計(jì)算機(jī)視覺(jué)運(yùn)用范文

導(dǎo)語(yǔ)：如何才能寫好一篇計(jì)算機(jī)視覺(jué)運(yùn)用，這就需要搜集整理更多的資料和文獻(xiàn)，歡迎閱讀由公務(wù)員之家整理的十篇范文，供你借鑒。

篇1

【關(guān)鍵詞】云計(jì)算 web數(shù)據(jù)挖掘 運(yùn)用 控制層

1 云計(jì)算與web數(shù)據(jù)挖掘

1.1 云計(jì)算的概念

所謂云計(jì)算，具體是指將分布式、網(wǎng)絡(luò)存儲(chǔ)、網(wǎng)格計(jì)算、并行計(jì)算以及虛擬化技術(shù)有效融合而形成的技術(shù)，是計(jì)算機(jī)技術(shù)蓬勃發(fā)展的最終產(chǎn)物。

1.2 云計(jì)算的關(guān)鍵技術(shù)

1.2.1 數(shù)據(jù)管理技術(shù)

系統(tǒng)處理能夠?yàn)橛脩籼峁└鼮閮?yōu)質(zhì)的高質(zhì)量服務(wù)，進(jìn)而可以通過(guò)此技術(shù)手段進(jìn)行管理數(shù)據(jù)。此外，管理技術(shù)的廣泛應(yīng)用，還能夠進(jìn)一步解決存在的問(wèn)題，對(duì)于數(shù)據(jù)集的整合和處理來(lái)說(shuō)，提供了充足的數(shù)據(jù)參考。

1.2.2 虛擬化技術(shù)

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(jí)的系統(tǒng)進(jìn)行孤立，進(jìn)而實(shí)現(xiàn)存儲(chǔ)、服務(wù)器與設(shè)備之間的劃分，從中凸顯出應(yīng)用系統(tǒng)的實(shí)質(zhì)性作用，實(shí)現(xiàn)體系結(jié)構(gòu)與管理技術(shù)的廣泛應(yīng)用。

1.2.3 分布式存儲(chǔ)技術(shù)

運(yùn)存儲(chǔ)數(shù)據(jù)主要就是采用分布式的存儲(chǔ)方式，這種方式在某種程度上來(lái)說(shuō)，可以有效的保障數(shù)據(jù)的可靠性，同時(shí)也具備一定的經(jīng)濟(jì)性。

1.3 web數(shù)據(jù)挖掘技術(shù)

通常情況下，我們將web數(shù)據(jù)挖掘成為網(wǎng)絡(luò)挖掘，其根本原因是基于互聯(lián)網(wǎng)與數(shù)據(jù)挖掘技術(shù)而形成的。由于當(dāng)前互聯(lián)網(wǎng)中數(shù)量是非常龐大的，而運(yùn)用web能夠準(zhǔn)確的尋找到有價(jià)值的信息。在web數(shù)據(jù)挖掘技術(shù)領(lǐng)域當(dāng)中，主要是基于機(jī)器學(xué)習(xí)、統(tǒng)計(jì)學(xué)、數(shù)據(jù)庫(kù)技術(shù)以及神經(jīng)網(wǎng)絡(luò)等分支來(lái)構(gòu)成的。在web數(shù)據(jù)挖掘技術(shù)運(yùn)用的過(guò)程中，由于和傳統(tǒng)挖掘技術(shù)相比，在挖掘方式與挖掘?qū)ο蠓矫媸谴嬖谥^大差異的，因此在流程方面是完全不同的。通常來(lái)說(shuō)，web數(shù)據(jù)挖掘的流程主要可分為四個(gè)部分，分別為搜索信息、信息預(yù)處理、模式發(fā)現(xiàn)以及模式分析。

2 基于云計(jì)算平臺(tái)的web數(shù)據(jù)挖掘體系架構(gòu)

2.1 服務(wù)層

服務(wù)層的功能是用戶與web數(shù)據(jù)挖掘之間的交互。在操作過(guò)程中，服務(wù)層能夠?qū)⒂脩舻恼?qǐng)求接收，并通過(guò)轉(zhuǎn)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?qū)⒌玫降馁Y源返回到用戶。

2.2 控制層

在web數(shù)據(jù)挖掘執(zhí)行的過(guò)程中，控制層處于核心地位，其根本原因是在云計(jì)算平臺(tái)當(dāng)中，所有的數(shù)據(jù)挖掘的相關(guān)操作都是由控制層來(lái)操作與控制的。具體來(lái)說(shuō)，主控節(jié)點(diǎn)會(huì)根據(jù)用戶所提出的需求，來(lái)對(duì)最合理的web數(shù)據(jù)挖掘算法來(lái)進(jìn)行選擇，然后將算法的階段傳輸?shù)襟w系架構(gòu)當(dāng)中的各個(gè)節(jié)點(diǎn)當(dāng)中，在挖掘任務(wù)完成后則會(huì)傳輸?shù)椒?wù)層，最終展現(xiàn)給用戶。

2.3 算法和數(shù)據(jù)存儲(chǔ)層

在基于云計(jì)算平臺(tái)的web數(shù)據(jù)挖掘的體系架構(gòu)當(dāng)中，數(shù)據(jù)存儲(chǔ)層的功能是對(duì)各種類型的算法進(jìn)行存儲(chǔ)，當(dāng)接收到用戶所發(fā)出的信息后，在算法進(jìn)行選擇后存儲(chǔ)到數(shù)據(jù)存儲(chǔ)層，以實(shí)現(xiàn)對(duì)數(shù)據(jù)的備份。即便在挖掘過(guò)程中出現(xiàn)意外，也能夠瞬間將數(shù)據(jù)恢復(fù)。

2.4 業(yè)務(wù)處理層

眾所周知，在web挖掘技術(shù)當(dāng)中得到的數(shù)據(jù)與信息，是經(jīng)過(guò)數(shù)據(jù)存儲(chǔ)層的解析后，轉(zhuǎn)化為XML文件。對(duì)此，業(yè)務(wù)處理層的職責(zé)就是將分配的任務(wù)進(jìn)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?wù)層。

3 基于云計(jì)算的web數(shù)據(jù)挖掘技術(shù)運(yùn)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(guò)程中，需要將用戶訪問(wèn)數(shù)據(jù)與web機(jī)器人訪問(wèn)數(shù)據(jù)相分離，那么則需要運(yùn)用到?jīng)Q策樹工具。除此之外，基于云計(jì)算平臺(tái)的web數(shù)據(jù)挖掘算法，在對(duì)數(shù)據(jù)進(jìn)行篩選與整合后，將其轉(zhuǎn)化為半結(jié)構(gòu)化的XML文件，并將其保存到分布式文件體系當(dāng)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(fù)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(gè)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(yīng)用程序在使用的過(guò)程中，還會(huì)運(yùn)用到歷史數(shù)據(jù)的功能，因此對(duì)于系統(tǒng)的性能具有一定的負(fù)面影響。截止到目前，構(gòu)建相關(guān)系統(tǒng)項(xiàng)目的研究機(jī)構(gòu)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(chǔ)

當(dāng)數(shù)據(jù)進(jìn)行收集之后，需要進(jìn)行科學(xué)合理的數(shù)據(jù)處理，當(dāng)完成收集和處理任務(wù)之后，應(yīng)該將數(shù)據(jù)存儲(chǔ)起來(lái)，以保證可以對(duì)日后的使用起到一定的便捷作用，數(shù)據(jù)在存儲(chǔ)的同時(shí)，應(yīng)該始終堅(jiān)持以云計(jì)算為重要的存儲(chǔ)數(shù)據(jù)流程設(shè)定基礎(chǔ)，這樣可以有效的保障數(shù)據(jù)的穩(wěn)定性，對(duì)數(shù)據(jù)的存儲(chǔ)起到一定的促進(jìn)作用。在現(xiàn)階段以云計(jì)算為核心的web數(shù)據(jù)存儲(chǔ)領(lǐng)域當(dāng)中，主要被劃分為開源系統(tǒng)與非開源系統(tǒng)。其中，前者運(yùn)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(yùn)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(lái)說(shuō)，在各項(xiàng)技術(shù)蓬勃發(fā)展的過(guò)程中，在云計(jì)算平臺(tái)中，web數(shù)據(jù)挖掘技術(shù)的運(yùn)用范圍是不斷擴(kuò)展與延伸的。在此背景下，云計(jì)算平臺(tái)的web數(shù)據(jù)挖掘技術(shù)不但搜索效率方面有著明顯的提升，同時(shí)在數(shù)據(jù)處理效率方面的提升也是非常顯著的。

4 結(jié)論

通過(guò)全文的分析，能夠看出重點(diǎn)是對(duì)于云計(jì)算以及數(shù)據(jù)挖掘技術(shù)進(jìn)行具體的探索和分析，明確在云計(jì)算技術(shù)基礎(chǔ)上，數(shù)據(jù)挖掘技術(shù)得到了較大程度上的創(chuàng)新發(fā)展，其未來(lái)的發(fā)展前景非常的寬廣。與此同時(shí)，相信在云計(jì)算領(lǐng)域蓬勃發(fā)展的背景下，web數(shù)據(jù)挖掘在云計(jì)算的未來(lái)發(fā)展發(fā)揮出了巨大的推動(dòng)力。

參考文獻(xiàn)

[1]蔡興旺，段夢(mèng)博.云計(jì)算及其在數(shù)據(jù)挖掘上的應(yīng)用研究[J].電腦知識(shí)與技術(shù)，2010（22）.

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

[3]吳銳，孫銀香.云計(jì)算平臺(tái)下的Web數(shù)據(jù)挖掘研究[J].網(wǎng)絡(luò)安全技術(shù)與應(yīng)用，2014（08）.

篇2

1.1自動(dòng)化程度高

計(jì)算機(jī)視覺(jué)可以實(shí)現(xiàn)對(duì)農(nóng)產(chǎn)品的多個(gè)外形和內(nèi)在品質(zhì)指標(biāo)進(jìn)行同時(shí)檢測(cè)分析，可以進(jìn)行整體識(shí)別、增強(qiáng)對(duì)目標(biāo)識(shí)別的準(zhǔn)確性。

1.2實(shí)現(xiàn)無(wú)損檢測(cè)

由于計(jì)算機(jī)視覺(jué)技術(shù)對(duì)農(nóng)產(chǎn)品的識(shí)別是通過(guò)掃描、攝像，而不需要直接接觸，可以減少對(duì)所檢測(cè)食品的傷害。

1.3穩(wěn)定的檢測(cè)精度

設(shè)計(jì)的運(yùn)行程序確定后，計(jì)算機(jī)視覺(jué)技術(shù)的識(shí)別功能就會(huì)具有統(tǒng)一的識(shí)別標(biāo)準(zhǔn)，具有穩(wěn)定的檢測(cè)精度，避免了人工識(shí)別和檢測(cè)時(shí)主觀因素所造成的差異。

2計(jì)算機(jī)視覺(jué)技術(shù)在食品檢測(cè)中的應(yīng)用

20世紀(jì)70年代初，學(xué)者開始研究計(jì)算機(jī)視覺(jué)技術(shù)在食品工業(yè)中的應(yīng)用，近幾十年電子技術(shù)得到快速發(fā)展，計(jì)算機(jī)視覺(jué)技術(shù)也越來(lái)越成熟。國(guó)內(nèi)外學(xué)者在研究計(jì)算機(jī)視覺(jué)技術(shù)在食品工業(yè)中的應(yīng)用方面主要集中在該技術(shù)對(duì)果蔬的外部形態(tài)（如形狀、重量、外觀損傷、色澤等）的識(shí)別、內(nèi)部無(wú)損檢測(cè)等方面。國(guó)內(nèi)有關(guān)計(jì)算機(jī)視覺(jué)技術(shù)在食品業(yè)中的應(yīng)用研究起始于90年代，比國(guó)外發(fā)達(dá)國(guó)家晚20多年，但是發(fā)展很快。

2.1計(jì)算機(jī)視覺(jué)技術(shù)在果蔬分級(jí)中的應(yīng)用研究

計(jì)算機(jī)視覺(jué)技術(shù)在食品檢測(cè)中的應(yīng)用研究相當(dāng)廣泛，從外部直徑、成熟度的檢測(cè)到內(nèi)部腐爛程度的檢測(cè)都有研究。韓偉等［4］采用分割水果的拍攝圖像和新的計(jì)算機(jī)算法計(jì)算水果的半徑，進(jìn)而得出果蔬的最大直徑。研究表明，該算法不僅降低了計(jì)算量而且提高了計(jì)算精度，此方法用于水果分級(jí)的誤差不超過(guò)2mm，高于國(guó)際水果分級(jí)標(biāo)準(zhǔn)所規(guī)定的5mm分類標(biāo)準(zhǔn)差，可在工業(yè)生產(chǎn)中很好應(yīng)用。李慶中［5］也利用圖像的缺陷分割算法研究了計(jì)算機(jī)視覺(jué)技術(shù)在蘋果檢測(cè)與分級(jí)中的應(yīng)用，結(jié)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(chǔ)，結(jié)合模糊聚類知識(shí)利用計(jì)算機(jī)視覺(jué)技術(shù)來(lái)檢測(cè)蘋果缺陷域，檢測(cè)不僅快速而且結(jié)果精確。劉禾等［7］通過(guò)研究認(rèn)為蘋果的表面缺陷可以利用計(jì)算機(jī)視覺(jué)技術(shù)進(jìn)行檢測(cè)，計(jì)算機(jī)視覺(jué)技術(shù)還可以將蘋果按照檢測(cè)結(jié)果進(jìn)行分級(jí)，把檢測(cè)過(guò)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(jí)的重要特征之一，應(yīng)義斌等［8］通過(guò)計(jì)算機(jī)視覺(jué)技術(shù)、圖象處理技術(shù)、傅立葉描述子的方法來(lái)描述和識(shí)別果形以及有無(wú)果柄，其識(shí)別率達(dá)到90%。楊秀坤等［9］綜合運(yùn)用計(jì)算機(jī)視覺(jué)技術(shù)、遺傳算法、多層前饋神經(jīng)網(wǎng)絡(luò)系統(tǒng)，實(shí)現(xiàn)了具有精確度高、靈活性強(qiáng)和速度快等優(yōu)點(diǎn)的蘋果成熟度自動(dòng)判別。陳育彥等［10］采用半導(dǎo)體激光技術(shù)、計(jì)算機(jī)視覺(jué)技術(shù)和圖像分析技術(shù)相結(jié)合的方法檢測(cè)蘋果表面的機(jī)械損傷和果實(shí)內(nèi)部的腐爛情況，初步驗(yàn)證了計(jì)算機(jī)視覺(jué)技術(shù)檢測(cè)蘋果表面的損傷和內(nèi)部腐爛是可行的。馮斌等［11］通過(guò)計(jì)算機(jī)視覺(jué)技術(shù)對(duì)水果圖像的邊緣進(jìn)行檢測(cè)，然后確定水果的大小用以水果分級(jí)。試驗(yàn)表明，該方法比傳統(tǒng)的檢測(cè)方法速度快、準(zhǔn)確率高，適用于計(jì)算機(jī)視覺(jué)的實(shí)時(shí)檢測(cè)。朱偉［12］在模糊顏色的基礎(chǔ)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(duì)西紅柿的缺陷進(jìn)行分割，結(jié)果顯示準(zhǔn)確率高達(dá)96%。曹樂(lè)平等［13］人研究了溫州蜜柑的果皮顏色與果實(shí)可滴定酸含量以及糖分含量之間的相關(guān)性，然而根據(jù)相關(guān)性，樣品檢測(cè)的正確識(shí)別率分別只有約74%和67%。劉剛等［14］從垂直和水平兩個(gè)方向獲取蘋果的圖像，并通過(guò)計(jì)算機(jī)自動(dòng)分析圖像數(shù)據(jù)，對(duì)蘋果的外徑、體積、以及圓形度等參數(shù)進(jìn)行處理，與人工檢測(cè)相比，計(jì)算機(jī)視覺(jué)技術(shù)具有檢測(cè)效率高，檢測(cè)標(biāo)準(zhǔn)統(tǒng)一性好等優(yōu)點(diǎn)。Blasco.J［15］通過(guò)計(jì)算機(jī)視覺(jué)技術(shù)分析柑橘果皮的缺陷，進(jìn)而對(duì)其在線分級(jí)，正確率約為95%。趙廣華等［16］人綜合計(jì)算機(jī)視覺(jué)識(shí)別系統(tǒng)、輸送轉(zhuǎn)換系統(tǒng)、輸送翻轉(zhuǎn)系統(tǒng)、差速勻果系統(tǒng)和分選系統(tǒng)，研制出一款適于實(shí)時(shí)監(jiān)測(cè)、品質(zhì)動(dòng)態(tài)的智能分級(jí)系統(tǒng)，能夠很好地實(shí)現(xiàn)蘋果分級(jí)。王江楓等［17］建立了芒果重量與攝影圖像的相互關(guān)系，應(yīng)用計(jì)算機(jī)視覺(jué)技術(shù)檢測(cè)桂香芒果和紫花芒果的重量和果面損傷，按重量分級(jí)其準(zhǔn)確率均為92%，按果面損傷分級(jí)的準(zhǔn)確率分別為76%和80%。

