計算機視覺的研究內容模板(10篇)

導言：作為寫作愛好者，不可錯過為您精心挑選的10篇計算機視覺的研究內容，它們將為您的寫作提供全新的視角，我們衷心期待您的閱讀，并希望這些內容能為您提供靈感和參考。

篇1

隨著經濟的迅猛發展，汽車的迅速普及，根據社會對汽車產業的要求，車輛的各方面指標都受到人們越來越多地關注，汽車涂裝過程中的瑕疵直接影響汽車的外觀質量，因此如何在生產過程中利用計算機視覺檢測技術檢測出并及時修補汽車涂裝過程中產生的瑕疵就成了首要的任務[1]。本文的研究內容是首先了解計算機視覺檢測系統的工作原理，汽車涂裝瑕疵的種類，然后結合兩者的特點，應用計算機視覺檢測系統檢測汽車涂裝瑕疵。該研究的價值在于兩方面：①對于汽車生產的自動化和過程自動化，計算機視覺是現實真正意義的自動的基礎和一種重要的質量控制的手段；②對于汽車涂裝瑕疵的修補可以提高其修補的精度。

2、汽車涂裝瑕疵的計算機視覺檢測系統

汽車涂裝瑕疵檢測系統主要包括照明系統、圖像采集卡、CCD攝像機、計算機以及軟件處理等幾個主要部分[2]。綜合計算機視覺檢測系統的構成和線結構光測量的原理，基于計算機視覺的汽車涂裝瑕疵的檢測系統大致是這樣構成的：將線結構光投射到被測物上，所形成的光斑作為傳感信號，用CCD攝像機采集光斑圖像，采集到的圖像信號被傳輸到計算機，根據圖像處理和計算機視覺檢測系統的處理產生處理結果，返回到涂裝生產線，對車身的涂裝進行修正，從而提高產品質量。汽車涂裝瑕疵的視覺檢測系統如圖1所示[3]。

3、計算機視覺檢測

計算機視覺是計算機對圖像進行自動處理并報告“圖像中有什么”的過程，也就是說它識別圖像中的內容。圖像中的內容往往是某些機器零件，而處理的目標不僅要能對機器零件定位，還要能對其進行檢驗。計算機視覺系統基本原理：機器視覺系統通常采用CCD相機攝取圖像，將其轉化為數字信號，再采用先進的計算機硬件與軟件技術對圖像數字信號進行處理，從而得到所需要的各種目標圖像特征值，并在此基礎上實現模式識別、坐標計算、灰度分布圖等多種功能。計算機視覺系統能夠根據其檢測結果快速地顯示圖像、輸出數據、指令，執行機構可以配合其完成指令的實施。計算機視覺系統主要由圖像獲取、圖像分析和處理、輸出顯示或控制三個功能模塊組成[4]。視覺檢測按其所處理的數據類型可分為二值圖像、灰度圖像、彩色圖像和深度圖像的視覺檢測。另外，還有X射線檢測、超聲波檢測和紅外線檢測。一個完整視覺檢測系統包括：圖像采集、圖像分割、零件識別、模型匹配和決策判斷。Newman[5]等描述了利用深度圖像進行零件檢測的AVI系統，具有一定的代表性。一個典型的AVI系統如圖2所示。

4、汽車涂裝瑕疵的檢測算法

篇2

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。

作者:夏棟 單位:同濟大學軟件學院

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).

篇3

中圖分類號：TP37 文獻標識碼：A 文章編號：1009-3044（2016）03-0242-02

計算機人工智能技術中的一項重要技術就是計算機視覺技術，這種技術主要是讓計算機利用圖像來實現認知環境信息的目的，這一目的的實現需要用到多種高尖端技術。近年來隨著計算機技術以及計算機網絡的普及與發展，計算機視覺技術也得到了較快發展，并且在實際生產與生活中的應用也越來越廣泛。

1 計算機視覺技術概述

1.1 基本概念

計算機視覺技術主要研究計算機認知能力的一門技術，其具體主要是通過用攝像機代替人的眼睛，用電腦代替人的大腦，最終使計算機具備類似于人類的識別、判斷以及記憶目標的功能，代替人類進行部分生產作業。人們目前研究的人工智能技術中的一項重要內容就是計算機視覺技術，通過研究計算機視覺技術可以讓計算機擁有利用二維圖像認知三維環境的功能。總的來說，計算機視覺技術是在圖像與信號處理技術、概率分析統計、網絡神經技術以及信息處理技術的基礎上，利用計算機來分析、處理視覺信息的技術，它是現代社會新興起的一門高新技術。

1.2 工作原理

在亮度滿足要求的情況下，首先使用攝像機對具體事物的圖像信息進行采集，利用網絡把采集到的圖像信息向計算機內部輸送，然后在計算機系統內部處理加工圖像信息會把事物的原始圖像得到，隨后利用圖像處理技術進一步處理原始圖像，獲得優化質量效果之后的圖像，分類與整理圖像中有特征價值的信息，通過智能識別技術識別與描述提取到的圖像信息特征，最后把得到的高層次的抽象信息存儲起來，在進行識別事務時分析對比這些儲存信息就可以實現事物的識別，這樣視覺系統的基本任務也就完成了。其具體視覺系統如圖1所示：

1.3理論框架

人類研究視覺技術雖然起步比較早，但取得較大進步是在20世紀80年代初伴隨著視覺計算理論的出現。它的出現把研究視覺理論的策略問題解決了，視覺技術是一項特別復雜的信息處理過程，要想對視覺的本質準確完整的理解，必須從不同角度與層次研究與分析視覺本質。視覺計算理論研究層次大致可分為：計算機理論、算法以及實際執行。站在計算機理論的角度分析視覺技術，我們可知必須用要素圖、維圖、以及三維模型表像來描述視覺信息。

所以，可以把計算機視覺技術當做從三維環境圖像中抽取、描述與解釋信息的過程，其主要分析步驟可分為感覺、處理、描述、識別、解釋等。若依據上述各過程實現需用到的方法與技術的復雜性劃分層次，可大致把計算機視覺技術劃分為：低層視覺處理、中層視覺處理、高層視覺處理三個層次。

2 計算機視覺技術在自動化中的應用

2.1 農業自動化中計算機視覺技術的應用

在農業自動化中應用計算機視覺技術可以全天候實時監測農作物的生長狀況，便于科學管理農作物。還可以應用計算機視覺技術來檢測農產品的質量，例如可以應用計算機監測技術來監測大多數蔬菜的質量，傳統的人工檢測蔬菜質量的方法，不僅費時費力，而且檢測結果的準確性也不能很好的保證，在實際人工檢測過程中還容易傷害蔬菜，可以通過利用計算機視覺技術來感應蔬菜自身釋放的紅外線、紫外線以及其他可見光的能量大小，然后和質量達標蔬菜的光線能量大小進行對比，根據這些對比結果可以把蔬菜質量的好壞準確判斷出來，在蔬菜質量檢測過程中應用計算機視覺技術，把傳統的蔬菜檢測方法完全顛覆了，極大的方便了農產品的質量檢測，由此可見，計算機視覺技術在農業生產中有很高的使用與推廣價值。

