔4系列為主。

2.2軟件組成

圖像匹配軟件。

圖像處理與獲取軟件。

定標和定位算法軟件，功能分布如圖3所示。

3視覺系統的原理及流程圖

工業機器人的主要系統包括是由工業機器人本體、相關的外部設備、控制器（供電系統、執行器等）計算機視覺系統主要由三部分組成：圖像處理和獲取、圖像匹配、攝像機的定位等組成。通過借助OpenCV的視覺庫進行VC++.NET實行，流程如下圖表4所示。

在本視覺系統運行中，需要對攝像機實行定標，建立實際空間點和攝像機的對應點。在定標的過程中，就需要標記基準點，使攝像機在采集圖像時可以準確的把這些基準點投放到攝像機的坐標上[3]。同時在采集卡的圖像中，對圖像進行處理并計算出該基準點圖像的坐標，通過定標計算法，從而得出攝像機的參數。

在機器人系統中的反饋，計算機通過C語言的調節圖像采集卡進行動態鏈接來控制函數[4]。同時，對攝像機中的數據、視頻信號進行采集，構成數字化的圖像資料，采用BMP格式存儲進行計算，在計算機上顯示活動視頻，然后系統對獲取的圖像進行分析處理，以及對噪聲的去除、圖像的平滑等進行處理，利用二值化處理對那些灰度閥值的圖像進行處理，同時檢測計算機獲取圖像的特征量并計算[5]。在完成圖像的處理后，就需要確立圖像的匹配特征，對圖像進行匹配[6]。如果兩個圖像不重疊，就需要建立3D數據庫進行模型重新選擇，再把模型進行計算、投影計算、坐標更換等指令，直到找到與圖像相匹配的數據模型，才能真正得到真實有效的圖像。重疊時，要獲得有效的圖像，以工業機器人識別物體為目的，才能建立機器人系統之間的通信。同時，通過三維圖像重建，進行機器人空間定位[7]。如下圖表5所示。

4結語

綜上所述，計算機視覺系統主要是為了工業機器人更好的工作而研發出來的，是一套裝有攝像機視場的自動跟蹤與定位的計算機視覺系統。通過3D數據模型指定目標，機器人系統利用計算機視覺圖像的采集裝置來識別外界環境的數據，經過圖像的姿態預算、影像的投影計算產生圖像，通過圖片的合成比較，以此來實現機器人在工作中對物體的識別。利用計算機系統對機器人進行有效的控制，在工業機器人工作中對事物目標的搬運、跟蹤、夾持等指令。計算機視覺系統具備清晰的視覺功能，有利于提高工業機器人的靈活性以及適應性。

參考文獻

[1]夏群峰，彭勇剛.基于視覺的機器人抓取系統應用研究綜述[J].機電工程，2014（06）：221-223.

[2]華永明，楊春玉.機器人視覺系統在立體編織自動鋪紗過程中的應用研究[J].玻璃纖維，2011（01）：189-191.

[3]王培屹.基于多傳感器多目標實時跟蹤視覺系統在全自主機器人上的應用[J].軟件導刊，2011（01）：263-264.

[4]譚民，王碩.機器人技術研究進展[J].自動化學報，2013（07）：123-125.

[5]鮑官軍，荀一，戚利勇，楊慶華，高峰.機器視覺在黃瓜采摘機器人中的應用研究[J].浙江工業大學學報，201（01）：93-95.

第6篇：計算機視覺的主要技術范文

關鍵詞： 計算機 視覺注意機制 計算機視覺注意模型

1.引言

隨著信息技術的不斷發展，數據處理量劇增，以及用戶不斷擴大的個性化需求，對計算機信息處理能力提出了越來越高的要求。如何在場景中快速準確地找到與任務相關的局部信息，即物體選擇與識別，已經成為計算機信息處理領域的一個研究熱點。隨著在心理學領域注意機制研究的不斷發展，將注意機制引入信息處理領域來解決物體識別問題，已經不再是紙上談兵。

人類視覺系統進行視覺信息處理時，總是迅速選擇少數幾個顯著對象進行優先處理，忽略或舍棄其他的非顯著對象。進入人類視野的海量信息，通過注意選擇機制進行篩選，就能使我們有選擇地分配有限的視覺處理資源，保證視覺信息處理的效率，這就是視覺選擇注意機制的原理。依據人類視覺選擇注意的基本原理，開發能夠進行智能圖像信息處理的計算機系統，就成為一大任務。我們研究的主要方向是使計算機處理對象時，能夠具備與人類相似的視覺選擇注意能力。