2.2計(jì)算機(jī)視覺(jué)技術(shù)在禽蛋檢測(cè)中的應(yīng)用研究

禽蛋企業(yè)在生產(chǎn)過(guò)程中，產(chǎn)品的分級(jí)、品質(zhì)檢測(cè)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(dòng)強(qiáng)度大、人為誤差大、工作效率低等缺點(diǎn)，計(jì)算機(jī)視覺(jué)技術(shù)可以很好的解決這類產(chǎn)品工業(yè)生產(chǎn)中存在的困擾。歐陽(yáng)靜怡等［18］利用計(jì)算機(jī)視覺(jué)技術(shù)來(lái)檢測(cè)雞蛋蛋殼裂紋，利用攝像機(jī)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(shù)，獲得裂紋形狀并判斷，試驗(yàn)結(jié)果表明，計(jì)算機(jī)視覺(jué)技術(shù)對(duì)雞蛋蛋殼裂紋的檢測(cè)準(zhǔn)確率高達(dá)98%。汪俊德等［19］以計(jì)算機(jī)視覺(jué)技術(shù)為基礎(chǔ)，設(shè)計(jì)出一套雙黃雞蛋檢測(cè)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(shè)計(jì)的數(shù)學(xué)模型對(duì)比來(lái)實(shí)現(xiàn)雙黃雞蛋的檢測(cè)和識(shí)別，檢測(cè)準(zhǔn)確率高達(dá)95%。鄭麗敏等［20］人通過(guò)高分辨率的數(shù)字?jǐn)z像頭獲取雞蛋圖像，根據(jù)圖像特征建立數(shù)學(xué)模型來(lái)預(yù)測(cè)雞蛋的新鮮度和貯藏期，結(jié)果表明，計(jì)算機(jī)視覺(jué)技術(shù)對(duì)雞蛋的新鮮度、貯藏期進(jìn)行預(yù)測(cè)的結(jié)果準(zhǔn)確率為94%。潘磊慶等［21］通過(guò)計(jì)算機(jī)視覺(jué)技術(shù)和聲學(xué)響應(yīng)信息技術(shù)相結(jié)合的方法檢測(cè)裂紋雞蛋，其檢測(cè)準(zhǔn)確率達(dá)到98%。MertensK等［22］人基于計(jì)算機(jī)視覺(jué)技術(shù)研發(fā)了雞蛋的分級(jí)檢測(cè)系統(tǒng)，該系統(tǒng)識(shí)別帶污漬雞蛋的正確率高達(dá)99%。

2.3計(jì)算機(jī)視覺(jué)技術(shù)在檢測(cè)食品中微生物含量的應(yīng)用研究

計(jì)算機(jī)技術(shù)和圖像處理技術(shù)在綜合學(xué)科中的應(yīng)用得到快速發(fā)展，在微生物快速檢測(cè)中的應(yīng)用也越來(lái)越多，主要是針對(duì)微生物微菌落的處理。食品工業(yè)中計(jì)算機(jī)視覺(jué)技術(shù)在微生物檢測(cè)方面的研究和應(yīng)用以研究單個(gè)細(xì)胞為主，并在個(gè)體細(xì)胞的研究上取得了一定的進(jìn)展。殷涌光等［23］以顏色特征分辨技術(shù)為基礎(chǔ)，設(shè)計(jì)了一套應(yīng)用計(jì)算機(jī)視覺(jué)技術(shù)快速定量檢測(cè)食品中大腸桿菌的系統(tǒng)，該系統(tǒng)檢測(cè)結(jié)果與傳統(tǒng)方法的檢測(cè)結(jié)果具有很好的相關(guān)性，但與傳統(tǒng)方法相比，可以節(jié)省5d時(shí)間，檢測(cè)時(shí)間在18h以內(nèi)，并且能夠有效提高產(chǎn)品品質(zhì)。Lawless等［24］人等時(shí)間段測(cè)定培養(yǎng)基上的細(xì)胞密度，然后通過(guò)計(jì)算機(jī)技術(shù)建立時(shí)間和細(xì)胞密度之間的動(dòng)態(tài)關(guān)聯(lián)，利用該關(guān)聯(lián)可以預(yù)測(cè)和自動(dòng)檢測(cè)微生物的生長(zhǎng)情況，如通過(guò)計(jì)算機(jī)控制自動(dòng)定量采集檢測(cè)對(duì)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(jì)算機(jī)可以顯示被檢測(cè)菌落的具置，并且根據(jù)動(dòng)態(tài)關(guān)聯(lián)計(jì)算機(jī)視覺(jué)系統(tǒng)可以同時(shí)處理多個(gè)不同的樣品。郭培源等［25］人對(duì)計(jì)算機(jī)視覺(jué)技術(shù)用于豬肉的分級(jí)進(jìn)行了研究，結(jié)果顯示計(jì)算機(jī)視覺(jué)技術(shù)在識(shí)別豬肉表面微生物數(shù)量上與國(guó)標(biāo)方法檢測(cè)的結(jié)果顯著相關(guān)，該技術(shù)可以有效地計(jì)算微生物的數(shù)量。Bayraktar.B等［26］人采用計(jì)算機(jī)視覺(jué)技術(shù)、光散射技術(shù)（BARDOT）和模式識(shí)別技術(shù)相結(jié)合的方法來(lái)快速檢測(cè)李斯特菌，在獲取該菌菌落中的形態(tài)特征有，對(duì)圖像進(jìn)行分析處理達(dá)到對(duì)該菌的分類識(shí)別。殷涌光等［27］人綜合利用計(jì)算機(jī)視覺(jué)、活體染色、人工神經(jīng)網(wǎng)絡(luò)、圖像處理等技術(shù)，用分辨率為520萬(wàn)像素的數(shù)字?jǐn)z像機(jī)拍攝細(xì)菌內(nèi)部的染色效果，并結(jié)合新的圖像處理算法，對(duì)細(xì)菌形態(tài)學(xué)的8個(gè)特征參數(shù)進(jìn)行檢測(cè)，檢測(cè)結(jié)果與傳統(tǒng)檢測(cè)結(jié)果顯著相關(guān)（相關(guān)系數(shù)R=0.9987），和傳統(tǒng)檢測(cè)方法相比該方法具有操作簡(jiǎn)單、快速、結(jié)果準(zhǔn)確、適合現(xiàn)場(chǎng)快速檢測(cè)等特點(diǎn)。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(jìn)行識(shí)別，并以此作為衡量乳制品質(zhì)量是否達(dá)標(biāo)的依據(jù)，并對(duì)產(chǎn)品進(jìn)行分級(jí)。

2.4計(jì)算機(jī)視覺(jué)技術(shù)在其他食品產(chǎn)業(yè)中的應(yīng)用研究

里紅杰等［30］通過(guò)提取貝類和蝦類等海產(chǎn)品的形狀、尺寸、紋理、顏色等外形特征，對(duì)照數(shù)學(xué)模型，采用數(shù)字圖像處理技術(shù)、計(jì)算機(jī)識(shí)別技術(shù)實(shí)現(xiàn)了對(duì)貝類和蝦類等海產(chǎn)品的無(wú)損檢測(cè)和自動(dòng)化分類、分級(jí)和質(zhì)量評(píng)估，并通過(guò)實(shí)例詳細(xì)闡述了該技術(shù)的實(shí)現(xiàn)方法，證實(shí)了此項(xiàng)技術(shù)的有效性。計(jì)算機(jī)視覺(jué)技術(shù)還可以檢驗(yàn)玉米粒形和玉米種子質(zhì)量、識(shí)別玉米品種和玉米田間雜草［31］。晁德起等［32］通過(guò)x射線照射獲取毛葉棗的透視圖像后，運(yùn)用計(jì)算機(jī)視覺(jué)技術(shù)對(duì)圖像進(jìn)行分析評(píng)估，毛葉棗可食率的評(píng)估結(jié)果與運(yùn)用物理方法測(cè)得的結(jié)果平均誤差僅為1.47％，因此得出結(jié)論：計(jì)算機(jī)視覺(jué)技術(shù)可以應(yīng)用于毛葉棗的自動(dòng)分級(jí)。GokmenV等［33-34］通過(guò)對(duì)薯片制作過(guò)程中圖像像素的變化來(lái)研究薯片的褐變率，通過(guò)分析特色參數(shù)來(lái)研究薯片中丙烯酰胺的含量和褐變率的關(guān)系，結(jié)果顯示兩項(xiàng)參數(shù)相關(guān)性為0.989，從而可以應(yīng)用計(jì)算機(jī)視覺(jué)技術(shù)來(lái)預(yù)測(cè)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(yīng)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(jí)的花生籽粒的正反面圖像，利用計(jì)算機(jī)視覺(jué)技術(shù)對(duì)花生內(nèi)部和外部采集圖像，并通過(guò)圖像對(duì)其外在品質(zhì)和內(nèi)在品質(zhì)進(jìn)行分析，并建立相應(yīng)的數(shù)學(xué)模型，該技術(shù)在對(duì)待檢樣品進(jìn)行分級(jí)檢測(cè)時(shí)的正確率高達(dá)92%。另外，郭培源等［36］人以國(guó)家標(biāo)準(zhǔn)為依據(jù)，通過(guò)數(shù)字?jǐn)z像技術(shù)獲取豬肉的細(xì)菌菌斑面積、脂肪細(xì)胞數(shù)、顏色特征值以及氨氣等品質(zhì)指標(biāo)來(lái)實(shí)現(xiàn)豬肉新鮮程度的分級(jí)辨認(rèn)。

3展望

新技術(shù)的研究與應(yīng)用必然伴隨著坎坷，從70年代初計(jì)算機(jī)視覺(jué)技術(shù)在食品工業(yè)中進(jìn)行應(yīng)用開始，就遇到了很多問(wèn)題。計(jì)算機(jī)視覺(jué)技術(shù)在食品工業(yè)中的研究及應(yīng)用主要存在以下幾方面的問(wèn)題。

3.1檢測(cè)指標(biāo)有限

計(jì)算機(jī)視覺(jué)技術(shù)在檢測(cè)食品單一指標(biāo)或者以一個(gè)指標(biāo)作為分級(jí)標(biāo)準(zhǔn)進(jìn)行分級(jí)時(shí)具有理想效果，但以同一食品的多個(gè)指標(biāo)共同作為分級(jí)標(biāo)準(zhǔn)進(jìn)行檢測(cè)分級(jí)，則分級(jí)結(jié)果誤差較大［37］。例如，Davenel等［38］通過(guò)計(jì)算機(jī)視覺(jué)對(duì)蘋果的大小、重量、外觀損傷進(jìn)行分析，但研究結(jié)果顯示，系統(tǒng)會(huì)把花萼和果梗標(biāo)記為缺陷，還由于蘋果表面碰壓傷等缺陷情況復(fù)雜，造成分級(jí)誤差很大，分級(jí)正確率只有69%。Nozer［39-40］等以計(jì)算機(jī)視覺(jué)為主要技術(shù)手段，獲取水果的圖像，進(jìn)而通過(guò)分析圖像來(lái)確定水果的形狀、大小、顏色和重量，并進(jìn)行分級(jí)，其正確率僅為85.1%。

3.2兼容性差

計(jì)算機(jī)視覺(jué)技術(shù)針對(duì)單一種類的果蔬分級(jí)檢測(cè)效果顯著，但是，同一套系統(tǒng)和設(shè)備很難用于其它種類的果蔬，甚至同一種類不同品種的農(nóng)產(chǎn)品也很難公用一套計(jì)算機(jī)視覺(jué)設(shè)備。Reyerzwiggelaar等［41］利用計(jì)算機(jī)視覺(jué)檢查杏和桃的損傷程度，發(fā)現(xiàn)其檢測(cè)桃子的準(zhǔn)確率顯著高于杏的。Majumdar.S等［42］利用計(jì)算機(jī)視覺(jué)技術(shù)區(qū)分不同種類的麥粒，小麥、燕麥、大麥的識(shí)別正確率有明顯差異。

3.3檢測(cè)性能受環(huán)境制約

篇3

關(guān)鍵詞：計(jì)算機(jī)視覺(jué)；案例推理；圖像處理；圖像描述

中圖分類號(hào)：TP391.41 文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：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(xiàng)重要推理技術(shù)。基于案例推理與類比推理方法相似，案例推理將舊經(jīng)驗(yàn)或教訓(xùn)轉(zhuǎn)換為知識(shí)，出現(xiàn)新問(wèn)題時(shí)，首先查找以前是否有相似的案例，并用相似案例解決新問(wèn)題。如果沒(méi)遇到相似案例的,經(jīng)過(guò)推理后解決新問(wèn)題的方法，又會(huì)成為新的案例或新經(jīng)驗(yàn)，下一次再遇到相同問(wèn)題時(shí)，就可以復(fù)用這些案例或經(jīng)驗(yàn)。

這與人遇到問(wèn)題時(shí)，首先會(huì)用經(jīng)驗(yàn)思考解決問(wèn)題的方式相似，這也是解決問(wèn)題較好的方法。基于案例推理應(yīng)用于工業(yè)產(chǎn)品檢測(cè)或故障診斷時(shí)具有以下特點(diǎn)：

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(shí)，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(shí)獲取”的瓶頸。CBR知識(shí)表示以案例為基礎(chǔ)，案例的獲取比規(guī)則獲取要容易，大大簡(jiǎn)化知識(shí)獲取的過(guò)。

CBR求解效率較高。是對(duì)過(guò)去的求解結(jié)果進(jìn)行復(fù)用，而不是再次從頭開始推導(dǎo)，可以提高對(duì)新問(wèn)題的求解效率。

CBR求解的質(zhì)量較高。CBR以過(guò)去求解成功或失敗的經(jīng)歷，可以指導(dǎo)當(dāng)前求解時(shí)該怎樣走向成功或避開失敗。

CBR持續(xù)不斷的學(xué)習(xí)能力，使得它可以適應(yīng)于將來(lái)問(wèn)題的解決。

所以基于案例推理方法正不斷應(yīng)用在產(chǎn)品質(zhì)量檢測(cè)和設(shè)備故障診斷方面，并取得較好的經(jīng)濟(jì)效益。為了產(chǎn)品檢測(cè)和設(shè)備故障診斷中，更為智能化，更容易實(shí)現(xiàn)現(xiàn)場(chǎng)檢測(cè)和診斷，計(jì)算機(jī)視覺(jué)技術(shù)起到很大的作用。

計(jì)算機(jī)視覺(jué)是研究用計(jì)算機(jī)來(lái)模擬人和生物的視覺(jué)系統(tǒng)功能的技術(shù)學(xué)科，使計(jì)算機(jī)具有感知周圍視覺(jué)世界的能力。通過(guò)計(jì)算機(jī)視覺(jué)，進(jìn)行圖像的獲取預(yù)處理、圖像分割與特征抽取、識(shí)別與分類、三維信息理解、景物描述、圖像解釋，讓計(jì)算機(jī)具有對(duì)周圍世界的空間物體進(jìn)行傳感、抽象、判斷的能力，從而達(dá)到識(shí)別、理解的目的。

計(jì)算機(jī)視覺(jué)隨著科學(xué)技術(shù)發(fā)展，特別計(jì)算機(jī)技術(shù)、通信技術(shù)、圖像采集技術(shù)、傳感器技術(shù)等，以及神經(jīng)網(wǎng)絡(luò)理論、模糊數(shù)學(xué)理論、小波的分析理論等計(jì)算機(jī)視覺(jué)理論的不斷發(fā)展和日趨成熟，使計(jì)算機(jī)視覺(jué)從上世紀(jì)60年代開始興起發(fā)展到現(xiàn)在，取得快速發(fā)展，已經(jīng)從簡(jiǎn)單圖像質(zhì)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(zhuǎn)向運(yùn)動(dòng)，由二維轉(zhuǎn)向三維，并主要著眼于對(duì)圖像的識(shí)別和理解上，也使計(jì)算機(jī)視覺(jué)的應(yīng)用領(lǐng)域更為廣泛，為案例推理中運(yùn)用計(jì)算機(jī)視覺(jué)打下基礎(chǔ)。

