人工智能导论课件第10章第3节

10.3.4 计算机视觉与机器视觉的区别
• 因此，用计算机信息处理的方法研究人类视觉的机理，建立人类视觉的计算理 论，也是一个非常重要和信人感兴趣的研究领域。这方面的研究被称为计算视 觉（Computational Vision）。计算视觉可被认为是计算机视觉中的一个研究领 域。
• 机器视觉：其检测系统采用CCD照相机将被检测的目标转换成图像信号，传送 给专用的图像处理系统，根据像素分布和亮度、颜色等信息，转变成数字化信 号，图像处理系统对这些信号进行各种运算来抽取目标的特征，如面积、数量、 位置、长度，再根据预设的允许度和其他条件输出结果，包括尺寸、角度、个 数、合格/不合格、有/无等，实现自动识别功能。
10.3.3 计算机视觉
• 人工智能所研究的一个主要问题是：如何让系统具备“计划”和“决策能力”？ 从而使之完成特定的技术动作（例如：移动一个机器人通过某种特定环境）。 这一问题便与计算机视觉问题息息相关。在这里，计算机视觉系统作为一个感 知器，为决策提供信息。另外一些研究方向包括模式识别和机器学习（这也隶 属于人工智能领域，但与计算机视觉有着重要联系），也由此，计算机视觉时 常被看作人工智能与计算机科学的一个分支。
10.3.3 计算机视觉
• 不难理解，计算机视觉的研究具有双重意义。其一，是为了满足人工智能应用 的需要，即用计算机实现人工的视觉系统的需要。这些成果可以安装在计算机 和各种机器上，使计算机和机器人能够具有“看”的能力。其二，视觉计算模 型的研究结果反过来对于我们进一步认识和研究人类视觉系统本身的机理，甚 至人脑的机理，也同样具有相当大的参考意义。
10.3.4 计算机视觉与机器视觉的区别
• 机器视觉：是用机器代替人眼来做测量和判断。机器视觉系统是通过机器视觉 产品（即图像摄取装置，分CMOS和CCD两种）将被摄取目标转换成图像信号， 传送给专用的图像处理系统，得到被摄目标的形态信息，根据像素分布和亮度、 颜色等信息，转变成数字化信号；图像系统对这些信号进行各种运算来抽取目 标的特征，进而根据判别的结果来控制现场的设备动作。
10.3.5 神经网络的图像识别技术
• 以汽车拍照自动识别技术为例，当汽车通过的时候，汽车自身具有的检测设备 会有所感应。此时检测设备就会启用图像采集装置来获取汽车正反面的图像。 获取了图像后必须将图像上传到计算机进行保存以便识别。最后车牌定位模块 就会提取车牌信息，对车牌上的字符进行识别并显示最终的结果。在对车牌上 的字符进行识别的过程中就用到了基于模板匹配算法和基于人工神经网络算法。
10.3.3 计算机视觉
• 计算机视觉要达到的最终目的是实现利用计算机对于三维景物世界的理解，即 实现人的视觉系统的某些功能。
• 在计算机视觉领域里，医学图像分析、光学文字识别对模式识别的要求需要提 到一定高度。又如模式识别中的预处理和特征抽取环节应用图像处理的技术； 图像处理中的图像分析也应用模式识别的技术。在计算机视觉的大多数实际应 用当中，计算机被预设为解决特定的任务，然而基于机器学习的方法正日渐普 及，一旦机器学习的研究进一步发展，未来“泛用型”的电脑视觉应用或许可 以成真。
• 机器视觉的起源可追溯到20世纪60年代美国学者L. R. 罗伯兹对多面体积木世界 的图像处理研究，70年代麻省理工学院（MIT）人工智能实验室“机器视觉” 课程的开设。到80年代，全球性机器视觉研究热潮开始兴起，出现了一些基于 机器视觉的应用系统。90年代以后，随着计算机和半导体技术的飞速发展，机 器视觉的理论和应用得到进一步发展。
