導語：如何才能寫好一篇計算機視覺運用，這就需要搜集整理更多的資料和文獻，歡迎閱讀由公務員之家整理的十篇范文，供你借鑒。

篇1

【關鍵詞】云計算 web數(shù)據(jù)挖掘 運用 控制層

1 云計算與web數(shù)據(jù)挖掘

1.1 云計算的概念

所謂云計算，具體是指將分布式、網絡存儲、網格計算、并行計算以及虛擬化技術有效融合而形成的技術，是計算機技術蓬勃發(fā)展的最終產物。

1.2 云計算的關鍵技術

1.2.1 數(shù)據(jù)管理技術

系統(tǒng)處理能夠為用戶提供更為優(yōu)質的高質量服務，進而可以通過此技術手段進行管理數(shù)據(jù)。此外，管理技術的廣泛應用，還能夠進一步解決存在的問題，對于數(shù)據(jù)集的整合和處理來說，提供了充足的數(shù)據(jù)參考。

1.2.2 虛擬化技術

作為一種特別有效資源合理分配劃分的方式，可以將不同等級的系統(tǒng)進行孤立，進而實現(xiàn)存儲、服務器與設備之間的劃分，從中凸顯出應用系統(tǒng)的實質性作用，實現(xiàn)體系結構與管理技術的廣泛應用。

1.2.3 分布式存儲技術

運存儲數(shù)據(jù)主要就是采用分布式的存儲方式，這種方式在某種程度上來說，可以有效的保障數(shù)據(jù)的可靠性，同時也具備一定的經濟性。

1.3 web數(shù)據(jù)挖掘技術

通常情況下，我們將web數(shù)據(jù)挖掘成為網絡挖掘，其根本原因是基于互聯(lián)網與數(shù)據(jù)挖掘技術而形成的。由于當前互聯(lián)網中數(shù)量是非常龐大的，而運用web能夠準確的尋找到有價值的信息。在web數(shù)據(jù)挖掘技術領域當中，主要是基于機器學習、統(tǒng)計學、數(shù)據(jù)庫技術以及神經網絡等分支來構成的。在web數(shù)據(jù)挖掘技術運用的過程中，由于和傳統(tǒng)挖掘技術相比，在挖掘方式與挖掘對象方面是存在著較大差異的，因此在流程方面是完全不同的。通常來說，web數(shù)據(jù)挖掘的流程主要可分為四個部分，分別為搜索信息、信息預處理、模式發(fā)現(xiàn)以及模式分析。

2 基于云計算平臺的web數(shù)據(jù)挖掘體系架構

2.1 服務層

服務層的功能是用戶與web數(shù)據(jù)挖掘之間的交互。在操作過程中，服務層能夠將用戶的請求接收，并通過轉化的方式向web數(shù)據(jù)挖掘發(fā)送指令，然后web數(shù)據(jù)挖掘將得到的資源返回到用戶。

2.2 控制層

在web數(shù)據(jù)挖掘執(zhí)行的過程中，控制層處于核心地位，其根本原因是在云計算平臺當中，所有的數(shù)據(jù)挖掘的相關操作都是由控制層來操作與控制的。具體來說，主控節(jié)點會根據(jù)用戶所提出的需求，來對最合理的web數(shù)據(jù)挖掘算法來進行選擇，然后將算法的階段傳輸?shù)襟w系架構當中的各個節(jié)點當中，在挖掘任務完成后則會傳輸?shù)椒諏樱罱K展現(xiàn)給用戶。

2.3 算法和數(shù)據(jù)存儲層

在基于云計算平臺的web數(shù)據(jù)挖掘的體系架構當中，數(shù)據(jù)存儲層的功能是對各種類型的算法進行存儲，當接收到用戶所發(fā)出的信息后，在算法進行選擇后存儲到數(shù)據(jù)存儲層，以實現(xiàn)對數(shù)據(jù)的備份。即便在挖掘過程中出現(xiàn)意外，也能夠瞬間將數(shù)據(jù)恢復。

2.4 業(yè)務處理層

眾所周知，在web挖掘技術當中得到的數(shù)據(jù)與信息，是經過數(shù)據(jù)存儲層的解析后，轉化為XML文件。對此，業(yè)務處理層的職責就是將分配的任務進行處理，在操作完成后返回到控制層，最終由控制層傳輸?shù)椒諏印?/p>

3 基于云計算的web數(shù)據(jù)挖掘技術運用

3.1 數(shù)據(jù)的收集和處理

在數(shù)據(jù)的收集和處理過程中，需要將用戶訪問數(shù)據(jù)與web機器人訪問數(shù)據(jù)相分離，那么則需要運用到決策樹工具。除此之外，基于云計算平臺的web數(shù)據(jù)挖掘算法，在對數(shù)據(jù)進行篩選與整合后，將其轉化為半結構化的XML文件，并將其保存到分布式文件體系當中。其中，具有代表性的谷歌公司所研發(fā)的Map-Reduce編程，這種編程模式將負載均衡、并行化以及數(shù)據(jù)布局有效的融合。在操作階段，數(shù)據(jù)的流程包含兩個階段，分別為Map階段與Reduce階段。借助于此編程方式，所收集得到的數(shù)據(jù)量更大，但是需注意的是，系統(tǒng)本身并不包含搜集數(shù)據(jù)與保存掃面的功能，再加上應用程序在使用的過程中，還會運用到歷史數(shù)據(jù)的功能，因此對于系統(tǒng)的性能具有一定的負面影響。截止到目前，構建相關系統(tǒng)項目的研究機構是逐漸增多的，其中具有代表性的有Aurora以及STREAM等。

3.2 數(shù)據(jù)存儲

當數(shù)據(jù)進行收集之后，需要進行科學合理的數(shù)據(jù)處理，當完成收集和處理任務之后，應該將數(shù)據(jù)存儲起來，以保證可以對日后的使用起到一定的便捷作用，數(shù)據(jù)在存儲的同時，應該始終堅持以云計算為重要的存儲數(shù)據(jù)流程設定基礎，這樣可以有效的保障數(shù)據(jù)的穩(wěn)定性，對數(shù)據(jù)的存儲起到一定的促進作用。在現(xiàn)階段以云計算為核心的web數(shù)據(jù)存儲領域當中，主要被劃分為開源系統(tǒng)與非開源系統(tǒng)。其中，前者運用最多的為hdfs系統(tǒng)，該系統(tǒng)是由hadoop公司所開發(fā)的；而后者運用最多的是gfs系統(tǒng)，該系統(tǒng)是由谷歌公司所開發(fā)的。總的來說，在各項技術蓬勃發(fā)展的過程中，在云計算平臺中，web數(shù)據(jù)挖掘技術的運用范圍是不斷擴展與延伸的。在此背景下，云計算平臺的web數(shù)據(jù)挖掘技術不但搜索效率方面有著明顯的提升，同時在數(shù)據(jù)處理效率方面的提升也是非常顯著的。

4 結論

通過全文的分析，能夠看出重點是對于云計算以及數(shù)據(jù)挖掘技術進行具體的探索和分析，明確在云計算技術基礎上，數(shù)據(jù)挖掘技術得到了較大程度上的創(chuàng)新發(fā)展，其未來的發(fā)展前景非常的寬廣。與此同時，相信在云計算領域蓬勃發(fā)展的背景下，web數(shù)據(jù)挖掘在云計算的未來發(fā)展發(fā)揮出了巨大的推動力。

參考文獻

[1]蔡興旺，段夢博.云計算及其在數(shù)據(jù)挖掘上的應用研究[J].電腦知識與技術，2010（22）.

[2]劉帥，蔣貴凰.數(shù)據(jù)挖掘的現(xiàn)狀及發(fā)展趨勢研究分析[J].現(xiàn)代商業(yè)，2015（33）.

[3]吳銳，孫銀香.云計算平臺下的Web數(shù)據(jù)挖掘研究[J].網絡安全技術與應用，2014（08）.

篇2

1.1自動化程度高

計算機視覺可以實現(xiàn)對農產品的多個外形和內在品質指標進行同時檢測分析，可以進行整體識別、增強對目標識別的準確性。

1.2實現(xiàn)無損檢測

由于計算機視覺技術對農產品的識別是通過掃描、攝像，而不需要直接接觸，可以減少對所檢測食品的傷害。

1.3穩(wěn)定的檢測精度

設計的運行程序確定后，計算機視覺技術的識別功能就會具有統(tǒng)一的識別標準，具有穩(wěn)定的檢測精度，避免了人工識別和檢測時主觀因素所造成的差異。

2計算機視覺技術在食品檢測中的應用

20世紀70年代初，學者開始研究計算機視覺技術在食品工業(yè)中的應用，近幾十年電子技術得到快速發(fā)展，計算機視覺技術也越來越成熟。國內外學者在研究計算機視覺技術在食品工業(yè)中的應用方面主要集中在該技術對果蔬的外部形態(tài)（如形狀、重量、外觀損傷、色澤等）的識別、內部無損檢測等方面。國內有關計算機視覺技術在食品業(yè)中的應用研究起始于90年代，比國外發(fā)達國家晚20多年，但是發(fā)展很快。

2.1計算機視覺技術在果蔬分級中的應用研究

計算機視覺技術在食品檢測中的應用研究相當廣泛，從外部直徑、成熟度的檢測到內部腐爛程度的檢測都有研究。韓偉等［4］采用分割水果的拍攝圖像和新的計算機算法計算水果的半徑，進而得出果蔬的最大直徑。研究表明，該算法不僅降低了計算量而且提高了計算精度，此方法用于水果分級的誤差不超過2mm，高于國際水果分級標準所規(guī)定的5mm分類標準差，可在工業(yè)生產中很好應用。李慶中［5］也利用圖像的缺陷分割算法研究了計算機視覺技術在蘋果檢測與分級中的應用，結果表明此算法能快速、有效地分割出蘋果的表面缺陷。孫洪勝等［6］以蘋果色澤特征比率的變化規(guī)律為理論基礎，結合模糊聚類知識利用計算機視覺技術來檢測蘋果缺陷域，檢測不僅快速而且結果精確。劉禾等［7］通過研究認為蘋果的表面缺陷可以利用計算機視覺技術進行檢測，計算機視覺技術還可以將蘋果按照檢測結果進行分級，把檢測過的蘋果分成裂果、刺傷果、碰傷果和蟲傷果等類別。梨的果梗是否存在是梨類分級的重要特征之一，應義斌等［8］通過計算機視覺技術、圖象處理技術、傅立葉描述子的方法來描述和識別果形以及有無果柄，其識別率達到90%。楊秀坤等［9］綜合運用計算機視覺技術、遺傳算法、多層前饋神經網絡系統(tǒng)，實現(xiàn)了具有精確度高、靈活性強和速度快等優(yōu)點的蘋果成熟度自動判別。陳育彥等［10］采用半導體激光技術、計算機視覺技術和圖像分析技術相結合的方法檢測蘋果表面的機械損傷和果實內部的腐爛情況，初步驗證了計算機視覺技術檢測蘋果表面的損傷和內部腐爛是可行的。馮斌等［11］通過計算機視覺技術對水果圖像的邊緣進行檢測，然后確定水果的大小用以水果分級。試驗表明，該方法比傳統(tǒng)的檢測方法速度快、準確率高，適用于計算機視覺的實時檢測。朱偉［12］在模糊顏色的基礎上，分析西紅柿損傷部分和完好部分模糊顏色的差別，用分割方法對西紅柿的缺陷進行分割，結果顯示準確率高達96%。曹樂平等［13］人研究了溫州蜜柑的果皮顏色與果實可滴定酸含量以及糖分含量之間的相關性，然而根據(jù)相關性，樣品檢測的正確識別率分別只有約74%和67%。劉剛等［14］從垂直和水平兩個方向獲取蘋果的圖像，并通過計算機自動分析圖像數(shù)據(jù)，對蘋果的外徑、體積、以及圓形度等參數(shù)進行處理，與人工檢測相比，計算機視覺技術具有檢測效率高，檢測標準統(tǒng)一性好等優(yōu)點。Blasco.J［15］通過計算機視覺技術分析柑橘果皮的缺陷，進而對其在線分級，正確率約為95%。趙廣華等［16］人綜合計算機視覺識別系統(tǒng)、輸送轉換系統(tǒng)、輸送翻轉系統(tǒng)、差速勻果系統(tǒng)和分選系統(tǒng)，研制出一款適于實時監(jiān)測、品質動態(tài)的智能分級系統(tǒng)，能夠很好地實現(xiàn)蘋果分級。王江楓等［17］建立了芒果重量與攝影圖像的相互關系，應用計算機視覺技術檢測桂香芒果和紫花芒果的重量和果面損傷，按重量分級其準確率均為92%，按果面損傷分級的準確率分別為76%和80%。