2 案例推理系統(tǒng)的主要關(guān)鍵技術(shù)

（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(jié)構(gòu)在計(jì)算機(jī)中組織存儲(chǔ)。如何將信息抽取出特征變量，選擇什么語(yǔ)言描述案例和選擇什么內(nèi)容存放在案例中，案例按什么組織結(jié)構(gòu)存放在存儲(chǔ)器中，這關(guān)系到基于案例推理方法的效率，而且對(duì)于案例數(shù)量越來(lái)越多，結(jié)構(gòu)十分復(fù)雜的案例庫(kù)，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(kù)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(yīng)有的作用，很大程度上依賴于這一階段得到的案例質(zhì)量的高低，因此這一步非常關(guān)鍵。

（3）案例的復(fù)用和調(diào)整

案例的復(fù)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(wèn)題之間的不同之處，案例中的哪些部分可以用于新問(wèn)題，哪些部分不適合應(yīng)用于新問(wèn)題的解決。而復(fù)用還分案例的結(jié)果復(fù)用，案例的求解方法復(fù)用。

（4）案例的學(xué)習(xí)

案例的學(xué)習(xí)即是將新解添加到案例庫(kù)中，擴(kuò)充案例庫(kù)的案例種類與數(shù)量，這過(guò)程也是知識(shí)獲取。此過(guò)程涉及選取哪些信息保留，以及如何把新案例有機(jī)集成到案例庫(kù)中，包括如何存儲(chǔ)，如何建立索引等等。

針對(duì)案例推理的關(guān)鍵技術(shù)，根據(jù)檢測(cè)和故障診斷系統(tǒng)的特點(diǎn)，計(jì)算機(jī)視覺(jué)主要解決如何將產(chǎn)品圖像輸入系統(tǒng)，如何將產(chǎn)品圖像特征進(jìn)行抽取和描述，如何區(qū)別產(chǎn)品不同之處。以便案例推理系統(tǒng)進(jìn)行案例建模，確立案例的表示形成和案例相似度的計(jì)算。本文主要從計(jì)算機(jī)視覺(jué)如何運(yùn)用在案例推理系統(tǒng)進(jìn)行探討。

3 產(chǎn)品輸入系統(tǒng)

產(chǎn)品輸入系統(tǒng)在不同產(chǎn)品類型和生產(chǎn)環(huán)境可能有不同之處，主要應(yīng)有傳感器單元和圖像采集單元。如圖1。

圖1 產(chǎn)品輸入系統(tǒng)結(jié)構(gòu)

傳感器單元主要判斷是否有產(chǎn)品存在，是否需要進(jìn)行圖像采集，是否繼續(xù)下一個(gè)產(chǎn)品圖像的采集。這簡(jiǎn)單傳感器可使用光電開關(guān)，配合光源，當(dāng)產(chǎn)品經(jīng)過(guò)時(shí)，產(chǎn)品遮擋住光源，使光電開關(guān)產(chǎn)生一個(gè)0值，而沒(méi)有產(chǎn)品經(jīng)過(guò)時(shí)，光電開關(guān)產(chǎn)生相反的1值，系統(tǒng)通過(guò)判斷光電開關(guān)的值，從而判斷是否有產(chǎn)品。

圖像采集單元簡(jiǎn)單地說(shuō)是將產(chǎn)品拍攝并形成數(shù)字化圖像，主要包括光源、反射鏡、CCD相機(jī)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(jī)主要是拍攝設(shè)備。圖像采集卡主要是將圖像數(shù)字化。通過(guò)傳感器判斷有產(chǎn)品后，光源發(fā)出的光均勻地照在被測(cè)件上，CCD相機(jī)拍攝，拍攝圖像經(jīng)過(guò)圖像采集卡數(shù)字化后輸入存儲(chǔ)設(shè)備。存儲(chǔ)設(shè)備即為計(jì)算機(jī)硬盤。存放原始圖像、數(shù)據(jù)、處理結(jié)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(chǔ)。

4 圖像處理

在案例推理系統(tǒng)中，需要對(duì)案例的組織和案例建模，案例的組織即案例的表示，相對(duì)計(jì)算機(jī)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(shí)，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(shuō)圖像內(nèi)部包含表示的本質(zhì)，即圖像的描述。根據(jù)圖像特點(diǎn)，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(duì)產(chǎn)品輸入的原始圖像進(jìn)行處理。

在計(jì)算機(jī)視覺(jué)技術(shù)中，對(duì)原始圖像主要進(jìn)行圖像增強(qiáng)、平滑、邊緣銳化、分割、特征抽取、圖像識(shí)別與理解等內(nèi)容。經(jīng)過(guò)這些處理后，輸出圖像的質(zhì)量得到相當(dāng)程度的改善，既改善了圖像的視覺(jué)效果，又便于計(jì)算機(jī)對(duì)圖像進(jìn)行分析、處理和識(shí)別。具體工作流程如圖2所示：

圖2 計(jì)算機(jī)視覺(jué)的任務(wù)與工作流程

圖像預(yù)處理是將產(chǎn)品的數(shù)字圖像輸入計(jì)算機(jī)后，首先要進(jìn)行圖像的預(yù)處理，主要完成對(duì)圖像噪聲的消除以及零件的邊緣提取。預(yù)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(guān)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(lái)分割目標(biāo)和背景。

圖像的平滑處理技術(shù)即圖像的去噪聲處理，主要是為了去除實(shí)際成像過(guò)程中因成像設(shè)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(duì)象與其背景分開，并使之具有某種指定的數(shù)學(xué)或符號(hào)表達(dá)形式，使計(jì)算機(jī)能夠理解對(duì)象的具體含義，檢測(cè)出邊緣的圖像就可以進(jìn)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(yù)處理是為下一步的特征描述打基礎(chǔ)，預(yù)處理的好壞直接影響案例推理的結(jié)果和檢測(cè)診斷的效率。

特征提取是對(duì)圖像進(jìn)行描述，是案例建模關(guān)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(guān)鍵。如果圖像沒(méi)有特征，就談不上進(jìn)行檢索。圖像特征可通過(guò)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(chǎn)品、產(chǎn)品形狀大小、產(chǎn)品顏色，產(chǎn)品有什么缺陷、產(chǎn)品缺陷在什么位置等特征，根據(jù)這些圖像特征進(jìn)行描述，形成計(jì)算機(jī)中屬性值，并從數(shù)據(jù)庫(kù)查找相應(yīng)信息資料，從而確定產(chǎn)品之間的關(guān)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(yīng)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(duì)話系統(tǒng)：完成人機(jī)交互、問(wèn)題描述、結(jié)果顯示和系統(tǒng)總控制。

案例庫(kù)系統(tǒng)：由案例庫(kù)及案例庫(kù)管理系統(tǒng)組成。

數(shù)據(jù)析取系統(tǒng)：對(duì)各種已有的源數(shù)據(jù)庫(kù)的數(shù)據(jù)通過(guò)轉(zhuǎn)換而形成所需的數(shù)據(jù)。

多庫(kù)協(xié)同器：根據(jù)問(wèn)題求解的需要，按照一定的數(shù)據(jù)抽取策略，完成問(wèn)題求解過(guò)程中對(duì)模型庫(kù)系統(tǒng)、方法庫(kù)系統(tǒng)、知識(shí)庫(kù)系統(tǒng)和數(shù)據(jù)庫(kù)系統(tǒng)等資源的調(diào)度與協(xié)調(diào)。

知識(shí)庫(kù)系統(tǒng)：由產(chǎn)生式規(guī)則組成，這些知識(shí)包括專家經(jīng)驗(yàn)和以規(guī)則形式表示的有關(guān)知識(shí)，也可以是數(shù)據(jù)挖掘結(jié)論，支持案例檢索、案例分析、案例調(diào)整等。 模型庫(kù)系統(tǒng)：由模型庫(kù)、算法庫(kù)、模型庫(kù)管理系統(tǒng)組成。完成模型識(shí)別和調(diào)用，并把結(jié)果綜合，送入對(duì)話系統(tǒng)顯示，作為補(bǔ)充信息供案例檢索、調(diào)整使用。

數(shù)據(jù)庫(kù)系統(tǒng)：存放待決策支持的所有問(wèn)題，并完成其維護(hù)與查詢等功能。

由于系統(tǒng)主要應(yīng)用產(chǎn)品的現(xiàn)場(chǎng)實(shí)時(shí)檢測(cè)監(jiān)控或故障診斷，所以系統(tǒng)的檢索時(shí)，也必須輸入檢索值，即輸入現(xiàn)場(chǎng)產(chǎn)品的圖像，在通過(guò)產(chǎn)品預(yù)處理、圖像的二值化、分割和邊界處理后，進(jìn)行圖像特征描述，根據(jù)圖像描述進(jìn)行分類識(shí)別。根據(jù)案例推理的算法檢索案例庫(kù)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(jié)果，并將案例的解輸出，給相關(guān)控制系統(tǒng)進(jìn)行決策。如產(chǎn)品質(zhì)量檢測(cè)，確定產(chǎn)品質(zhì)量是否合格，是否有不合格產(chǎn)品，不合格產(chǎn)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(jié)論

案例推理方法有效地解決計(jì)算機(jī)視覺(jué)技術(shù)中圖像檢索問(wèn)題。對(duì)提高圖像檢索的效率和準(zhǔn)確度提供了平臺(tái)。

計(jì)算機(jī)視覺(jué)技術(shù)也為案例推理系統(tǒng)實(shí)現(xiàn)產(chǎn)品現(xiàn)場(chǎng)實(shí)時(shí)檢測(cè)、監(jiān)控、診斷提供技術(shù)支持。計(jì)算機(jī)視覺(jué)技術(shù)現(xiàn)場(chǎng)的數(shù)據(jù)采集、處理為案例推理打好基礎(chǔ)。

兩者的結(jié)合設(shè)計(jì)的系統(tǒng)適用范圍很廣，只要產(chǎn)品需要進(jìn)行質(zhì)量檢測(cè)、監(jiān)控，或設(shè)備需要進(jìn)行故障診斷和維護(hù)，都可以適用。

系統(tǒng)提供的實(shí)時(shí)檢測(cè)、監(jiān)控和診斷功能，提高企業(yè)的生產(chǎn)效益，降低了生產(chǎn)成本。

參考文獻(xiàn)：

[1]（美）桑肯（Sonka,M）.圖像處理分析與機(jī)器視覺(jué)[M].人民郵電出版社.

[2]王宏等譯.計(jì)算機(jī)視覺(jué)[M].電子工業(yè)出版社.

[3]蔡建榮.自然場(chǎng)景下成熟水果的計(jì)算機(jī)視覺(jué)識(shí)別[J].農(nóng)業(yè)機(jī)械，36(2)：61-64.

[4]王宇輝.基于計(jì)算機(jī)視覺(jué)的錐體零件尺寸在線檢測(cè)算法[J].重型機(jī)械，2005,2：4-6

[5]駱志堅(jiān).基于計(jì)算機(jī)視覺(jué)檢測(cè)技術(shù)自動(dòng)計(jì)數(shù)系統(tǒng)的研究與應(yīng)用[J].儀表技術(shù)與傳感器,2005,3：41-43.

[6]左小德.貼近度分析法在案例庫(kù)推理中的應(yīng)用[J],南大學(xué)學(xué)報(bào)(自然科學(xué)版)，1997，18(1):21-26.

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

篇4

關(guān)鍵詞：計(jì)算機(jī)視覺(jué)；智能交通；監(jiān)控系統(tǒng)

中圖分類號(hào)：TP277

近些年來(lái)，隨著我國(guó)人民生活水平提高，使私家車輛的數(shù)目急劇增長(zhǎng)，并且車輛的增長(zhǎng)速度遠(yuǎn)遠(yuǎn)超出市政建設(shè)的力度。這樣的事實(shí)導(dǎo)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(shè)，實(shí)施高效率的交通監(jiān)控措施，基于計(jì)算機(jī)視覺(jué)的智能交通監(jiān)控系統(tǒng)也由此得到了相應(yīng)的廣泛的發(fā)展和應(yīng)用。那么，計(jì)算機(jī)視覺(jué)技術(shù)下的智能交通監(jiān)管系統(tǒng)究竟應(yīng)該如何設(shè)計(jì)與實(shí)現(xiàn)呢？

1 計(jì)算機(jī)視覺(jué)下的智能交通監(jiān)控系統(tǒng)

1.1 計(jì)算機(jī)視覺(jué)技術(shù)

計(jì)算機(jī)視覺(jué)技術(shù)即利用各種圖像攝錄設(shè)備將通過(guò)對(duì)視覺(jué)目標(biāo)進(jìn)行識(shí)別、跟蹤、測(cè)量并將由此獲取的視覺(jué)信息傳輸至計(jì)算機(jī)并進(jìn)而利用圖像技術(shù)進(jìn)行視覺(jué)信息處理以達(dá)到進(jìn)一步進(jìn)行智能化處理的視覺(jué)處理技術(shù)。

1.2 智能交通系統(tǒng)（ITS）

智能交通系統(tǒng)（ITS）是指通過(guò)現(xiàn)代化的網(wǎng)絡(luò)信息技術(shù)、自動(dòng)控制技術(shù)等有效綜合手段在一定范圍內(nèi)建立的全方位發(fā)揮作用的交通運(yùn)輸綜合管理和控制系統(tǒng)。作為交通運(yùn)輸管理體系的一場(chǎng)新的革命，近年來(lái)，由此技術(shù)進(jìn)一步開發(fā)形成的監(jiān)控系統(tǒng)已經(jīng)在各個(gè)道路的關(guān)鍵路口、路段和其他交通繁忙地域普遍建立，為交通運(yùn)輸管理提供了自動(dòng)化、智能化的信息收集和處理等多方面的服務(wù)。但是，隨著城市建設(shè)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(dāng)務(wù)之急。

2 計(jì)算機(jī)視覺(jué)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(jì)算機(jī)視覺(jué)和智能交通監(jiān)控系統(tǒng)進(jìn)一步結(jié)合起來(lái)，首先通過(guò)計(jì)算機(jī)視覺(jué)分別對(duì)各個(gè)道路的關(guān)鍵路口、路段和其他交通繁忙地域等相應(yīng)位置實(shí)時(shí)進(jìn)行交通信息采集，然后，通過(guò)信息傳輸系統(tǒng)、或者進(jìn)行處理后存入服務(wù)器并將處理過(guò)的實(shí)時(shí)交通信息及時(shí)傳輸?shù)奖O(jiān)控指揮系統(tǒng)，以實(shí)現(xiàn)對(duì)于各個(gè)道路的關(guān)鍵路口、路段和其他交通繁忙地域的實(shí)時(shí)監(jiān)控和管理。由此，顯然就需要設(shè)計(jì)以下各個(gè)子系統(tǒng)并共同構(gòu)建為一個(gè)完整的體系。

計(jì)算機(jī)視覺(jué)下的智能交通監(jiān)管系統(tǒng)

實(shí)時(shí)交通信息收集系統(tǒng)

監(jiān)控指揮系統(tǒng)

高質(zhì)量信息存儲(chǔ)傳輸系統(tǒng)

圖1 計(jì)算機(jī)視覺(jué)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(shí)現(xiàn)

計(jì)算機(jī)視覺(jué)下的智能交通監(jiān)管系統(tǒng)實(shí)現(xiàn)的第一步是通過(guò)實(shí)時(shí)交通信息收集系統(tǒng)實(shí)時(shí)進(jìn)行交通信息采集，即通過(guò)對(duì)于運(yùn)動(dòng)物體的分割，在圖像找出有意義的部分，抽出運(yùn)動(dòng)目標(biāo)的特征，進(jìn)而通過(guò)連續(xù)畫面間的變化判斷目標(biāo)的運(yùn)動(dòng)狀況。在這一系統(tǒng)運(yùn)行中，首先可以“攝像頭讀入”的初始視頻，使用相應(yīng)的算法提取“背景”，然后通過(guò)原圖與背景運(yùn)算形成相應(yīng)的“前景”，由此即可進(jìn)一步通過(guò)矩形框的使用來(lái)達(dá)到“運(yùn)動(dòng)目標(biāo)檢測(cè)”與信息采錄的目的。

圖2 視覺(jué)監(jiān)控系統(tǒng)原理圖

3.1 系統(tǒng)功能實(shí)現(xiàn)

對(duì)運(yùn)動(dòng)物體的檢測(cè)主要有光流法以及差分法兩種方法，由于光流法比較復(fù)雜和耗時(shí)，實(shí)時(shí)檢測(cè)很難實(shí)現(xiàn)，因而，現(xiàn)有實(shí)時(shí)交通信息收集系統(tǒng)一般通過(guò)差分法的應(yīng)用來(lái)進(jìn)行開發(fā)和實(shí)現(xiàn)。

