亚洲国产精品久久久久久久,国产在线视频一区二区三区98 ,JAPANESE国产在线观看

中文

English

首頁 > 技術(shù)中心

技術(shù)中心

計算機視覺技術(shù)

時間：06-12-2014

來源：航發(fā)快訊

計算機視覺是一門研究如何使機器“看”的科學(xué)，更進一步的說，就是指用攝影機和計算機代替人眼對目標(biāo)進行識別、跟蹤和測量等機器視覺，并進一步做圖像處理，用計算機處理成為更適合人眼觀察或傳送給儀器檢測的圖像。
作為一個科學(xué)學(xué)科，計算機視覺研究相關(guān)的理論和技術(shù)，試圖建立能夠從圖像或者多維數(shù)據(jù)中獲取“信息”的人工智能系統(tǒng)。這里所指的信息指夏農(nóng)定義的，可以用來幫助做一個“決定”的信息。因為感知可以看作是從感官信號中提取信息，所以計算機視覺也可以看作是研究如何使人工系統(tǒng)從圖像或多維數(shù)據(jù)中“感知”的科學(xué)。
作為一個工程學(xué)科，計算機視覺尋求基于相關(guān)理論與模型來建立計算機視覺系統(tǒng)。這類系統(tǒng)的組成部分包括：
1、過程控制（例如工業(yè)機器人和無人駕駛汽車）
  2、事件監(jiān)測（例如圖像監(jiān)測）
  3、信息組織（例如圖像數(shù)據(jù)庫和圖像序列的索引建立）
  4、物體與環(huán)境建模（例如工業(yè)檢查，醫(yī)學(xué)圖像分析和拓?fù)浣＃?
  5、交感互動（例如人機互動的輸入設(shè)備）
計算機視覺同樣可以被看作是生物視覺的一個補充。在生物視覺領(lǐng)域中，人類和各種動物的視覺都得到了研究，從而建立了這些視覺系統(tǒng)感知信息過程中所使用的物理模型。另一方面，在計算機視覺中，靠軟件和硬件實現(xiàn)的人工智能系統(tǒng)得到了研究與描述。生物視覺與計算機視覺進行的學(xué)科間交流為彼此都帶來了巨大價值。
計算機視覺包含如下一些分支：畫面重建、事件監(jiān)測、目標(biāo)跟蹤、目標(biāo)識別、機器學(xué)習(xí)、索引建立、圖像恢復(fù)等。
計算機視覺的發(fā)展現(xiàn)狀
計算機視覺領(lǐng)域的突出特點是其多樣性與不完善性。
這一領(lǐng)域的先驅(qū)可追溯到更早的時候，但是直到20世紀(jì)70年代后期，當(dāng)計算機的性能提高到足以處理諸如圖像這樣的大規(guī)模數(shù)據(jù)時，計算機視覺才得到了正式的關(guān)注和發(fā)展。然而這些發(fā)展往往起源于其他不同領(lǐng)域的需要，因而何謂“計算機視覺問題”始終沒有得到正式定義，很自然地，“計算機視覺問題”應(yīng)當(dāng)被如何解決也沒有成型的公式。
盡管如此，人們已開始掌握部分解決具體計算機視覺任務(wù)的方法，可惜這些方法通常都僅適用于一群狹隘的目標(biāo)（如：臉孔、指紋、文字等），因而無法被廣泛地應(yīng)用于不同場合。
對這些方法的應(yīng)用通常作為某些解決復(fù)雜問題的大規(guī)模系統(tǒng)的一個組成部分（例如醫(yī)學(xué)圖像的處理，工業(yè)制造中的質(zhì)量控制與測量）。在計算機視覺的大多數(shù)實際應(yīng)用當(dāng)中，計算機被預(yù)設(shè)為解決特定的任務(wù)，然而基于機器學(xué)習(xí)的方法正日漸普及，一旦機器學(xué)習(xí)的研究進一步發(fā)展，未來“泛用型”的電腦視覺應(yīng)用或許可以成真。
人工智能所研究的一個主要問題是：如何讓系統(tǒng)具備“計劃”和“決策能力”？從而使之完成特定的技術(shù)動作（例如：移動一個機器人通過某種特定環(huán)境）。這一問題便與計算機視覺問題息息相關(guān)。在這里，計算機視覺系統(tǒng)作為一個感知器，為決策提供信息。另外一些研究方向包括模式識別和機器學(xué)習(xí)（這也隸屬于人工智能領(lǐng)域，但與計算機視覺有著重要聯(lián)系），也由此，計算機視覺時常被看作人工智能與計算機科學(xué)的一個分支。
計算機視覺關(guān)注的目標(biāo)在于充分理解電磁波——主要是可見光與紅外線部分——遇到物體表面被反射所形成的圖像，而這一過程便是基于光學(xué)物理和固態(tài)物理，一些尖端的圖像感知系統(tǒng)甚至?xí)?yīng)用到量子力學(xué)理論，來解析影像所表示的真實世界。同時，物理學(xué)中的很多測量難題也可以通過計算機視覺得到解決，例如流體運動。也由此，計算機視覺同樣可以被看作是物理學(xué)的拓展。
另一個具有重要意義的領(lǐng)域是神經(jīng)生物學(xué)，尤其是其中生物視覺系統(tǒng)的部分。
在整個20世紀(jì)中，人類對各種動物的眼睛、神經(jīng)元、以及與視覺刺激相關(guān)的腦部組織都進行了廣泛研究，這些研究得出了一些有關(guān)“天然的”視覺系統(tǒng)如何運作的描述（盡管仍略嫌粗略），這也形成了計算機視覺中的一個子領(lǐng)域——人們試圖建立人工系統(tǒng)，使之在不同的復(fù)雜程度上模擬生物的視覺運作。同時計算機視覺領(lǐng)域中，一些基于機器學(xué)習(xí)的方法也有參考部分生物機制。
計算機視覺的另一個相關(guān)領(lǐng)域是信號處理。很多有關(guān)單元變量信號的處理方法，尤其對是時變信號的處理，都可以很自然的被擴展為計算機視覺中對二元變量信號或者多元變量信號的處理方法。但由于圖像數(shù)據(jù)的特有屬性，很多計算機視覺中發(fā)展起來的方法，在單元信號的處理方法中卻找不到對應(yīng)版本。這類方法的一個主要特征，便是他們的非線性以及圖像信息的多維性，以上二點作為計算機視覺的一部分，在信號處理學(xué)中形成了一個特殊的研究方向。
除了上面提到的領(lǐng)域，很多研究課題同樣可被當(dāng)作純粹的數(shù)學(xué)問題。例如，計算機視覺中的很多問題，其理論基礎(chǔ)便是統(tǒng)計學(xué)，最優(yōu)化理論以及幾何學(xué)。
如何使既有方法通過各種軟硬件實現(xiàn)，或說如何對這些方法加以修改，而使之獲得合理的執(zhí)行速度而又不損失足夠精度，是現(xiàn)今電腦視覺領(lǐng)域的主要課題。