首頁 > 技術中心
- 計算機視覺技術
- 時間：06-12-2014來源：航發(fa)快訊
- 計算機視覺是一門研究如何使機器“看”的科學，更進一步的說，就是指用攝影機和計算機代替人眼對目標進行識別、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。
-
- NASA火星探測車的雙攝影機系統
- 作為一個科學學科，計算機視覺研究相關的理論和技術，試圖建立能夠從圖像或者多維數據中獲取“信息”的人工智能系統。這里所 指的信息指夏農定義的，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從圖像或多維數據中“感知”的科學。
- 作為一個工程學科，計算機視覺尋求基于相關理論與模型來建立計算機視覺系統。這類系統的組成部分包括：
- 1、過程控制（例如工業機器人和無人駕駛汽車）
2、事件監測（例如圖像監測）
3、信息組織（例如圖像數據庫和圖像序列的索引建立）
4、物體與環境建模（例如工業檢查，醫學圖像分析和拓撲建模）
5、交感互動（例如人機互動的輸入設備） - 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，靠軟件和硬件實現的人工智能系統得到了研究與描述。生物視 覺與計算機視覺進行的學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、事件監測、目標跟蹤、目標識別、機器學習、索引建立、圖像恢復等。
- 計算機視覺的發展現狀
-
- 計算機視覺與其他領域的關系
- 計算機視覺領域的突出特點是其多樣性與不完善性。
- 這一領域的先驅可追溯到更早的時候，但是直到20世紀70年代后期，當計算機的性能提高到足以處理諸如圖像這樣的大規模數據時，計算機視覺才得到了正式的關注和發展。然而這些發展往往起源于其他不同領域的需要，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”應當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的方法，可惜這些方法通常都僅適用于一群狹隘的目標（如：臉孔、指紋、文字等），因而無法被廣泛地應用于不同場合。
- 對這些方法的應用通常作為某些解決復雜問題的大規模系統的一個組成部分（例如醫學圖像的處理，工業制造中的質量控制與測量）。在計算機視覺的大多數實際應用當中，計算機被預設為解決特定的任務，然而基于機器學習的方法正日漸普及，一旦機器學習的研究進一步發展，未來“泛用型”的電腦視覺應用或許可以成真。
- 人工智能所研究的一個主要問題是：如何讓系統具備“計劃”和“決策能力”？從而使之完成特定的技術動作（例如：移動一個機器人通過某種特定環境）。這一問題便與計算機視覺問題息息相關。在這里，計算機視覺系統作為一個感知器，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習（這也隸屬于人工智能領域，但與計算機視覺有著重要聯系），也由此，計算機視覺時常被看作人工智能與計算機科學的一個分支。
- 計算機視覺關注的目標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物理和固態物理，一些尖端的圖像感知系統甚至會應用到量子力學理論，來解析影像所表示的真實世界。同時，物理學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的拓展。
- 另一個具有重要意義的領域是神經生物學，尤其是其中生物視覺系統的部分。
- 在整個20世紀中，人類對各種動物的眼睛、神經元、以及與視覺刺激相關的腦部組織都進行了廣泛研究，這些研究得出了一些有關“天然的”視覺系統如何運作的描述（盡管仍略嫌粗略），這也形成了計算機視覺中的一個子領域——人們試圖建立人工系統，使之在不同的復雜程度上模擬生物的視覺運作。同時計算機視覺領域中，一些基于機器學習的方法也有參考部分生物機制。
- 計算機視覺的另一個相關領域是信號處理。很多有關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。但由于圖像數據的特有屬性，很多計算機視覺中發展起來的方法，在單元信號的處理方法中卻找不到對應版本。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，在信號處理學中形成了一個特殊的研究方向。
- 除了上面提到的領域，很多研究課題同樣可被當作純粹的數學問題。例如，計算機視覺中的很多問題，其理論基礎便是統計學，最優化理論以及幾何學。
- 如何使既有方法通過各種軟硬件實現，或說如何對這些方法加以修改，而使之獲得合理的執行速度而又不損失足夠精度，是現今電腦視覺領域的主要課題。