3.1.1 幀間差分法

幀間差分法對(duì)運(yùn)動(dòng)目標(biāo)進(jìn)行分割處理過(guò)程中使用較多也最為簡(jiǎn)單實(shí)用的一種方法，其基本原理就是通過(guò)在連續(xù)的圖像序列中兩個(gè)或三個(gè)相鄰幀間采用基于像素的幀間差分并且閾值化來(lái)提取圖像的運(yùn)動(dòng)區(qū)域，進(jìn)而通過(guò)逐象素比較獲取前后兩幀圖像之間的差別來(lái)判斷運(yùn)動(dòng)物體的移動(dòng)狀況。在實(shí)際操作中，一般可以假設(shè)用于獲取序列圖像的視頻設(shè)備為靜止物體，設(shè)視頻中連續(xù)兩幀的圖像為It（x，y）和It+1（x，y），然后通過(guò)對(duì)連續(xù)兩幀的圖像相應(yīng)的像素進(jìn)行比較，利用Dt（x，y）=It+1 （x，y）-It（x，y）這一方程求出相應(yīng)的閾值來(lái)檢測(cè)出運(yùn)動(dòng)物體的移動(dòng)狀況：

Mt（x，y）=

當(dāng)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(shí)中并非由理想封閉的輪廓區(qū)域組成的，因而，運(yùn)動(dòng)目標(biāo)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(yùn)動(dòng)物體速度的增大而增大，因而，這一方法并不適于對(duì)于高速運(yùn)動(dòng)目標(biāo)的有效檢測(cè)。

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(dāng)前圖像與背景圖像的差分來(lái)檢測(cè)物體運(yùn)動(dòng)狀況一種方法。其基本原理是在可控制環(huán)境下，通過(guò)對(duì)于運(yùn)動(dòng)背景的固定假設(shè)，設(shè)待檢測(cè)運(yùn)動(dòng)物體的圖像為I（x，y），背景圖像為B（x，y），通過(guò)輸入圖像與背景模型進(jìn)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(jìn)而檢測(cè)運(yùn)動(dòng)物體的移動(dòng)狀況：

Mt（x，y）=

當(dāng)然，在實(shí)際運(yùn)用中，背景差分法的關(guān)鍵，是要建立一個(gè)背景模型，并更新模型。

3.2 程序功能的實(shí)現(xiàn)

本程序功能實(shí)現(xiàn)所主要使用的是OpenCV函數(shù)。OpenCV能夠?qū)崿F(xiàn)對(duì)圖像數(shù)據(jù)的操作，包括分配、釋放、復(fù)制、設(shè)置和轉(zhuǎn)換數(shù)據(jù)，以及對(duì)攝像頭的定標(biāo)、對(duì)運(yùn)動(dòng)的分析等。在函數(shù)實(shí)現(xiàn)上，用到了Cv圖像處理的連接部件函數(shù)，運(yùn)動(dòng)分析與對(duì)象跟蹤中的背景統(tǒng)計(jì)量的累積相關(guān)函數(shù)等相關(guān)的函數(shù)。本系統(tǒng)就是運(yùn)用圖3介紹使用到的函數(shù)名及其功能和使用格式等來(lái)實(shí)現(xiàn)對(duì)視頻流的運(yùn)動(dòng)車輛的輪廓檢測(cè)的。

圖3 尋找輪廓程序主要算法流程

實(shí)驗(yàn)證明，本系統(tǒng)能夠較好地實(shí)現(xiàn)對(duì)視頻流的運(yùn)動(dòng)目標(biāo)的輪廓檢測(cè)和對(duì)象跟蹤，并能實(shí)時(shí)更新背景，車輛跟蹤正確率在95%以上，雖然存在著輪廓檢測(cè)正確率稍差的缺點(diǎn)，但其主要原因是由于攝像頭所處的角度和運(yùn)動(dòng)目標(biāo)靠近程度的影響，從根本上并不影響對(duì)于運(yùn)動(dòng)目標(biāo)的實(shí)際檢測(cè)。

4 結(jié)束語(yǔ)

加快城鎮(zhèn)化進(jìn)程是我國(guó)發(fā)展的大趨勢(shì)，在這一趨勢(shì)下，城市病的治理當(dāng)然可以離不開現(xiàn)代化的科學(xué)技術(shù)。但是，必須注意的是，無(wú)論多么先進(jìn)的管理系統(tǒng)，最終都只有通過(guò)人的行為才能夠發(fā)揮有效的作用，在這個(gè)意義上，設(shè)計(jì)與使用先進(jìn)的交通監(jiān)控系統(tǒng)固然是解決交通問(wèn)題的技術(shù)條件，但是，交通問(wèn)題的解決，最終還必須依賴于人的素質(zhì)的全面提高。

參考文獻(xiàn)：

[1]戴俊喬.城市道路交通視頻監(jiān)控系統(tǒng)架構(gòu)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(jì)算機(jī)視覺(jué)的智能交通監(jiān)控系統(tǒng)[J].小型微型計(jì)算機(jī)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(shè)計(jì)方案[J].通訊世界，2014（01）.

篇5

關(guān)鍵詞 計(jì)算機(jī)圖形學(xué) 第三方演示 課程群 分組實(shí)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(jì)算機(jī)圖形學(xué)是一門介紹顯示、生成和處理計(jì)算機(jī)圖形的原理和方法的課程。它在計(jì)算機(jī)總體教學(xué)體系中屬內(nèi)容綜合性較強(qiáng)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(shí)現(xiàn)，又有抽象的理論和算法，旨在為學(xué)生從事相關(guān)工作打下堅(jiān)實(shí)基礎(chǔ)。學(xué)生須以高等數(shù)學(xué)和線性代數(shù)的基本理論和較熟練的程序設(shè)計(jì)能力作為本課程學(xué)習(xí)的基礎(chǔ)。課程的難點(diǎn)在于計(jì)算機(jī)圖形學(xué)研究范圍廣，與其他學(xué)科交叉性強(qiáng)，且知識(shí)不斷更新變化。在教學(xué)實(shí)施過(guò)程中，難點(diǎn)是理解和掌握相應(yīng)的基礎(chǔ)理論和算法，以及利用計(jì)算機(jī)圖形學(xué)相關(guān)工具進(jìn)行圖形學(xué)實(shí)際問(wèn)題的解決。

本課程對(duì)學(xué)生的培養(yǎng)學(xué)生圍繞以下三個(gè)方面展開： （1）建立對(duì)計(jì)算機(jī)圖形學(xué)的基本認(rèn)識(shí)，理解圖形的表示與數(shù)據(jù)結(jié)構(gòu)、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(duì)現(xiàn)有的算法進(jìn)行改進(jìn)，理解圖形的變換和裁減算法。 （3）面向算機(jī)圖形的程序設(shè)計(jì)能力，以底層圖形生成算法為核心構(gòu)建應(yīng)用程序。相應(yīng)的考查方式由理論授課、上機(jī)實(shí)習(xí)和課外作業(yè)三個(gè)單元構(gòu)成。從近年的授課實(shí)踐和考試情況分析，該教學(xué)內(nèi)容難度設(shè)置合理，深入淺出且相互承接成為體系，學(xué)生總體反饋良好。但也存在一些矛盾和問(wèn)題。以下將對(duì)幾個(gè)問(wèn)題進(jìn)行重點(diǎn)闡述與思考，并提出課程改革思路。

1 計(jì)算機(jī)圖形學(xué)與計(jì)算機(jī)輔助設(shè)計(jì)銜接問(wèn)題

筆者所在院校是具有航空航天背景的工科院校，“CAD計(jì)算機(jī)輔助設(shè)計(jì)”是飛行器設(shè)計(jì)、機(jī)械設(shè)計(jì)與制造等多學(xué)科的重要課程。相關(guān)學(xué)科學(xué)生期望通過(guò)對(duì)計(jì)算機(jī)圖形學(xué)知識(shí)的深入理解，促進(jìn)CAD設(shè)計(jì)工具諸如Catia、Solidwork和Rhino等先進(jìn)工具的運(yùn)用能力。然而，目前的計(jì)算機(jī)圖形學(xué)課程的教學(xué)和考察環(huán)節(jié)倚重低層算法講解與基于OPENGL等的程序設(shè)計(jì)，除綜述外并未具體引入CAD相關(guān)內(nèi)容。產(chǎn)生的問(wèn)題是，一方面，飛行器設(shè)計(jì)及機(jī)械設(shè)計(jì)與制造等專業(yè)的學(xué)生由于程序設(shè)計(jì)能力不足，難以駕馭較復(fù)雜的程序設(shè)計(jì)任務(wù)，在學(xué)習(xí)過(guò)程中心理壓力較大；另一方面，由于授課均為教師為計(jì)算機(jī)相關(guān)專業(yè)背景，該課程的講授并未銜接CAD相關(guān)技術(shù)，學(xué)生難以構(gòu)建二者之間的聯(lián)系。

解決方案：

本質(zhì)上，該問(wèn)題是由于選課學(xué)生的學(xué)習(xí)動(dòng)機(jī)和基礎(chǔ)不同造成的。以單一的教學(xué)和考查方式難以兼顧這類面向具體應(yīng)用的學(xué)習(xí)需求。在教學(xué)方法上，采用第三方案例教學(xué)法和交叉講解法相結(jié)合以解決此問(wèn)題。具體的，將CAD等應(yīng)用場(chǎng)合以具體案例形式講解，授課教師邀請(qǐng)飛行器、機(jī)械設(shè)計(jì)相關(guān)教研組研究生以4～6學(xué)時(shí)的講臺(tái)演示的形式呈現(xiàn)CAD工具完整設(shè)計(jì)過(guò)程。授課教師則以交叉講解方式為學(xué)生講解運(yùn)用到的計(jì)算機(jī)圖形學(xué)知識(shí)點(diǎn)，同時(shí)與學(xué)生交互式的問(wèn)答和探討。在考查形式上，考慮到不同的學(xué)習(xí)動(dòng)機(jī)和基礎(chǔ)，采用多樣化實(shí)踐環(huán)節(jié)考查。計(jì)算機(jī)專業(yè)學(xué)生以O(shè)PENGL程序設(shè)計(jì)為考點(diǎn)，而外專業(yè)學(xué)生以CAD等面向應(yīng)用的實(shí)踐工具為考點(diǎn)，以兼顧各專業(yè)的學(xué)習(xí)需求。

2 計(jì)算機(jī)圖形學(xué)與計(jì)算機(jī)視覺(jué)相結(jié)合的問(wèn)題

當(dāng)前，虛擬現(xiàn)實(shí)技術(shù)（VR）和人工智能技術(shù)（AI）兩個(gè)最重要最熱門的研究領(lǐng)域。虛擬現(xiàn)實(shí)的基礎(chǔ)理論支撐是計(jì)算機(jī)圖形學(xué)，例如三維場(chǎng)景的生成與顯示。而人工智能的一個(gè)重要應(yīng)用場(chǎng)景是計(jì)算機(jī)視覺(jué)，例如基于圖像智能識(shí)別的自動(dòng)駕駛技術(shù)和場(chǎng)景理解技術(shù)。很多學(xué)生對(duì)以計(jì)算機(jī)視覺(jué)為代表的人工智能技術(shù)懷有濃厚興趣，同時(shí)，學(xué)生又難以區(qū)分計(jì)算機(jī)圖形學(xué)和計(jì)算機(jī)視覺(jué)的關(guān)系。同時(shí)，二者在近年來(lái)的研究中呈現(xiàn)相互融合的趨勢(shì)。如基于三維立體視覺(jué)的機(jī)器人與場(chǎng)景實(shí)時(shí)定位與重建。如何在計(jì)算機(jī)圖形學(xué)課程中，很好地體現(xiàn)兩門課程的不同，避免學(xué)生的混淆，拓展學(xué)生的知識(shí)面，都是具有現(xiàn)實(shí)意義的課題。

解決方案：

實(shí)際上，計(jì)算機(jī)圖形學(xué)和計(jì)算機(jī)視覺(jué)可不失一般性的概括為互逆的關(guān)系：計(jì)算機(jī)圖形學(xué)是由概念設(shè)計(jì)到模型生成，最終繪制圖形圖像的過(guò)程；而計(jì)算機(jī)視覺(jué)則是從原始圖像中再加工并分析理解、以產(chǎn)生新圖像（如二維到三維）或輸出語(yǔ)義信息（如圖像自動(dòng)標(biāo)注與理解、目標(biāo)檢測(cè)與識(shí)別）。將計(jì)算機(jī)圖形學(xué)納入“視覺(jué)處理課程群”框架，使學(xué)生首先掌握課程群中各課程的側(cè)重點(diǎn)，著重理解圖形學(xué)在課程群中的作用。精心選取2～3個(gè)計(jì)算機(jī)視覺(jué)和圖形學(xué)交叉的當(dāng)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(shù)的相互依賴關(guān)系并對(duì)比二者的區(qū)別。相關(guān)領(lǐng)域的演示還包括增強(qiáng)現(xiàn)實(shí)、人機(jī)交互、計(jì)算機(jī)輔助診斷等等。鼓勵(lì)學(xué)生自主學(xué)習(xí)，最終使學(xué)生在做中學(xué)、用中學(xué)，提高獨(dú)立分析新問(wèn)題和綜合運(yùn)用知識(shí)解決問(wèn)題的能力。

3 如何平衡算法講解和程序應(yīng)用技能

計(jì)算機(jī)圖形學(xué)涉及的算法多，核心算法是該課程的必講內(nèi)容，在算法細(xì)節(jié)的講解過(guò)程中學(xué)生容易產(chǎn)生畏難厭學(xué)情緒，注意教學(xué)方法以調(diào)動(dòng)學(xué)生的興趣尤為重要。另一方面，對(duì)學(xué)生的考察方式最終是通過(guò)編程實(shí)踐完成。學(xué)生在編程實(shí)踐中常常遇到大量調(diào)試問(wèn)題，同時(shí)要閱讀大量文檔以了解OPENGL接口函數(shù)的調(diào)用方法，這個(gè)過(guò)程占用了很大工作量。

解決方案：

在理論教學(xué)部分，著重講清計(jì)算機(jī)圖形學(xué)原理和概念、全面解析經(jīng)典算法思想。課程強(qiáng)調(diào)對(duì)理論核心思想的闡述，用通俗易懂的語(yǔ)言，條例清晰的邏輯，進(jìn)行簡(jiǎn)明透徹的闡述，附以直觀、形象的動(dòng)態(tài)演示系統(tǒng)，力圖使學(xué)生在較短的時(shí)間內(nèi)、有效地掌握基本理論。分析圖形學(xué)各種經(jīng)典算法的原理、可行性及幾何復(fù)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(diǎn)和應(yīng)用場(chǎng)合，并促進(jìn)學(xué)生思考如何在保證算法的準(zhǔn)確性、可靠性的前提下，提高算法的效率。同時(shí)注重接近國(guó)際前沿的研究?jī)?nèi)容，注重講授經(jīng)典知識(shí)和最新進(jìn)展相結(jié)合，以激發(fā)學(xué)生的學(xué)習(xí)興趣，提高課堂效率和活躍度，力爭(zhēng)以較少的課時(shí)闡述計(jì)算機(jī)圖形學(xué)的基本原理、基本方法，加大實(shí)踐環(huán)節(jié)比重。通過(guò)往年學(xué)生完成的優(yōu)秀課程作業(yè)作品的展示，激發(fā)學(xué)生的創(chuàng)造熱情。改革實(shí)踐環(huán)節(jié)的考查方式，以項(xiàng)目小組形式取代對(duì)個(gè)體的考查。原則上每組3～5人，自由組合。在課程結(jié)束前，采用小組現(xiàn)場(chǎng)演示講解的方式，展示小組成員通過(guò)編程實(shí)踐環(huán)節(jié)完成的一個(gè)項(xiàng)目。學(xué)生在項(xiàng)目小M中鍛煉了團(tuán)隊(duì)協(xié)作能力，降低了個(gè)人工作強(qiáng)度，同時(shí)互相學(xué)習(xí)和督促的氛圍使課程作業(yè)的質(zhì)量得以大幅提高。以基礎(chǔ)實(shí)驗(yàn)――目標(biāo)性重建實(shí)驗(yàn)――自主性訓(xùn)練的層次化實(shí)踐框架模式，逐步培養(yǎng)學(xué)生自主研究，獨(dú)立解決問(wèn)題、分析問(wèn)題，確定解決方案的能力，樹立正確的科學(xué)研究習(xí)慣，培養(yǎng)學(xué)生的科學(xué)研究能力。

總之，合理設(shè)計(jì)實(shí)踐教學(xué)案例，進(jìn)一步實(shí)現(xiàn)課程體系和實(shí)踐內(nèi)容的統(tǒng)一，建立一個(gè)多層次、立體化的實(shí)踐教學(xué)體系，注重學(xué)生的參與性與實(shí)踐性，引導(dǎo)和鼓勵(lì)學(xué)生進(jìn)行創(chuàng)新實(shí)踐和課外研學(xué)。改革考核方式和考試形式，加大實(shí)踐環(huán)節(jié)在成績(jī)中的比重，強(qiáng)化實(shí)踐能力培養(yǎng)，寓教于樂(lè)的同時(shí)引導(dǎo)學(xué)生追求卓越。此外，計(jì)算機(jī)圖形學(xué)技術(shù)是發(fā)展非常快的一個(gè)研究及應(yīng)用領(lǐng)域，且對(duì)編程要求較高，應(yīng)注重實(shí)驗(yàn)室機(jī)房投入更新必要硬件，并保障軟件編程環(huán)境的正常運(yùn)行。

L鼙疚氖苤泄┦亢蠡YBA15035，江蘇省教改項(xiàng)目JGLX13_008資助

參考文獻(xiàn)

[1] 孫家廣，胡事民.計(jì)算機(jī)圖形學(xué)基礎(chǔ)教程.北京：清華大學(xué)出版社，2005.2.