2.2計算機視覺技術在禽蛋檢測中的應用研究

禽蛋企業(yè)在生產過程中，產品的分級、品質檢測主要采用人工方法，不僅需要大量的物力人力，而且存在勞動強度大、人為誤差大、工作效率低等缺點，計算機視覺技術可以很好的解決這類產品工業(yè)生產中存在的困擾。歐陽靜怡等［18］利用計算機視覺技術來檢測雞蛋蛋殼裂紋，利用攝像機獲取雞蛋圖像后，采用fisher、同態(tài)濾波和BET算法等優(yōu)化后的圖像處理技術，獲得裂紋形狀并判斷，試驗結果表明，計算機視覺技術對雞蛋蛋殼裂紋的檢測準確率高達98%。汪俊德等［19］以計算機視覺技術為基礎，設計出一套雙黃雞蛋檢測系統(tǒng)。該系統(tǒng)獲取蛋黃指數(shù)、蛋黃特征和蛋形尺寸等特征，和設計的數(shù)學模型對比來實現(xiàn)雙黃雞蛋的檢測和識別，檢測準確率高達95%。鄭麗敏等［20］人通過高分辨率的數(shù)字攝像頭獲取雞蛋圖像，根據(jù)圖像特征建立數(shù)學模型來預測雞蛋的新鮮度和貯藏期，結果表明，計算機視覺技術對雞蛋的新鮮度、貯藏期進行預測的結果準確率為94%。潘磊慶等［21］通過計算機視覺技術和聲學響應信息技術相結合的方法檢測裂紋雞蛋，其檢測準確率達到98%。MertensK等［22］人基于計算機視覺技術研發(fā)了雞蛋的分級檢測系統(tǒng)，該系統(tǒng)識別帶污漬雞蛋的正確率高達99%。

2.3計算機視覺技術在檢測食品中微生物含量的應用研究

計算機技術和圖像處理技術在綜合學科中的應用得到快速發(fā)展，在微生物快速檢測中的應用也越來越多，主要是針對微生物微菌落的處理。食品工業(yè)中計算機視覺技術在微生物檢測方面的研究和應用以研究單個細胞為主，并在個體細胞的研究上取得了一定的進展。殷涌光等［23］以顏色特征分辨技術為基礎，設計了一套應用計算機視覺技術快速定量檢測食品中大腸桿菌的系統(tǒng)，該系統(tǒng)檢測結果與傳統(tǒng)方法的檢測結果具有很好的相關性，但與傳統(tǒng)方法相比，可以節(jié)省5d時間，檢測時間在18h以內，并且能夠有效提高產品品質。Lawless等［24］人等時間段測定培養(yǎng)基上的細胞密度，然后通過計算機技術建立時間和細胞密度之間的動態(tài)關聯(lián)，利用該關聯(lián)可以預測和自動檢測微生物的生長情況，如通過計算機控制自動定量采集檢測對象，然后分析菌落的邊緣形態(tài)，根據(jù)菌落的邊緣形態(tài)計算機可以顯示被檢測菌落的具置，并且根據(jù)動態(tài)關聯(lián)計算機視覺系統(tǒng)可以同時處理多個不同的樣品。郭培源等［25］人對計算機視覺技術用于豬肉的分級進行了研究，結果顯示計算機視覺技術在識別豬肉表面微生物數(shù)量上與國標方法檢測的結果顯著相關，該技術可以有效地計算微生物的數(shù)量。Bayraktar.B等［26］人采用計算機視覺技術、光散射技術（BARDOT）和模式識別技術相結合的方法來快速檢測李斯特菌，在獲取該菌菌落中的形態(tài)特征有，對圖像進行分析處理達到對該菌的分類識別。殷涌光等［27］人綜合利用計算機視覺、活體染色、人工神經網絡、圖像處理等技術，用分辨率為520萬像素的數(shù)字攝像機拍攝細菌內部的染色效果，并結合新的圖像處理算法，對細菌形態(tài)學的8個特征參數(shù)進行檢測，檢測結果與傳統(tǒng)檢測結果顯著相關（相關系數(shù)R=0.9987），和傳統(tǒng)檢測方法相比該方法具有操作簡單、快速、結果準確、適合現(xiàn)場快速檢測等特點。魯靜［28］和劉侃［29］利用顯微鏡和圖像采集儀器，獲取乳制品的掃描圖像，然后微生物的圖像特征和微生物數(shù)量進行識別，并以此作為衡量乳制品質量是否達標的依據(jù)，并對產品進行分級。

2.4計算機視覺技術在其他食品產業(yè)中的應用研究

里紅杰等［30］通過提取貝類和蝦類等海產品的形狀、尺寸、紋理、顏色等外形特征，對照數(shù)學模型，采用數(shù)字圖像處理技術、計算機識別技術實現(xiàn)了對貝類和蝦類等海產品的無損檢測和自動化分類、分級和質量評估，并通過實例詳細闡述了該技術的實現(xiàn)方法，證實了此項技術的有效性。計算機視覺技術還可以檢驗玉米粒形和玉米種子質量、識別玉米品種和玉米田間雜草［31］。晁德起等［32］通過x射線照射獲取毛葉棗的透視圖像后，運用計算機視覺技術對圖像進行分析評估，毛葉棗可食率的評估結果與運用物理方法測得的結果平均誤差僅為1.47％，因此得出結論：計算機視覺技術可以應用于毛葉棗的自動分級。GokmenV等［33-34］通過對薯片制作過程中圖像像素的變化來研究薯片的褐變率，通過分析特色參數(shù)來研究薯片中丙烯酰胺的含量和褐變率的關系，結果顯示兩項參數(shù)相關性為0.989，從而可以應用計算機視覺技術來預測加熱食品中丙烯酰胺的含量，該方法可以在加熱食品行業(yè)中得到廣泛應用。韓仲志等［35］人拍攝和掃描11類花生籽粒，每類100顆不同等級的花生籽粒的正反面圖像，利用計算機視覺技術對花生內部和外部采集圖像，并通過圖像對其外在品質和內在品質進行分析，并建立相應的數(shù)學模型，該技術在對待檢樣品進行分級檢測時的正確率高達92%。另外，郭培源等［36］人以國家標準為依據(jù)，通過數(shù)字攝像技術獲取豬肉的細菌菌斑面積、脂肪細胞數(shù)、顏色特征值以及氨氣等品質指標來實現(xiàn)豬肉新鮮程度的分級辨認。

3展望

新技術的研究與應用必然伴隨著坎坷，從70年代初計算機視覺技術在食品工業(yè)中進行應用開始，就遇到了很多問題。計算機視覺技術在食品工業(yè)中的研究及應用主要存在以下幾方面的問題。

3.1檢測指標有限

計算機視覺技術在檢測食品單一指標或者以一個指標作為分級標準進行分級時具有理想效果，但以同一食品的多個指標共同作為分級標準進行檢測分級，則分級結果誤差較大［37］。例如，Davenel等［38］通過計算機視覺對蘋果的大小、重量、外觀損傷進行分析，但研究結果顯示，系統(tǒng)會把花萼和果梗標記為缺陷，還由于蘋果表面碰壓傷等缺陷情況復雜，造成分級誤差很大，分級正確率只有69%。Nozer［39-40］等以計算機視覺為主要技術手段，獲取水果的圖像，進而通過分析圖像來確定水果的形狀、大小、顏色和重量，并進行分級，其正確率僅為85.1%。

3.2兼容性差

計算機視覺技術針對單一種類的果蔬分級檢測效果顯著，但是，同一套系統(tǒng)和設備很難用于其它種類的果蔬，甚至同一種類不同品種的農產品也很難公用一套計算機視覺設備。Reyerzwiggelaar等［41］利用計算機視覺檢查杏和桃的損傷程度，發(fā)現(xiàn)其檢測桃子的準確率顯著高于杏的。Majumdar.S等［42］利用計算機視覺技術區(qū)分不同種類的麥粒，小麥、燕麥、大麥的識別正確率有明顯差異。

3.3檢測性能受環(huán)境制約

篇3

關鍵詞：計算機視覺；案例推理；圖像處理；圖像描述

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(fā)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(xiàn)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(yè)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(guī)則化的知識，以輔助規(guī)則推理的不足，提高故障診斷系統(tǒng)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(guī)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(xù)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(xiàn)現(xiàn)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(tǒng)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(fā)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(shù)學理論、小波的分析理論等計算機視覺理論的不斷發(fā)展和日趨成熟，使計算機視覺從上世紀60年代開始興起發(fā)展到現(xiàn)在，取得快速發(fā)展，已經從簡單圖像質量處理發(fā)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(tǒng)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(shù)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(fā)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(jù)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(shù)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(jù)檢測和故障診斷系統(tǒng)的特點，計算機視覺主要解決如何將產品圖像輸入系統(tǒng)，如何將產品圖像特征進行抽取和描述，如何區(qū)別產品不同之處。以便案例推理系統(tǒng)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(tǒng)進行探討。

3 產品輸入系統(tǒng)

產品輸入系統(tǒng)在不同產品類型和生產環(huán)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(tǒng)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(xù)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(tǒng)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(shù)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(shù)字化。通過傳感器判斷有產品后，光源發(fā)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(shù)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(shù)據(jù)、處理結果等。

這是案例推理系統(tǒng)的原始數(shù)據(jù),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(tǒng)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(qū)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(xiàn)案例的完整性、唯一性、操作容易性。

圖像中有顏色區(qū)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(jù)圖像特點，確立圖像案例的表示，以圖像的像素、圖像的數(shù)字化外觀、圖像物體的數(shù)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(shù)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(jù)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(huán)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(shù)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(jù)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(jù)這些圖像特征進行描述，形成計算機中屬性值，并從數(shù)據(jù)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(tǒng)的檢索

根據(jù)案例推理原理和相應算法，建立案例推理系統(tǒng)模型，如圖3所示。

圖3 案例推理系統(tǒng)

對話系統(tǒng)：完成人機交互、問題描述、結果顯示和系統(tǒng)總控制。

案例庫系統(tǒng)：由案例庫及案例庫管理系統(tǒng)組成。

數(shù)據(jù)析取系統(tǒng)：對各種已有的源數(shù)據(jù)庫的數(shù)據(jù)通過轉換而形成所需的數(shù)據(jù)。

多庫協(xié)同器：根據(jù)問題求解的需要，按照一定的數(shù)據(jù)抽取策略，完成問題求解過程中對模型庫系統(tǒng)、方法庫系統(tǒng)、知識庫系統(tǒng)和數(shù)據(jù)庫系統(tǒng)等資源的調度與協(xié)調。

知識庫系統(tǒng)：由產生式規(guī)則組成，這些知識包括專家經驗和以規(guī)則形式表示的有關知識，也可以是數(shù)據(jù)挖掘結論，支持案例檢索、案例分析、案例調整等。 模型庫系統(tǒng)：由模型庫、算法庫、模型庫管理系統(tǒng)組成。完成模型識別和調用，并把結果綜合，送入對話系統(tǒng)顯示，作為補充信息供案例檢索、調整使用。

數(shù)據(jù)庫系統(tǒng)：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(tǒng)主要應用產品的現(xiàn)場實時檢測監(jiān)控或故障診斷，所以系統(tǒng)的檢索時，也必須輸入檢索值，即輸入現(xiàn)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(jù)圖像描述進行分類識別。根據(jù)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(tǒng)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(tǒng)實現(xiàn)產品現(xiàn)場實時檢測、監(jiān)控、診斷提供技術支持。計算機視覺技術現(xiàn)場的數(shù)據(jù)采集、處理為案例推理打好基礎。

兩者的結合設計的系統(tǒng)適用范圍很廣，只要產品需要進行質量檢測、監(jiān)控，或設備需要進行故障診斷和維護，都可以適用。

系統(tǒng)提供的實時檢測、監(jiān)控和診斷功能，提高企業(yè)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(yè)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(yè)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(shù)系統(tǒng)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.