2.2 在工業自動化中計算機視覺技術的應用

計算機視覺技術在工業自動化應用的一個重要領域就是可以精密測量零件尺寸，其測量與被測對象的原理如圖2所示。

光學系統、計算機處理系統以及CCD攝像頭，是計算機檢測系統的主要組成，被測物體由光源發出的平行光束進行照射，利用顯微光學鏡把待檢測部位的輪廓圖像呈現在攝像機的面陣CCD上，然后再通過計算機處理這些圖像，進而把被測部位的輪廓位置信息獲取下來，若被測對象是出現位移時，可通過兩次重復測量，利用兩次測量的位置差就可以得出，被測物體的位移量。

此外計算機視覺技術還可以應用于逆向工程中，應用3D數字化測量儀可以快速準確的測出現有工件輪廓的坐標值，同時還能構建曲面，保存成CAD或CAM圖像，把這些圖像送入CNC制作中心加工，便可制作出產品，這也就是所謂的逆向工程。由上述分析我們可知逆向工程要想實現，最關鍵的一環就是如何通過精密測量系統來測量樣品的三圍尺寸，獲得各部位數據，進而做曲面處理進而加工生產。對于這一難題我可以通過利用線結構光測量物體表面輪廓技術來實現，器具體輪廓結構示意圖如下圖3所示。

這種測量方法的工作原理為：利用激光穿越平行、等距的振幅光柵組件，或直接采用干涉儀發出的干涉條紋，形成平面條紋結構光，再向物體表面投射，由于物體各表面的深度與曲率的不同，條紋會自動出現變化，然后再通過使用CCD攝像機對變形條紋進行拍攝。這樣就可以把物體表面輪廓的變化情況分析出來。攝像機在拍攝圖像的過程中，把圖像信號轉化為模擬信號，再轉化為數字信號，然后經過傳送再還原信號到圖形處理系統，就得到三維輪廓圖像。

在工業自動化中計算機視覺技術的深入廣泛應用，不但使工業產品的生產質量得到了保障，而且跨越式的提高了工業產品的生產速度。如計算機視覺技術可以很好的檢測產品包裝質量，封口質量以及印刷質量等等，如我國重點指定的印刷造幣機器的南京造幣廠，由于貨幣制造印刷是由印刷造幣機器來實現的，所以要嚴格要求其生產工藝，一絲一毫的生產差錯都不允許存在，為了保障印刷制造出來的造幣機器質量完全達標，必須嚴格精確檢測生產出來的成品。在印刷造幣機器的過程中要求要有非常高的計算機視覺技術，隨著計算機視覺技術的不斷進步，計算機視覺技術已經對印刷造幣機器的需求完全滿足了，實際的應用效果也非常理想，印刷造幣機器在實際生產的過程中，南京造幣廠把計算機視覺技術應用在了每個應刷造幣機器最后的生產工序上，硬幣受到重力下落的瞬間，計算機視覺技術可以瞬間采集圖像的信息，準確拍攝硬幣在下落過程中的圖像，通過高速光纖傳感器可以把硬幣圖像向計算機系統快速傳輸，利用計算機系統處理信息與識別信息的超強能力，可以及時識別硬幣質量，經大量實踐研究得出，在印刷造幣機器上應用計算機視覺技術已經幾乎沒有檢查差錯現象的發生，由此可知，在工業自動化中計算機視覺技術的應用不但可行，而且發展空間還很大。

2.3 在醫學自動化中計算機視覺技術的應用

在醫學領域計算機視覺技術也得到了廣泛應用，如醫學中經常用到的CT圖像以及X射線圖都用到了計算機視覺技術，這些技術的廣泛應用很大程度上方便了醫生準確判斷病人病情，另外，在生產藥品的過程中，應用計算機視覺技術可以高效檢測藥品包裝的合格與否，其基本流程是：傳送裝置先準確運輸藥品到指定位置，傳送裝置自身又可分為檢測與分離兩個區域，在傳送藥品的過程中藥品的圖像信息會被特定的攝像機采集，采集完成后向計算機系統傳遞采集信息，然后計算機系統會分析與處理這些信息，把沒有包裝好的藥品自動識別出來，并且向分離區傳遞識別信息，分離區的自動裝置會依據傳輸的分離信息，隔離開沒有包裝好的藥品，這樣就可以有效分類包裝好的藥品與沒有包裝好的藥品，在藥品包裝檢測方面應用計算機視覺技術代替傳統人工檢測，不但可以實現藥品準確無誤的檢測，而且還可以大大提高檢測藥品包裝質量的效率，完善了藥品生產的自動化，由此可見，在醫學自動化中應用計算機視覺技術可以積極促進醫學自動化的發展。

3 結束語

總之，計算機視覺技術是一門研究計算機識別能力的高新技術，它涵蓋了很多其他技術，具有一定復雜性。要想使其在自動化生產中得到更好地推廣與應用，我們必須在明白其基本概念、工作原理以及理論框架的基礎上，結合實際生產情況，不斷進行深入研究，只有這樣才能使計算機視覺技術得到更好地推廣與應用，才能使這項現代化的高新技術更好的服務于社會，服務于人類。

參考文獻：

[1] 龔超，羅毅，涂光瑜.計算機視覺技術及其在電力系統自動化中的應用[J].電力系統自動化，2003（1）.

篇4

接受信息的關鍵手段之一就是視覺系統，隨著科學技術水平的不斷發展，以及計算機和信號處理理論的誕生，讓機器擁有人類視覺功能已經不再是夢。對所采集視頻中的運動目標進行跟蹤、檢測，并對其目標行為進行分析，就是運動目標分析的內容，運動目標分析是計算機視覺領域關鍵內容之一，其屬于圖像理解與圖像分析的范疇。而在運動目標分析系統中，跟蹤與檢測運動目標則為中級和低級處理部分，是分析與理解行為的高等層分析模塊的基礎。檢測與跟蹤運動目標技術主要包括了：機器人視覺導航、軍事領域、運動圖像編碼、交通管制、視覺監視等。