2.視覺注意機制

研究視覺注意機制是個多學科交叉的問題，目前多個領域的研究人員都取得了研究成果，并且對視覺注意的理論都形成了一些共識。目前普遍認為注意既可以是按自底向上（自下而上）的圖像數據驅動的，也可以是安自頂向下（自上而下）的任務驅動的。其中，自下而上的研究主要來自圖像中物體數據本身的顯著性。例如，在視覺搜索實驗中，顯著的物體會自動跳出，如圖1中的圓點通過特征對比，以形狀跳出的形式獲得注意。自上而下的引導主要來自當前的視覺任務，以及場景的快速認證結果，即我們可以“故意”去注意任何一個“不起眼”的物體，如我們可以在圖書館浩如煙海的藏書中，找到自己感興趣的那本書。

研究視覺注意機制的重要方法是研究眼睛在搜索目標時的表現。顯著圖中的各目標在競爭中吸引注意點，注意點在各個注意目標間轉移。根據注意點轉移時是否伴隨眼動，視覺注意也分為隱式注意和顯式注意。隱式注意的中央凹不會隨著注意點的轉移而移動，而顯式注意的中央凹隨每次注意點的轉移而運動。

對視覺注意機制的研究為計算機視覺的發展提供了可能。計算機視覺借鑒人類視覺的注意機制，建立視覺注意的計算模型。通過“注意點”的選擇與轉移，實現對復雜場景中任務的搜索與定位，最終來實現實時信息的響應處理。在計算機視覺的研究中，顯式注意應用較多。

3.計算機視覺注意模型

從人的角度來看，人類視覺系統通過視覺，選擇注意在復雜的場景中迅速將注意力集中在少數幾個顯著的視覺對象上。從場景的角度來看，場景中的某些內容比其他內容更能引起觀察者的注意，我們稱之為視覺顯著性，兩者其實是從不同的角度對視覺選擇注意過程的描述。

我們把引起注意的場景內容定義為注意焦點FOA（Focus of Attention）。Treisman的特征整合理論中將視覺信息處理過程劃分為前注意和注意兩個階段，各種視覺特征在前注意階段被以并行的方式提取出來，并在注意階段以串行方式整合為視覺客體，即注意的特征和客體是通過不同方式進行的。在注意焦點的選擇和轉移上，Koch［2］進行了深入的研究，他提出注意焦點FOA的變化具有四個特征，即單焦點性：同一時刻只能存在一個FOA；縮放性：FOA的空間范圍可以擴大或者縮??；焦點轉移性：FOA能夠由一個位置向另一個位置轉移；鄰近優先性：FOA轉移時傾向于選擇與當前注視內容接近的位置。同時注意焦點具有抑制返回的特點，即FOA轉移時抑制返回最近被選擇過的注視區域。在此基礎上，視覺注意的研究人員提出了多種視覺注意模型。

4.視覺注意模型的研究現狀

人類的視覺注意過程包括兩個方面：一方面是對自下而上的初級視覺特征的加工，另一方面是由自上而下的任務的指導，兩方面結合，共同完成了視覺的選擇性注意。與此對應，當前的計算機視覺注意研究也分為這兩個方面。

4.1自下向上的數據驅動注意模型研究及分析

在沒有先驗任務指導的情況下，視覺注意的目標選擇主要是由場景中自下而上的數據驅動的，目標是否被關注，由它的顯著性決定。現在，自下而上的注意研究主要基于Treisman的特征整合理論和Koch&Ullman的顯著性模型，Itti、satoh等人均在此基礎上提出了自己的研究模型，并做了一些模型的改進研究。自下而上的研究方法通過對輸入圖像提取顏色、朝向、亮度等方面的基本視覺特征的研究，形成各個特征對應的顯著圖。另外，一些研究者采用基于局部或全局對比度的方法，來得到圖中每個像素的顯著性，進而得到顯著圖。