[7]姜麗紅.案例推理在智能化預測支持系統(tǒng)中的應用研究[J].決策與決策支持系統(tǒng),1996,6(4):63-69.

篇4

關鍵詞：計算機視覺；智能交通；監(jiān)控系統(tǒng)

中圖分類號：TP277

近些年來，隨著我國人民生活水平提高，使私家車輛的數(shù)目急劇增長，并且車輛的增長速度遠遠超出市政建設的力度。這樣的事實導致城市交通擁堵、違規(guī)通車、車禍增加，所以迫切的要求加快市政建設，實施高效率的交通監(jiān)控措施，基于計算機視覺的智能交通監(jiān)控系統(tǒng)也由此得到了相應的廣泛的發(fā)展和應用。那么，計算機視覺技術下的智能交通監(jiān)管系統(tǒng)究竟應該如何設計與實現(xiàn)呢？

1 計算機視覺下的智能交通監(jiān)控系統(tǒng)

1.1 計算機視覺技術

計算機視覺技術即利用各種圖像攝錄設備將通過對視覺目標進行識別、跟蹤、測量并將由此獲取的視覺信息傳輸至計算機并進而利用圖像技術進行視覺信息處理以達到進一步進行智能化處理的視覺處理技術。

1.2 智能交通系統(tǒng)（ITS）

智能交通系統(tǒng)（ITS）是指通過現(xiàn)代化的網絡信息技術、自動控制技術等有效綜合手段在一定范圍內建立的全方位發(fā)揮作用的交通運輸綜合管理和控制系統(tǒng)。作為交通運輸管理體系的一場新的革命，近年來，由此技術進一步開發(fā)形成的監(jiān)控系統(tǒng)已經在各個道路的關鍵路口、路段和其他交通繁忙地域普遍建立，為交通運輸管理提供了自動化、智能化的信息收集和處理等多方面的服務。但是，隨著城市建設的迅猛發(fā)展和人流、車流量的猛增，更加智能化的交通管理系統(tǒng)的開發(fā)和利用顯然也成為了當務之急。

2 計算機視覺下的智能交通監(jiān)管系統(tǒng)的建立

正是基于新的發(fā)展需要，我們有必要把計算機視覺和智能交通監(jiān)控系統(tǒng)進一步結合起來，首先通過計算機視覺分別對各個道路的關鍵路口、路段和其他交通繁忙地域等相應位置實時進行交通信息采集，然后，通過信息傳輸系統(tǒng)、或者進行處理后存入服務器并將處理過的實時交通信息及時傳輸?shù)奖O(jiān)控指揮系統(tǒng)，以實現(xiàn)對于各個道路的關鍵路口、路段和其他交通繁忙地域的實時監(jiān)控和管理。由此，顯然就需要設計以下各個子系統(tǒng)并共同構建為一個完整的體系。

計算機視覺下的智能交通監(jiān)管系統(tǒng)

實時交通信息收集系統(tǒng)

監(jiān)控指揮系統(tǒng)

高質量信息存儲傳輸系統(tǒng)

圖1 計算機視覺下的智能交通監(jiān)管系統(tǒng)工作程序示意圖

3 智能交通監(jiān)控系統(tǒng)的實現(xiàn)

計算機視覺下的智能交通監(jiān)管系統(tǒng)實現(xiàn)的第一步是通過實時交通信息收集系統(tǒng)實時進行交通信息采集，即通過對于運動物體的分割，在圖像找出有意義的部分，抽出運動目標的特征，進而通過連續(xù)畫面間的變化判斷目標的運動狀況。在這一系統(tǒng)運行中，首先可以“攝像頭讀入”的初始視頻，使用相應的算法提取“背景”，然后通過原圖與背景運算形成相應的“前景”，由此即可進一步通過矩形框的使用來達到“運動目標檢測”與信息采錄的目的。

圖2 視覺監(jiān)控系統(tǒng)原理圖

3.1 系統(tǒng)功能實現(xiàn)

對運動物體的檢測主要有光流法以及差分法兩種方法，由于光流法比較復雜和耗時，實時檢測很難實現(xiàn)，因而，現(xiàn)有實時交通信息收集系統(tǒng)一般通過差分法的應用來進行開發(fā)和實現(xiàn)。

3.1.1 幀間差分法

幀間差分法對運動目標進行分割處理過程中使用較多也最為簡單實用的一種方法，其基本原理就是通過在連續(xù)的圖像序列中兩個或三個相鄰幀間采用基于像素的幀間差分并且閾值化來提取圖像的運動區(qū)域，進而通過逐象素比較獲取前后兩幀圖像之間的差別來判斷運動物體的移動狀況。在實際操作中，一般可以假設用于獲取序列圖像的視頻設備為靜止物體，設視頻中連續(xù)兩幀的圖像為It（x，y）和It+1（x，y），然后通過對連續(xù)兩幀的圖像相應的像素進行比較，利用Dt（x，y）=It+1 （x，y）-It（x，y）這一方程求出相應的閾值來檢測出運動物體的移動狀況：

Mt（x，y）=

當然，必須注意的是，由于幀間差分法所得到的差分圖像在現(xiàn)實中并非由理想封閉的輪廓區(qū)域組成的，因而，運動目標的輪廓自然也就往往是局部的、不連續(xù)的，且其誤差往往隨著運動物體速度的增大而增大，因而，這一方法并不適于對于高速運動目標的有效檢測。

3.1.2 背景差分法

與幀間差分法不同，背景差分法則是利用當前圖像與背景圖像的差分來檢測物體運動狀況一種方法。其基本原理是在可控制環(huán)境下，通過對于運動背景的固定假設，設待檢測運動物體的圖像為I（x，y），背景圖像為B（x，y），通過輸入圖像與背景模型進行比較，利用D（x，y）=I（x，y）-B（x，y）這一方程求得到圖像中的各像素的變化信息，進而檢測運動物體的移動狀況：

Mt（x，y）=

當然，在實際運用中，背景差分法的關鍵，是要建立一個背景模型，并更新模型。

3.2 程序功能的實現(xiàn)

本程序功能實現(xiàn)所主要使用的是OpenCV函數(shù)。OpenCV能夠實現(xiàn)對圖像數(shù)據(jù)的操作，包括分配、釋放、復制、設置和轉換數(shù)據(jù)，以及對攝像頭的定標、對運動的分析等。在函數(shù)實現(xiàn)上，用到了Cv圖像處理的連接部件函數(shù)，運動分析與對象跟蹤中的背景統(tǒng)計量的累積相關函數(shù)等相關的函數(shù)。本系統(tǒng)就是運用圖3介紹使用到的函數(shù)名及其功能和使用格式等來實現(xiàn)對視頻流的運動車輛的輪廓檢測的。

圖3 尋找輪廓程序主要算法流程

實驗證明，本系統(tǒng)能夠較好地實現(xiàn)對視頻流的運動目標的輪廓檢測和對象跟蹤，并能實時更新背景，車輛跟蹤正確率在95%以上，雖然存在著輪廓檢測正確率稍差的缺點，但其主要原因是由于攝像頭所處的角度和運動目標靠近程度的影響，從根本上并不影響對于運動目標的實際檢測。

4 結束語

加快城鎮(zhèn)化進程是我國發(fā)展的大趨勢，在這一趨勢下，城市病的治理當然可以離不開現(xiàn)代化的科學技術。但是，必須注意的是，無論多么先進的管理系統(tǒng)，最終都只有通過人的行為才能夠發(fā)揮有效的作用，在這個意義上，設計與使用先進的交通監(jiān)控系統(tǒng)固然是解決交通問題的技術條件，但是，交通問題的解決，最終還必須依賴于人的素質的全面提高。

參考文獻：

[1]戴俊喬.城市道路交通視頻監(jiān)控系統(tǒng)架構和性能的研究[J].科技與創(chuàng)新，2014（06）.

[2]張偉龍，李剛，王雨翔.基于計算機視覺的智能交通監(jiān)控系統(tǒng)[J].小型微型計算機系統(tǒng)，2014（07）.

[3]龐其富.淺談城市軌道交通視頻監(jiān)控系統(tǒng)設計方案[J].通訊世界，2014（01）.

篇5

關鍵詞 計算機圖形學 第三方演示 課程群 分組實踐

Abstract At present， computer graphics has become an important part of undergraduate computer education， and it is also plays an important role to cultivate innovative talents to adapt to the information age. Based on the teaching of computer graphics course by the author as an example， analyzes the existing problems in the teaching of computer graphics， and put forward improvement ideas from three aspects： according to the different needs of students utilizing the third party demonstration teaching and cross curriculum interpretation， introducing course group to replace single course， employing group practice examination instead of individual， and other forms to improve the quality of teaching.

Keywords computer graphics； third party demonstration； course group； group practic

計算機圖形學是一門介紹顯示、生成和處理計算機圖形的原理和方法的課程。它在計算機總體教學體系中屬內容綜合性較強且發(fā)展迅速的方向之一。該課程既有具體的圖形軟硬件實現(xiàn)，又有抽象的理論和算法，旨在為學生從事相關工作打下堅實基礎。學生須以高等數(shù)學和線性代數(shù)的基本理論和較熟練的程序設計能力作為本課程學習的基礎。課程的難點在于計算機圖形學研究范圍廣，與其他學科交叉性強，且知識不斷更新變化。在教學實施過程中，難點是理解和掌握相應的基礎理論和算法，以及利用計算機圖形學相關工具進行圖形學實際問題的解決。

本課程對學生的培養(yǎng)學生圍繞以下三個方面展開： （1）建立對計算機圖形學的基本認識，理解圖形的表示與數(shù)據(jù)結構、曲線曲面的基本概念。（2）理解并掌握基本圖形的生成算法，并能對現(xiàn)有的算法進行改進，理解圖形的變換和裁減算法。 （3）面向算機圖形的程序設計能力，以底層圖形生成算法為核心構建應用程序。相應的考查方式由理論授課、上機實習和課外作業(yè)三個單元構成。從近年的授課實踐和考試情況分析，該教學內容難度設置合理，深入淺出且相互承接成為體系，學生總體反饋良好。但也存在一些矛盾和問題。以下將對幾個問題進行重點闡述與思考，并提出課程改革思路。

1 計算機圖形學與計算機輔助設計銜接問題

筆者所在院校是具有航空航天背景的工科院校，“CAD計算機輔助設計”是飛行器設計、機械設計與制造等多學科的重要課程。相關學科學生期望通過對計算機圖形學知識的深入理解，促進CAD設計工具諸如Catia、Solidwork和Rhino等先進工具的運用能力。然而，目前的計算機圖形學課程的教學和考察環(huán)節(jié)倚重低層算法講解與基于OPENGL等的程序設計，除綜述外并未具體引入CAD相關內容。產生的問題是，一方面，飛行器設計及機械設計與制造等專業(yè)的學生由于程序設計能力不足，難以駕馭較復雜的程序設計任務，在學習過程中心理壓力較大；另一方面，由于授課均為教師為計算機相關專業(yè)背景，該課程的講授并未銜接CAD相關技術，學生難以構建二者之間的聯(lián)系。