1目標檢測算法

連續圖像序列由視頻中提取出，由前景區域與背景區域共同組成了整個畫面。前景區域包含了如運動的人體、車輛等動態要素，它是指人們較為感興趣的區域。而背景區域主要包含例如樹木、建筑物等靜態要素，它的像素值僅發生微弱變化或者不產生變化。在連續圖像序列中，采用一系列算法分隔開背景區域和前景區域，將運動目標信息有效提取，則為運動目標檢測。以靜態場景為基礎的運動目標檢測算法包括了光流法、背景差分法、幀間查分法等，文章主要針對背景差分法進行介紹。

背景差分法通常適用于靜態場景，其是將背景圖像與當前幀圖像進行差分，運動目標依靠閥值化進行檢測，因為該算法僅能夠在背景變化緩慢或者不發生變化的情況下應用，因此就有著一定的局限性。假設當前幀圖像為fk（x，y），背景圖像B（x，y）可通過一定的方法得出，而這時背景差分圖像則為：

（1）

而假設二值化閥值為Th，二值化圖像B（x，y）則為：

（2）

運動目標檢測結果可通過數學形態學處理獲得。

2 背景模型的實時更新

要更新背景圖像可采用一階KALMAN濾波來實現，為了克服氣候變化、光照變化等外部環境變化對運動檢測產生的影響，采用一階KALMAN濾波更新背景圖像公式如下：

Bk+1（p）=Bk（p）+g（Ik（p）-Bk（p）） （3）

而增益因子則為：g=？琢1（1-Mk（p））+？琢2Mk（p） （4）

公式中？琢1和？琢2是權值系數；M是第k時刻二值化后目標圖像中p像素的值；B為背景圖像；I為當前幀圖像。要想將運動目標從背景序列圖像中有效分割出來，就必須要達到？琢2足夠小的條件，且？琢1應等于或者大于10？琢2，若？琢1值過大，就會將算法自身的去噪特性喪失，在序列背景圖像中也會存儲越來越多的運動變化。

3 更新車輛目標模型

核與活動輪廓算法具有效率高、技術復雜度低等特點，它以非參數核概率密度估計理論為基礎，在視頻運動目標跟蹤中廣泛應用。彩色圖像序列通過攝像機獲取，人臉目標模型可以采用RGB顏色空間來進行描述。在跟蹤車輛的過程中，噪聲、遮擋、光照等干擾或多或少存在，因干擾因素的存在，車輛像素特征也會發生相應的微弱變化。若不對目標模型進行更新，會對跟蹤精度產生影響，所以，采用的矩形模板會包括一定背景。而在實施跟蹤的過程中，要對車輛目標模型進行更換。如果其過程物遮擋，當BHATTACHARYYA系數滿足？籽>Tudm條件時，更新車輛目標模型，更新模型為：

（5）

公式中Tudm是模板更新閥值；qk-1是更新之前的車輛目標模型。通過視頻跟蹤，在近場景和遠場景拍攝到的視頻中，多尺度圖像空間由各個幀圖像構成。例如：將將書本作為跟蹤對象，由遠及近從書本的正上方拍攝六十幀圖像，為了能使矩形框正好能夠包含書本，對每幀圖像張書本手工劃定矩形框，并對框內圖像的信息量進行統計。最后，隨書本尺度的變化，給出圖像信息量變化曲線。

4 計算機視覺原理

計算機視覺是一門研究怎樣使機器進行觀察的科學，更切確地說，就是指利用電腦和攝影機代替人眼對目標進行識別、跟蹤和測量等機器視覺，并進一步做圖形處理，用電腦處理成為傳送給儀器檢測或更適合人眼觀察的圖像。計算機視覺研究相關的理論和技術作為一個科學學科，嘗試創建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Shannon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。

計算機視覺就是由計算機來代替大腦完成處理和解釋，用各種成象系統代替視覺器官作為輸入敏感手段。使計算機能象人那樣通過視覺觀察和理解世界，具有自主適應環境的能力就是計算機視覺的最終研究目標，而需要經過長期的努力才能達到這個目標。所以，在實現最終目標以前，通過努力的中期目標是建立一種視覺系統，這個系統能依靠反饋的某種程度的智能和視覺敏感完成一定的任務。例如：計算機視覺的一個重要應用領域就是自主車輛的視覺導航，但要實現自主導航的系統，卻還沒有條件實現象人那樣能識別和理解任何環境。所以，人們通過不懈的努力，研究在高速公路上具有道路跟蹤能力，有效避免與前方車輛碰撞的視覺輔助駕駛系統。人類視覺系統是有史以來，人們所知道的功能最強大和完善的視覺系統。這里要指出的一點是在計算機視覺系統中計算機起代替人腦的作用。計算機視覺可以而且應該根據計算機系統的特點來進行視覺信息的處理，但并不等于計算機必須按人類視覺的方法完成視覺信息的處理。可以說，對人類視覺處理機制的研究將給計算機視覺的研究提供指導和啟發，所以，用計算機信息處理的方法研究人類視覺的機理，建立人類視覺的計算理論，與此同時也是一個十分重要和讓人感興趣的研究領域。這方面的研究被稱為計算視覺。計算視覺可被認為是計算機視覺中的一個研究領域。計算機視覺領域的不完善性與多樣性為其突出特點。

5 結束語

對視頻中的運動目標進行跟蹤、識別、檢測，并對目標行為進行研究、分析，這就是基于視覺運動目標分析。以計算機視覺為基礎，分析運動目標，包括了目標行為的理解與分析、目標跟蹤、運動目標檢測、預處理圖像等，它是計算機視覺領域重要內容之一。理解與分析運動目標的行為，既是計算機視覺的根本目的之一，也是檢測與跟蹤運動目標的最終目標。從理論層考慮，理解與分析運動目標的行為可以分為人工智能理論研究與模式識別。簡要闡述基于計算機視覺的運動目標分析，而所面臨的是對運動目標行為的理解。

參考文獻

[1]楊可，劉明軍，毛欣，夏維建，劉偉，周旋，吳煒，周凱.基于計算機視覺的電纜終端表面溫升分析系統[J].電視技術，2013（7）.

[2]葉闖，沈益青，李豪，曹思汗，王柏祥.基于人類視覺特性（HVS）的離散小波變換（DWT）數字水印算法[J].浙江大學學報：理學版，2013（2）.

[3]何青海，馬本學，瞿端陽，李宏偉，王寶.基于機器視覺棉葉螨自動監測與分級方法研究[J].農機化研究，2013（4）.