現有的自下而上的視覺注意計算模型中，Itti的顯著圖模型（簡稱Itti模型）最具代表性。該模型主要包含3個模塊：特征提取、顯著圖生成和注意焦點轉移。模型通過初級特征的提取，將多種特征、多種尺度的視覺空間通過中央―周邊算子得到的各個特征的顯著性圖合成一幅顯著圖。顯著圖中的各個目標通過勝者為王的競爭機制，選出唯一的注意目標，其中注意焦點的轉移用的是禁止返回機制。但該模型也有一些缺點，如顯著區與目標區域有偏差、計算量較大、運行時間較長、動態場景中實時處理不平等。

在動態場景之中，由于Itti模型很難滿足實時性的要求，科研工作者們正在努力研究動態場景的特性，并建立相應的動態模型。如Wolfe［1］指出，影響前注意的特征包括顏色、方向、曲率、尺寸、運動、深度特征、微調支距、光澤、形狀，等等，其中又以運動特征最為敏感。而You等采用了一種空間域特征和時間域特征相結合的視覺注意模型，該模型假設當場景中存在全局運動時，視覺注意對象將極少做運動。然而，許多真實的場景并不能滿足這個假設，限制了模型的適用范圍。Hang等人提出了一種運動圖的計算方法，并把運動圖作為特征之一，與顏色、亮度、方向等特征結合。這些研究關注了運動特征對視覺的影響，但是均存在一定的局限性，對于復雜的運動場景的注意焦點計算很難取得良好的效果。

我國研究者也在Itti注意模型的基礎上研究了適合動態場景中的注意模型，形成了一些理論成果。如曾志宏［2］等人提出注意焦點計算模型，鄭雅羽［3］等提出基于時空特征融合的視覺注意計算模型。這些模型都能較好地提取動態場景下的視覺目標。

4.2自上而下的任務驅動的注意模型研究及分析

自上而下的注意即任務驅動的注意，通過目標和任務的抽象知識，在一定程度上指導注意焦點的選擇。在自上而下注意模型的研究方面，Laar（1997）提出了一個用于隱式視覺注意的模型，該模型通過任務學習，將注意集中于重要的特征。Rabak［4］提出了基于注意機制的視覺感知識別模型，該模型在定義目標顯著性時，通過語義分析對其他三個自下向上的視覺控制參數項進行線性組合。Salah將可觀測馬爾科夫模型引入到模擬任務驅動的注意模型研究中，并在數字識別和人臉識別的實驗中取得了很好的效果。Itti提出以調節心理閾值函數的形式來控制視覺感知。

目前對自下而上的數據驅動方面的研究較多，而對自下而上的任務驅動方面研究較少。因為任務驅動的注意與人的主觀意識有關，同時受到場景的全局特征影響。自上而下的注意涉及記憶、控制等多個模塊的分工協作，其過程非常復雜。

5.計算機視覺注意模型研究的趨勢

自底向上和自頂向下的加工是兩種方向不同的信息處理機制，兩者的結合形成了統一的視知覺系統。人類的視覺信息處理系統只有遵循這樣的方法，才能有效地實現視覺選擇注意的目的。

實踐證明，把自底向上和自頂向下的研究相分離的研究方法并不能很好地解決計算機的視覺注意過程。要想使計算機能夠準確模擬人類的視覺注意過程，實現主動的視覺選擇注意的目的，采用兩種研究方法相結合的形式勢在必行。自底向上的視覺注意計算往往離不開與自頂向下的有機結合，實現二者的優勢互補是以后計算機視覺注意研究的一個趨勢。

參考文獻：

［1］Wolf J M，Cave K R.Deploying visual attention：the guided search model.In：Troscianko T，Blake A，eds.AI and the Eye.Chichester，UK：Wiley press，1990.

［2］曾志宏，周昌樂，林坤輝，曲延云，陳嘉威.目標跟蹤的視覺注意計算模型［J］.計算機工程，2008，（23）.

［3］鄭雅羽，田翔，陳耀武.基于時空特征融合的視覺注意模型［J］.吉林大學學報，2009，（11）.

［4］Rabak I A，Gusakova V I，Golovan A V，et al.A model of attention-guided vision perception and recognition.Vision Research，1998，38.