解決方案：

本質上，該問題是由于選課學生的學習動機和基礎不同造成的。以單一的教學和考查方式難以兼顧這類面向具體應用的學習需求。在教學方法上，采用第三方案例教學法和交叉講解法相結合以解決此問題。具體的，將CAD等應用場合以具體案例形式講解，授課教師邀請飛行器、機械設計相關教研組研究生以4～6學時的講臺演示的形式呈現(xiàn)CAD工具完整設計過程。授課教師則以交叉講解方式為學生講解運用到的計算機圖形學知識點，同時與學生交互式的問答和探討。在考查形式上，考慮到不同的學習動機和基礎，采用多樣化實踐環(huán)節(jié)考查。計算機專業(yè)學生以OPENGL程序設計為考點，而外專業(yè)學生以CAD等面向應用的實踐工具為考點，以兼顧各專業(yè)的學習需求。

2 計算機圖形學與計算機視覺相結合的問題

當前，虛擬現(xiàn)實技術（VR）和人工智能技術（AI）兩個最重要最熱門的研究領域。虛擬現(xiàn)實的基礎理論支撐是計算機圖形學，例如三維場景的生成與顯示。而人工智能的一個重要應用場景是計算機視覺，例如基于圖像智能識別的自動駕駛技術和場景理解技術。很多學生對以計算機視覺為代表的人工智能技術懷有濃厚興趣，同時，學生又難以區(qū)分計算機圖形學和計算機視覺的關系。同時，二者在近年來的研究中呈現(xiàn)相互融合的趨勢。如基于三維立體視覺的機器人與場景實時定位與重建。如何在計算機圖形學課程中，很好地體現(xiàn)兩門課程的不同，避免學生的混淆，拓展學生的知識面，都是具有現(xiàn)實意義的課題。

解決方案：

實際上，計算機圖形學和計算機視覺可不失一般性的概括為互逆的關系：計算機圖形學是由概念設計到模型生成，最終繪制圖形圖像的過程；而計算機視覺則是從原始圖像中再加工并分析理解、以產生新圖像（如二維到三維）或輸出語義信息（如圖像自動標注與理解、目標檢測與識別）。將計算機圖形學納入“視覺處理課程群”框架，使學生首先掌握課程群中各課程的側重點，著重理解圖形學在課程群中的作用。精心選取2～3個計算機視覺和圖形學交叉的當前主流研究方向，展開概念層面的演示講解，不深究具體算法，著重闡述兩種技術的相互依賴關系并對比二者的區(qū)別。相關領域的演示還包括增強現(xiàn)實、人機交互、計算機輔助診斷等等。鼓勵學生自主學習，最終使學生在做中學、用中學，提高獨立分析新問題和綜合運用知識解決問題的能力。

3 如何平衡算法講解和程序應用技能

計算機圖形學涉及的算法多，核心算法是該課程的必講內容，在算法細節(jié)的講解過程中學生容易產生畏難厭學情緒，注意教學方法以調動學生的興趣尤為重要。另一方面，對學生的考察方式最終是通過編程實踐完成。學生在編程實踐中常常遇到大量調試問題，同時要閱讀大量文檔以了解OPENGL接口函數(shù)的調用方法，這個過程占用了很大工作量。

解決方案：

在理論教學部分，著重講清計算機圖形學原理和概念、全面解析經典算法思想。課程強調對理論核心思想的闡述，用通俗易懂的語言，條例清晰的邏輯，進行簡明透徹的闡述，附以直觀、形象的動態(tài)演示系統(tǒng)，力圖使學生在較短的時間內、有效地掌握基本理論。分析圖形學各種經典算法的原理、可行性及幾何復雜性，盡可能多地比較算法之間的思想差異，分別指出它們的優(yōu)缺點和應用場合，并促進學生思考如何在保證算法的準確性、可靠性的前提下，提高算法的效率。同時注重接近國際前沿的研究內容，注重講授經典知識和最新進展相結合，以激發(fā)學生的學習興趣，提高課堂效率和活躍度，力爭以較少的課時闡述計算機圖形學的基本原理、基本方法，加大實踐環(huán)節(jié)比重。通過往年學生完成的優(yōu)秀課程作業(yè)作品的展示，激發(fā)學生的創(chuàng)造熱情。改革實踐環(huán)節(jié)的考查方式，以項目小組形式取代對個體的考查。原則上每組3～5人，自由組合。在課程結束前，采用小組現(xiàn)場演示講解的方式，展示小組成員通過編程實踐環(huán)節(jié)完成的一個項目。學生在項目小M中鍛煉了團隊協(xié)作能力，降低了個人工作強度，同時互相學習和督促的氛圍使課程作業(yè)的質量得以大幅提高。以基礎實驗――目標性重建實驗――自主性訓練的層次化實踐框架模式，逐步培養(yǎng)學生自主研究，獨立解決問題、分析問題，確定解決方案的能力，樹立正確的科學研究習慣，培養(yǎng)學生的科學研究能力。

總之，合理設計實踐教學案例，進一步實現(xiàn)課程體系和實踐內容的統(tǒng)一，建立一個多層次、立體化的實踐教學體系，注重學生的參與性與實踐性，引導和鼓勵學生進行創(chuàng)新實踐和課外研學。改革考核方式和考試形式，加大實踐環(huán)節(jié)在成績中的比重，強化實踐能力培養(yǎng)，寓教于樂的同時引導學生追求卓越。此外，計算機圖形學技術是發(fā)展非常快的一個研究及應用領域，且對編程要求較高，應注重實驗室機房投入更新必要硬件，并保障軟件編程環(huán)境的正常運行。

L鼙疚氖苤泄┦亢蠡YBA15035，江蘇省教改項目JGLX13_008資助

參考文獻

[1] 孫家廣，胡事民.計算機圖形學基礎教程.北京：清華大學出版社，2005.2.

[2] 唐榮錫，汪嘉業(yè)，彭群生等.計算機圖形學教程（修訂版）.北京：科學出版社，2000.

[3] LIU Hailan.On development and application of computer graphics[J].Computer Knowledge and Technology，2010（3）：9551-9552.

[4] 婁鳳偉.創(chuàng)造性思維與計算機基礎教學[J].教育探索，2002.

篇6

摘要：研究基于計算機視覺的實時動態(tài)手勢識別技術，并利用OpenCV計算機視覺庫在VS2010平臺上設計一個基于該技術在多媒體教學中PPT演示控制方面的應用。首先，利用背景差分法進行手勢檢測，在背景更新的基礎上，通過背景差分圖和顏色直方圖的反投影圖來檢測運動手勢區(qū)域，可以達到較為滿意的實時運動手勢檢測效果；其次，采用基于顏色直方圖的粒子跟蹤算法進行手勢跟蹤，基本能滿足跟蹤的實時性；最后，在手勢識別階段，采用基于Hu不變矩的輪廓匹配算法，得到較好的手勢識別效果；使用六種手勢，來實現(xiàn)演示文稿中的控制應用。

關鍵詞：計算機視覺；背景差分；粒子跟蹤；手勢識別；Hu矩

中圖分類號：TP391.41文獻標識碼：A

1引言

隨著計算機軟硬件技術的發(fā)展，人機交互已經由過去的鼠標、鍵盤方式逐漸向更加靈活生動的語音、姿勢等新穎交互方式發(fā)展。由于基于視覺方式具有便捷和開銷低等優(yōu)點，因此，利用計算機視覺技術來使計算機理解用戶的命令，從而做出控制動作，這一領域的研究得到越來越多的重視。其中，人的手勢作為日常生活中最為廣泛使用的一種交流方式；因此，國內外許多研究機構開始對手勢識別技術進行研究，并已經取得了一些階段性的成果。較早的有：Freeman和Roth等人提出的基于方向直方圖的手勢識別系統(tǒng)；國內的高文教授等人于1994年提出了一種靜態(tài)復雜背景手勢目標的捕獲與識別。經過二三十年的發(fā)展，

人們對運動目標檢測及跟蹤進行了大量深入的研究：美國MIT實驗室通過提取左右手質心的運動軌跡以及手勢形狀特征參數(shù)，結合語法規(guī)則識別40個美國手語，準確率達到97%；另外，Microsoft Korea的HyeonKyu Lee，采用HMM的閾值模型，識別9種動態(tài)手勢命令，平均識別率高達98.19%；國內的任海兵提出了基于DTW的手勢識別算法，該算法能準確識別12種手勢。

現(xiàn)在，基于視覺的手勢識別技術更多的是應用在娛樂、游戲方面，比如微軟前段時間推出的Xbox360游戲機體的體感外設Kinect及多款相配套的體感游戲，玩家可以通過手勢在游戲中進行操作和互動，使得人機互動娛樂進入了一個新紀元。與此同時，還沒有比較成熟的手勢識別技術應用在現(xiàn)代教學系統(tǒng)中。因此，本文的研究重點是基于視覺的實時手勢識別技術在多媒體教學演示控制中的應用。在基于視覺的手勢識別研究中，需要解決的問題主要有兩個：一是實時檢測運動手勢的信息，二是識別運動手勢的信息并做出響應。對運動手勢檢測，本文采用背景差分結合改進顏色直方圖特征的運動檢測方法[1]；對運動手勢跟蹤，本文采用粒子濾波算法[2]結合改進顏色直方圖信息的方法；手勢識別階段，本文采用了基于Hu不變矩特征[3]的輪廓匹配算法[4]；本文研究基于計算機視覺的手勢識別系統(tǒng)，實現(xiàn)了在播放控制中運用手勢進行開始、翻頁、退出等功能，極大的提高了課堂教學的靈活性。

2手勢檢測

實時視頻圖像中的運動手勢檢測所需要完成的任務是：能夠快且準的檢測出手勢在實時圖像中的主要位置，并且能將位置所在的特定區(qū)域作為后續(xù)跟蹤、識別的感興趣區(qū)域。手勢檢測算法的好壞，直接影響整個系統(tǒng)的跟蹤以及識別的效果。

目前，運動目標檢測[5]的算法比較常用的有三種方法：光流法、幀間差分法和背景差分法。本文考慮實現(xiàn)環(huán)境為固定攝像頭采集實時視頻圖像，背景基本不動，因此采用背景差分結合改進顏色直方圖信息的運動檢測方法。

2.1背景差分法

本文研究中，選取攝像頭啟動后的前10幀圖像的平均作為最初的背景圖像，把以后的實時序列圖像當前幀和背景圖像相減，進行背景消去。可以得到，運動手勢區(qū)域的像素點的差分值比較大，背景區(qū)域的像素點的差分值比較小。另外，由于真實場景中的背景會因光線等外部條件產生微小的變化，長期的誤差積累會造成最后得不到理想的手勢區(qū)域，因此背景需要進行實時更新，從而能及時反映當前幀的背景圖像，背景更新[6]的公式如下：

背景更新操作以后，對當前幀進行背景差分，大于閾值th1的圖像點即為運動手勢區(qū)域的點，并將得到的運動手勢區(qū)域圖像進行二值化操作，公式如下：

3手勢跟蹤

現(xiàn)在常用的一些跟蹤算法主要有：卡爾曼預測算法、粒子濾波算法、均值偏移算法以及Camshift跟蹤算法等。考慮到卡爾曼預測算法和均值偏移算法等都是線性跟蹤算法，不能很好的應對目標運動的隨機性，本文采用了粒子濾波算法。

3.1粒子濾波算法原理

粒子濾波法是指通過用一組帶有權值的隨機樣本，以及基于這些樣本的估算來表示動態(tài)系統(tǒng)的后驗概率密度。當樣本很大的時候，這種估計就等同于后驗概率密度。這些樣本就稱為“粒子”。假設在t=0時刻每個粒子都有一個解，每個解與真實解都有一定的相似度，這個相似度可以表示為權重，隨著時間的增加，相似度越大的粒子權重越大，而相似度越小的粒子權重就越小，最后趨于0，從而找到真實解（如圖2）。