篇5

作者簡介：陳芳林（1983-），男，湖南株洲人，國防科學技術大學機電工程與自動化學院，講師；周宗潭（1969-），男，河南洛陽人，國防科學技術大學機電工程與自動化學院，教授。（湖南 長沙 410073）

中圖分類號：G643.2 文獻標識碼：A 文章編號：1007-0079（2013）26-0065-02

進入21世紀，創新型人才的培養成為各國政府和高等教育界關注的一個焦點。世界各國研究型大學的共同特點是在研究生教育階段致力于培養富有創新意識和創新能力的高級人才。[1]研討式教學是培養研究生創新精神、科研能力的有效途徑，教師講解與學生探討兩部分相結合是研討式教學采用的主要模式。[2]將課程分成兩部分之后，教師講解的時間就必須壓縮，教師一方面需要思考如何在較短的時間內完成課程的講解，同時還需要考慮課程講解要與學生探討部分緊密結合。因此，如何上好研討式教學教師講解這部分課，越來越受高等院校的重視。本文針對筆者教授工科研究生課程“計算機視覺”的實踐與經驗，闡述了筆者對于如何上好研討式教學教師講解這部分課的個人體會。總結為兩點：第一，首先要充分做好課程準備；第二，上課環節采取回顧—案例—小結的講解方式。下面從課程準備、課前回顧、課程講解、課后小結四個方面分別闡述（如圖1所示）。

一、“計算機視覺”課程準備

要上好一門研討式教學的課程，一定要結合該門課程的特點，量身定制課程內容，進行精心準備。本節先介紹“計算機視覺”課程的特點，然后結合該門課程的特點，介紹筆者對于“計算機視覺”的課程準備。

1.“計算機視覺”課程特點

“計算機視覺”是“數字圖像處理”和“模式識別”等課程的后續課程。該課程重點在于圖像或者圖像序列的分析理解。課程知識在機器人導航、偵查、測繪、測量、精密加工和目標跟蹤等多個領域都有廣泛的應用。[3]近年來基于視覺信息的控制反饋也開始受到廣泛關注。國內高校一般都為研究生開設了此門課程。

計算機視覺技術應用廣泛、算法原理涉及面廣：涉及到概率與數理統計、信號與系統、圖像等基礎知識。“計算機視覺”是一門重要的控制類、電子類及計算機類專業研究生的選修課程，它內容廣泛、綜合性強，研討能力的培養顯得非常關鍵。

2.課程準備

首先，結合“計算機視覺”課程內容廣泛、技術日益更新和豐富的特點，將課程36學時分為12次課，每次課為3小時，每堂課教師講解一個專題。這種設計，一方面可以更廣地涉及計算機視覺的各個領域；另一方面以專題的形式來講解，可以將學生帶入到該專題，介紹基本背景、理論、知識和方法，讓學生有一個初步的了解，方便課后學生對感興趣的專題進一步深入挖掘與研究。

其次，在課程開始之前，教師仔細統籌，安排好每次課的專題，這樣既方便學生一開始對整個課程有一個整體的了解，也方便學生選擇課堂研討的題目與內容。根據12個專題，將各個專題講解的內容與課件在開課之前準備好，這樣有利于把握各個專題之間的前后承接關系。例如，“區域”與“分割”是既有區分又有聯系的兩個專題，在課程開始之前，將課件準備好，就有利于宏觀把握，在“區域”專題提到的分割算法，就不需要在“分割”專題再次重復，而在“分割”專題可以結合前面“區域”專題進行互相補充，以幫助學生融會貫通。

最后，在每個專題上課之前，再對課件進行精雕細琢，主要是對內容分好層次，對方法進行分類，力圖在較短的時間內，讓學生對該專題有較全面的認識。例如，在講解圖像分割時，由于圖像分割方法非常多，可以將分割方法分為若干個大類，每個大類只講1～2個方法。這樣既可以盡可能涉及更廣的領域，又可以提高講解的效率。

二、“計算機視覺”課前回顧

課前回顧是指每堂課的前面一小段時間用來回顧上一堂課的內容。雖然課前回顧時間非常短，一般為3～8分鐘，但是課前回顧是課堂教學中的一個重要環節。課前回顧可以幫助學生加強將要學習的內容與已學過內容之間的聯系。通過課前回顧，學生可以回憶前續課程所講解的概念、理論、算法的步驟等內容，有助于解決新問題或者理解新知識。

課前回顧最重要的是既要復習前續課程的內容，又要注意將前續內容與當前內容聯系起來。由于講解時間有限，要使研討式教學的教師講解部分效率高，教師幫助學生回憶上堂課的概念、模型、算法等內容，就變得非常重要。如果不做課前回顧，那么當講到某處新知識時，往往需要停下來，將前續課程再講一遍，否則學生無法理解新的知識，這樣就降低了教學的效率。

課前回顧的時間，一般以3～8分鐘為宜。課前回顧的形式可以多樣化，如講解課后作業、回顧概念、提問等。筆者認為應根據當天課程與前續課程的關系，采取合適的方式。各種方式結合使用，提高課前回顧的效率。

三、“計算機視覺”課程講解——案例教學

案例教學已經成功地應用于數學、計算機科學等領域的教學。通過案例，學生可以很快地掌握相應的概念、算法的步驟等，從而提高教師講解部分的效率。[4]例如，在講解馬爾科夫隨機場時，筆者通過案例式教學，將馬爾科夫隨機場用一個生活中的例子來向學生解釋。首先，將馬爾科夫隨機場分解成兩個重要的概念，分別是隨機場與馬爾科夫性，然后將它們對應到例子中，幫助學生理解。

隨機場包含兩個要素：位置（site）和相空間（phase space）。當給每一個“位置”中按照某種分布隨機賦予“相空間”的一個值之后，其全體就叫做隨機場（如圖2（a））。[5]這個概念非常抽象，難以理解。筆者應用案例式教學，拿莊稼地來打比方。“位置”好比是一畝畝農田，“相空間”好比是種的各種莊稼。給不同的地種上不同的莊稼，就好比給隨機場的每個“位置”，賦予“相空間”里不同的值。所以，可以形象地理解隨機場就是在哪塊地里種什么莊稼的布局（如圖2（b））。

馬爾科夫性指的是一個隨機變量序列按時間先后順序依次排開時，第N+1時刻的分布特性，與N時刻以前的隨機變量的取值無關。為了更直觀地理解馬爾科夫性，筆者仍然拿莊稼地打比方，如果任何一塊地里種的莊稼的種類僅僅與它鄰近的地里種的莊稼的種類有關，與其他地方的莊稼的種類無關，這種性質就是馬爾科夫性。

符合上述兩個特征，那么這些地里種的莊稼的集合，就是一個馬爾科夫隨機場。通過案例式教學，筆者發現可以加深加快學生對課程內容的理解，提高教師講解環節的效率。

四、課后小結

課后小結指的是一堂課將要結束時，教師對本堂課進行一個簡短的總結。許多成功的教師都會在其教學中堅持課后小結這個環節，給學生一個總體的印象，以幫助學生消化本次課程的內容。

研討式教學教師講解部分的課后小結與普通教學方式應有所區別。筆者認為這主要是因為通過課后小結可以將本次課程所講內容與學生的研討環節結合起來，而不僅僅是對內容進行簡單的總結。