[2] 唐榮錫，汪嘉業(yè)，彭群生等.計(jì)算機(jī)圖形學(xué)教程（修訂版）.北京：科學(xué)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(jì)算機(jī)基礎(chǔ)教學(xué)[J].教育探索，2002.

篇6

摘要：研究基于計(jì)算機(jī)視覺(jué)的實(shí)時(shí)動(dòng)態(tài)手勢(shì)識(shí)別技術(shù)，并利用OpenCV計(jì)算機(jī)視覺(jué)庫(kù)在VS2010平臺(tái)上設(shè)計(jì)一個(gè)基于該技術(shù)在多媒體教學(xué)中PPT演示控制方面的應(yīng)用。首先，利用背景差分法進(jìn)行手勢(shì)檢測(cè)，在背景更新的基礎(chǔ)上，通過(guò)背景差分圖和顏色直方圖的反投影圖來(lái)檢測(cè)運(yùn)動(dòng)手勢(shì)區(qū)域，可以達(dá)到較為滿意的實(shí)時(shí)運(yùn)動(dòng)手勢(shì)檢測(cè)效果；其次，采用基于顏色直方圖的粒子跟蹤算法進(jìn)行手勢(shì)跟蹤，基本能滿足跟蹤的實(shí)時(shí)性；最后，在手勢(shì)識(shí)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(shì)識(shí)別效果；使用六種手勢(shì)，來(lái)實(shí)現(xiàn)演示文稿中的控制應(yīng)用。

關(guān)鍵詞：計(jì)算機(jī)視覺(jué)；背景差分；粒子跟蹤；手勢(shì)識(shí)別；Hu矩

中圖分類號(hào)：TP391.41文獻(xiàn)標(biāo)識(shí)碼：A

1引言

隨著計(jì)算機(jī)軟硬件技術(shù)的發(fā)展，人機(jī)交互已經(jīng)由過(guò)去的鼠標(biāo)、鍵盤方式逐漸向更加靈活生動(dòng)的語(yǔ)音、姿勢(shì)等新穎交互方式發(fā)展。由于基于視覺(jué)方式具有便捷和開銷低等優(yōu)點(diǎn)，因此，利用計(jì)算機(jī)視覺(jué)技術(shù)來(lái)使計(jì)算機(jī)理解用戶的命令，從而做出控制動(dòng)作，這一領(lǐng)域的研究得到越來(lái)越多的重視。其中，人的手勢(shì)作為日常生活中最為廣泛使用的一種交流方式；因此，國(guó)內(nèi)外許多研究機(jī)構(gòu)開始對(duì)手勢(shì)識(shí)別技術(shù)進(jìn)行研究，并已經(jīng)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(shì)識(shí)別系統(tǒng)；國(guó)內(nèi)的高文教授等人于1994年提出了一種靜態(tài)復(fù)雜背景手勢(shì)目標(biāo)的捕獲與識(shí)別。經(jīng)過(guò)二三十年的發(fā)展，

人們對(duì)運(yùn)動(dòng)目標(biāo)檢測(cè)及跟蹤進(jìn)行了大量深入的研究：美國(guó)MIT實(shí)驗(yàn)室通過(guò)提取左右手質(zhì)心的運(yùn)動(dòng)軌跡以及手勢(shì)形狀特征參數(shù)，結(jié)合語(yǔ)法規(guī)則識(shí)別40個(gè)美國(guó)手語(yǔ)，準(zhǔn)確率達(dá)到97%；另外，Microsoft Korea的HyeonKyu Lee，采用HMM的閾值模型，識(shí)別9種動(dòng)態(tài)手勢(shì)命令，平均識(shí)別率高達(dá)98.19%；國(guó)內(nèi)的任海兵提出了基于DTW的手勢(shì)識(shí)別算法，該算法能準(zhǔn)確識(shí)別12種手勢(shì)。

現(xiàn)在，基于視覺(jué)的手勢(shì)識(shí)別技術(shù)更多的是應(yīng)用在娛樂(lè)、游戲方面，比如微軟前段時(shí)間推出的Xbox360游戲機(jī)體的體感外設(shè)Kinect及多款相配套的體感游戲，玩家可以通過(guò)手勢(shì)在游戲中進(jìn)行操作和互動(dòng)，使得人機(jī)互動(dòng)娛樂(lè)進(jìn)入了一個(gè)新紀(jì)元。與此同時(shí)，還沒(méi)有比較成熟的手勢(shì)識(shí)別技術(shù)應(yīng)用在現(xiàn)代教學(xué)系統(tǒng)中。因此，本文的研究重點(diǎn)是基于視覺(jué)的實(shí)時(shí)手勢(shì)識(shí)別技術(shù)在多媒體教學(xué)演示控制中的應(yīng)用。在基于視覺(jué)的手勢(shì)識(shí)別研究中，需要解決的問(wèn)題主要有兩個(gè)：一是實(shí)時(shí)檢測(cè)運(yùn)動(dòng)手勢(shì)的信息，二是識(shí)別運(yùn)動(dòng)手勢(shì)的信息并做出響應(yīng)。對(duì)運(yùn)動(dòng)手勢(shì)檢測(cè)，本文采用背景差分結(jié)合改進(jìn)顏色直方圖特征的運(yùn)動(dòng)檢測(cè)方法[1]；對(duì)運(yùn)動(dòng)手勢(shì)跟蹤，本文采用粒子濾波算法[2]結(jié)合改進(jìn)顏色直方圖信息的方法；手勢(shì)識(shí)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(jì)算機(jī)視覺(jué)的手勢(shì)識(shí)別系統(tǒng)，實(shí)現(xiàn)了在播放控制中運(yùn)用手勢(shì)進(jìn)行開始、翻頁(yè)、退出等功能，極大的提高了課堂教學(xué)的靈活性。

2手勢(shì)檢測(cè)

實(shí)時(shí)視頻圖像中的運(yùn)動(dòng)手勢(shì)檢測(cè)所需要完成的任務(wù)是：能夠快且準(zhǔn)的檢測(cè)出手勢(shì)在實(shí)時(shí)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(shí)別的感興趣區(qū)域。手勢(shì)檢測(cè)算法的好壞，直接影響整個(gè)系統(tǒng)的跟蹤以及識(shí)別的效果。

目前，運(yùn)動(dòng)目標(biāo)檢測(cè)[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(shí)現(xiàn)環(huán)境為固定攝像頭采集實(shí)時(shí)視頻圖像，背景基本不動(dòng)，因此采用背景差分結(jié)合改進(jìn)顏色直方圖信息的運(yùn)動(dòng)檢測(cè)方法。

2.1背景差分法

本文研究中，選取攝像頭啟動(dòng)后的前10幀圖像的平均作為最初的背景圖像，把以后的實(shí)時(shí)序列圖像當(dāng)前幀和背景圖像相減，進(jìn)行背景消去。可以得到，運(yùn)動(dòng)手勢(shì)區(qū)域的像素點(diǎn)的差分值比較大，背景區(qū)域的像素點(diǎn)的差分值比較小。另外，由于真實(shí)場(chǎng)景中的背景會(huì)因光線等外部條件產(chǎn)生微小的變化，長(zhǎng)期的誤差積累會(huì)造成最后得不到理想的手勢(shì)區(qū)域，因此背景需要進(jìn)行實(shí)時(shí)更新，從而能及時(shí)反映當(dāng)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(duì)當(dāng)前幀進(jìn)行背景差分，大于閾值th1的圖像點(diǎn)即為運(yùn)動(dòng)手勢(shì)區(qū)域的點(diǎn)，并將得到的運(yùn)動(dòng)手勢(shì)區(qū)域圖像進(jìn)行二值化操作，公式如下：

3手勢(shì)跟蹤

現(xiàn)在常用的一些跟蹤算法主要有：卡爾曼預(yù)測(cè)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(yù)測(cè)算法和均值偏移算法等都是線性跟蹤算法，不能很好的應(yīng)對(duì)目標(biāo)運(yùn)動(dòng)的隨機(jī)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(guò)用一組帶有權(quán)值的隨機(jī)樣本，以及基于這些樣本的估算來(lái)表示動(dòng)態(tài)系統(tǒng)的后驗(yàn)概率密度。當(dāng)樣本很大的時(shí)候，這種估計(jì)就等同于后驗(yàn)概率密度。這些樣本就稱為“粒子”。假設(shè)在t=0時(shí)刻每個(gè)粒子都有一個(gè)解，每個(gè)解與真實(shí)解都有一定的相似度，這個(gè)相似度可以表示為權(quán)重，隨著時(shí)間的增加，相似度越大的粒子權(quán)重越大，而相似度越小的粒子權(quán)重就越小，最后趨于0，從而找到真實(shí)解（如圖2）。

3.2基于改進(jìn)顏色直方圖信息的粒子跟蹤

視頻圖像跟蹤方面，目標(biāo)的運(yùn)動(dòng)模型主要表現(xiàn)為目標(biāo)位置、速度隨時(shí)間改變的狀態(tài)轉(zhuǎn)移過(guò)程，目標(biāo)的觀測(cè)模型主要表現(xiàn)為每幀圖像中運(yùn)動(dòng)目標(biāo)的特征（如顏色、輪廓等）與真實(shí)目標(biāo)的相似度的似然過(guò)程。在粒子濾波算法中，運(yùn)動(dòng)模型可以稱為粒子傳播或者粒子采樣，它是一種隨機(jī)過(guò)程[11]。粒子在經(jīng)過(guò)傳播以后，狀態(tài)會(huì)發(fā)生改變，但權(quán)值沒(méi)有跟著改變，這就需要系統(tǒng)的觀測(cè)模型對(duì)當(dāng)前粒子的狀態(tài)進(jìn)行計(jì)算從而更新粒子的權(quán)值。本文的研究中，觀測(cè)值由目標(biāo)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(yàn)概率，利用巴氏距離（Bhattacharyya）來(lái)計(jì)算相似度，得到粒子的權(quán)重。巴氏系數(shù)[12]如公式（9）：

4.2識(shí)別算法過(guò)程

本文研究中，首先建立手勢(shì)模板庫(kù)，然后通過(guò)實(shí)時(shí)提取手勢(shì)幀，經(jīng)過(guò)前面第2部分的結(jié)合改進(jìn)顏色直方圖信息的手勢(shì)檢測(cè)，然后再經(jīng)過(guò)形態(tài)學(xué)處理之后，得到效果良好手勢(shì)區(qū)域的二值圖，再用輪廓提取及跟蹤來(lái)得到手勢(shì)的輪廓圖，然后計(jì)算其7Hu矩特征，最后運(yùn)用歐氏距離將其與模板庫(kù)中定義的手勢(shì)進(jìn)行特征匹配，完成手勢(shì)識(shí)別。

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

輪廓跟蹤方法：首先找出輪廓中最左下方的點(diǎn)作為搜索的起點(diǎn)，然后按照一定規(guī)則來(lái)搜索手勢(shì)輪廓上的其他像素點(diǎn)。由于輪廓是連續(xù)的，因此每個(gè)輪廓上的點(diǎn)的位置都可以用其前一個(gè)點(diǎn)的所張的角度來(lái)表示。研究中采用如下跟蹤準(zhǔn)則，第一個(gè)點(diǎn)開始定義搜索方向?yàn)樽笊希绻笊戏降狞c(diǎn)是黑點(diǎn)，則它也是輪廓上的點(diǎn)；如果不是，那么順時(shí)針旋轉(zhuǎn)，直到找到第一個(gè)黑點(diǎn)，即輪廓上的下一個(gè)點(diǎn)。繼續(xù)同樣的方法搜索，直到返回最初的起點(diǎn)，搜索結(jié)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(shí)現(xiàn)

本文的系統(tǒng)是在微軟的VS2010平臺(tái)上，使用C++語(yǔ)言進(jìn)行軟件開發(fā)，在圖像處理相關(guān)方面是基于計(jì)算機(jī)視覺(jué)庫(kù)（OpenCV）進(jìn)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(shí)時(shí)手勢(shì)跟蹤和識(shí)別效果的功能（如圖4和圖7）。

手勢(shì)識(shí)別的結(jié)果可以定義成一個(gè)變量，不同

的識(shí)別結(jié)果對(duì)應(yīng)的變量值不同，然后根據(jù)變量值調(diào)用不同的API接口函數(shù)，這樣就可以實(shí)現(xiàn)實(shí)時(shí)手勢(shì)識(shí)別技術(shù)在演示控制中的應(yīng)用。本文研究在控制部分挑選了六種手勢(shì)，分別控制PPT播放中的開始、退出、上下翻頁(yè)、跳轉(zhuǎn)首末頁(yè)等功能。手勢(shì)命令定義如下：手勢(shì)4控制開始播放；手勢(shì)3控制退出播放；手勢(shì)1控制跳轉(zhuǎn)首頁(yè)；手勢(shì)2為跳轉(zhuǎn)尾頁(yè)；手勢(shì)10為向下翻頁(yè)頁(yè)；手勢(shì)5控制向前翻頁(yè)。對(duì)電腦中某一PPT進(jìn)行實(shí)際的播放控制（列舉其中4個(gè)手勢(shì)的控制狀態(tài)），效果如下：

1）識(shí)別手勢(shì)4，開始播放：

2）識(shí)別手勢(shì)10，向下翻頁(yè)：

3）識(shí)別手勢(shì)1，跳轉(zhuǎn)到首頁(yè)：

4）識(shí)別手勢(shì)3，退出：

系統(tǒng)通過(guò)筆記本自帶30W像素的攝像頭，采用DirectShow技術(shù)進(jìn)行實(shí)時(shí)視頻的獲取，圖像尺寸是320*240，fps可以達(dá)到30-60幀/秒，可以很好的滿足實(shí)時(shí)性的要求。

6結(jié)語(yǔ)

本文通過(guò)研究設(shè)計(jì)了一個(gè)基于視覺(jué)的手勢(shì)識(shí)別技術(shù)在演示控制中的應(yīng)用系統(tǒng)，可以看出背景差分結(jié)合顏色直方圖的運(yùn)動(dòng)檢測(cè)可以得到較好的手勢(shì)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(shí)現(xiàn)實(shí)時(shí)跟蹤的任務(wù)；在識(shí)別過(guò)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(shì)識(shí)別效果；在應(yīng)用階段，使用手勢(shì)來(lái)完成控制命令，基本實(shí)現(xiàn)了在播放控制中的應(yīng)用。

同時(shí)，仍存在一些問(wèn)題：對(duì)于光照和人臉微小晃動(dòng)等外部因素引起的噪聲，只能降低而無(wú)法消除，這對(duì)于手勢(shì)跟蹤與識(shí)別的效果還是有一定的影響，在應(yīng)用時(shí)會(huì)產(chǎn)生一定的誤操作。這些問(wèn)題仍需繼續(xù)研究，才能使得基于視覺(jué)的手勢(shì)識(shí)別技術(shù)得到更成熟的應(yīng)用。

參考文獻(xiàn)

[1]吳曉陽(yáng).基于OpenCV的運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤[D].杭州：浙江大學(xué)，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(jī)的靜態(tài)手勢(shì)識(shí)別及應(yīng)用[D].青島：青島科技大學(xué)，2008.