3.2基于改進顏色直方圖信息的粒子跟蹤

視頻圖像跟蹤方面，目標的運動模型主要表現(xiàn)為目標位置、速度隨時間改變的狀態(tài)轉移過程，目標的觀測模型主要表現(xiàn)為每幀圖像中運動目標的特征（如顏色、輪廓等）與真實目標的相似度的似然過程。在粒子濾波算法中，運動模型可以稱為粒子傳播或者粒子采樣，它是一種隨機過程[11]。粒子在經過傳播以后，狀態(tài)會發(fā)生改變，但權值沒有跟著改變，這就需要系統(tǒng)的觀測模型對當前粒子的狀態(tài)進行計算從而更新粒子的權值。本文的研究中，觀測值由目標區(qū)域的顏色直方圖決定。

基于顏色直方圖信息的粒子濾波就是將圖像顏色特征的相似度作為粒子濾波算法要求解的后驗概率，利用巴氏距離（Bhattacharyya）來計算相似度，得到粒子的權重。巴氏系數(shù)[12]如公式（9）：

4.2識別算法過程

本文研究中，首先建立手勢模板庫，然后通過實時提取手勢幀，經過前面第2部分的結合改進顏色直方圖信息的手勢檢測，然后再經過形態(tài)學處理之后，得到效果良好手勢區(qū)域的二值圖，再用輪廓提取及跟蹤來得到手勢的輪廓圖，然后計算其7Hu矩特征，最后運用歐氏距離將其與模板庫中定義的手勢進行特征匹配，完成手勢識別。

輪廓提取就是要掏空內部的點：如果其八個相鄰的點都是黑色，則可以判定為內部點，然后刪除改點。

輪廓跟蹤方法：首先找出輪廓中最左下方的點作為搜索的起點，然后按照一定規(guī)則來搜索手勢輪廓上的其他像素點。由于輪廓是連續(xù)的，因此每個輪廓上的點的位置都可以用其前一個點的所張的角度來表示。研究中采用如下跟蹤準則，第一個點開始定義搜索方向為左上，如果左上方的點是黑點，則它也是輪廓上的點；如果不是，那么順時針旋轉，直到找到第一個黑點，即輪廓上的下一個點。繼續(xù)同樣的方法搜索，直到返回最初的起點，搜索結束。

下圖是輪廓跟蹤算法[15]的示意圖，搜索方向用箭頭表示。

5系統(tǒng)實現(xiàn)

本文的系統(tǒng)是在微軟的VS2010平臺上，使用C++語言進行軟件開發(fā)，在圖像處理相關方面是基于計算機視覺庫（OpenCV）進行研究的。程序界面如下圖：

左邊底層區(qū)的按鈕可以觀察實時手勢跟蹤和識別效果的功能（如圖4和圖7）。

手勢識別的結果可以定義成一個變量，不同

的識別結果對應的變量值不同，然后根據(jù)變量值調用不同的API接口函數(shù)，這樣就可以實現(xiàn)實時手勢識別技術在演示控制中的應用。本文研究在控制部分挑選了六種手勢，分別控制PPT播放中的開始、退出、上下翻頁、跳轉首末頁等功能。手勢命令定義如下：手勢4控制開始播放；手勢3控制退出播放；手勢1控制跳轉首頁；手勢2為跳轉尾頁；手勢10為向下翻頁頁；手勢5控制向前翻頁。對電腦中某一PPT進行實際的播放控制（列舉其中4個手勢的控制狀態(tài)），效果如下：

1）識別手勢4，開始播放：

2）識別手勢10，向下翻頁：

3）識別手勢1，跳轉到首頁：

4）識別手勢3，退出：

系統(tǒng)通過筆記本自帶30W像素的攝像頭，采用DirectShow技術進行實時視頻的獲取，圖像尺寸是320*240，fps可以達到30-60幀/秒，可以很好的滿足實時性的要求。

6結語

本文通過研究設計了一個基于視覺的手勢識別技術在演示控制中的應用系統(tǒng)，可以看出背景差分結合顏色直方圖的運動檢測可以得到較好的手勢區(qū)域效果；采用的基于顏色直方圖的粒子跟蹤也能基本實現(xiàn)實時跟蹤的任務；在識別過程中，基于Hu不變矩的輪廓匹配算法具有很好的魯棒性，可以得到較好手勢識別效果；在應用階段，使用手勢來完成控制命令，基本實現(xiàn)了在播放控制中的應用。

同時，仍存在一些問題：對于光照和人臉微小晃動等外部因素引起的噪聲，只能降低而無法消除，這對于手勢跟蹤與識別的效果還是有一定的影響，在應用時會產生一定的誤操作。這些問題仍需繼續(xù)研究，才能使得基于視覺的手勢識別技術得到更成熟的應用。

參考文獻

[1]吳曉陽.基于OpenCV的運動目標檢測與跟蹤[D].杭州：浙江大學，2008.

[2]CHO J U， JIN S H， PHAM X D. Object tracking circuit using particle filter with multiple features [C] / / SICE-ICASE： International Joint Conference. Las Vegas： IEEE， 2006： 1431-1436.

[3]甘志杰.基于Hu矩和支持向量機的靜態(tài)手勢識別及應用[D].青島：青島科技大學，2008.

[4]華斌，夏利娜.基于中值濾波和Hu矩向量的手語識別[J].計算機工程與設計，2011，32（2）： 615- 618.

[5]伏思華，張小虎.基于序列圖像的運動目標實時檢測方法[J].光學術，2004，30（2）： 215- 217.

[6]LINDEBERC T. Scale-space theory： a basic tool for analyzing structures at different scales [J]. Joumal of Applied Statistics. 1994， 21（2）：224-270.

[7]于華平.視頻序列中的手勢檢測與跟蹤[D].南寧：廣西大學，2010.

[8]QIN WEN， PENG QICONG. An improved particle filter algorithm based on neural network for visual tracking [C] / / International Conference on Communications， Circuits and Systems. Las Vegas： IEEE， 2007：765-768.

[9]龔翔. 基于粒子濾波的視覺跟蹤算法研究[D]. 南京：南京理工大學，2009.

[10]YU JIAXIA， LIU WENJING， YANG Y. Improved particle filter algorithms based on partial systematic resambling [C]/ /IEEE International Conference on Intelligent Computing and Intelligent Systems. Las Vegas： IEEE， 2010： 483-487.

[11]朱志宇.粒子濾波算法及其應用[M].北京：北京科學出版社，2010.

[12]FAZLI S， POUR H M， BOUZARI H. Particle filter based object tracking with sift and color feature [C] / / Second International Conference on Machine Vision. Las Vegas： IEEE， 2009：89-93.

[13]侯一明，郭雷，倫向敏，等.運動背景下基于粒子濾波的目標跟蹤[J].計算機工程與應用，2007，43（8）： 62- 64.

篇7

計算機特效與電影的結合：形式與內容的統(tǒng)一

關于影視中形式與內容的關系已不是一個新的話題，形式是內容，內容也是形式，任何元素都不能單獨完成一個作品，內容和形式只有有機地結合在一起。影片才具有意義。同樣。從形式和內容的關系角度來講，計算機特效是形式，也是內容。在內容不足以支撐起計算機特效的表現(xiàn)力時。影片會因為形式大于內容而顯得空洞無力。如全CGI制作的《最終幻想》。畫面唯美，但故事內容晦澀難懂，無法給人留下印象，這讓人不禁思考其失敗的原因。比較《最終幻想》和《駭客帝國》，這兩部影片同屬于科幻片類型，講述的都是未來世界毀滅和拯救的故事。《駭客帝國》中解釋未來世界毀滅原因的立足點是計算機科技和網絡的過分發(fā)展給人類帶來的危機，在《駭客帝國》中敘事的形式是虛擬和現(xiàn)實的結合。計算機特效鏡頭的表達也同樣具有統(tǒng)一的主題思想。描述了關于人類本體一聯(lián)想一時空關系。具有哲學的意味，其特效形式極具暗示感，它用視覺啟發(fā)觀眾聯(lián)想，最終用視覺形式指引觀眾對影片內容進行思索。其內容和形式的選擇相互支撐。因此，計算機技術在提升電影表現(xiàn)形式的同時，也給電影藝術的內容提升提出了更高的要求，即使是表達幻想也應來源于真實可信的現(xiàn)實生活基礎，而形式的設計和選擇要能切合所表達的內容。

當我們在觀看《泰坦尼克號》的時候，會被ROSE和JACK的愛情深深打動，被真實的海難震驚。而不會想到這些愛情和災難都是用計算機特效來完成的。所以，特效鏡頭的形式選擇和表現(xiàn)的目的，是要恰如其分地表現(xiàn)影片的內容。以2007年的高科技特效影片《變形金剛》為例，華麗炫目的3D特效給人的視覺感并不僅僅是為了炫耀特效而做特效，透析電影中計算機虛擬攝像機攝影和剪輯。如MTV般風格。運用得行云流水、全方位、角度多變；場面調度，絢爛的爆炸場面和驚心動魄的機器人大戰(zhàn)，真實特效場面和CGI的機器人域面的完美結合，讓CGI角色的動作場面更炫更逼真。在視覺之外，再配上人類情感和友誼、愛情等感人要素的線索并穿插其中，讓冰冷的高科技機器人故事劇情變得生動豐富。這些相互聯(lián)系的元素組合在一起，幫助影片在各部分之間建立關系。變形金剛科技感極強的造型，并沒有給我們帶來距離感。仿佛它們就是我們身邊的朋友。不論是精彩寫實的金剛變形還是行云流水的虛擬攝影機運動，給人以輕松富有人情味的生活感，視覺設計元素是為故事和情節(jié)服務的。所以影片的最終視覺效果風格和故事內容建立有機聯(lián)系，達到形式節(jié)奏情感的統(tǒng)一。

計算機視覺特效鏡頭：由“寫實”到“表現(xiàn)”的變遷

在計算機特效視覺領域，探索CGI視覺設計的風格，這是近些年來國際上在計算機影像技術和豈術方面的趨勢。CG的繪制技術可以分為兩類：真實感繪制和非真實感繪制。真實感繪制技術已經有了很長的歷史，而非真實感繪制技術則是國際上近幾年在計算機視覺領域新興的一個研究課題。非真實感繪制以真實感繪制為基礎，它可以使繪制的圖像具有卡通效果以及某種藝術性效果。由真實到非真實感的變遷。也是計算機視覺藝術從寫實進化到抽象的技術性基礎。隨著計算機硬件和算法的不斷發(fā)展，到上世紀90年代中期，人們已能真實地模擬各種自然界的客觀現(xiàn)象和想象中的特殊效果了。當出現(xiàn)了《泰坦尼克號》、《星球大戰(zhàn)》、《駭客帝國》這樣的影片。真實感圖像與電影膠片攝制出的圖像得到了完美的結合。從這個意義上講。真實感圖像達到了它所追求的“像照片一樣真實”的效果，技術已經不是太大的問題。

技術的實現(xiàn)水平使得計算機影像領域開始對藝術風格的全面探索。回顧這幾年在國際上獲獎的優(yōu)秀CG作品，最引人注目的特征是：它們都具有強烈而獨特的視覺藝術風格。從Siggraph2006的最佳動畫短片“One rat short”，到米勒同名漫畫的“罪惡之城”(SIN CITY)，以及從一亮相就備受關注的黑白動畫“復活”，這些短片的視覺影像風格的探索給人啟迪。獲得2006年法國國際動畫節(jié)水晶獎的“復活”，整部影片均采用黑白創(chuàng)作，渲染也是只用黑白兩個值來表現(xiàn)畫面。展現(xiàn)一種具有視覺沖擊力的版畫風格特征。還有2007年Siggraph的最佳作品“方舟”。從角色、場景、道具造型到色彩都極具特色。充滿夢境般的油畫視覺感。“方舟”里的人物造型是極為與眾不同的，色彩是印象的、表現(xiàn)主義的，通過視覺把觀眾對影片的體驗和思考引向遙遠的圣經故事，同時又是指向未來的思索。