第7篇：計算機視覺的主要技術范文

關鍵詞：計算機智能視頻監控；運動目標檢測方法；目標跟蹤方法

中圖分類號：TP311 文獻標識碼：A 文章編號：1674-7712 (2012) 10-0104-01

隨著人工智能技術日新月異的發展，基于人工智能的計算機視覺技術也得到了廣泛的推廣和應用，成為計算機智能領域一個重要的發展方向。到目前為止，計算機視覺技術已經過20余年的發展，其在社會人文，軍事技術及工業生產領域得到了廣泛的應用，并以其獨具特色的技術優勢逐漸形成了一門具有一定先進理論支撐的獨立學科。其中，著名學者Marr提出的視覺計算理論已成為計算機智能視頻監控領域的主導思想，為大多數該領域內的研究人員所接受。從廣義上講，計算機視覺技術的實質就是實現對在復雜環境中運動物體的幾何尺寸、形狀及相關運動狀態的識別和認知，即把實際空間中的三維對象轉換為計算機視覺系統識別的二維圖像。近年來，計算機視覺技術以其迅猛的發展態勢及成熟的應用技術成為了業界的新寵，并得到了廣泛的應用，取得了矚目的成績。

一、運動目標檢測方法分析

（一）運動目標在靜止背景條件下的檢測分析

1.差分檢測法

將同一背景不同時刻兩幅圖像進行比較，可以反映出一個運動物體在此背景下運動的結果，比較簡單的一種方法是將兩圖像做“差分”或“相減”運算，從相減后的圖像中，很容易發現運動物體的信息。在相減后的圖像中，灰度不發生變化的部分被減掉，則前區為正，后區為負，其他部分為零。由于減出的部分可以大致確定運動目標在圖像上的位置，使用相關法時就可以縮小搜索范圍。

2.自適應運動檢測方法

當兩幀圖像的背景圖像起伏較大時，簡單的差分法難以得到滿意的解。此時可以考慮用自適應背景對消的方法，該方法可以在低信雜比的情況下壓制背景雜波和噪聲，檢測出非穩態圖像信息。在背景雜波較大時，常用的門限分割不能分出這種運動目標。在圖像序列中，每一個像素點的灰度值都是這一點所對應傳感器的輸出信號值與噪聲值的疊加，因此，如何克服噪聲的影響確定一個最佳門限將目標與背景分離，就成為弱小目標檢測的一個重要環節。

（二）目標在運動背景條件下的檢測方法分析

塊匹配法是目標在運動背景條件下的主要檢測方法?；趬K的運動分析在圖像運動估計和其他圖像處理和分析中得到了廣泛的應用，比如說在數字視頻壓縮技術中，國際標準MPEG1-2采用了基于塊的運動分析和補償算法。塊運動估計與光流計算不同，它無需計算每一個像素的運動，而只是計算由若干像素組成的像素塊的運動，對于許多圖像分析和估計應用來說，塊運動分析是一種很好的近似。這里主要介紹塊匹配方法。塊匹配方法實質上是在圖像序列中做一種相鄰幀間的位置對應人物。它首先選取一個圖像塊，然后假設塊內的所有像素做相同的運動，以此來跟蹤相鄰幀間的對應位置。各種塊匹配算法的差異主要體現在：匹配準則、搜索策略及塊尺寸選擇方法上。

1.匹配準則

典型的匹配準則有：最大互相關準則、最小均方差準則、最小平均絕對值差準則、最大匹配像素數量準則等。

2.搜索策略

為了求得最佳位移估計，可以計算所有可能的位移矢量對應的匹配誤差，然后選擇最小匹配誤差對應的矢量就是最佳位移估計值。因此，人們提出了各種快速搜索策略。這種策略的最大優點是可以找到全局最優值，但十分浪費時間。因此，人們提出了各種快速搜索策略。盡管快速搜索策略得到的可能是局部最優值，但由于其快速計算的實用性，在實際中得到了廣泛的應用。下面討論兩種快速搜索方法：二維對數及三步搜索法。

二維對數搜索法開創了快速搜索算法的先例，分多個階段搜索，逐漸縮小搜索范圍，直到不能再小而結束。其基本思想是從當前像素點開始，以十字形分布的5個點構成每次搜索的點群，通過快速搜索跟蹤最小誤差MBD點。

三步搜索法與二位對數法類似，由于簡單、健壯、性能良好等特點，為人們所重視。例如其最大搜索長度為7，搜索精度取一個像素，則步長為4、2、1，只需三步即可滿足要求，因此而得名三步法。其基本思想是采用一種由粗到細的搜索模式，從原點開始，按一定步長取周圍8個點構成每次搜索的點群，然后進行匹配計算，跟蹤最小塊誤差MBD點。