[4]華斌，夏利娜.基于中值濾波和Hu矩向量的手語(yǔ)識(shí)別[J].計(jì)算機(jī)工程與設(shè)計(jì)，2011，32（2）： 615- 618.

[5]伏思華，張小虎.基于序列圖像的運(yùn)動(dòng)目標(biāo)實(shí)時(shí)檢測(cè)方法[J].光學(xué)術(shù)，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(shì)檢測(cè)與跟蹤[D].南寧：廣西大學(xué)，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(jué)跟蹤算法研究[D]. 南京：南京理工大學(xué)，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(yīng)用[M].北京：北京科學(xué)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(yùn)動(dòng)背景下基于粒子濾波的目標(biāo)跟蹤[J].計(jì)算機(jī)工程與應(yīng)用，2007，43（8）： 62- 64.

篇7

計(jì)算機(jī)特效與電影的結(jié)合：形式與內(nèi)容的統(tǒng)一

關(guān)于影視中形式與內(nèi)容的關(guān)系已不是一個(gè)新的話題，形式是內(nèi)容，內(nèi)容也是形式，任何元素都不能單獨(dú)完成一個(gè)作品，內(nèi)容和形式只有有機(jī)地結(jié)合在一起。影片才具有意義。同樣。從形式和內(nèi)容的關(guān)系角度來(lái)講，計(jì)算機(jī)特效是形式，也是內(nèi)容。在內(nèi)容不足以支撐起計(jì)算機(jī)特效的表現(xiàn)力時(shí)。影片會(huì)因?yàn)樾问酱笥趦?nèi)容而顯得空洞無(wú)力。如全CGI制作的《最終幻想》。畫面唯美，但故事內(nèi)容晦澀難懂，無(wú)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(guó)》，這兩部影片同屬于科幻片類型，講述的都是未來(lái)世界毀滅和拯救的故事。《駭客帝國(guó)》中解釋未來(lái)世界毀滅原因的立足點(diǎn)是計(jì)算機(jī)科技和網(wǎng)絡(luò)的過(guò)分發(fā)展給人類帶來(lái)的危機(jī)，在《駭客帝國(guó)》中敘事的形式是虛擬和現(xiàn)實(shí)的結(jié)合。計(jì)算機(jī)特效鏡頭的表達(dá)也同樣具有統(tǒng)一的主題思想。描述了關(guān)于人類本體一聯(lián)想一時(shí)空關(guān)系。具有哲學(xué)的意味，其特效形式極具暗示感，它用視覺(jué)啟發(fā)觀眾聯(lián)想，最終用視覺(jué)形式指引觀眾對(duì)影片內(nèi)容進(jìn)行思索。其內(nèi)容和形式的選擇相互支撐。因此，計(jì)算機(jī)技術(shù)在提升電影表現(xiàn)形式的同時(shí)，也給電影藝術(shù)的內(nèi)容提升提出了更高的要求，即使是表達(dá)幻想也應(yīng)來(lái)源于真實(shí)可信的現(xiàn)實(shí)生活基礎(chǔ)，而形式的設(shè)計(jì)和選擇要能切合所表達(dá)的內(nèi)容。

當(dāng)我們?cè)谟^看《泰坦尼克號(hào)》的時(shí)候，會(huì)被ROSE和JACK的愛(ài)情深深打動(dòng)，被真實(shí)的海難震驚。而不會(huì)想到這些愛(ài)情和災(zāi)難都是用計(jì)算機(jī)特效來(lái)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(nèi)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(jué)感并不僅僅是為了炫耀特效而做特效，透析電影中計(jì)算機(jī)虛擬攝像機(jī)攝影和剪輯。如MTV般風(fēng)格。運(yùn)用得行云流水、全方位、角度多變；場(chǎng)面調(diào)度，絢爛的爆炸場(chǎng)面和驚心動(dòng)魄的機(jī)器人大戰(zhàn)，真實(shí)特效場(chǎng)面和CGI的機(jī)器人域面的完美結(jié)合，讓CGI角色的動(dòng)作場(chǎng)面更炫更逼真。在視覺(jué)之外，再配上人類情感和友誼、愛(ài)情等感人要素的線索并穿插其中，讓冰冷的高科技機(jī)器人故事劇情變得生動(dòng)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(guān)系。變形金剛科技感極強(qiáng)的造型，并沒(méi)有給我們帶來(lái)距離感。仿佛它們就是我們身邊的朋友。不論是精彩寫實(shí)的金剛變形還是行云流水的虛擬攝影機(jī)運(yùn)動(dòng)，給人以輕松富有人情味的生活感，視覺(jué)設(shè)計(jì)元素是為故事和情節(jié)服務(wù)的。所以影片的最終視覺(jué)效果風(fēng)格和故事內(nèi)容建立有機(jī)聯(lián)系，達(dá)到形式節(jié)奏情感的統(tǒng)一。

計(jì)算機(jī)視覺(jué)特效鏡頭：由“寫實(shí)”到“表現(xiàn)”的變遷

在計(jì)算機(jī)特效視覺(jué)領(lǐng)域，探索CGI視覺(jué)設(shè)計(jì)的風(fēng)格，這是近些年來(lái)國(guó)際上在計(jì)算機(jī)影像技術(shù)和豈術(shù)方面的趨勢(shì)。CG的繪制技術(shù)可以分為兩類：真實(shí)感繪制和非真實(shí)感繪制。真實(shí)感繪制技術(shù)已經(jīng)有了很長(zhǎng)的歷史，而非真實(shí)感繪制技術(shù)則是國(guó)際上近幾年在計(jì)算機(jī)視覺(jué)領(lǐng)域新興的一個(gè)研究課題。非真實(shí)感繪制以真實(shí)感繪制為基礎(chǔ)，它可以使繪制的圖像具有卡通效果以及某種藝術(shù)性效果。由真實(shí)到非真實(shí)感的變遷。也是計(jì)算機(jī)視覺(jué)藝術(shù)從寫實(shí)進(jìn)化到抽象的技術(shù)性基礎(chǔ)。隨著計(jì)算機(jī)硬件和算法的不斷發(fā)展，到上世紀(jì)90年代中期，人們已能真實(shí)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(dāng)出現(xiàn)了《泰坦尼克號(hào)》、《星球大戰(zhàn)》、《駭客帝國(guó)》這樣的影片。真實(shí)感圖像與電影膠片攝制出的圖像得到了完美的結(jié)合。從這個(gè)意義上講。真實(shí)感圖像達(dá)到了它所追求的“像照片一樣真實(shí)”的效果，技術(shù)已經(jīng)不是太大的問(wèn)題。

技術(shù)的實(shí)現(xiàn)水平使得計(jì)算機(jī)影像領(lǐng)域開始對(duì)藝術(shù)風(fēng)格的全面探索。回顧這幾年在國(guó)際上獲獎(jiǎng)的優(yōu)秀CG作品，最引人注目的特征是：它們都具有強(qiáng)烈而獨(dú)特的視覺(jué)藝術(shù)風(fēng)格。從Siggraph2006的最佳動(dòng)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(guān)注的黑白動(dòng)畫“復(fù)活”，這些短片的視覺(jué)影像風(fēng)格的探索給人啟迪。獲得2006年法國(guó)國(guó)際動(dòng)畫節(jié)水晶獎(jiǎng)的“復(fù)活”，整部影片均采用黑白創(chuàng)作，渲染也是只用黑白兩個(gè)值來(lái)表現(xiàn)畫面。展現(xiàn)一種具有視覺(jué)沖擊力的版畫風(fēng)格特征。還有2007年Siggraph的最佳作品“方舟”。從角色、場(chǎng)景、道具造型到色彩都極具特色。充滿夢(mèng)境般的油畫視覺(jué)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(guò)視覺(jué)把觀眾對(duì)影片的體驗(yàn)和思考引向遙遠(yuǎn)的圣經(jīng)故事，同時(shí)又是指向未來(lái)的思索。

電影風(fēng)格化的表現(xiàn)：計(jì)算機(jī)特效的超現(xiàn)實(shí)化

從制作的角度分析，電影《斯巴達(dá)300》可以說(shuō)是一部用計(jì)算機(jī)做出來(lái)的影片。計(jì)算機(jī)特效的大量介入，給視覺(jué)特效提供了一場(chǎng)全面的風(fēng)格化探索的嘗試，影片共有1500個(gè)鏡頭。幾乎所有的鏡頭都運(yùn)用了電腦特效。影片把電影的“拍攝”和“繪畫性”醒目地結(jié)合在一起，它利用了計(jì)算機(jī)特效后期制作中層的概念。并把這種層的技術(shù)，從藝術(shù)的角度發(fā)揮到極致，使影片整體的藝術(shù)效果像一幅流動(dòng)的油畫。視覺(jué)特效的風(fēng)格應(yīng)該和影片的整體氛圍一致，特效鏡頭要為鏡頭后表達(dá)的思想服務(wù)，特效的表達(dá)要和情節(jié)、影片故事的設(shè)計(jì)整體構(gòu)架一致，只有這樣，特效和影片的內(nèi)涵才能形神兼?zhèn)洹Ｒ浴端拱瓦_(dá)300》為例，影片既保持了米勒漫畫的結(jié)構(gòu)細(xì)節(jié)、濃郁厚重的色調(diào)和繪畫藝術(shù)的眾多特點(diǎn)。又借助計(jì)算機(jī)特效創(chuàng)造出與眾不同的繪畫效果。

“超現(xiàn)實(shí)主義電影所追求的最高美學(xué)境界，就是把藝術(shù)創(chuàng)造視為一種偶然的啟示或悲劇式的預(yù)言。”在影片中，特效部分場(chǎng)景設(shè)計(jì)的造型簡(jiǎn)潔、夸張。給原本平凡的現(xiàn)實(shí)事物賦予了新的面貌。《斯巴達(dá)300》影片中所有的場(chǎng)景都在計(jì)算機(jī)特效中完成，大量的特效工作分散到全世界的十個(gè)工作室。為了保證影片的視覺(jué)藝術(shù)效果的統(tǒng)一，影片特效采用了超現(xiàn)實(shí)風(fēng)格化手法來(lái)處理場(chǎng)景設(shè)計(jì)。真實(shí)感是電影特效追求的重要原則，《斯巴達(dá)300》卻給予畫面一種變形的突破。刻意追求一種超現(xiàn)實(shí)的奇幻風(fēng)格。所有的畫面都經(jīng)過(guò)Photoshop的濾鏡處理，用一個(gè)非常細(xì)節(jié)化的處理來(lái)體現(xiàn)這一藝術(shù)化的變形，例如，影片中的斯巴達(dá)戰(zhàn)士眼睛里的光芒都經(jīng)過(guò)了繪畫式的處理，這一點(diǎn)，是視覺(jué)特效設(shè)計(jì)的創(chuàng)新，在以往的電影中未曾這樣統(tǒng)一地處理過(guò)。所以。這樣的視覺(jué)影像使觀者產(chǎn)生了一種夢(mèng)幻般的超現(xiàn)實(shí)感，正是這種風(fēng)格化的處理方式使影片整體的形式達(dá)到統(tǒng)一。

實(shí)拍鏡頭趨向素材化：電影走向“合成電影”

篇8

【關(guān)鍵詞】計(jì)算機(jī)；視覺(jué)圖像精密測(cè)量；關(guān)鍵技術(shù)

一、計(jì)算機(jī)視覺(jué)圖像測(cè)量原理

進(jìn)行測(cè)量時(shí)，主要是基于控制點(diǎn)上開展的測(cè)量，這樣可以更好的控制儀器距離。當(dāng)個(gè)得出了這個(gè)儀器之間的距離，可以更好的觀察到目標(biāo)控制點(diǎn)之間的三維運(yùn)動(dòng)情況，從而更好的確定出幾何參數(shù)。為了準(zhǔn)確的推動(dòng)目標(biāo)控制點(diǎn)，應(yīng)該基于平面特征基礎(chǔ)上做好控制工作。這樣可以更加完好的判斷出目標(biāo)坐標(biāo)，在整個(gè)計(jì)算過(guò)程中，如果計(jì)算機(jī)視覺(jué)圖像精密測(cè)量的關(guān)鍵技術(shù)得到發(fā)揮使用，可以提升工作效率。

（一）壓力應(yīng)變電阻儀

壓力應(yīng)變電阻儀這是一種傳感器，屬于傳感器一部分。在使用過(guò)程中，需要將應(yīng)力片粘貼在控制點(diǎn)上。在這之前，需要將物體進(jìn)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(shí)間，逐漸風(fēng)干之后，可以在其表面上粘貼上應(yīng)力片，可以基于導(dǎo)線進(jìn)行連接起來(lái)，這樣就會(huì)形成一個(gè)閉合電路，這個(gè)時(shí)刻可以更加方便進(jìn)行跟蹤觀察，而且不會(huì)受到外界影響。因?yàn)樘幱诜忾]環(huán)境下，因此在感應(yīng)并且進(jìn)行跟蹤觀察時(shí)，一般都會(huì)受到影響。在該電路中，這些電阻會(huì)逐漸轉(zhuǎn)化成電流，視覺(jué)圖像系統(tǒng)會(huì)收集到電流，將其表現(xiàn)在視覺(jué)圖像中，這樣就可以在儀表上顯示出來(lái)。

（二）儀器表

儀器表記錄了數(shù)據(jù)，可以在該表中查看相關(guān)的測(cè)量數(shù)據(jù)，這樣可以更好的解決原始機(jī)器沒(méi)有數(shù)據(jù)支撐問(wèn)題，而且還提升資源使用效率，降低資源消耗問(wèn)題出現(xiàn)。傳感器相對(duì)于每個(gè)動(dòng)態(tài)測(cè)量而言，數(shù)據(jù)轉(zhuǎn)化一般都是在現(xiàn)實(shí)中進(jìn)行。可以精確到相關(guān)的控制位置，這樣得出的計(jì)算結(jié)果更加準(zhǔn)確，而且也可以保障數(shù)據(jù)基于一個(gè)合理的范圍內(nèi)。進(jìn)行觀察時(shí)，如果無(wú)法觀察到控制點(diǎn)，需要進(jìn)行信號(hào)數(shù)據(jù)收集，應(yīng)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(cè)量效率，可以保障數(shù)據(jù)收集工作。

二、分析關(guān)鍵技術(shù)

（一）自動(dòng)建立備份系統(tǒng)

一般而言，該技術(shù)在使用過(guò)程中會(huì)出現(xiàn)系統(tǒng)崩潰問(wèn)題，會(huì)遇見圖像無(wú)法轉(zhuǎn)化問(wèn)題。這些情況的出現(xiàn)是因?yàn)橄到y(tǒng)在進(jìn)行數(shù)據(jù)處理時(shí)，無(wú)法重新重組數(shù)據(jù)，無(wú)法將其還原放入界面中。為了保障圖片不會(huì)丟失，需要將其轉(zhuǎn)化成數(shù)字系統(tǒng)，這樣就會(huì)出現(xiàn)丟失問(wèn)題，但是這個(gè)過(guò)程中需要對(duì)系統(tǒng)進(jìn)行數(shù)據(jù)備份。

選擇了固定的磁盤之后，將數(shù)據(jù)導(dǎo)入其中，完整的保存起來(lái)。在后期使用時(shí)，還可以更好的保障數(shù)據(jù)得以順利恢復(fù)。當(dāng)系統(tǒng)運(yùn)行出現(xiàn)問(wèn)題時(shí)，應(yīng)該盡量恢復(fù)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(zhēng)取到更好時(shí)間。在進(jìn)行信號(hào)源干擾時(shí)，需要定期對(duì)該系統(tǒng)進(jìn)行更新，保障數(shù)據(jù)基于穩(wěn)定基礎(chǔ)上運(yùn)行，當(dāng)攝像機(jī)記錄出數(shù)據(jù)節(jié)點(diǎn)時(shí)，需要將其保持在相應(yīng)技術(shù)圖紙中，當(dāng)開展測(cè)量工作時(shí)，才可以更好的保障測(cè)量準(zhǔn)確性。系統(tǒng)備份的數(shù)據(jù)，相對(duì)于原始數(shù)據(jù)而言，重復(fù)測(cè)量之后會(huì)得出數(shù)據(jù)值，系統(tǒng)會(huì)自動(dòng)對(duì)這些數(shù)據(jù)進(jìn)行對(duì)比，一旦在對(duì)比中發(fā)現(xiàn)有錯(cuò)誤出現(xiàn)，會(huì)進(jìn)行相應(yīng)的預(yù)警，這樣可以在實(shí)際工作中降低誤差問(wèn)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?yàn)槿藶閷?dǎo)致的。常常表現(xiàn)在對(duì)機(jī)器不熟悉基礎(chǔ)上，常常在操作中忽視了對(duì)圖像的視覺(jué)模擬出來(lái)。因此，在進(jìn)行網(wǎng)絡(luò)設(shè)備配置上，應(yīng)該進(jìn)行學(xué)習(xí)，將配置放置在合理使用范圍上，這樣才能保障系統(tǒng)運(yùn)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(dāng)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(duì)數(shù)據(jù)進(jìn)行標(biāo)識(shí)。一般而言，系統(tǒng)本身具備登錄服務(wù)器，還有相關(guān)的路由器等等資料解釋。記錄好這些操作之后，可以及時(shí)進(jìn)行備份。