電影風格化的表現(xiàn)：計算機特效的超現(xiàn)實化

從制作的角度分析，電影《斯巴達300》可以說是一部用計算機做出來的影片。計算機特效的大量介入，給視覺特效提供了一場全面的風格化探索的嘗試，影片共有1500個鏡頭。幾乎所有的鏡頭都運用了電腦特效。影片把電影的“拍攝”和“繪畫性”醒目地結合在一起，它利用了計算機特效后期制作中層的概念。并把這種層的技術，從藝術的角度發(fā)揮到極致，使影片整體的藝術效果像一幅流動的油畫。視覺特效的風格應該和影片的整體氛圍一致，特效鏡頭要為鏡頭后表達的思想服務，特效的表達要和情節(jié)、影片故事的設計整體構架一致，只有這樣，特效和影片的內涵才能形神兼?zhèn)洹Ｒ浴端拱瓦_300》為例，影片既保持了米勒漫畫的結構細節(jié)、濃郁厚重的色調和繪畫藝術的眾多特點。又借助計算機特效創(chuàng)造出與眾不同的繪畫效果。

“超現(xiàn)實主義電影所追求的最高美學境界，就是把藝術創(chuàng)造視為一種偶然的啟示或悲劇式的預言。”在影片中，特效部分場景設計的造型簡潔、夸張。給原本平凡的現(xiàn)實事物賦予了新的面貌。《斯巴達300》影片中所有的場景都在計算機特效中完成，大量的特效工作分散到全世界的十個工作室。為了保證影片的視覺藝術效果的統(tǒng)一，影片特效采用了超現(xiàn)實風格化手法來處理場景設計。真實感是電影特效追求的重要原則，《斯巴達300》卻給予畫面一種變形的突破。刻意追求一種超現(xiàn)實的奇幻風格。所有的畫面都經過Photoshop的濾鏡處理，用一個非常細節(jié)化的處理來體現(xiàn)這一藝術化的變形，例如，影片中的斯巴達戰(zhàn)士眼睛里的光芒都經過了繪畫式的處理，這一點，是視覺特效設計的創(chuàng)新，在以往的電影中未曾這樣統(tǒng)一地處理過。所以。這樣的視覺影像使觀者產生了一種夢幻般的超現(xiàn)實感，正是這種風格化的處理方式使影片整體的形式達到統(tǒng)一。

實拍鏡頭趨向素材化：電影走向“合成電影”

篇8

【關鍵詞】計算機；視覺圖像精密測量；關鍵技術

一、計算機視覺圖像測量原理

進行測量時，主要是基于控制點上開展的測量，這樣可以更好的控制儀器距離。當個得出了這個儀器之間的距離，可以更好的觀察到目標控制點之間的三維運動情況，從而更好的確定出幾何參數(shù)。為了準確的推動目標控制點，應該基于平面特征基礎上做好控制工作。這樣可以更加完好的判斷出目標坐標，在整個計算過程中，如果計算機視覺圖像精密測量的關鍵技術得到發(fā)揮使用，可以提升工作效率。

（一）壓力應變電阻儀

壓力應變電阻儀這是一種傳感器，屬于傳感器一部分。在使用過程中，需要將應力片粘貼在控制點上。在這之前，需要將物體進行清理，使得物體表面打磨干凈，清理完成之后，在該物體的表面上涂抹丙酮試劑。將其放置一段時間，逐漸風干之后，可以在其表面上粘貼上應力片，可以基于導線進行連接起來，這樣就會形成一個閉合電路，這個時刻可以更加方便進行跟蹤觀察，而且不會受到外界影響。因為處于封閉環(huán)境下，因此在感應并且進行跟蹤觀察時，一般都會受到影響。在該電路中，這些電阻會逐漸轉化成電流，視覺圖像系統(tǒng)會收集到電流，將其表現(xiàn)在視覺圖像中，這樣就可以在儀表上顯示出來。

（二）儀器表

儀器表記錄了數(shù)據(jù)，可以在該表中查看相關的測量數(shù)據(jù)，這樣可以更好的解決原始機器沒有數(shù)據(jù)支撐問題，而且還提升資源使用效率，降低資源消耗問題出現(xiàn)。傳感器相對于每個動態(tài)測量而言，數(shù)據(jù)轉化一般都是在現(xiàn)實中進行。可以精確到相關的控制位置，這樣得出的計算結果更加準確，而且也可以保障數(shù)據(jù)基于一個合理的范圍內。進行觀察時，如果無法觀察到控制點，需要進行信號數(shù)據(jù)收集，應該根據(jù)環(huán)境開展收集工作，控制誤差出現(xiàn)。為了更好的提升測量效率，可以保障數(shù)據(jù)收集工作。

二、分析關鍵技術

（一）自動建立備份系統(tǒng)

一般而言，該技術在使用過程中會出現(xiàn)系統(tǒng)崩潰問題，會遇見圖像無法轉化問題。這些情況的出現(xiàn)是因為系統(tǒng)在進行數(shù)據(jù)處理時，無法重新重組數(shù)據(jù)，無法將其還原放入界面中。為了保障圖片不會丟失，需要將其轉化成數(shù)字系統(tǒng)，這樣就會出現(xiàn)丟失問題，但是這個過程中需要對系統(tǒng)進行數(shù)據(jù)備份。

選擇了固定的磁盤之后，將數(shù)據(jù)導入其中，完整的保存起來。在后期使用時，還可以更好的保障數(shù)據(jù)得以順利恢復。當系統(tǒng)運行出現(xiàn)問題時，應該盡量恢復數(shù)據(jù)原始狀態(tài)，這樣就可以更好的完成額定工作，而且為系統(tǒng)爭取到更好時間。在進行信號源干擾時，需要定期對該系統(tǒng)進行更新，保障數(shù)據(jù)基于穩(wěn)定基礎上運行，當攝像機記錄出數(shù)據(jù)節(jié)點時，需要將其保持在相應技術圖紙中，當開展測量工作時，才可以更好的保障測量準確性。系統(tǒng)備份的數(shù)據(jù)，相對于原始數(shù)據(jù)而言，重復測量之后會得出數(shù)據(jù)值，系統(tǒng)會自動對這些數(shù)據(jù)進行對比，一旦在對比中發(fā)現(xiàn)有錯誤出現(xiàn)，會進行相應的預警，這樣可以在實際工作中降低誤差問題出現(xiàn)。

（二）減少失誤概率出現(xiàn)

在大量的誤差中，一部分是因為人為導致的。常常表現(xiàn)在對機器不熟悉基礎上，常常在操作中忽視了對圖像的視覺模擬出來。因此，在進行網絡設備配置上，應該進行學習，將配置放置在合理使用范圍上，這樣才能保障系統(tǒng)運行安全性。為了防止更多用戶可以順利的登陸到系統(tǒng)中，當數(shù)據(jù)采集完成之后，再次確定出最終的數(shù)據(jù)，可以再次對數(shù)據(jù)進行標識。一般而言，系統(tǒng)本身具備登錄服務器，還有相關的路由器等等資料解釋。記錄好這些操作之后，可以及時進行備份。

（三）科學設置權限

眾所周知，進行權限控制這是測量中遇見之關鍵問題，這是一種比較安全的保護措施。是基于計算機視覺圖像精密測量的關鍵技術使用基礎上開展。對登錄用戶進行一定的限制，有的用戶可以登錄進去，而有的用戶不可以。另外，用戶對于相應的子目錄還有分目錄，這些都需要進行限制。一般而言，文件、打印機還有其他資源需要實現(xiàn)共享還有更改，這樣才可以更高效率的提升工作速率，保障測量準確率。當圖像運行服務器出現(xiàn)停止問題時，會做出無法應答的操作指令，這個時刻可以關閉不適用的界面，不斷提升系統(tǒng)運行效率。

一般每天的工作文件需要進行實時監(jiān)控，一旦出現(xiàn)問題可以進行解決和處理。還有相應的數(shù)據(jù)終端，可以選擇三維加密的方法加以應對。當定時了安全檢測之后，需要提升系統(tǒng)安全性。這個過程中會面對加密環(huán)節(jié)，因此會使用到加密通道。系統(tǒng)可以將數(shù)據(jù)進行自動保存起來，將其轉化成視圖模式，這樣可以更加方便對數(shù)據(jù)的運行和瀏覽。而且可以最大限度的保障測量圖像數(shù)據(jù)不會丟失。另外，還可以使用保護墻進行應對，將一些不必要的數(shù)據(jù)控制在外邊。使得數(shù)據(jù)有安全的運行控制，不會出現(xiàn)紊亂現(xiàn)象，這是進一步保障圖形處理效果之有效方式。

三、結束語

隨著社會不斷發(fā)展，測量技術開始層出不窮，當前很多的測量技術基于計算機技術上得到推廣使用。文章在進行技術解析時，為了更好的研究技術提供借鑒。當前，在進行測量時也出現(xiàn)了一些問題，在后期使用技術過程中，應該避免這些問題出現(xiàn)。計算機視覺圖像精密測量的關鍵技術引入到測量工程之后，逐漸提升工程建設水平，保障工程質量。

參考文獻

[1]王楠.視覺圖像的心理規(guī)律初探：從阿恩海姆的“圖”到貢布里希的“圖式”[J].上海師范大學：美學，2013（11）.

[2]沈學勝，黃燕云.校園視覺圖像文化的規(guī)范與自由――校園視覺圖像文化的力場[J].湖南科技學院學報，2011（10）.

[3]段紅旭.發(fā)動機缸體結合面孔組在線檢測視覺圖像定位方法研究[J].天津大學：儀器科學與技術，2012（4）.

篇9

論文關鍵詞：表面粗糙度，非接觸，光學測量

 

隨著科學技術的進步和社會的發(fā)展，人們對于機械產品表面質量的要求越來越高。表面粗糙度是評價工件表面質量的一個重要指標，國內外很多學者在表面粗糙度檢測方面做了大量研究工作。目前測量表面粗糙度的主要方法有：接觸式測量和非接觸式測量。

1 接觸式測量

接觸式測量就是測量裝置的探測部分直接接觸被測表面，能夠直觀地反映被測表面的信息，接觸式測量方法主要是觸針法，該方法經過幾十年的充分發(fā)展，以其穩(wěn)定、可靠的特點被廣泛應用。但接觸式測量存在很大的缺陷，具體表現(xiàn)在：（1）對高精度表面及軟質金屬表面有劃傷破壞作用；（2）受觸針尖端圓弧半徑的限制，其測量精度有限；（3）因觸針磨損及測量速度的限制，無法實現(xiàn)在線實時測量[1]。

2 非接觸式測量

為了克服接觸式測量方法的不足非接觸，人們對非接觸式測量方法進行了廣泛研究。研究表明，非接觸式測量方法具有非接觸、無損傷、快速、測量精度高、易于實現(xiàn)在線測量、響應速度快等優(yōu)點。目前已有的非接觸式測量方法包括各種光學測量方法、超聲法、掃描隧道顯微鏡法、基于計算機視覺技術的表面粗糙度檢測方法等。這里我們只對基于光學散射原理的測量方法、基于光學干涉原理的測量方法和基于計算機視覺技術的測量方法做簡單介紹論文格式模板。

2.1基于光學散射原理的測量方法

當一束光以一定的角度照射到物體表面后，加工表面的粗糙不平將引起發(fā)生散射現(xiàn)象。研究表明：表面粗糙度和散射光強度分布有一定的關系。對于表面粗糙度數(shù)值較小的表面，散射光能較弱，反射光能較強；反之，表面粗糙度數(shù)值較大的表面，散射光能較強，反射光能較弱。

