国产精品久久精品牛牛影视-国产精品久久精品视-国产精品久久九九-国产精品久久久-国产精品久久久99

視覺是人類強大的感知方式。它為人們提供了大量關(guān)于周圍環(huán)境的信息，使人們能夠有效地與周圍環(huán)境互動。據(jù)統(tǒng)計，80%以上的人類從外部世界接收的信息是通過視覺獲得的，50%的大腦皮層參與視覺功能的運行。

芯片采購網(wǎng)專注于整合國內(nèi)外授權(quán)IC代理商現(xiàn)貨資源，芯片庫存實時查詢，行業(yè)價格合理，采購方便IC芯片，國內(nèi)專業(yè)芯片采購平臺。

有許多有趣的視覺發(fā)現(xiàn)，比如螳螂蝦的眼睛可以檢測到偏振光。人眼和普通相機只能感知光的強度信息，而不能檢測光的偏振信息。昆士蘭大學(xué)的研究人員發(fā)現(xiàn)，螳螂蝦的復(fù)眼(見圖1-2)可以檢測到偏振光。根據(jù)生物醫(yī)學(xué)和光學(xué)的理論知識，生物組織的特征與偏振信息有關(guān)，因此螳螂蝦的眼睛可以診斷生物組織的病變。此外，蜻蜓和其他昆蟲有復(fù)眼結(jié)構(gòu)（見圖1-3）。蜘蛛有很多眼睛。青蛙的眼睛只能看到動態(tài)場景，狗對顏色信息的分辨率很低。

圖1-2螳螂蝦的眼睛

圖1-3蜻蜓的眼睛

那么，介紹生物視覺功能后，機器視覺是什么？

機器視覺是自動處理和報告圖像是什么的過程，即用于識別圖像中的內(nèi)容，如自動目標(biāo)識別。

機器視覺一般以計算機為中心，主要由視覺傳感器、高速圖像采集系統(tǒng)、特殊圖像處理系統(tǒng)等模塊組成。

根據(jù)David A.Forsyth和Jean Ponce計算機視覺的定義是利用幾何、物理和學(xué)習(xí)理論來建立模型，從而使用統(tǒng)計方法來處理數(shù)據(jù)。它是指在徹底了解相機性能和物理成像過程的基礎(chǔ)上，通過簡單個像素值的簡單推理，將多個圖像中可能獲得的信息整合成相互關(guān)聯(lián)的整體，確定像素之間的連接，以便相互分離或推斷一些形狀信息，然后使用幾何信息或概率統(tǒng)計來識別對象。

考慮到系統(tǒng)的輸入和輸出模式，機器視覺系統(tǒng)的輸入是圖像或圖像序列，輸出是描述。此外，機器視覺由特征測量和基于這些特征的模式識別兩部分組成。

機器視覺不同于圖像處理。圖像處理的目的是使圖像處理后更好。圖像處理系統(tǒng)的輸出仍然是圖像，機器視覺系統(tǒng)的輸出是與圖像內(nèi)容相關(guān)的信息。圖像處理可分為低級圖像處理、中級圖像處理和高級圖像處理。處理內(nèi)容包括圖像增強、圖像編碼、圖像壓縮、圖像恢復(fù)和重構(gòu)。

發(fā)展01機器視覺

圖1-4顯示了20世紀(jì)70年代以來機器視覺發(fā)展過程中的一些主題，包括數(shù)字圖像處理和積木世界，20世紀(jì)80年代的卡爾曼濾波器正則化，90年代的圖像分割，基于統(tǒng)計的圖像處理，以及21世紀(jì)計算攝像和機器視覺的深度學(xué)習(xí)。

圖1-4機器視覺發(fā)展過程中的一些主題

1.20世紀(jì)70年代

機器視覺始于20世紀(jì)70年代早期，被視為模擬人類智能并賦予機器人智能行為的感知組成部分。當(dāng)時，麻省理工大學(xué)、斯坦福大學(xué)、卡內(nèi)基等人工智能和機器人的一些早期研究人員·梅隆大學(xué)的研究人員認(rèn)為，解決視覺輸入問題應(yīng)該是解決高水平推理和規(guī)劃等更困難問題的簡單步驟。例如，1966年，麻省理工大學(xué)Marvin Minsky讓他的本科生Gerald Jay Sussman將相機連接到計算機上，讓計算機描述它所看到的。現(xiàn)在，這些看似簡單的問題并不容易解決。

20世紀(jì)60年代出現(xiàn)了數(shù)字圖像處理。與現(xiàn)有的數(shù)字圖像處理領(lǐng)域不同，機器視覺希望從圖像中恢復(fù)實物的三維結(jié)構(gòu)，從而獲得完整的場景理解。場景理解的早期嘗試包括提取物體（即積木世界）的邊緣，然后從二維線的拓?fù)浣Y(jié)構(gòu)推斷其三維結(jié)構(gòu)。此外，邊緣檢測也是一個活躍的研究領(lǐng)域。

20世紀(jì)70年代，人們還研究了物體的三維建模。Barrow、Tenenbaum與Marr通過表面朝向和陰影恢復(fù)三維結(jié)構(gòu)，提出了理解亮度和陰影變化的方法。當(dāng)時，有一些更定量的機器視覺方法，包括基于特征的三維視覺對應(yīng)（stereo correspondence）基于亮度的算法和光流（optica lflow）與此同時，關(guān)于恢復(fù)三維結(jié)構(gòu)和相機運動的研究也開始出現(xiàn)。