（三）科學(xué)設(shè)置權(quán)限

眾所周知，進(jìn)行權(quán)限控制這是測(cè)量中遇見之關(guān)鍵問(wèn)題，這是一種比較安全的保護(hù)措施。是基于計(jì)算機(jī)視覺(jué)圖像精密測(cè)量的關(guān)鍵技術(shù)使用基礎(chǔ)上開展。對(duì)登錄用戶進(jìn)行一定的限制，有的用戶可以登錄進(jìn)去，而有的用戶不可以。另外，用戶對(duì)于相應(yīng)的子目錄還有分目錄，這些都需要進(jìn)行限制。一般而言，文件、打印機(jī)還有其他資源需要實(shí)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(cè)量準(zhǔn)確率。當(dāng)圖像運(yùn)行服務(wù)器出現(xiàn)停止問(wèn)題時(shí)，會(huì)做出無(wú)法應(yīng)答的操作指令，這個(gè)時(shí)刻可以關(guān)閉不適用的界面，不斷提升系統(tǒng)運(yùn)行效率。

一般每天的工作文件需要進(jìn)行實(shí)時(shí)監(jiān)控，一旦出現(xiàn)問(wèn)題可以進(jìn)行解決和處理。還有相應(yīng)的數(shù)據(jù)終端，可以選擇三維加密的方法加以應(yīng)對(duì)。當(dāng)定時(shí)了安全檢測(cè)之后，需要提升系統(tǒng)安全性。這個(gè)過(guò)程中會(huì)面對(duì)加密環(huán)節(jié)，因此會(huì)使用到加密通道。系統(tǒng)可以將數(shù)據(jù)進(jìn)行自動(dòng)保存起來(lái)，將其轉(zhuǎn)化成視圖模式，這樣可以更加方便對(duì)數(shù)據(jù)的運(yùn)行和瀏覽。而且可以最大限度的保障測(cè)量圖像數(shù)據(jù)不會(huì)丟失。另外，還可以使用保護(hù)墻進(jìn)行應(yīng)對(duì)，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(yùn)行控制，不會(huì)出現(xiàn)紊亂現(xiàn)象，這是進(jìn)一步保障圖形處理效果之有效方式。

三、結(jié)束語(yǔ)

隨著社會(huì)不斷發(fā)展，測(cè)量技術(shù)開始層出不窮，當(dāng)前很多的測(cè)量技術(shù)基于計(jì)算機(jī)技術(shù)上得到推廣使用。文章在進(jìn)行技術(shù)解析時(shí)，為了更好的研究技術(shù)提供借鑒。當(dāng)前，在進(jìn)行測(cè)量時(shí)也出現(xiàn)了一些問(wèn)題，在后期使用技術(shù)過(guò)程中，應(yīng)該避免這些問(wèn)題出現(xiàn)。計(jì)算機(jī)視覺(jué)圖像精密測(cè)量的關(guān)鍵技術(shù)引入到測(cè)量工程之后，逐漸提升工程建設(shè)水平，保障工程質(zhì)量。

參考文獻(xiàn)

[1]王楠.視覺(jué)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(xué)：美學(xué)，2013（11）.

[2]沈?qū)W勝，黃燕云.校園視覺(jué)圖像文化的規(guī)范與自由――校園視覺(jué)圖像文化的力場(chǎng)[J].湖南科技學(xué)院學(xué)報(bào)，2011（10）.

[3]段紅旭.發(fā)動(dòng)機(jī)缸體結(jié)合面孔組在線檢測(cè)視覺(jué)圖像定位方法研究[J].天津大學(xué)：儀器科學(xué)與技術(shù)，2012（4）.

篇9

論文關(guān)鍵詞：表面粗糙度，非接觸，光學(xué)測(cè)量

 

隨著科學(xué)技術(shù)的進(jìn)步和社會(huì)的發(fā)展，人們對(duì)于機(jī)械產(chǎn)品表面質(zhì)量的要求越來(lái)越高。表面粗糙度是評(píng)價(jià)工件表面質(zhì)量的一個(gè)重要指標(biāo)，國(guó)內(nèi)外很多學(xué)者在表面粗糙度檢測(cè)方面做了大量研究工作。目前測(cè)量表面粗糙度的主要方法有：接觸式測(cè)量和非接觸式測(cè)量。

1 接觸式測(cè)量

接觸式測(cè)量就是測(cè)量裝置的探測(cè)部分直接接觸被測(cè)表面，能夠直觀地反映被測(cè)表面的信息，接觸式測(cè)量方法主要是觸針?lè)ǎ摲椒ń?jīng)過(guò)幾十年的充分發(fā)展，以其穩(wěn)定、可靠的特點(diǎn)被廣泛應(yīng)用。但接觸式測(cè)量存在很大的缺陷，具體表現(xiàn)在：（1）對(duì)高精度表面及軟質(zhì)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(cè)量精度有限；（3）因觸針磨損及測(cè)量速度的限制，無(wú)法實(shí)現(xiàn)在線實(shí)時(shí)測(cè)量[1]。

2 非接觸式測(cè)量

為了克服接觸式測(cè)量方法的不足非接觸，人們對(duì)非接觸式測(cè)量方法進(jìn)行了廣泛研究。研究表明，非接觸式測(cè)量方法具有非接觸、無(wú)損傷、快速、測(cè)量精度高、易于實(shí)現(xiàn)在線測(cè)量、響應(yīng)速度快等優(yōu)點(diǎn)。目前已有的非接觸式測(cè)量方法包括各種光學(xué)測(cè)量方法、超聲法、掃描隧道顯微鏡法、基于計(jì)算機(jī)視覺(jué)技術(shù)的表面粗糙度檢測(cè)方法等。這里我們只對(duì)基于光學(xué)散射原理的測(cè)量方法、基于光學(xué)干涉原理的測(cè)量方法和基于計(jì)算機(jī)視覺(jué)技術(shù)的測(cè)量方法做簡(jiǎn)單介紹論文格式模板。

2.1基于光學(xué)散射原理的測(cè)量方法

當(dāng)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(qiáng)度分布有一定的關(guān)系。對(duì)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(qiáng)；反之，表面粗糙度數(shù)值較大的表面，散射光能較強(qiáng)，反射光能較弱。

基于光學(xué)散射原理測(cè)量表面粗糙度的研究方法和理論較多。四川聯(lián)合大學(xué)和哈爾濱理工大學(xué)相繼提出了一種稱之為散射特征值的參數(shù)，表征被測(cè)物體表面上反射光和散射光的分散度，散射特征值與被測(cè)物體表面的粗糙度有很好的對(duì)應(yīng)關(guān)系[2]。哈爾濱理工大學(xué)利用已知表面粗糙度參數(shù)值的標(biāo)準(zhǔn)樣塊測(cè)得其散射特征值，建立—關(guān)系曲線，從而實(shí)現(xiàn)利用散射特征值測(cè)量火炮內(nèi)膛表面粗糙度[3]。

基于光學(xué)散射原理的表面粗糙度檢測(cè)方法，具有結(jié)構(gòu)簡(jiǎn)單、體積小、易于集成產(chǎn)品、動(dòng)態(tài)響應(yīng)好、適于在線測(cè)量等優(yōu)點(diǎn)。該方法的缺點(diǎn)是測(cè)量精度不高，用于超光滑表面粗糙度的測(cè)量還有待進(jìn)一步改進(jìn)。

2.2基于光學(xué)干涉原理的測(cè)量方法

當(dāng)相干光照射到工件表面同一位置時(shí)，由于光波的相互位相關(guān)系，將產(chǎn)生光波干涉現(xiàn)象。一般的干涉法測(cè)量是利用被測(cè)面和標(biāo)準(zhǔn)參考面反射的光束進(jìn)行比較，對(duì)干涉條紋做適當(dāng)變換，通過(guò)測(cè)量干涉條紋的相對(duì)變形來(lái)定量檢測(cè)表面粗糙度。該方法的測(cè)量精度取決于光的波長(zhǎng)。但是由于干涉條紋的分辨率是以光波波長(zhǎng)的一半為極限的，僅從條紋的狀態(tài)無(wú)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(cè)量范圍的表面粗糙度在線檢測(cè)技術(shù)，這種干涉法測(cè)量技術(shù)還有待于進(jìn)一步發(fā)展[4]。

基于光學(xué)干涉原理，1984年美國(guó)洛克西德導(dǎo)彈公司huang采用共模抑制技術(shù)研制成功了光學(xué)外差輪廓儀，光外差干涉檢測(cè)技術(shù)是一種具有納米級(jí)測(cè)量準(zhǔn)確度的高精度光學(xué)測(cè)量方法，適用于精加工、超精加工表面的測(cè)量，而且可以進(jìn)行動(dòng)態(tài)時(shí)間的研究；華中理工大學(xué)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(guó)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(xué)輪廓儀，可用來(lái)測(cè)量干涉條紋位相[6]。

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

2.3基于計(jì)算機(jī)視覺(jué)技術(shù)的測(cè)量方法

基于計(jì)算機(jī)視覺(jué)的粗糙度測(cè)量方法是指使用攝像機(jī)抓取圖像，然后將該圖像傳送至處理單元，通過(guò)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(jì)算工件的粗糙度參數(shù)值。近年來(lái)，隨著計(jì)算機(jī)技術(shù)和工業(yè)生產(chǎn)的不斷發(fā)展，該方法受到越來(lái)越多的關(guān)注。

北京理工大學(xué)的王仲春等人采用顯微鏡對(duì)檢測(cè)表面進(jìn)行放大，并通過(guò)對(duì)CCD采集加工表面微觀圖像進(jìn)行處理實(shí)現(xiàn)了表面粗糙度的檢測(cè)[7]論文格式模板。哈爾濱理工大學(xué)吳春亞、劉獻(xiàn)禮等為解決機(jī)械加工表面粗糙度的快速、在線檢測(cè)，設(shè)計(jì)了一種表面粗糙度圖像檢測(cè)方法，建立了圖像灰度變化信息與表面粗糙度之間的關(guān)系模型[8]。英國(guó)學(xué)者Hossein Ragheb和Edwin R. Hancock通過(guò)數(shù)碼相機(jī)拍攝的表面反射圖來(lái)估計(jì)表面粗糙度參數(shù)非接觸，運(yùn)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(jì)結(jié)果[9]。澳大利亞學(xué)者Ghassan A. Al-Kindi和Bijan Shirinzadeh對(duì)基于顯微視覺(jué)的不同機(jī)械加工表面粗糙度參數(shù)獲取的可行性進(jìn)行了評(píng)估，討論了照射光源與表面輻照度模型對(duì)檢測(cè)的影響，結(jié)果顯示盡管從視覺(jué)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(jué)的方法仍是一種可靠的粗糙度參數(shù)估計(jì)方法[10-11]。

可以看出，基于計(jì)算機(jī)視覺(jué)技術(shù)的測(cè)量方法主要有統(tǒng)計(jì)分析、特征映射和神經(jīng)網(wǎng)絡(luò)等黑箱估計(jì)法。通過(guò)這些方法獲得的表面粗糙度參數(shù)的估計(jì)值受諸多因素的影響，難以給出其準(zhǔn)確的物理解釋。真正要定量地計(jì)算出粗糙度參數(shù)，需要科學(xué)的計(jì)算。

但是隨著機(jī)械加工自動(dòng)化水平的提高，基于計(jì)算機(jī)視覺(jué)技術(shù)的檢測(cè)方法處理內(nèi)容豐富、處理精度高、處理速度快、易于集成等優(yōu)點(diǎn)將受到越來(lái)越多的重視。

3 結(jié)束語(yǔ)

接觸式測(cè)量測(cè)量速度較慢，容易劃傷工件表面，并且不適用于連續(xù)生產(chǎn)材料表面的檢測(cè)。非接觸式測(cè)量具有無(wú)損傷、快速、測(cè)量精度高、易于實(shí)現(xiàn)在線測(cè)量等優(yōu)點(diǎn)，已成為表面粗糙度檢測(cè)的重點(diǎn)研究方向。非接觸測(cè)量以光學(xué)法為主，隨著計(jì)算機(jī)技術(shù)和工業(yè)生產(chǎn)的迅猛發(fā)展，基于計(jì)算機(jī)視覺(jué)技術(shù)的表面粗糙度非接觸式檢測(cè)方法受到越來(lái)越多的重視。

參考文獻(xiàn)：

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

[2]苑惠娟等．非接觸式表面粗糙度測(cè)量?jī)x[J]．哈爾濱科學(xué)技術(shù)大學(xué)學(xué)報(bào)，1995，19(6)：30-34．

[3]強(qiáng)熙富，張?jiān)仯S文海．?dāng)U展激光散射法測(cè)量粗糙度的測(cè)量范圍的研究[J]．計(jì)量學(xué)報(bào)，1990，11(2)：81-85．

[4]王文卓，李大勇，陳捷．表面粗糙度非接觸式測(cè)量技術(shù)研究概況[J]．機(jī)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(jì)量，1994，(4)：27-29．

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

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

[8]吳春亞,劉獻(xiàn)禮,王玉景等.機(jī)械加工表面粗糙度的圖像檢測(cè)方法[J]. 哈爾濱理工大學(xué)學(xué)報(bào), 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(guān)鍵詞：數(shù)據(jù)融合傳感器無(wú)損檢測(cè)精確林業(yè)應(yīng)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(shí)間和空間的觀測(cè)范圍，較強(qiáng)的數(shù)據(jù)可信度和分辨能力，已廣泛應(yīng)用于軍事、工業(yè)、農(nóng)業(yè)、航天、交通管制、機(jī)器人、海洋監(jiān)視和管理、目標(biāo)跟蹤和慣性導(dǎo)航等領(lǐng)域。筆者在分析數(shù)據(jù)融合技術(shù)概念和內(nèi)容的基礎(chǔ)上，對(duì)該技術(shù)在林業(yè)工程中的應(yīng)用及前景進(jìn)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(shù)在美國(guó)國(guó)防部資助開發(fā)的聲納信號(hào)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(shù)文獻(xiàn)中開始出現(xiàn)基于多系統(tǒng)的信息整合意義的融合技術(shù)。1984年美國(guó)國(guó)防部數(shù)據(jù)融合小組(DFS)定義數(shù)據(jù)融合為：“對(duì)多源的數(shù)據(jù)和信息進(jìn)行多方的關(guān)聯(lián)、相關(guān)和綜合處理，以更好地進(jìn)行定位與估計(jì)，并完全能對(duì)態(tài)勢(shì)及帶來(lái)的威脅進(jìn)行實(shí)時(shí)評(píng)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(gè)框架里人們闡明如何使用特定的手段和工具來(lái)整合來(lái)自不同渠道的數(shù)據(jù)，以獲得實(shí)際需要的信息”。

Wald定義的數(shù)據(jù)融合的概念原理中，強(qiáng)調(diào)以質(zhì)量作為數(shù)據(jù)融合的明確目標(biāo)，這正是很多關(guān)于數(shù)據(jù)融合的文獻(xiàn)中忽略但又是非常重要的方面。這里的“質(zhì)量”指經(jīng)過(guò)數(shù)據(jù)融合后獲得的信息對(duì)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(guān)的信息，甚至可更好地用于開發(fā)項(xiàng)目的資金、人力資源等。

1.2基本內(nèi)容

信息融合是生物系統(tǒng)所具備的一個(gè)基本功能，人類本能地將各感官獲得的信息與先驗(yàn)知識(shí)進(jìn)行綜合，對(duì)周圍環(huán)境和發(fā)生的事件做出估計(jì)和判斷。當(dāng)運(yùn)用各種現(xiàn)代信息處理方法，通過(guò)計(jì)算機(jī)實(shí)現(xiàn)這一功能時(shí)，就形成了數(shù)據(jù)融合技術(shù)。