三、運動目標跟蹤方法

成像跟蹤系統經過圖像的預處理、圖像的分割識別等一系列信息處理，最終實現對目標位置的實時精確測量。跟蹤策略基本上可分為兩大類：波門跟蹤和相關跟蹤。

（一）波門跟蹤法分析

參考被跟蹤目標外觀的實際尺寸形態，事先確定好跟蹤窗口就是我們通常所定義的“波門”的概念。與傳統的圖像處理方法不同，采用波門跟蹤法進行圖像的分析和處理，其原始狀態的圖像數據僅僅限于波門內的數據，這樣系統一旦捕捉到目標，不僅可以避免傳統技術對整幅圖像處理過程的耗時缺點，而且這種跟蹤技術應用和操作更為簡單，跟蹤及成像效果也能夠得到切實的保障。

（二）相關跟蹤法分析

當被跟蹤的目標物體出現運動、姿態的調整或由于自然條件等因素造成了背景的雜波干擾時，目標圖像的分割及提取工作由于目標矩心及形心的不確定將難于進行。這種情況下，就可以采用相關跟蹤的方式進行處理。這種基于圖像匹配為基礎的相關跟蹤技術是以圖像相識性度量為基礎，獲取現場圖像中實時的最接近目標圖像值的一種跟蹤方式。由于分析及處理過程中，不需對用于分割及提取的特征值進行處理，因而可以應用于對圖像數據的原始資料的處理方面，這種方法不僅可以使圖像的信息得以全部的保留，而且適合眾多復雜的環境及場景，是一種操作簡單，結果精確的測量方法。

四、結語

近年來，各行各業對視頻監控的需求不斷升溫，但已有的視頻監控產品不能滿足日益增長的需要。因此，計算機視覺和應用研究學者適時提出新一代監控—視頻智能監控。它是目前國內外計算機視覺研究領域熱點問題之一。因而，在生產實踐中，不斷加強對其的分析和研究具有非常重要的現實意義。

參考文獻：

第8篇：計算機視覺的主要技術范文

關鍵詞：自動控制技術農業自動化

中圖分類號： DF413.1文獻標識碼： A

由于歷史、觀念和技術等方面的原因, 我國傳統農業機械與發達國家相比有很大差距, 已遠遠不能適應農業的科技進步。近些年來, 自動化的研究逐漸被人們所認識, 自動控制在農業上的應用越來越受到重視。例如,把計算機技術、微處理技術、傳感與檢測技術、信息處理技術結合起來, 應用于傳統農業機械, 極大地促進了產品性能的提高。我國農業部門總結了一些地區的農業自動化先進經驗(如臺灣地區的農業生產自動化、漁業生產自動化、畜牧業生產自動化及農產品貿易自動化)的開發與應用情況, 同時也汲取了國外一些國家的先進經驗、技術, 如日本的四行半喂人聯合收割機是計算機控制的自動化裝置在半喂人聯合收割機中的應用,英國通過對施肥機散播肥料的動力測量來控制肥料的精確使用量。這些技術和方法是我國農業機械的自動化裝置得到了補充和新的發展, 從而形成了一系列適合我國農業特點的自動化控制技術。

一、已有的農業機械及裝置的部分自動化控制

自動化技術提高了已有農業機械及裝置的作業性能和操作性能。浙江省把自動化技術應用于茶葉機械上, 成功研制出6CRK-55型可編程控制加壓茶葉揉捻機, 它利用計算機控制電功加壓機構, 能根據茶葉的具體情況編制最佳揉捻程序實現揉捻過程的自動控制, 是機電一體化技術在茶葉機械上的首次成功應用。