图10-7 智能图像处理的支撑作用
10.3.1 机器视觉的发展
• 具有智能图像处理功能的机器视觉（Machine Vision），相当于人们在赋予机 器智能的同时为机器按上了眼睛，使机器能够“看得见”、“看得准”，可替 代甚至胜过人眼做测量和判断，使得机器视觉系统可以实现高分辨率和高速度 的控制。而且，机器视觉系统与被检 测对象无接触，安全可靠。
10.3.3 计算机视觉
• 计算机视觉研究对象之一是如何利用二维投影图像恢复三维景物世界。计算机 视觉使用的理论方法主要是基于几何、概率和运动学计算与三维重构的视觉计 算理论，它的基础包括射影几何学、刚体运动力学、概率论与随机过程、图像 处理、人工智能等理论。计算机视觉要达到的基本目的有以下几个： – （1）根据一幅或多幅二维投影图像计算出观察点到目标物体的距离； – （2）根据一幅或多幅二维投影图像计算出目标物体的运动参数； – （3）根据一幅或多幅二维投影图像计算出目标物体的表面物理特性； – （4）根据多幅二维投影图像恢复出更大空间区域的投影图像。
10.3.4 计算机视觉与机器视觉的区别
• （2）原理不同。 • 计算机视觉：是用各种成像系统代替视觉器官作为输入敏感手段，由计算机来
代替大脑完成处理和解释。计算机视觉的最终研究目标就是使计算机能像人那 样通过视觉观察和理解世界，具有自主适应环境的能力。要经过长期的努力才 能达到的目标。 • 因此，在实现最终目标以前，人们努力的中期目标是建立一种视觉系统，这个 系统能依据视觉敏感和反馈的某种程度的智能完成一定的任务。例如，计算机 视觉的一个重要应用领域就是自主车辆的视觉导航，还没有条件实现象人那样 能识别和理解任何环境，完成自主导航的系统。
10.3.wk.baidu.com 图像处理
• 图像处理一般指数字图像处理，是用计算机对图像进行分析，以达到所需结果 的技术。数字图像是指用数字摄像机、扫描仪等设备经过采样和数字化得到的 一个大的二维数组，该数组的元素称为像素，其值为一整数，称为灰度值。图 像处理技术的主要内容包括图像压缩，增强和复原，匹配、描述和识别3个部 分。常见的处理有图像数字化、图像编码、图像增强、图像复原、图像分割和 图像分析等。
10.3.5 神经网络的图像识别技术
• 神经网络图像识别技术是在传统的图像识别方法和基础上融合神经网络算法的 一种图像识别方法。在神经网络图像识别技术中，遗传算法与BP网络相融合的 神经网络图像识别模型是非常经典的，在很多领域都有它的应用。在图像识别 系统中利用神经网络系统，一般会先提取图像的特征，再利用图像所具有的特 征映射到神经网络进行图像识别分类。
10.3.1 机器视觉的发展
• 进入21世纪后，机器视觉技术的发展速度更快，已经大规模地应用于多个领域， 如智能制造、智能交通、医疗卫生、安防监控等领域。
• 常见机器视觉系统主要分为两类，一类是基于计算机的，如工控机或PC，另一 类是更加紧凑的嵌入式设备。典型的基于工控机的机器视觉系统主要包括：光 学系统，摄像机和工控机（包含图像采集、图像处理和分析、控制/通信）等单 元。机器视觉系统对核心的图像处理要 求算法准确、快捷和稳定，同时还要求 系统的实现成本低，升级换代方便。 图10-9 机器视觉系统
10.3.4 计算机视觉与机器视觉的区别
• 一般认为，计算机就是机器的一种，那么，计算机视觉与机器视觉有什么区别 呢？
• （1）定义不同。 • 计算机视觉：是一门研究如何使机器“看”的科学，更进一步的说，就是指用