為了達到課后小結使本次課程內容與學生探討環節建立聯系的目的，筆者在教學中常采用如下方式：首先，像普通教學方式一樣，總結本次課程內容；然后，在此基礎上，拋出若干問題，這些問題，不需要學生馬上解答，而是留給學生課后思考，提供他們選擇研討主題的素材；最后，介紹其他在本次課程中沒有涉及到的前沿知識、方法與理論，拓寬學生的視野，從而增加學生選擇探討主題的覆蓋面。

通過應用這種方式，筆者發現學生的思維更開闊，在探討環節，學生往往可以選擇一些比較新穎的主題（例如視頻中不動點的檢測等），而不僅僅局限于教師所講內容，從而提高了研討式教學的效果。

五、結論

在“計算機視覺”課程中引入研討式教學，通過總體設計規劃好整門課程內容，課堂講解注意采用回顧—案例—小結的方式，筆者對如何上好研討式教學教師講解這部分課進行了個人經驗的總結。通過本次教學改革，筆者體會到如果要提高教學效果，一定要注意教師講解與學生探討兩個環節的緊密結合。

參考文獻：

[1]侯婉瑩.我國研究型大學本科生科研研究[D].濟南：山東大學，

2009.

[2]張晴，李騰，韋艷，等.研討式教學模式的理論研究[J].中國科技縱橫，2011，（10）.

篇6

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。基于案例推理應用于工業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。可采用多種算法，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.

篇7

中圖分類號：G643.2 文獻標識碼：A DOI：10.16400/ki.kjdkz.2016.03.015

Research and Practice on Course Group of Pattern Analysis and

Visual Processing for Graduated Students

SUN Han， CHEN Songcan， LIU Ningzhong， HUANG Yuanyuan， ZHU Qi

（College of Computer Science and Technology， Nanjing University of

Aeronautics and Astronautics， Nanjing， Jiangsu 210016）

Abstract By analyzing the teaching status of pattern analysis and visual processing course group， this paper puts forward the new teaching goal， which includes improving students' international vision， the ability of linking theory with practice， and promoting the engineering practice ability and innovative consciousness. Then this paper discusses the whole process of course group reform. Firstly the structure of teachers' group is optimized. And then the knowledge system of course group is sorted and the teaching mode is improved. Finally the practice system of course group is optimized and the assessment system is reformed.

Key words pattern analysis； computer vision； teaching reform

1 背景

我校模式分析與智能計算研究所師資團隊是江蘇省“青藍工程”創新團隊，主要研究領域包括智能數據分析、圖像處理和機器視覺等方向，承擔研究生和本科生的模式識別、機器學習、數據挖掘、智能信息檢索、數字圖像處理、計算機視覺等課程的教學任務。以往的教學過程中雖然積累了豐富的教學經驗，但當前新知識不斷涌現、新技術發展迅猛，對模式分析與視覺處理課程群的知識體系、實踐體系改進提出了新的挑戰。

近年來，國內外高校在該類課程教學上，已涌現出眾多新理念、新方法。Coursera聯合創始人Andrew Ng推出的機器學習課程，開啟了教育領域的MOOC時代，引領了教育教學方法的新革命。①深圳大學、②江蘇科技大學③分別進行了基于CDIO工程教育理念的計算機視覺課程教學改革實踐，實現多層次項目設計的教學模式改革，講座式、討論式、實踐式教學方法的探索。國防科技大學④在計算機視覺課程中引入研討式教學模式，通過案例教學、小組研討的方式來替代傳統的教學方式。華中科技大學⑤從教學內容國際化、教學方式國際化、教學成果國際化三個方面開展了計算機視覺課程的國際化建設。另外，也有高校進行了圖像工程課程群建設，⑥基于圖像分析與計算機視覺應用課程結合的項目協同創新能力培養實踐。⑦

在分析上述國內外高校該類課程改革的基礎上，我們重點以模式分析與視覺處理課程群的實踐教學體系改革為切入點，優化師資隊伍結構，梳理課程群知識體系，優化課程授課模式，完善課程群實踐體系，改革實踐考核模式，實現學生國際化視野、理論聯系實際、工程實踐和創新能力全面提升的目標。

2 模式分析與視覺處理課程群特點

模式分析與視覺處理課程群涵蓋了模式識別、機器學習、數據挖掘、數字圖像處理、計算機視覺等多門課程。該類課程存在以下特點。

（1）該類課程屬于多學科交叉，涉及的知識面既廣又深。由于該方向涉及計算機科學與技術、應用數學、自動化、電子科學與技術、信息工程等多學科內容，而學生在大學本科階段很難學習和了解如此多的知識模塊，這對研究生階段學習來說，具有相當大的挑戰。同時，對于每個知識模塊，所要求的數學基礎較高，理論具有相當的深度，理解和掌握不容易。

（2）該類課程既重視扎實的基礎理論，也強調良好的工程實踐能力。該類課程的基礎理論教學一直受到各高校的重視。隨著近年來產業界的迅猛發展，計算機視覺應用層出不窮，對學生的工程實踐也提出了更高要求，需要能夠在系統層次上有整體認知，同時要能對各功能模塊進行優化，提升系統的整體性能。

（3）該類課程所面向的選修學生面廣。該類課程既是多學科交叉，也面向計算機應用、電子科學與技術、自動化、應用數學等不同研究方向、不同水平層次的研究生開設。這對課堂教學和實驗實踐也帶來更大挑戰。

3 模式分析與視覺處理課程群改革舉措

針對上述分析的課程群特點，我們重點以實踐體系改革為突破口，通過優化師資隊伍結構，梳理課程群知識體系，優化課程授課模式，完善課程群實踐體系，改革實踐考核模式等舉措，實現學生國際化視野、理論聯系實際、工程實踐和創新能力全面提升的目標。

3.1 師資隊伍結構優化

為了學生能夠適應模式分析與視覺處理產業的快速發展，在課程群建設過程中更強調學生的工程實踐和創新能力培養。這首先對師資隊伍結構提出了新的要求。

近年來，課程教學團隊引進海內外具有深厚理論功底和較強工程能力的高水平師資4名，大大充實了機器學習、數據挖掘、圖像處理等課程的教學力量。對于現有教師隊伍，鼓勵教師跟產業一線企業廣泛合作，目前已與華為、中興等企業在視頻檢索、智能交通視覺處理等方面開展了實質合作。這些來源于產業界的高質量課題對科研和教學起到了良好的促進作用。

與此同時，通過研究生工作站、企業短期實習等渠道，鼓勵企業高級研發人員參與到學生實踐能力培養環節中，將實際項目進行適當切分或提煉，實現該類課程實踐環節的模塊化、專題化訓練。