1.應用于拖拉機

在農用拖拉機上已廣泛使用了機械油壓式三點聯結的位調節和力調節系統裝置, 現又在開發和采用性能更完善的電子油壓式三點聯結裝置。

2.應用于施肥播種機

根據行駛速度和檢測種子粒數來確定播種量是否符合要求的裝置, 以及將馬鈴薯種子割成瓣后播種的裝置等。

3.應用于谷物干燥機

不受外界條件干擾, 能自動維持熱風溫度的裝置停電或干燥機過熱引起火災時, 自動掐斷燃料供給的裝置。

二、微灌自動控制技術

我國從20世紀年50代就開始進行節水灌溉的研究與推廣據統計。到1992年, 全國共有節水灌溉工程面積0.133億m2, 其中噴灌面積80萬m2, 農業節水工程取得了巨大的進展。灌溉管理自動化是發展高效農業的重要手段, 高效農業和精細農業要求必須實現水資源的高效利用。采用遙感遙測等新技術監測土壤墑性和作物生長情況, 對灌溉用水進行動態監測預報, 實現灌溉用水管理的自動化和動態管理。在微灌技術領域, 我國先后研制和改進了等流量滴灌設備、微噴灌設備、微灌帶、孔口滴頭、壓力補償式滴頭、折射式和旋轉式微噴頭、過濾器和進排氣閥等設備, 總結出了一套基本適合我國國情的微灌設計參數和計算方法, 建立了一批新的試驗示范基地。在一些地區實現了自動化灌溉系統, 可以長時間地自動啟閉水泵和自動按一定的輪灌順序進行灌溉。這種系統中應用了灌水器、土壤水分傳感器、溫度傳感器、壓力傳感器、水位傳感器和雨量傳感器、電線等。

三、自動控制技術在精準農業中的應用

精準農業是在傳統農業與農業機裝備技術上, 運用高新技術進行農業生產管理。精準農業較傳統農業其先進之處主要是應用全球定位系統(GPS)、地理信息技術、計算機控制技術、專家與決策知識系統, 實現農業生產的定位、定量、定時, 做到精耕細作和由于農業水土管理區管理點較為分散, 用傳統方法進行數據采集和信息傳輸精度差、速度慢。把電子技術、微電子技術和通信技術緊密結合起來, 采用現代方法進行自動化監控和管理非常必要, 如在渠系、灌水、泵站等方面實現自動化監控與管理。農業自動化向智能化方向發展, 進一步發展精準農業重點發展節水、節肥精準農業技術體系的自動化控制, 實施精準灌溉、精準施肥, 提高水資源和化肥資源的利用率。精細設施農業主要發展以溫室為主的自動控制系統智能化研究, 從而現降低成本、提高作物產量、提高農產品品質。這有助于我國農業資源的高效利用和農業環境保護, 是發展持續農業的重要途徑。將計算機視覺技術應用于農業自動化領域計算機視覺技術是一個相當新且發展十分迅速的研究領域, 日本、美國等發達國家已在農業計算機視覺方面進行了廣泛而深入的研究, 如農業種質資源管理、獲取作物生長狀態信息、農產品自動收獲、農產品品質鑒定等。英國開發研制的采摘蘑菇機器人, 在定位蘑菇采摘點和測量時, 已經利用了計算機視覺和圖像處理技術。計算機視覺技術在我國農業生產和農業現代化方面已開始應用, 但在設施農業、虛擬農業中的應用尚處于起步階段, 應進一步加強、加快該領域的研究與應用。

我國農業自動化已在設施農業中的溫室自動化控制、排灌機械自動化、部分農業機械裝置自動化等方面得到一定的發展, 尤其精準農業的發展越來越得到重視。電子技術和計算機技術的迅速發展推動了農業機器向自動化方向發展。隨著智能化技術的發展, 人工智能將是世紀農業工程發展的重點。各種農業機器人或智能化系統將在農業自動化控制中不斷涌現, 繼續推動和實現農業自動化是農業機械化工程技術工作者所面臨的長遠課題和挑戰, 并進一步促進農業自動化控制技術向智能化技術發展。