摄影机和电脑代替人眼对目标进行识别、跟踪和测量等机器视觉，并进一步做 图形处理，使电脑处理成为更适合人眼观察或传送给仪器检测的图像。
人工智能导论
Introduction to artificial intelligence
10.3.4 计算机视觉与机器视觉的区别
• 例如，人们努力的研究目标是实现在高速公路上具有道路跟踪能力，可避免与 前方车辆碰撞的视觉辅助驾驶系统。这里要指出的一点是在计算机视觉系统中 计算机起代替人脑的作用，但并不意味着计算机必须按人类视觉的方法完成视 觉信息的处理。
• 计算机视觉可以而且应该根据计算机系统的特点来进行视觉信息的处理。但是， 人类视觉系统是迄今为止，人们所知道的功能最强大和完善的视觉系统。如在 以下的章节中会看到的那样，对人类视觉处理机制的研究将给计算机视觉的研 究提供启发和指导。
10.3.2 图像处理
• 图像处理（Image processing）又称影像处理，是利用计算机技术与数学方法， 对图像、视频信息的表示、编解码、图像分割、图像质量评价、目标检测与识 别以及立体视觉等方面开展科学研究。主要研究内容包括：图像、视频的模式 识别和安全监控、医学和材料图像处理、演化算法、人工智能、粗糙集和数据 挖掘等。在人脸识别、指纹识别、文字检测和识别、语音识别以及多个领域的 信息管理系统等方面均有广泛应用。
图10-8 图像处理与模式识别应用于指纹识别
10.3.1 机器视觉的发展
• 机器视觉是人工智能领域中发展迅速的一个重要分支，正处于不断突破、走向 成熟的阶段。一般认为机器视觉“是通过光学装置和非接触传感器自动地接受 和处理一个真实场景的图像，通过分析图像获得所需信息或用于控制机器运动 的装置”，可以看出智能图像处理技术在机器视觉中占有举足轻重的位置。
10.3.3 计算机视觉
• 从图像处理和模式识别发展起来的计算机视觉（computervision）是用计算机 来模拟人的视觉机理获取和处理信息的能力，就是指用摄影机和电脑代替人眼 对目标进行识别、跟踪和测量等机器视觉，并进一步做图形处理，用电脑处理 成为更适合人眼观察或传送给仪器检测的图像。计算机视觉研究相关的理论和 技术，试图建立能够从图像或者多维数据中获取“信息”的人工智能系统。计 算机视觉的挑战是要为计算机和机器人开发具有与人类水平相当的视觉能力。
10.3.3 计算机视觉
• 为了达到计算机视觉的目的，有两种技术途径可以考虑。第一种是仿生学方法， 即从分析人类视觉的过程入手，利用大自然提供给我们的最好参考系——人类视 觉系统，建立起视觉过程的计算模型，然后用计算机系统实现之。第二种是工程 方法，即脱离人类视觉系统框框的约束，利用一切可行和实用的技术手段实现视 觉功能。此方法的一般做法是，将人类视觉系统作为一个黑盒子对待，实现时只 关心对于某种输入，视觉系统将给出何种输出。这两种方法理论上都是可以使用 的，但面临的困难是，人类视觉系统对应某种输入的输出到底是什么，这是无法 直接测得的。而且由于人的智能活动是一个多功能系统综合作用的结果，即使是 得到了一个输入输出对，也很难肯定它是仅由当前的输入视觉刺激所产生的响应， 而不是一个与历史状态综合作用的结果。
第3节
1
机器视觉的发展
2
图像处理
3
计算机视觉
4
计算机视觉与机器视觉的区别
5
神经网络的图像识别技术
10.3 机器视觉与图像处理
• 智能图像处理是指一类基于计算机的自适应于各种应用场合的图像处理和分析 技术，本身是一个独立的理论和技术领域，但同时又是机器视觉中的一项十分 重要的技术支撑。人工智能、机器视觉和智能图像处理技术之间的关系如右图 所示。