綜上，通過引培并舉，優化校內師資隊伍結構；通過校企合作，積極吸引企業師資參與。良好的師資隊伍為該類課程的實踐體系改革提供了有力支撐。

3.2 課程群知識體系梳理與授課模式改革

模式識別、機器學習、數據挖掘、智能信息檢索、數字圖像處理、計算機視覺等課程既有一定的邏輯關系，也存在相互交叉的混雜關系。一般認為，模式識別、機器學習是模式分析與視覺處理領域的基礎理論課程，數據挖掘是建立在模式識別、機器學習和數據庫基礎上的應用類課程，智能信息檢索則是數據挖掘基礎上更為具體的應用實現。數字圖像處理為計算機視覺課程提供了基礎支撐，計算機視覺則是在綜合利用模式識別、機器學習、數字圖像處理、數據挖掘等知識模塊基礎上面向應用的系統實現。但是，這些課程也存在著知識點的交叉或重復。例如，模式識別和機器學習中都有貝葉斯參數估計、支持向量機模型等知識點，但視角和側重點有所不同；圖像處理、計算機視覺中都有顏色模型、成像模型等知識點，也同時存在與模式識別、機器學習交叉的知識點。

我們針對來自不同研究領域的學生群體，對該課程群的知識點進行系統梳理，既避免知識點的重復講授，也防止重要知識點的缺漏。課程教師集體討論，形成每門課程的核心知識集，和針對不同研究領域的選講知識集。學生在學習課程時，在掌握核心知識集的基礎上，結合自己的研究方向選擇相關的選講知識集學習。

在課程教材和參考書的選擇上，注重挑選國際上有影響力的教材。例如，模式識別的參考書為Richard O. Duda等人編著的Pattern Classification；機器學習的參考書為Tom M. Mitchell編著的Machine Learning和Christopher M. Bishop編著的Pattern Recognition and Machine Learning；數據挖掘的參考書為Jiawei Han等人編著的Data Mining：Concepts and Techniques；數字圖像處理的參考書為K. R. Castleman編著的Digital Image Processing；計算機視覺的參考書為D. A. Foryth編著的Computer Vision： A Modern Approach和Richard Szeliski編著的Computer Vision： Alogrithms and Applications。這些教材已被國內外著名大學普遍采用。同時，每門課程都提供相關的國內外頂級會議和期刊的列表，供學生課后追蹤研究領域的熱點問題。

在課堂授課環節上，注意采用靈活多樣的授課方式。對于核心基礎知識模塊，以教師講授為主，同時提供國內外該類課程的熱門MOOC網址給學生參考。對于選講知識模塊，鼓勵學生事先結合各自研究方向有目的自學，在學生報告的基礎上進行課堂討論方式進行。充分發揮學生學習的主體作用，也便于教師了解學生的水平和學習狀況。

除此以外，不定期邀請國內外著名學者來校做學術報告，讓學生充分了解該研究領域的最新前沿動態，并就熱點問題進行專題討論。

3.3 課程群實踐體系完善與考核方式改革

工程實踐和創新能力的培養是該課程群改革的重要目標。我們在上述師資隊伍結構優化、課程群知識體系梳理與授課模式改革的基礎上，著力進行課程群實踐體系的改革與完善。我們通過多層次菜單式的實驗項目選擇、項目牽引的創新能力訓練、學生綜合研究能力的全面考查等方面來實現。

首先，整合和優化課程群實踐內容，實現多層次菜單式靈活選擇。根據各研究領域的要求進行靈活搭配，根據學生個體的能力與水平選擇適當規模和難度的實踐內容，通過課程內的基礎實驗、課程間的綜合實驗、課程群的創新實驗來選擇和組合，如圖1所示。

圖1 多層次菜單式實驗內容示意圖

基礎型實驗內容主要是各課程核心知識點的實驗驗證，主要包括模式識別，機器學習，數據挖掘，圖像處理與分析，計算機視覺等課程的實驗。要求選課學生對這些基礎實驗必做，打下良好的研究基礎。

綜合探索型實驗在基礎型實驗基礎上，既有單門課程內總的綜合實驗，也有課程間知識的綜合應用。主要分為兩大塊，包括模式分析與機器學習方向的綜合實驗，以及圖像處理與機器視覺方向的綜合實驗。實驗目的主要是針對這兩大塊方向重點知識的綜合分析和比較，能夠熟練掌握和靈活應用。例如模式分析、機器學習、數據挖掘等方向都用到的線性判別分析、支持向量機、均值聚類等內容；圖像處理與機器視覺中的圖像特征抽取、視覺系統選型、目標檢測、特定平臺的算法優化等內容。學生可根據各自研究方向有目的的選擇兩塊綜合實驗的大部分內容。

在綜合型實驗基礎上，該課程群通過若干創新型實驗來檢驗學生理論知識掌握程度和實踐方法應用能力，為后續的研究課題開展打下良好的科研素養。主要內容包括人臉識別、二維條碼識別、車輛屬性識別、智能視覺監控、以及企業來源的關鍵技術等。這些項目實踐既涉及用到圖像處理與機器視覺的內容，也涉及模式分析與機器學習方向的知識。并且需要學生在綜合運用相關知識的基礎上有創新能力。

其次，重視各類項目牽引的創新能力訓練。一方面，鼓勵教師從國家自然科學基金、企業合作項目等研究中提煉出問題規模和難度適中的訓練項目，作為課程群的綜合能力訓練項目。另一方面，鼓勵學生參加挑戰杯、全國研究生智慧城市技術與創意設計大賽等各類具有挑戰性的競賽項目，以賽代練，提升學生的工程實踐和創新能力。同時，也鼓勵學生利用百度、微軟等相關研究領域的企業實習機會，參與產品一線的工程實踐能力訓練。

再次，注重考核環節，實現科研素養和實踐能力的全面考查。只有嚴格、公平、公正的考核，才能保證實驗實踐的質量和水平，才能提升學生的科研素養和實踐能力。我們主要在手段、方式方法上進行了改進。在題目選擇上，根據學生個體水平和研究領域要求的差異，在選題上有適當的難易區分度，讓每位學生都有鍛煉和提升的機會；在考核方式上，采用結題書面報告來檢驗學術論文的寫作能力，采用程序演示檢驗系統的設計與實現水平，采用上臺匯報的方式檢驗學生的表達能力，多管齊下全面檢查學生的綜合科研素養；在考核成績評定上，采用現場教師和學生共同評分的方式，公平合理；最后，通過網站展示、發表學術小論文、專利、軟件著作權等方式展示和公開優秀成果，激發學生的學習熱情，并由此形成積累，有利于學生實驗實踐氛圍的傳承。

4 結語

本文在分析國內外高校模式分析與視覺處理類課程群改革現狀的基礎上，以學生國際化視野、理論聯系實際、工程實踐和創新能力全面提升為目標，重點開展了師資隊伍結構優化、課程群知識體系梳理、課程授課模式改革、課程群實踐體系完善和實踐考核模式改革等工作，取得了良好的效果，并為校內其他課程群的教學改革作為示范推廣。

注釋

① https：///learn/machine-learning/

② 郭小勤，曹廣忠.計算機視覺課程的CDIO教學改革實踐.理工高教研究，2010.29（5）：98-100，148.