基于光學散射原理測量表面粗糙度的研究方法和理論較多。四川聯(lián)合大學和哈爾濱理工大學相繼提出了一種稱之為散射特征值的參數(shù)，表征被測物體表面上反射光和散射光的分散度，散射特征值與被測物體表面的粗糙度有很好的對應關系[2]。哈爾濱理工大學利用已知表面粗糙度參數(shù)值的標準樣塊測得其散射特征值，建立—關系曲線，從而實現(xiàn)利用散射特征值測量火炮內膛表面粗糙度[3]。

基于光學散射原理的表面粗糙度檢測方法，具有結構簡單、體積小、易于集成產品、動態(tài)響應好、適于在線測量等優(yōu)點。該方法的缺點是測量精度不高，用于超光滑表面粗糙度的測量還有待進一步改進。

2.2基于光學干涉原理的測量方法

當相干光照射到工件表面同一位置時，由于光波的相互位相關系，將產生光波干涉現(xiàn)象。一般的干涉法測量是利用被測面和標準參考面反射的光束進行比較，對干涉條紋做適當變換，通過測量干涉條紋的相對變形來定量檢測表面粗糙度。該方法的測量精度取決于光的波長。但是由于干涉條紋的分辨率是以光波波長的一半為極限的，僅從條紋的狀態(tài)無法判斷表面是凸起還是凹陷，因此非接觸，作為一種具有較好分辨率、寬測量范圍的表面粗糙度在線檢測技術，這種干涉法測量技術還有待于進一步發(fā)展[4]。

基于光學干涉原理，1984年美國洛克西德導彈公司huang采用共模抑制技術研制成功了光學外差輪廓儀，光外差干涉檢測技術是一種具有納米級測量準確度的高精度光學測量方法，適用于精加工、超精加工表面的測量，而且可以進行動態(tài)時間的研究；華中理工大學采用光外差干涉方法研制出2D-SROP-1型表面粗糙度輪廓儀[5]。美國的維易科(VEECO)精密儀器有限公司，采用共光路干涉法研制了WYKO激光干涉儀和光學輪廓儀，可用來測量干涉條紋位相[6]。

基于光學干涉原理測量表面粗糙度分辨率高，適于測量超光滑表面粗糙度，但由于該方法的測量精度受光波波長的影響很大，所以其測量范圍受到一定影響。

2.3基于計算機視覺技術的測量方法

基于計算機視覺的粗糙度測量方法是指使用攝像機抓取圖像，然后將該圖像傳送至處理單元，通過數(shù)字化處理，根據(jù)像素分布和灰度、紋理、形狀、顏色等信息，選用合理的算法計算工件的粗糙度參數(shù)值。近年來，隨著計算機技術和工業(yè)生產的不斷發(fā)展，該方法受到越來越多的關注。

北京理工大學的王仲春等人采用顯微鏡對檢測表面進行放大，并通過對CCD采集加工表面微觀圖像進行處理實現(xiàn)了表面粗糙度的檢測[7]論文格式模板。哈爾濱理工大學吳春亞、劉獻禮等為解決機械加工表面粗糙度的快速、在線檢測，設計了一種表面粗糙度圖像檢測方法，建立了圖像灰度變化信息與表面粗糙度之間的關系模型[8]。英國學者Hossein Ragheb和Edwin R. Hancock通過數(shù)碼相機拍攝的表面反射圖來估計表面粗糙度參數(shù)非接觸，運用Vernold–Harvey修正的B–K散射理論模型獲得了比Oren–Nayar模型更好的粗糙度估計結果[9]。澳大利亞學者Ghassan A. Al-Kindi和Bijan Shirinzadeh對基于顯微視覺的不同機械加工表面粗糙度參數(shù)獲取的可行性進行了評估，討論了照射光源與表面輻照度模型對檢測的影響，結果顯示盡管從視覺數(shù)據(jù)和觸針數(shù)據(jù)所獲得的粗糙度參數(shù)存在一定差異，但是基于視覺的方法仍是一種可靠的粗糙度參數(shù)估計方法[10-11]。

可以看出，基于計算機視覺技術的測量方法主要有統(tǒng)計分析、特征映射和神經網絡等黑箱估計法。通過這些方法獲得的表面粗糙度參數(shù)的估計值受諸多因素的影響，難以給出其準確的物理解釋。真正要定量地計算出粗糙度參數(shù)，需要科學的計算。

但是隨著機械加工自動化水平的提高，基于計算機視覺技術的檢測方法處理內容豐富、處理精度高、處理速度快、易于集成等優(yōu)點將受到越來越多的重視。

3 結束語

接觸式測量測量速度較慢，容易劃傷工件表面，并且不適用于連續(xù)生產材料表面的檢測。非接觸式測量具有無損傷、快速、測量精度高、易于實現(xiàn)在線測量等優(yōu)點，已成為表面粗糙度檢測的重點研究方向。非接觸測量以光學法為主，隨著計算機技術和工業(yè)生產的迅猛發(fā)展，基于計算機視覺技術的表面粗糙度非接觸式檢測方法受到越來越多的重視。

參考文獻：

[1]劉斌,馮其波,匡萃方.表面粗糙度測量方法綜述[J]. 光學儀器, 2004, 26(5): 54-55.

[2]苑惠娟等．非接觸式表面粗糙度測量儀[J]．哈爾濱科學技術大學學報，1995，19(6)：30-34．

[3]強熙富，張詠，許文海．擴展激光散射法測量粗糙度的測量范圍的研究[J]．計量學報，1990，11(2)：81-85．

[4]王文卓，李大勇，陳捷．表面粗糙度非接觸式測量技術研究概況[J]．機械工程師，2004，11：6-9．

[5]王菊香．2D-SROP-1型表面粗糙度輪廓儀[J]．工業(yè)計量，1994，(4)：27-29．

[6]徐德衍等．光學表面粗糙度研究的進展與方向[J]．光學儀器，1996，18(1)：32-41．

[7]王仲春,高岳,黃粵熙等.顯微成像檢測表面粗糙度[J]. 光學技術, 1998, 5: 46-48.

[8]吳春亞,劉獻禮,王玉景等.機械加工表面粗糙度的圖像檢測方法[J]. 哈爾濱理工大學學報, 2007, 12(3): 148-151.

[9]Hossein Ragheb, Edwin R.Hancock. The modified Beckmann–Kirchhoff scattering theory for rough surfaceanalysis[J]. Pattern Recognition, 2007, 40: 2004-2020.

[10]Ghassan A. Al-Kindi, BijanShirinzadeh. An evaluation of surface roughness parameters measurement usingvision-based data[J]. International Journal of Machine Tools & Manufacture,2007, 47: 697-708.

[11]Ghassan A. Al-Kindi, BijanShirinzadeh. Feasibility assessment of vision-based surface roughnessparameters acquisition for different types of machined specimens[J]. Image andVision Computing, 2008, 6: 1-15.

篇10

關鍵詞：數(shù)據(jù)融合傳感器無損檢測精確林業(yè)應用

多傳感器融合系統(tǒng)由于具有較高的可靠性和魯棒性，較寬的時間和空間的觀測范圍，較強的數(shù)據(jù)可信度和分辨能力，已廣泛應用于軍事、工業(yè)、農業(yè)、航天、交通管制、機器人、海洋監(jiān)視和管理、目標跟蹤和慣性導航等領域。筆者在分析數(shù)據(jù)融合技術概念和內容的基礎上，對該技術在林業(yè)工程中的應用及前景進行了綜述。

一、數(shù)據(jù)融合

1.1概念的提出

1973年，數(shù)據(jù)融合技術在美國國防部資助開發(fā)的聲納信號理解系統(tǒng)中得到了最早的體現(xiàn)。

70年代末，在公開的技術文獻中開始出現(xiàn)基于多系統(tǒng)的信息整合意義的融合技術。1984年美國國防部數(shù)據(jù)融合小組(DFS)定義數(shù)據(jù)融合為：“對多源的數(shù)據(jù)和信息進行多方的關聯(lián)、相關和綜合處理，以更好地進行定位與估計，并完全能對態(tài)勢及帶來的威脅進行實時評估”。

1998年1月，Buchroithner和Wald重新定義了數(shù)據(jù)融合：“數(shù)據(jù)融合是一種規(guī)范框架，這個框架里人們闡明如何使用特定的手段和工具來整合來自不同渠道的數(shù)據(jù)，以獲得實際需要的信息”。

Wald定義的數(shù)據(jù)融合的概念原理中，強調以質量作為數(shù)據(jù)融合的明確目標，這正是很多關于數(shù)據(jù)融合的文獻中忽略但又是非常重要的方面。這里的“質量”指經過數(shù)據(jù)融合后獲得的信息對用戶而言較融合前具有更高的滿意度，如可改善分類精度，獲得更有效、更相關的信息，甚至可更好地用于開發(fā)項目的資金、人力資源等。

1.2基本內容

信息融合是生物系統(tǒng)所具備的一個基本功能，人類本能地將各感官獲得的信息與先驗知識進行綜合，對周圍環(huán)境和發(fā)生的事件做出估計和判斷。當運用各種現(xiàn)代信息處理方法，通過計算機實現(xiàn)這一功能時，就形成了數(shù)據(jù)融合技術。

數(shù)據(jù)融合就是充分利用多傳感器資源，通過對這些多傳感器及觀測信息的合理支配和使用，把多傳感器在空間或時間上的冗余或互補信息依據(jù)某些準則進行組合，以獲得被測對象的一致性解釋或描述。數(shù)據(jù)融合的內容主要包括：

(1)數(shù)據(jù)關聯(lián)。確定來自多傳感器的數(shù)據(jù)反映的是否是同源目標。

(2)多傳感器ID/軌跡估計。假設多傳感器的報告反映的是同源目標，對這些數(shù)據(jù)進行綜合，改進對該目標的估計，或對整個當前或未來情況的估計。

(3)采集管理。給定傳感器環(huán)境的一種認識狀態(tài)，通過分配多個信息捕獲和處理源，最大限度地發(fā)揮其性能，從而使其操作成本降到最低。傳感器的數(shù)據(jù)融合功能主要包括多傳感器的目標探測、數(shù)據(jù)關聯(lián)、跟蹤與識別、情況評估和預測。

根據(jù)融合系統(tǒng)所處理的信息層次，目前常將信息融合系統(tǒng)劃分為3個層次：

(l)數(shù)據(jù)層融合。直接將各傳感器的原始數(shù)據(jù)進行關聯(lián)后，送入融合中心，完成對被測對象的綜合評價。其優(yōu)點是保持了盡可能多的原始信號信息，但是該種融合處理的信息量大、速度慢、實時性差，通常只用于數(shù)據(jù)之間配準精度較高的圖像處理。

(2)特征層融合。從原始數(shù)據(jù)中提取特征，進行數(shù)據(jù)關聯(lián)和歸一化等處理后，送入融合中心進行分析與綜合，完成對被測對象的綜合評價。這種融合既保留了足夠數(shù)量的原始信息，又實現(xiàn)了一定的數(shù)據(jù)壓縮，有利于實時處理，而且由于在特征提取方面有許多成果可以借鑒，所以特征層融合是目前應用較多的一種技術。但是該技術在復雜環(huán)境中的穩(wěn)健性和系統(tǒng)的容錯性與可靠性有待進一步改善。

(3)決策層融合。首先每一傳感器分別獨立地完成特征提取和決策等任務，然后進行關聯(lián)，再送入融合中心處理。這種方法的實質是根據(jù)一定的準則和每個決策的可信度做出最優(yōu)的決策。其優(yōu)點是數(shù)據(jù)通訊量小、實時性好，可以處理非同步信息，能有效地融合不同類型的信息。而且在一個或幾個傳感器失效時，系統(tǒng)仍能繼續(xù)工作，具有良好的容錯性，系統(tǒng)可靠性高，因此是目前信息融合研究的一個熱點。但是這種技術也有不足，如原始信息的損失、被測對象的時變特征、先驗知識的獲取困難，以及知識庫的巨量特性等。