另外，David Marr關(guān)于(視覺)信息處理系統(tǒng)達的三個層次：

1)計算理論:計算(任務(wù))的目的是什么？已知或可以對這個問題施加的約束是什么？

2)表達和算法:如何表達輸入、輸出和中間信息？計算預(yù)期結(jié)果的算法是什么？

3）硬件實現(xiàn)：表達和算法如何反映在實際硬件上，即生物視覺系統(tǒng)或特殊硅片上？相反，硬件約束如何用于指導(dǎo)表達和算法的選擇？隨著機器視覺對芯片計算能力需求的不斷增加，這個問題再次出現(xiàn)JRC代理次變得很重要。

2.20世紀(jì)80年代

20世紀(jì)80年代，圖像金字塔和規(guī)模空間開始廣泛應(yīng)用于從粗到精的對應(yīng)點搜索。20世紀(jì)80年代末，圖像金字塔開始被一些應(yīng)用中小波變換所取代。

從X到形狀的方法出現(xiàn)在三維視覺重建中，包括從陰影到形狀，從光度三維視覺到形狀，從紋理到形狀，從聚焦到形狀。在此期間，探索更準(zhǔn)確的邊緣和輪廓檢測方法是一個活躍的研究領(lǐng)域，包括引入動態(tài)進化輪廓跟蹤器，如Snake模型。如果將三維視覺、光流、X到形狀和邊緣檢測算法作為變分優(yōu)化問題進行處理，則可以使用相同的數(shù)學(xué)框架進行統(tǒng)一描述，并可以使用正則方法來增加魯棒。此外，20世紀(jì)90年代卡爾曼濾波器和三維距離數(shù)據(jù)（range data）在過去的十年里，處理仍然是一個非常活躍的研究領(lǐng)域。

3.20世紀(jì)90年代

視覺發(fā)展如下：

1)在識別中使用投影不變量的研究呈爆炸性增長，可以有效地用于從運動到結(jié)構(gòu)的問題。許多最初的研究都是針對投影重建的，它不需要相機校準(zhǔn)的結(jié)果。與此同時，一些人提出了有效解決近似正交投影問題的因素分解方法，后來擴展到透視投影。該領(lǐng)域開始采用全局優(yōu)化方法，后來被認(rèn)為與攝影測量中常用的光束平差法有關(guān)。

2)使用顏色和亮度進行精細測量，并將其與精確的輻射傳輸和形成彩色圖像的物理模型相結(jié)合。這項工作始于20世紀(jì)80年代，形成了一個名為基于物理的視覺（physics-based visio）子領(lǐng)域。

3)光流方法不斷改進。

4)在密集三維視覺對應(yīng)算法方面也取得了很大進展。最大的突破可能是使用圖片切割（graph cut）全局優(yōu)化算法。

5)能產(chǎn)生完整三維表面的多視角立體視覺算法。

6)跟蹤算法也得到了很多改進，包括使用活動輪廓方法的輪廓跟蹤(如蛇形、粒子濾波和水平集)和基于亮度的跟蹤。

7)統(tǒng)計學(xué)習(xí)方法開始流行，如人臉識別的主要成分分析。

3.21世紀(jì)

在21世紀(jì)，計算機視覺和計算機圖形的交叉越來越明顯，特別是在基于圖像的建模和繪制的交叉領(lǐng)域。此外，計算攝像發(fā)揮著越來越重要的作用，包括光場獲取和繪制以及通過多曝光實現(xiàn)的高動態(tài)范圍成像。目標(biāo)識別中基于特征的方法（結(jié)合學(xué)習(xí)方法）越來越突出，開發(fā)了更高效、更復(fù)雜的全球優(yōu)化問題。

最后一個趨勢是復(fù)雜機器學(xué)習(xí)方法在計算機視覺中的應(yīng)用，特別是近年來，基于深度學(xué)習(xí)的機器學(xué)習(xí)方法在圖像和視頻中的應(yīng)用。

02機器視覺與其他領(lǐng)域的關(guān)系

機器視覺是一門交叉學(xué)科，它與許多領(lǐng)域有關(guān)，特別是機器視覺和計算機視覺之間的關(guān)系，有些學(xué)者認(rèn)為兩者是一樣的，有些人認(rèn)為兩者是不同的，圖1-5顯示了計算機視覺、圖像處理、人工智能、機器人控制、信號處理、成像等。在相關(guān)學(xué)科中，人工智能、機器人控制等概念都有明確的定義。成像是表示或重構(gòu)客觀物體形狀及相關(guān)信息的學(xué)科。

圖1-5機器視覺與其他領(lǐng)域的關(guān)系

圖像處理主要基于現(xiàn)有圖像生成新圖像，可通過噪聲抑制、模糊、邊緣增強等處理實現(xiàn)。模式識別的主要任務(wù)是對模式進行分類。機器視覺的核心問題是從一個或多個圖像中生成符號描述。計算機視覺和計算機圖形學(xué)是一個相互關(guān)聯(lián)和相反的過程。計算機圖形學(xué)的目的是呈現(xiàn)一些真實或非真實的場景，即通過虛擬建模處理場景，然后使用計算機呈現(xiàn)；計算機視覺是通過收集圖像來獲取真實場景的信息。