③ 史金龍，白素琴，龐林斌，錢強.研究生機器視覺課程的CDIO教學改革實踐.計算機教育，2013.9：40-43.

④ 陳芳林，劉亞東，沈輝.在《計算機視覺》課程中引入研討式教學模式.當代教育理論與實踐，2013.5（7）：112-114.

篇8

計算機視覺行業規模將進一步擴大

iiMedia Research(艾媒咨詢)數據顯示，2016年中國人工智能產業規模已突破100億元，以43.3%的增長率高速增長，預計2017年產業規模將以51.2%的增長率達到152.1億元，并于2019年增長至344.3億元。

艾媒咨詢分析師認為，中國人工智能產業起步相對較晚，隨著科技、制造等業界巨頭公司的布局深入，人工智能產業的規模將進一步擴大。計算機視覺作為人工智能的子領域，其發展和應用也很大程度受到人工智能核心技術的影響。未來，作為人工智能子領域的計算機視覺產業規模也會相應擴大。

計算機視覺用戶市場有待挖掘

iiMedia Research(艾媒咨詢)數據顯示，2017上半年網民對于計算機視覺行業整體了解程度還不深，智能識別貼圖應用以63.8%的了解比例名列各領域之首，其余領域網民了解比例均未超過五成。艾媒咨詢分析師認為，計算機視覺行業作為新興行業，其概念還未深入大眾群體，大眾對于其作用了解程度不深，未來計算機視覺行業用戶市場開發潛力較大。

計算機視覺整體滲透率低

iiMedia Research(艾媒咨詢)數據顯示，2017上半年網民中，有四成用戶使用過圖搜索功能。還有六成用戶仍未使用過圖搜索功能。圖搜在技術計算機視覺領域中已經發展比較成熟，然而在網民種的滲透率仍不高。艾媒咨詢分析師認為，計算機視覺作為新興技術，其投入實際應用時間較短，且技術依托的平臺種類和數量都較少，用戶市場培養還需時間。

圖搜功能獲用戶認可

iiMedia Research(艾媒咨詢)數據顯示，在對2017上半年使用過“圖搜”功能的網民準確率感知調研中，將近七成的用戶對“圖搜”功能的準確率給予肯定。“圖搜”技術已經較為成熟，正在逐漸將便利帶到用戶生活中，未來隨著“圖搜”功能進一步在各應用中擴張，其區別于傳統搜索的優勢將會更明顯被用戶感知。

2017上半年網民圖搜索場景分布

iiMedia Research(艾媒咨詢)數據顯示，2017上半年圖搜網民中，69.6%的用戶在搜索引擎中使用圖搜功能，網購場景下使用圖搜功能的用戶占比53.5%。艾媒咨詢分析師認為，搜索引擎直接應用了圖搜功能，發展較早，故用戶基礎較扎實，其余領域中，網購圖搜變現能力最強，是廠商優先合作的重點領域。

邊看邊買用戶市場潛力較大

iiMedia Research(艾媒咨詢)數據顯示，2017上半年邊看邊買網民滲透率僅有11.9%，而在未嘗試過人群中，有意愿進行嘗試的人群超過六成。艾媒咨詢分析師認為，明星經濟拉動下，同款銷售具有宣傳效應加成。邊看邊買技術一方面可以加強視頻門戶的變現能力，一方面作為流量入口能夠為電商平臺導入流量，且對于消費者來說，智能匹配同款可以減少其搜索篩選的時間成本，未來市場有較大發展潛力。

實名制機器認證部分取代人工 未來規模看漲

iiMedia Research(艾媒咨詢)數據顯示，2017上半年機器實名制認證網民滲透率為43.6%，有超一半用戶未使用過機器實名制認證功能。隨著計算機視覺技術發展，在廣州、上海等城市已經開始使用機器實名制認證部分或全部代替人工認證，以減少人工成本，釋放勞動密集產業用工壓力。艾媒咨詢分析師認為，隨著時間檢驗和技術進一步成熟，機器實名制會進一步向中小城市滲透，未來網點鋪設規模有望進一步擴大。

機器認證效率獲用戶認可

iiMedia Research(艾媒咨詢)數據顯示，2017上半年使用過機器實名制認證的網民中，82.6%的用戶表示機器實名制認證加快了驗證流程。艾媒咨詢分析師認為，計算機視覺精準快速無主觀性的特點和實名制認證流程要求相匹配，在技術比較成熟的情況下，能夠提高驗證效率，緩解鐵路站點因人工驗證慢導致的擁擠、乘客等候過久等現象。此技術在中國各鐵路站點會慢慢滲透，應用規模有望擴大。

個人信息泄露成為用戶刷臉支付最大顧慮

iiMedia Research(艾媒咨詢)數據顯示，2017上半年了解刷臉支付的網民中，59.0%認為個人信息泄露是刷臉支付最大隱患。識別不準確和使用渠道不暢通分別以57.6%和41.9%位列第二和第三名。

艾媒咨詢分析師認為，作為個人信息比較敏感的金融支付領域，用戶對于信息安全重視度相較其他領域更高，而2017年初315晚會對刷臉支付泄露個人信息隱患的點名，無疑為刷臉支付規模擴張設置障礙，加強用戶信息保障能力，獲取用戶對于技術安全的信任是刷臉支付未來重點發力方向。另外，由于計算機視覺概念未在大眾群體中普及，其規模化需依托場景搭建，故使用渠道暢通也可以助力加快行業規模化進程。

精確性+場景化：C端市場打開方式

iiMedia Research(艾媒咨詢)數據顯示，2017上半年中國網民對于計算機視覺行業的愿景分布中，準確率更高以64.3%的關注度成為用戶最期待改進方向，使用更加方便和保障信息安全也是用戶重點關注問題。艾媒咨詢分析師認為，行業發展初期，用戶對概念理解程度不高，易產生“不易”使用的印象而不愿進行嘗試，未來商家可嘗試提供裝備完全的硬件設備和解決方案，并嘗試豐富使用場景，讓計算機視覺更易被廣泛網民接受。

篇9

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）.

