計算機視覺技術與展望

【摘要】：數字圖像和視頻數據蘊含了豐富的視覺資源，如何智能化地提取和分析其中的有用信息逐漸成為近年的研究熱點。計算機視覺技術在此學術背景下逐漸發展，并已經廣泛應用于生產制造、智能安檢、圖像檢索、醫療影像分析、人機交互等領域。與此同時，計算機視覺技術仍然面臨諸如語義信息描述模糊、圖像特征檢測不穩定且效率低下等諸多問題。

【關鍵詞】：計算機視覺；圖像特征；發展

1.計算機視覺技術核心問題

視覺問題復雜性的本質在于相對聲音等物理信號的描述，視覺信號充滿了非常豐富的信息，描述起來也更加困難。比如，很多圖像中蘊含了大量簡單（如顏色、形狀、紋理、幾何特征等）及復雜（如場景、字符、物體分布、人物而部特征、人體姿勢等）信息并具有較大的動態范圍和主觀性，如何攻克圖像信息提取過程中的各種難題一直是當今計算機圖像學研究的熱點問題。而且，在科學家們還未完全破譯生物視覺系統的奧秘的前提下，大多數CV問題只能采用“逆向推導機制”—依據己知或假設的關聯將視覺系統的輸入（數字圖像）和輸出（語義描述）對應起來，通過圖片猜測真實世界物體具有的形狀，照明度以及顏色分布。因此，基于概率論和數理統計的數學模型是最適合解決這類逆推問題的工具，這也是目前CV領域普遍采用各種統計模型和機器學習算法的本質原因。由于各種學習機制和統計模型需要基于先驗知識并建立在對待測圖像內容的約束、簡化及假設的基礎上，和生物視覺幾億年的發展進化相比，其建立的數學模型也只能片而而且粗糙地描繪出視覺系統輸入與輸出之間的關系。因此，對某組特定圖像檢測時表現十分優秀的系統，往往對另一組語義相同的圖片素手無策；很多看似穩定的機器學習機制，在增加樣本種類和數量后，檢測率反而會下降；很多設計復雜的檢測算法在實際應用中的表現反而不如一些簡單且基本的數學描述困。

2.計算機視覺的應用領域

計算機視覺的應用領域主要包括對照片、視頻資料如航空照片、衛星照片、視頻片段等的解釋、精確制導、移動機器人視覺導航、醫學輔助診斷、工業機器人的手眼系統、地圖繪制、物體三維形狀分析與識別及智能人機接口等。

早期進行數字圖像處理的目的之一就是要通過采用數字技術提高照片的質量，輔助進行航空照片和衛星照片的讀取判別與分類。由于需要判讀的照片數量很多，于是希望有自動的視覺系統進行判讀解釋，在這樣的背景下，產生了許多航空照片和衛星照片判讀系統與方法。自動判讀的進一步應用就是直接確定目標的性質，進行實時的自動分類，并與制導系統相結合。目前常用的制導方式包括激光制導、電視制導和圖像制導，在導彈系統中常常將慣性制導與圖像制導結合，利用圖像進行精確的末制導。

3.計算機視覺技術在工業領域中的應用

計算機視覺系統可用工業領域的很多方面，如零件檢驗與尺寸測量、零件的缺陷檢查、機器人的引導和零件的識工業、木材工業、紡織工別等。應用圖象處理及計算機視覺檢測技術最多的部門是電子工業，零件裝配、其次是汽車業、食品加工工業、包裝工業及航空工業等等，已取得的應用成果有產品形狀和表而缺陷檢查、產品非破壞性檢查、機器人、產品分類、其他應用等。

考慮經濟效益因素，一般將計算機視覺技術應用飛以下場合在線處理零件；惡劣的制造環境，不適飛人進行操作在運送過程零件可能損壞有大量的小零件需要測量有合適的照明條件。其中，在需要重復檢測相同部件或產品的場合中，計算機視覺技術的應用最為廣泛，采用的主要技術手段有計算機技術、傳感技術、圖象處理技術、模式識別等，目的在飛利用這些技術構險價比優良的工業視覺檢測裝置。如果零件外形變化對加工不重要、或現場照明條件很差、或傳感器能夠提供所需的信息時，就不需要使用計算機視覺系統。

工業視覺檢測過程包括二個步驟，首先是利用各種光源和傳感器進行數據采集，實際應用中，輸入的源圖象多數是256色的灰度圖象；其次是對源圖象進行數據處理、分析及特征提取，為了得到準確的檢測結果，通常先要對源圖象進行預處理，大部分情況下，預處理基礎上還需應用匹配技術進行物體檢測，即先建立模板，然后用已有的模板與被檢測物體相配，以便進行分類；最后是輸出處理結果。檢測系統能否達到預期效果，關鍵在于第二階段—數據處理、分析及特征提取階段中計算機對圖象處理的準確程度。

在圖象預處理方面，模板匹配前對圖象進行預處理，目的在獲取源圖象的二位邊緣圖。圖象預處理階段需要完成邊緣檢測、二仇化等工作。目前，已有很多邊緣檢測方法，一階微分算子、二階微分算子、全局檢測方法等。

4.結語

在原有問題上采用新的描述方法、求解手段也是一個可能的突破點。在視覺領域中多數的問題不是問題本身正確與否，而是描述是否恰當以及求解是否有效的問題，因而描述方式、求解手段的探索是十分重要的。總之，隨著對定量研究的重視，新的描述方式、求解手段的研究，以及感知手段的改進，計算機視覺的研究必將迎來一個更加繁榮的時代。

5.參考文獻

[1]韓瑞珍，何勇. 基于計算機視覺的大田害蟲遠程自動識別系統[J]. 農業工程學報，2013，（03）：156-162.

[2]關然，徐向民，羅雅愉，苗捷，裘索. 基于計算機視覺的手勢檢測識別技術[J]. 計算機應用與軟件，2013，（01）：155-159+164.

[3]許志杰，王晶，劉穎，范九倫. 計算機視覺核心技術現狀與展望[J]. 西安郵電學院學報，2012，（06）：1-8.

[4]江靜，張雪松. 基于計算機視覺的深度估計方法[J]. 光電技術應用，2011，（01）：51-55.

[5]潘磊慶，屠康，詹歌，劉明，鄒秀容. 基于計算機視覺和聲學響應信息融合的雞蛋裂紋檢測[J]. 農業工程學報，2010，（11）：332-337.

[6]邱茂林，馬頌德，李毅. 計算機視覺中攝像機定標綜述[J]. 自動化學報，2000，（01）：47-59.