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

(1)數(shù)據(jù)關(guān)聯(lián)。確定來(lái)自多傳感器的數(shù)據(jù)反映的是否是同源目標(biāo)。

(2)多傳感器ID/軌跡估計(jì)。假設(shè)多傳感器的報(bào)告反映的是同源目標(biāo)，對(duì)這些數(shù)據(jù)進(jìn)行綜合，改進(jìn)對(duì)該目標(biāo)的估計(jì)，或?qū)φ麄€(gè)當(dāng)前或未來(lái)情況的估計(jì)。

(3)采集管理。給定傳感器環(huán)境的一種認(rèn)識(shí)狀態(tài)，通過(guò)分配多個(gè)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(biāo)探測(cè)、數(shù)據(jù)關(guān)聯(lián)、跟蹤與識(shí)別、情況評(píng)估和預(yù)測(cè)。

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(gè)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(jìn)行關(guān)聯(lián)后，送入融合中心，完成對(duì)被測(cè)對(duì)象的綜合評(píng)價(jià)。其優(yōu)點(diǎn)是保持了盡可能多的原始信號(hào)信息，但是該種融合處理的信息量大、速度慢、實(shí)時(shí)性差，通常只用于數(shù)據(jù)之間配準(zhǔn)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(jìn)行數(shù)據(jù)關(guān)聯(lián)和歸一化等處理后，送入融合中心進(jìn)行分析與綜合，完成對(duì)被測(cè)對(duì)象的綜合評(píng)價(jià)。這種融合既保留了足夠數(shù)量的原始信息，又實(shí)現(xiàn)了一定的數(shù)據(jù)壓縮，有利于實(shí)時(shí)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(yīng)用較多的一種技術(shù)。但是該技術(shù)在復(fù)雜環(huán)境中的穩(wěn)健性和系統(tǒng)的容錯(cuò)性與可靠性有待進(jìn)一步改善。

(3)決策層融合。首先每一傳感器分別獨(dú)立地完成特征提取和決策等任務(wù)，然后進(jìn)行關(guān)聯(lián)，再送入融合中心處理。這種方法的實(shí)質(zhì)是根據(jù)一定的準(zhǔn)則和每個(gè)決策的可信度做出最優(yōu)的決策。其優(yōu)點(diǎn)是數(shù)據(jù)通訊量小、實(shí)時(shí)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(gè)或幾個(gè)傳感器失效時(shí)，系統(tǒng)仍能繼續(xù)工作，具有良好的容錯(cuò)性，系統(tǒng)可靠性高，因此是目前信息融合研究的一個(gè)熱點(diǎn)。但是這種技術(shù)也有不足，如原始信息的損失、被測(cè)對(duì)象的時(shí)變特征、先驗(yàn)知識(shí)的獲取困難，以及知識(shí)庫(kù)的巨量特性等。

1.3處理模型

美國(guó)數(shù)據(jù)融合工作小組提出的數(shù)據(jù)融合處理模型，當(dāng)時(shí)僅應(yīng)用于軍事方面，但該模型對(duì)人們理解數(shù)據(jù)融合的基本概念有重要意義。模型每個(gè)模塊的基本功能如下：

數(shù)據(jù)源。包括傳感器及其相關(guān)數(shù)據(jù)(數(shù)據(jù)庫(kù)和人的先驗(yàn)知識(shí)等)。

源數(shù)據(jù)預(yù)處理。進(jìn)行數(shù)據(jù)的預(yù)篩選和數(shù)據(jù)分配，以減輕融合中心的計(jì)算負(fù)擔(dān)，有時(shí)需要為融合中心提供最重要的數(shù)據(jù)。目標(biāo)評(píng)估。融合目標(biāo)的位置、速度、身份等參數(shù)，以達(dá)到對(duì)這些參數(shù)的精確表達(dá)。主要包括數(shù)據(jù)配準(zhǔn)、跟蹤和數(shù)據(jù)關(guān)聯(lián)、辨識(shí)。

態(tài)勢(shì)評(píng)估。根據(jù)當(dāng)前的環(huán)境推斷出檢測(cè)目標(biāo)與事件之間的關(guān)系，以判斷檢測(cè)目標(biāo)的意圖。威脅評(píng)估。結(jié)合當(dāng)前的態(tài)勢(shì)判斷對(duì)方的威脅程度和敵我雙方的攻擊能力等，這一過(guò)程應(yīng)同時(shí)考慮當(dāng)前的政治環(huán)境和對(duì)敵策略等因素，所以較為困難。

處理過(guò)程評(píng)估。監(jiān)視系統(tǒng)的性能，辨識(shí)改善性能所需的數(shù)據(jù)，進(jìn)行傳感器資源的合理配置。人機(jī)接口。提供人與計(jì)算機(jī)間的交互功能，如人工操作員的指導(dǎo)和評(píng)價(jià)、多媒體功能等。

二、多傳感器在林業(yè)中的應(yīng)用

2.1在森林防火中的應(yīng)用

在用MODIS(ModerateResolutionImagingSpectroradiometer)數(shù)據(jù)測(cè)定森林火點(diǎn)時(shí)的20、22、23波段的傳感器輻射值已達(dá)飽和狀態(tài)，用一般圖像增強(qiáng)處理方法探測(cè)燃燒區(qū)火點(diǎn)的結(jié)果不理想。余啟剛運(yùn)用數(shù)據(jù)融合技術(shù)，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(jìn)行了不同空間分辨率信息的數(shù)據(jù)融合，大大提高了對(duì)火點(diǎn)位置的判斷準(zhǔn)確度。為進(jìn)一步提高衛(wèi)星光譜圖像數(shù)據(jù)分析的準(zhǔn)確性與可靠性，利用原有森林防火用的林區(qū)紅外探測(cè)器網(wǎng)，將其與衛(wèi)星光譜圖像數(shù)據(jù)融合，可以使計(jì)算機(jī)獲得GPS接收機(jī)輸出的有關(guān)信息通過(guò)與RS實(shí)現(xiàn)高效互補(bǔ)性融合，從而彌補(bǔ)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(diǎn)信息準(zhǔn)確度和敏感性。

2.2森林蓄積特征的估計(jì)

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

KNN方法就是采用目標(biāo)樣地鄰近k個(gè)(k=10)最近樣地的加權(quán)來(lái)估計(jì)目標(biāo)樣地的森林特征。研究者應(yīng)用衛(wèi)星光譜數(shù)據(jù)、雷達(dá)數(shù)據(jù)融合技術(shù)對(duì)試驗(yàn)區(qū)的不同林分的蓄積特征進(jìn)行估計(jì)，并對(duì)三種不同的數(shù)據(jù)方法進(jìn)行誤差分析。試驗(yàn)表明，融合后的數(shù)據(jù)作出的估計(jì)比單一的衛(wèi)星數(shù)據(jù)或雷達(dá)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(diào)查數(shù)據(jù)

森林資源調(diào)查是掌握森林資源現(xiàn)狀與變化的調(diào)查方法，一般以地面調(diào)查的方法為主，我國(guó)5年復(fù)查一次。由于森林資源調(diào)查的工作量巨大，且要花費(fèi)大量的人力、物力和資金。國(guó)內(nèi)外許多學(xué)者都在探索航空、航天的遙感調(diào)查與估計(jì)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(duì)應(yīng)的GIS數(shù)據(jù)信息實(shí)現(xiàn)森林調(diào)查數(shù)據(jù)的快速更新，認(rèn)為對(duì)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(jī)側(cè)面裝上可視的數(shù)字?jǐn)z像裝置，利用GPS對(duì)測(cè)點(diǎn)進(jìn)行定位，對(duì)特殊地區(qū)的攝像進(jìn)行拍攝，同時(shí)與對(duì)應(yīng)的GIS數(shù)據(jù)進(jìn)行融合，做出資源變化的估計(jì)或影像的修正。

試驗(yàn)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(fèi)少，精度高，能充分利用影像的可視性，應(yīng)用于偏遠(yuǎn)、地形復(fù)雜、不易操作、成本高的區(qū)域，同時(shí)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(yīng)用展望

3.1在木材檢測(cè)中的應(yīng)用

3.1.1木材缺陷及其影響

木材是天然生長(zhǎng)的有機(jī)體，生長(zhǎng)過(guò)程中不可避免地有尖削度、彎曲度、節(jié)子等生長(zhǎng)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(qiáng)度、外觀質(zhì)量，并限制了其應(yīng)用領(lǐng)域。在傳統(tǒng)木制品生產(chǎn)過(guò)程中，主要依靠人的肉眼來(lái)識(shí)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(shí)別起來(lái)非常困難，勞動(dòng)強(qiáng)度大，效率低，同時(shí)由于熟練程度、標(biāo)準(zhǔn)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(shí)別嚴(yán)重影響了生產(chǎn)線的生產(chǎn)節(jié)拍。因此必須開發(fā)一種能夠?qū)Π宀碾p面缺陷進(jìn)行在線識(shí)別和自動(dòng)剔除技術(shù)，以解決集成材加工中節(jié)子人工識(shí)別誤差大、難以實(shí)現(xiàn)雙面識(shí)別、剔除機(jī)械調(diào)整時(shí)間長(zhǎng)等問(wèn)題。

3.1.2單一傳感器在木材檢測(cè)中的應(yīng)用

對(duì)木材及人造板進(jìn)行無(wú)損檢測(cè)的方法很多，如超聲波、微波、射線、機(jī)械應(yīng)力、震動(dòng)、沖擊應(yīng)力波、快速傅立葉變換分析等檢測(cè)方法。超聲技術(shù)在木材工業(yè)中的應(yīng)用研究主要集中在研究聲波與木材種類、木材結(jié)構(gòu)和性能之間的關(guān)系、木材結(jié)構(gòu)及缺陷分析、膠的固化過(guò)程分析等。

隨著計(jì)算機(jī)視覺(jué)技術(shù)的發(fā)展，人們也將視覺(jué)傳感器應(yīng)用于木材檢測(cè)中。新西蘭科學(xué)家用視頻傳感器研究和測(cè)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(shí)準(zhǔn)確地測(cè)量單個(gè)纖維和全部纖維的幾何尺寸及其變化趨勢(shì)，能夠區(qū)分不同紙漿類型，測(cè)定木材纖維材料加固結(jié)合力，并動(dòng)態(tài)地觀察木材纖維在材料中的結(jié)合機(jī)理。

新西蘭的基于視覺(jué)傳感器的板材缺陷識(shí)別的軟件已經(jīng)產(chǎn)業(yè)化，該軟件利用數(shù)碼相機(jī)或激光掃描儀采集板材的圖像，自動(dòng)識(shí)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(jìn)行原木三維模型真實(shí)再現(xiàn)的計(jì)算機(jī)視覺(jué)識(shí)別功能，利用激光掃描儀自動(dòng)采集原木的三維幾何數(shù)據(jù)。

美國(guó)林產(chǎn)品實(shí)驗(yàn)室利用計(jì)算機(jī)視覺(jué)技術(shù)對(duì)木材刨花的尺寸大小進(jìn)行分級(jí)，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(xué)基于視覺(jué)傳感器進(jìn)行了定向刨花板內(nèi)刨花定向程度的檢測(cè)，從而可以通過(guò)調(diào)整定向鋪裝設(shè)備優(yōu)化刨花的排列方向來(lái)提高定向刨花板的強(qiáng)度。

在制材加工過(guò)程中，利用計(jì)算機(jī)視覺(jué)技術(shù)在線實(shí)時(shí)檢測(cè)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(shí)可對(duì)鋸材的質(zhì)量進(jìn)行分級(jí)，實(shí)現(xiàn)木材的優(yōu)化使用；在膠合板的生產(chǎn)過(guò)程中，利用計(jì)算機(jī)視覺(jué)技術(shù)在線實(shí)時(shí)檢測(cè)單板上的各種缺陷，實(shí)現(xiàn)單板的智能和自動(dòng)剪切，并可測(cè)量在剪切過(guò)程中的單板破損率，對(duì)單板進(jìn)行分等分級(jí)，實(shí)現(xiàn)自動(dòng)化生產(chǎn)過(guò)程。Wengert等在綜合了大量的板材分類經(jīng)驗(yàn)的基礎(chǔ)上，建立了板材分級(jí)分類的計(jì)算機(jī)視覺(jué)專家系統(tǒng)。在國(guó)內(nèi)這方面的研究較少，王金滿等用計(jì)算機(jī)視覺(jué)技術(shù)對(duì)刨花板施膠效果進(jìn)行了定量分析。

X射線對(duì)木材及木質(zhì)復(fù)合材料的性能檢測(cè)已得到了廣泛的應(yīng)用，目前該技術(shù)主要應(yīng)用于對(duì)木材密度、含水率、纖維素相對(duì)結(jié)晶度和結(jié)晶區(qū)大小、纖維的化學(xué)結(jié)構(gòu)和性質(zhì)等進(jìn)行檢測(cè)，并對(duì)木材內(nèi)部的各種缺陷進(jìn)行檢測(cè)。

3.1.3數(shù)據(jù)融合在木材檢測(cè)中的應(yīng)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(yīng)用，但各種單項(xiàng)技術(shù)在應(yīng)用上存在一定的局限性。如視覺(jué)傳感器不能檢測(cè)到有些與木材具有相同顏色的節(jié)子，有時(shí)會(huì)把木板上的臟物或油脂當(dāng)成節(jié)子，造成誤判，有時(shí)也會(huì)受到木材的種類或粗糙度和濕度的影響，此外，這種技術(shù)只能檢測(cè)部分表面缺陷，而無(wú)法檢測(cè)到內(nèi)部缺陷；超聲、微波、核磁共振和X射線技術(shù)均能測(cè)量密度及內(nèi)部特征，但是它們不能測(cè)定木材的顏色和瑕疵，因?yàn)檫@些缺陷的密度往往同木板相同。因此，一個(gè)理想的檢測(cè)系統(tǒng)應(yīng)該集成各種傳感技術(shù)，才能準(zhǔn)確、可靠地檢測(cè)到木材的缺陷。

基于多傳感器(機(jī)器視覺(jué)及X射線等)數(shù)據(jù)融合技術(shù)的木材及木制品表面缺陷檢測(cè)，可以集成多個(gè)傳統(tǒng)單項(xiàng)技術(shù)，更可靠、準(zhǔn)確地實(shí)時(shí)檢測(cè)出木材表面的各種缺陷，為實(shí)現(xiàn)木材分級(jí)自動(dòng)化、智能化奠定基礎(chǔ)，同時(shí)為集裁除鋸、自動(dòng)調(diào)整、自動(dòng)裁除節(jié)子等為一身的新型視頻識(shí)別集成材雙面節(jié)子數(shù)控自動(dòng)剔除成套設(shè)備提供技術(shù)支持。

3.2在精確林業(yè)中的應(yīng)用

美國(guó)華盛頓大學(xué)研究人員開展了樹形自動(dòng)分析、林業(yè)作業(yè)規(guī)劃等研究工作；Auburn大學(xué)的生物系統(tǒng)工程系和USDA南方林業(yè)實(shí)驗(yàn)站與有關(guān)公司合作開展用GPS和其他傳感器研究林業(yè)機(jī)器系統(tǒng)的性能和生產(chǎn)效率。

目前單項(xiàng)的GPS、RS、GIS正從“自動(dòng)化孤島”形式應(yīng)用于林業(yè)生產(chǎn)向集成技術(shù)轉(zhuǎn)變。林業(yè)生產(chǎn)系統(tǒng)作為一個(gè)多組分的復(fù)雜系統(tǒng)，是由能量流動(dòng)、物質(zhì)循環(huán)、信息流動(dòng)所推動(dòng)的具有一定的結(jié)構(gòu)和功能的復(fù)合體，各組分間的關(guān)系和結(jié)合方式影響系統(tǒng)整體的結(jié)構(gòu)和功能。因此應(yīng)該在計(jì)算機(jī)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(shí)間上的質(zhì)的差異及空間數(shù)據(jù)類型的多樣性，如地理統(tǒng)計(jì)數(shù)據(jù)、柵格數(shù)據(jù)、點(diǎn)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(shù))等，使林業(yè)生產(chǎn)成為一個(gè)高效、柔性和開放的體系，從而實(shí)現(xiàn)林業(yè)生產(chǎn)的標(biāo)準(zhǔn)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(xué)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(lǐng)域體系結(jié)構(gòu)、隨時(shí)空變化的數(shù)據(jù)采集處理與融合技術(shù)、精確控制林業(yè)生產(chǎn)的智能決策支持系統(tǒng)、可變量控制技術(shù)等，實(shí)現(xiàn)基于自然界生物及其所賴以生存的環(huán)境資源的時(shí)空變異性的客觀現(xiàn)實(shí)，以最小資源投入、最小環(huán)境危害和最大產(chǎn)出效益為目標(biāo)，建立關(guān)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(xiàn)]