1.3處理模型

美國數(shù)據(jù)融合工作小組提出的數(shù)據(jù)融合處理模型，當時僅應用于軍事方面，但該模型對人們理解數(shù)據(jù)融合的基本概念有重要意義。模型每個模塊的基本功能如下：

數(shù)據(jù)源。包括傳感器及其相關數(shù)據(jù)(數(shù)據(jù)庫和人的先驗知識等)。

源數(shù)據(jù)預處理。進行數(shù)據(jù)的預篩選和數(shù)據(jù)分配，以減輕融合中心的計算負擔，有時需要為融合中心提供最重要的數(shù)據(jù)。目標評估。融合目標的位置、速度、身份等參數(shù)，以達到對這些參數(shù)的精確表達。主要包括數(shù)據(jù)配準、跟蹤和數(shù)據(jù)關聯(lián)、辨識。

態(tài)勢評估。根據(jù)當前的環(huán)境推斷出檢測目標與事件之間的關系，以判斷檢測目標的意圖。威脅評估。結合當前的態(tài)勢判斷對方的威脅程度和敵我雙方的攻擊能力等，這一過程應同時考慮當前的政治環(huán)境和對敵策略等因素，所以較為困難。

處理過程評估。監(jiān)視系統(tǒng)的性能，辨識改善性能所需的數(shù)據(jù)，進行傳感器資源的合理配置。人機接口。提供人與計算機間的交互功能，如人工操作員的指導和評價、多媒體功能等。

二、多傳感器在林業(yè)中的應用

2.1在森林防火中的應用

在用MODIS(ModerateResolutionImagingSpectroradiometer)數(shù)據(jù)測定森林火點時的20、22、23波段的傳感器輻射值已達飽和狀態(tài)，用一般圖像增強處理方法探測燃燒區(qū)火點的結果不理想。余啟剛運用數(shù)據(jù)融合技術，在空間分辨率為1000m的熱輻射通道的數(shù)據(jù)外加入空間分辨率為250m的可見光通道的數(shù)據(jù)，較好地進行了不同空間分辨率信息的數(shù)據(jù)融合，大大提高了對火點位置的判斷準確度。為進一步提高衛(wèi)星光譜圖像數(shù)據(jù)分析的準確性與可靠性，利用原有森林防火用的林區(qū)紅外探測器網，將其與衛(wèi)星光譜圖像數(shù)據(jù)融合，可以使計算機獲得GPS接收機輸出的有關信息通過與RS實現(xiàn)高效互補性融合，從而彌補衛(wèi)星圖譜不理想的缺失區(qū)數(shù)據(jù)信息，大大提高燃燒區(qū)火點信息準確度和敏感性。

2.2森林蓄積特征的估計

HampusHolmstrom等在瑞典南部的試驗區(qū)將SPOT-4×S衛(wèi)星數(shù)據(jù)和CARABAS-IIVHFSAR傳感器的雷達數(shù)據(jù)進行了融合，采用KNN(knearestneighbor)方法對森林的蓄積特征(林分蓄積、樹種組成與年齡)進行了估計。

KNN方法就是采用目標樣地鄰近k個(k=10)最近樣地的加權來估計目標樣地的森林特征。研究者應用衛(wèi)星光譜數(shù)據(jù)、雷達數(shù)據(jù)融合技術對試驗區(qū)的不同林分的蓄積特征進行估計，并對三種不同的數(shù)據(jù)方法進行誤差分析。試驗表明，融合后的數(shù)據(jù)作出的估計比單一的衛(wèi)星數(shù)據(jù)或雷達數(shù)據(jù)的精度高且穩(wěn)定性好。

2.3用非垂直航空攝像數(shù)據(jù)融合GIS信息更新調查數(shù)據(jù)

森林資源調查是掌握森林資源現(xiàn)狀與變化的調查方法，一般以地面調查的方法為主，我國5年復查一次。由于森林資源調查的工作量巨大，且要花費大量的人力、物力和資金。國內外許多學者都在探索航空、航天的遙感調查與估計方法。

TrevorJDavis等2002年提出采用非垂直的航空攝影數(shù)據(jù)融合對應的GIS數(shù)據(jù)信息實現(xiàn)森林調查數(shù)據(jù)的快速更新，認為對森林資源整體而言，僅某些特殊地區(qū)的資源數(shù)據(jù)需要更新。在直升飛機側面裝上可視的數(shù)字攝像裝置，利用GPS對測點進行定位，對特殊地區(qū)的攝像進行拍攝，同時與對應的GIS數(shù)據(jù)進行融合，做出資源變化的估計或影像的修正。

試驗表明，融合后的數(shù)據(jù)可以同高分辨率矯正圖像相比，該方法花費少，精度高，能充分利用影像的可視性，應用于偏遠、地形復雜、不易操作、成本高的區(qū)域，同時可避免遙感圖像受云層遮蓋。

三、數(shù)據(jù)融合在林業(yè)中的應用展望

3.1在木材檢測中的應用

3.1.1木材缺陷及其影響

木材是天然生長的有機體，生長過程中不可避免地有尖削度、彎曲度、節(jié)子等生長缺陷，這些缺陷極大地影響了木材及其制品的優(yōu)良特性，以及木材的使用率、強度、外觀質量，并限制了其應用領域。在傳統(tǒng)木制品生產過程中，主要依靠人的肉眼來識別木材缺陷，而木材板材表面缺陷在大小、形狀和色澤上都有較大的差異，且受木材紋理的影響，識別起來非常困難，勞動強度大，效率低，同時由于熟練程度、標準掌握等人為因素，可能造成較大的誤差。另外在集成材加工中，板材缺陷的非雙面識別嚴重影響了生產線的生產節(jié)拍。因此必須開發(fā)一種能夠對板材雙面缺陷進行在線識別和自動剔除技術，以解決集成材加工中節(jié)子人工識別誤差大、難以實現(xiàn)雙面識別、剔除機械調整時間長等問題。

3.1.2單一傳感器在木材檢測中的應用

對木材及人造板進行無損檢測的方法很多，如超聲波、微波、射線、機械應力、震動、沖擊應力波、快速傅立葉變換分析等檢測方法。超聲技術在木材工業(yè)中的應用研究主要集中在研究聲波與木材種類、木材結構和性能之間的關系、木材結構及缺陷分析、膠的固化過程分析等。

隨著計算機視覺技術的發(fā)展，人們也將視覺傳感器應用于木材檢測中。新西蘭科學家用視頻傳感器研究和測量了紙漿中的纖維橫切面的寬度、厚度、壁面積、壁厚度、腔比率、壁比率等，同時準確地測量單個纖維和全部纖維的幾何尺寸及其變化趨勢，能夠區(qū)分不同紙漿類型，測定木材纖維材料加固結合力，并動態(tài)地觀察木材纖維在材料中的結合機理。

新西蘭的基于視覺傳感器的板材缺陷識別的軟件已經產業(yè)化，該軟件利用數(shù)碼相機或激光掃描儀采集板材的圖像，自動識別板材節(jié)子和缺陷的位置，控制板材的加工。該軟件還具有進行原木三維模型真實再現(xiàn)的計算機視覺識別功能，利用激光掃描儀自動采集原木的三維幾何數(shù)據(jù)。

美國林產品實驗室利用計算機視覺技術對木材刨花的尺寸大小進行分級，確定各種刨花在板中的比例和刨花的排列方向；日本京都大學基于視覺傳感器進行了定向刨花板內刨花定向程度的檢測，從而可以通過調整定向鋪裝設備優(yōu)化刨花的排列方向來提高定向刨花板的強度。

在制材加工過程中，利用計算機視覺技術在線實時檢測原木的形狀及尺寸，選擇最佳下鋸方法，提高原木的出材率。同時可對鋸材的質量進行分級，實現(xiàn)木材的優(yōu)化使用；在膠合板的生產過程中，利用計算機視覺技術在線實時檢測單板上的各種缺陷，實現(xiàn)單板的智能和自動剪切，并可測量在剪切過程中的單板破損率，對單板進行分等分級，實現(xiàn)自動化生產過程。Wengert等在綜合了大量的板材分類經驗的基礎上，建立了板材分級分類的計算機視覺專家系統(tǒng)。在國內這方面的研究較少，王金滿等用計算機視覺技術對刨花板施膠效果進行了定量分析。

X射線對木材及木質復合材料的性能檢測已得到了廣泛的應用，目前該技術主要應用于對木材密度、含水率、纖維素相對結晶度和結晶區(qū)大小、纖維的化學結構和性質等進行檢測，并對木材內部的各種缺陷進行檢測。

3.1.3數(shù)據(jù)融合在木材檢測中的應用展望

單一傳感器在木材工業(yè)中已得到了一定程度的應用，但各種單項技術在應用上存在一定的局限性。如視覺傳感器不能檢測到有些與木材具有相同顏色的節(jié)子，有時會把木板上的臟物或油脂當成節(jié)子，造成誤判，有時也會受到木材的種類或粗糙度和濕度的影響，此外，這種技術只能檢測部分表面缺陷，而無法檢測到內部缺陷；超聲、微波、核磁共振和X射線技術均能測量密度及內部特征，但是它們不能測定木材的顏色和瑕疵，因為這些缺陷的密度往往同木板相同。因此，一個理想的檢測系統(tǒng)應該集成各種傳感技術，才能準確、可靠地檢測到木材的缺陷。

基于多傳感器(機器視覺及X射線等)數(shù)據(jù)融合技術的木材及木制品表面缺陷檢測，可以集成多個傳統(tǒng)單項技術，更可靠、準確地實時檢測出木材表面的各種缺陷，為實現(xiàn)木材分級自動化、智能化奠定基礎，同時為集裁除鋸、自動調整、自動裁除節(jié)子等為一身的新型視頻識別集成材雙面節(jié)子數(shù)控自動剔除成套設備提供技術支持。

3.2在精確林業(yè)中的應用

美國華盛頓大學研究人員開展了樹形自動分析、林業(yè)作業(yè)規(guī)劃等研究工作；Auburn大學的生物系統(tǒng)工程系和USDA南方林業(yè)實驗站與有關公司合作開展用GPS和其他傳感器研究林業(yè)機器系統(tǒng)的性能和生產效率。

目前單項的GPS、RS、GIS正從“自動化孤島”形式應用于林業(yè)生產向集成技術轉變。林業(yè)生產系統(tǒng)作為一個多組分的復雜系統(tǒng)，是由能量流動、物質循環(huán)、信息流動所推動的具有一定的結構和功能的復合體，各組分間的關系和結合方式影響系統(tǒng)整體的結構和功能。因此應該在計算機集成系統(tǒng)框架下，有效地融合GPS、GIS、RS等數(shù)據(jù)，解決這些信息在空間和時間上的質的差異及空間數(shù)據(jù)類型的多樣性，如地理統(tǒng)計數(shù)據(jù)、柵格數(shù)據(jù)、點數(shù)據(jù)等。利用智能DSS(決策支持系統(tǒng))以及VRT(可變量技術)等，使林業(yè)生產成為一個高效、柔性和開放的體系，從而實現(xiàn)林業(yè)生產的標準化、規(guī)范化、開放性，建立基于信息流融合的精確林業(yè)系統(tǒng)。

南京林業(yè)大學提出了“精確林業(yè)工程系統(tǒng)”。研究包括精確林業(yè)工程系統(tǒng)的領域體系結構、隨時空變化的數(shù)據(jù)采集處理與融合技術、精確控制林業(yè)生產的智能決策支持系統(tǒng)、可變量控制技術等，實現(xiàn)基于自然界生物及其所賴以生存的環(huán)境資源的時空變異性的客觀現(xiàn)實，以最小資源投入、最小環(huán)境危害和最大產出效益為目標，建立關于林業(yè)管理系統(tǒng)戰(zhàn)略思想的精確林業(yè)微觀管理系統(tǒng)。

[參考文獻]