篇10

中圖分類號：TP391 文獻標識碼：A 文章編號：1671-7597（2014）07-0001-01

隨著科學技術的快速發展，計算機技術也得到了飛速的發展。將計算機技術應用于人類的視覺系統，并輔助人們觀察到一些眼睛難以看到的東西，已經逐漸成為一門大家所熱捧和追逐的技術。隨著人們對視覺傳感器技術越來越多的探索，人們也逐漸實現了古代時想擁有千里眼的夢想。目前，人們已經把視覺傳感器技術和計算機技術良好的結合在一起，并把這些技術應用到食品、建筑、醫藥、電子、航天航空等眾多領域當中。而該項技術的快速發展，也幫助人們解決了一些日常工作當中人類視覺存在盲區的問題，保證了人們工作過程的安全。視覺技術與IT技術的完美結合使得人們的生活變得更加便利，讓人們親身體會到了IT技術給人們生活帶來的便捷。

1 雙目立體視覺概述

雙目立體視覺又稱雙目視覺技術，是目前計算機視覺應用領域的重要研究內容。雙目立體視覺控制系統的組成因其采用的原理和應用功能的不同，組成也都各不相同。

雙目立體視覺的實現原理是基于人眼的視網膜看物體的特性，從兩個不同的方向來觀看同一個物體的不同角度，從而實現清楚的了解到物體的圖像的目的。雙目立體視覺從不同的角度獲得物體的投影信息，并根據匹配的結果，獲取同一個物體不同偏差位置的信息。最后在依據三角測量技術，根據已經獲得的這些偏差信息從而獲得這些不同點對應的距離信息，并最終獲得這些實際物體的具體坐標位置信息。

視差測距技術告訴我們，要清楚的觀察到一個物體的全貌，需要兩個觀察物從不同的方向，或者固定一個觀察物，移動另外一個觀察物的方式，以達到拍攝同一個物體的目的。根據同一個物體在兩個觀察物當中的位置偏差，從而確定該物體的三維信息。一般來說，雙目立體視覺的組成包括：圖像獲取設備、圖像預處理設備、攝像機標定設備、立體匹配設備、根據二維信息實現三維重構設備等五個重要設備。

2 雙目立體視覺技術的原理

立體畫又可以稱之為三維立體畫，是一種人們可以從三維立體圖中獲取二維平面圖信息的技術。三維立體圖表面看似毫無規則，但是假如通過一些特殊的技術或者通過合理的觀察手段和觀察設備，就可以看到一組秩序井然的美妙圖片。

三維立體圖是一組重復的二維圖片有序的堆積積累而成，因此可以呈現出立體效果。人體觀察物體的原理大致如下：當人類通過左右眼觀察所在的空間平面的時候，這些平面圖都只是一些毫無秩序的圖片。而當左右眼重新聚焦或者在觀察畫面的時候呈現一定的層次感，則人類的左右眼觀察到的一組重復案在經過人體識別以后，這些畫面之間將存在一定的距離差異，從而在腦中生成立體感。

雙目立體視覺技術正是基于以上的原理，從兩個不同的方向去觀察物體，并獲得目標圖像的信息，并經過一定的處理獲得三維重建的物體立體信息的技術。

雙目立體視覺在計算機技術中實現三維重建的大致流程

如下。

1）攝像機定位，并通過單片機計算得到要獲取圖像信息需要的外部的參數的大概值，并根據這些參數值設定攝像機。

2）用設定參數的攝像機拍攝目標場景的畫面，并采集這些畫面的二維圖的信息。

3）通過計算機技術實現雙目匹配，并判定采集畫面中的二維圖像中的不同點之間的對應關系。

4）在第三步中若得到兩組二維圖像的關系是稠密的時候，則生成三維視差圖。如果不是則進一步采集圖片信息。

5）根據得到的視差圖最終實現場景的三維圖形的重建。

3 雙目立體匹配技術的研究難點和未來的發展方向

盡管目前有很多學者都投身到雙目立體匹配技術的研究和開發當中，直至目前為止也解決了很多關于視覺理論當中存在的很多缺陷問題。但是視覺問題是一個復雜且難以解決的問題，特別是在雙目立體匹配問題方面更是困難重重。立體匹配技術的難點已經成為限制將雙目技術應用到計算機技術當中的重要瓶頸。

立體匹配的主要手段就是找到計算機采集到兩幅和多副圖片的中像素的對應關系，然后根據這些像素關系判定并生成三維重建圖。但是二維圖像的匹配存在層層困難，主要體現在以下幾個方面。

1）由于視角的問題或者觀察物體存在遮擋問題，導致采集回來的圖片信息存在盲點，這樣子更難找到圖片的匹配區域。

2）場景中的一些深度不連續的區域大都處在場景當中的邊界位置，這些位置容易出現像素不高，邊界不清晰等問題，這些問題也給圖像匹配帶了很多困擾。

3）場景當中的低紋理的圖片匹配特征和匹配關系較少，而且該位置的每個像素點極為相似。假如只是通過簡單的像素相似性檢測的話，會檢測到很多匹配結果，而這些匹配結果當中有一大部分是錯誤的。這樣子的結果勢必會導致最終的圖像匹配正確率極為低下。

從以上的分析，我們可以看出立體匹配技術存在很多技術上的難點，這些都在很大程度上限制雙目立體匹配技術在計算機當中的應用發展。如何才能設計出有效、準確、快速、通用性強的立體匹配算法將會是以后雙目立體匹配計算發展的重要方向。也只有通過設計出一套行之有效的立體匹配算法才能使得雙目立體匹配技術在計算機視覺當中得到廣泛的應用。

4 結束語

人們通過眼睛可以感受到外界事物的存在，可以清楚的了解到事物的立體信息，分辨出觀察物的廣度和深度，以及物體的遠近。因此人類視覺感知系統就是一個雙目的立體感知系統。本文講述的計算機中的雙目立體匹配技術正是基于人眼視覺觀察物體的原理，通過雙目立體視覺原理，對計算機采集獲得兩幅二維圖像的信息進行分析，并結合計算機的分析，最終獲得同人類眼睛一樣觀察到物體三維表面信息的目的。雙目立體匹配技術與計算機技術的完美結合幫助人們可以更加輕易的獲得物體的信息。希望在不久的將來，可以將該項技術應用于人類的視網膜當中，以幫助一些視網膜存在問題的人們，讓他們重新感受到光明，感受世間的溫暖。

參考文獻

[1]高文，陳熙霖.計算機視覺算法與系統原理[M].北京：清華大學出版社，2002.

[2]明祖衡.雙目立體視覺測距算法研究[M].北京：北京理工大學，2008.

[3]劉昌，郭立，李敬文，劉俊，楊福榮，羅鋒.一種優于SAD的匹配準則及其快速算法[J].電路與系統學報，2007，12（4）：137-14.