四、自動控制技術在精準農業中的應用

精準農業是在傳統農業與農業機裝備技術上, 運用高新技術進行農業生產管理。精準農業較傳統農業其先進之處主要是應用全球定位系統(GPS)、地理信息技術、計算機控制技術、專家與決策知識系統, 實現農業生產的定位、定量、定時, 做到精耕細作和由于農業水土管理區管理點較為分散, 用傳統方法進行數據采集和信息傳輸精度差、速度慢。把電子技術、微電子技術和通信技術緊密結合起來, 采用現代方法進行自動化監控和管理非常必要, 如在渠系、灌水、泵站等方面實現自動化監控與管理。農業自動化向智能化方向發展, 進一步發展精準農業重點發展節水、節肥精準農業技術體系的自動化控制, 實施精準灌溉、精準施肥, 提高水資源和化肥資源的利用率。精細設施農業主要發展以溫室為主的自動控制系統智能化研究, 從而現降低成本、提高作物產量、提高農產品品質。這有助于我國農業資源的高效利用和農業環境保護, 是發展持續農業的重要途徑。將計算機視覺技術應用于農業自動化領域計算機視覺技術是一個相當新且發展十分迅速的研究領域, 日本、美國等發達國家已在農業計算機視覺方面進行了廣泛而深入的研究, 如農業種質資源管理、獲取作物生長狀態信息、農產品自動收獲、農產品品質鑒定等。英國開發研制的采摘蘑菇機器人, 在定位蘑菇采摘點和測量時, 已經利用了計算機視覺和圖像處理技術。計算機視覺技術在我國農業生產和農業現代化方面已開始應用, 但在設施農業、虛擬農業中的應用尚處于起步階段, 應進一步加強、加快該領域的研究與應用。

我國農業自動化已在設施農業中的溫室自動化控制、排灌機械自動化、部分農業機械裝置自動化等方面得到一定的發展, 尤其精準農業的發展越來越得到重視。電子技術和計算機技術的迅速發展推動了農業機器向自動化方向發展。隨著智能化技術的發展, 人工智能將是世紀農業工程發展的重點。各種農業機器人或智能化系統將在農業自動化控制中不斷涌現, 繼續推動和實現農業自動化是農業機械化工程技術工作者所面臨的長遠課題和挑戰, 并進一步促進農業自動化控制技術向智能化技術發展。

【參考文獻】

[1]馬玉敏等.工業以太網的最新發展.自動化系統工程，2006（2）：2.

第9篇：計算機視覺的主要技術范文

關鍵詞：序貫相似性檢測算法 圖像匹配 計算機視覺

中圖分類號：TN911 文獻標識碼：A 文章編號：1672-3791（2013）06（c）-0205-01

圖像匹配最早是70年代美國從事飛行器輔助導航系統，武器投射系統的制導等應用研究中提出的。國內外學者對匹配輔助導航技術進行深入研究，使其在民用領域的應用越來越廣泛[1，2]。計算機視覺計算主要分為低層處理、中層處理和高層處理，而在低層進行數字化差異檢測、中層進行參數化相似分析，高層處理完成圖像的識別、解釋和描述等任務，都需要圖像匹配技術[3]。序貫相似性檢測算法（SSDA）能夠快速地丟棄非匹配點，減少非匹配點的計算量，從而提高匹配的速度，算法簡單，易于實現。

1 序貫相似性檢測算法

序貫相似性檢測算法的基本思想是基于對誤差的積累進行分析。在進行圖像匹配時，通常非匹配點處的誤差ε會隨著運算點數的增加而迅速增長，很快超過某一門限，而對于匹配點處，誤差的增長要緩慢得多。這樣對于大多數非匹配點，只需要分析前幾項，而只有匹配點附近的點才需要計算整個循環，這樣就大大地減少了匹配的運算量。

設源圖像S的大小為J×K，模板圖T的大小為M×N（其中M≤J，N≤K），模板覆蓋的區域子圖為，（p，q）為模板左上角像素點在圖像S中的坐標，S中的待匹配區域是以點（p，q），（p，q+M-1），（p+N-1，q），（p+N-1，q+M-1）組成的區域。相對于參考點位置為（m，n）點的匹配誤差定義為：

其中k=1，2，…r。將累計誤差值與預定閾值進行比較，當累加值超過設定閾值Tk時，就停止累加計算，并記下累加次數k。計算下一個待匹配點處的誤差，若累計誤差小于預定閾值，則繼續計算此處的誤差，直到>Tk或k=r，記下k值。對不同的待匹配點進行上述匹配計算，最后取最大k值對應的待匹配點位置，即為要找的匹配點。

2 實驗結果與分析

圖1顯示了基準圖與實時圖像，圖1（a）為基準圖像，大小為256×256，圖1（b）為實時圖，大小為65×65。圖1（c）找到了實時圖像在基準圖中的位置。

由圖1可以看出，SSDA算法能夠良好地進行匹配。而通過對匹配時間的計算可以看出，SSDA算法的運行時間相對較短，效率較高。

參考文獻

[1] GONG H C.Development of terrain contour matching algorithm for the aided inertial navigation using radial basis functions [J].Journal of Astron Space Science，1998，15（1）：229-234.