導(dǎo)語：如何才能寫好一篇計(jì)算機(jī)視覺理論，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：計(jì)算機(jī)視覺分析；微小尺寸；精密校正；閾值；圖像分割

中圖分類號：TP274.4

計(jì)算機(jī)視覺分析理論是基于精密模式識別和人工智能程序化校驗(yàn)技能進(jìn)行綜合整編的方法，利用光學(xué)信息對真實(shí)物理結(jié)構(gòu)的實(shí)時反映，配合人機(jī)協(xié)調(diào)手段進(jìn)行二維圖像的呈現(xiàn)。在工件表面進(jìn)行質(zhì)量檢測和圖片制備要素分析的系統(tǒng)環(huán)節(jié)中，闡述物體在空間環(huán)境之間的關(guān)系樣式，爭取三維場景的科學(xué)搭建。集合要素內(nèi)容包括邊緣、線條和曲面的配備，建立以工業(yè)部件為中心的坐標(biāo)體系，并適當(dāng)運(yùn)用不同符號表現(xiàn)模式實(shí)現(xiàn)必要三維結(jié)構(gòu)和空間關(guān)系的調(diào)整，促進(jìn)精密儀器細(xì)節(jié)檢驗(yàn)工作質(zhì)量的不斷提高。

1 計(jì)算機(jī)視覺檢測技術(shù)的相關(guān)理論研究

1.1 技術(shù)原理分析

滲透性計(jì)算機(jī)輔助支持結(jié)構(gòu)的視覺鑒定技術(shù)在被測實(shí)體中的圖像顯示支持功能基礎(chǔ)形勢上進(jìn)行質(zhì)量狀況的把控，這其實(shí)就是根據(jù)既定的偏差標(biāo)準(zhǔn)實(shí)現(xiàn)規(guī)模物件的逐個排查。細(xì)致的檢測工作在深度零件的誘導(dǎo)性特征和完整性配件的支持下，對整體完好效果的幾何制備模型進(jìn)行測量[1]。近階段的視覺規(guī)范系統(tǒng)利用電耦合器件和攝像機(jī)進(jìn)行主題元素的捕捉，并利用計(jì)算機(jī)內(nèi)部程序的數(shù)字信號轉(zhuǎn)化工具實(shí)現(xiàn)圖像的并行處理。采用目標(biāo)圖像的特殊坐標(biāo)記錄，利用灰度分布圖內(nèi)的多種綜合功能處理系統(tǒng)改善的要務(wù)。常規(guī)視覺下的檢測過程相對比較繁瑣，主要是將被檢測物體放置于照明效果相對均勻的可控制背景環(huán)境中，聯(lián)結(jié)CCD技術(shù)和圖像卡實(shí)現(xiàn)被測部件和數(shù)字圖像的共性要素融合，保證計(jì)算機(jī)自動化處理程序的錄入。當(dāng)然，這類研究系統(tǒng)是需要利用相關(guān)軟體進(jìn)行放大的，其主要必備功能就是進(jìn)行圖像的預(yù)處理、識別和有效分析，將整個過程內(nèi)部的實(shí)際結(jié)果數(shù)值，包括被測部件的自身缺陷、尺寸等進(jìn)行整理。

1.2 計(jì)算機(jī)視覺微小尺寸精密檢測工業(yè)應(yīng)用技術(shù)的現(xiàn)狀

在科學(xué)設(shè)計(jì)信息內(nèi)容和工業(yè)加工制備要領(lǐng)集成化對待的環(huán)節(jié)中，通常不會直接進(jìn)行部件表面的接觸，一般運(yùn)用計(jì)算機(jī)程序下的掃描認(rèn)知和圖像即時呈現(xiàn)功能進(jìn)行快速的比對檢測，整體信號抗干擾能力較強(qiáng)，因此在現(xiàn)代工業(yè)生產(chǎn)技術(shù)領(lǐng)域內(nèi)部廣受好評。電子工業(yè)是在建立計(jì)算機(jī)視覺分析工藝之后表現(xiàn)最為活躍的行業(yè)類型，在此基礎(chǔ)上衍生的印刷電板路和集成電路芯片就是利用標(biāo)準(zhǔn)模型的整改，實(shí)現(xiàn)規(guī)模工序的緊密排列。目前，時下流行的汽車生產(chǎn)、紡織、商品包裝等也逐漸向這類手段靠攏，全面改善了現(xiàn)代化工業(yè)制備的應(yīng)用效果。

2 應(yīng)用視覺微小尺寸分析技術(shù)內(nèi)部拓展機(jī)能的補(bǔ)充

灰度圖像的主要分割方法包括灰度閾值校正、邊緣檢測制備等手段。

2.1 灰度閾值校正

這是區(qū)域分割方法中一種常見的手段，主要配合多個或單個閾值將圖像自身的灰度級別劃分為幾個項(xiàng)目組，對相同像素的單位數(shù)據(jù)進(jìn)行整編。根據(jù)實(shí)效范圍進(jìn)行分類，包括局部和全局閾值探究兩種手段，全局規(guī)模下的閾值分析方法就是利用整幅圖的灰度直方分布圖進(jìn)行內(nèi)部最優(yōu)閾值分割，包括單閾值和多閾值兩種形式；同時還可以將初始分析的圖像進(jìn)行子元素的拆解，之后利用單個子圖像的既定閾值范圍進(jìn)行最優(yōu)化分割[2]。分割的基本原理公式為：

其中，合理閾值的選取是非常重要的，目前閾值確定的手段主要包括直方圖雙峰對照法和最大類間方差累積法等。這種利用灰度閾值實(shí)現(xiàn)精準(zhǔn)質(zhì)量的劃分手段，計(jì)算執(zhí)行工作相對比較簡單，并且實(shí)際工作效率水平較高，即便是實(shí)際需要分割的物體與圖像背景對比深度較強(qiáng)也可以收放自如，但唯一的缺點(diǎn)就是缺少對空間信息的掌控，涉及亮度不足的圖像問題，這種閾值分割技術(shù)的施工質(zhì)量往往不會太高。

2.2 邊緣檢測制備工序

圖像內(nèi)部元素的分割其實(shí)就是進(jìn)行部件邊界效益的提取，而邊緣檢測制備工序則是利用像元及鄰域的整體狀態(tài)進(jìn)行物體邊界相關(guān)結(jié)構(gòu)的搭建。邊緣檢測分割制備技術(shù)具體包括并行和串行兩種模式，并行手法是運(yùn)用梯度信息的提取實(shí)現(xiàn)不同類別算子的整理；串行邊界分割原理則是根據(jù)適當(dāng)強(qiáng)度標(biāo)準(zhǔn)和相似走向的兩個邊緣端點(diǎn)位置實(shí)現(xiàn)連接，主要代表算法包括啟發(fā)式智能搜索手段等。這種串行算法較并行邊界積累統(tǒng)計(jì)原則來說具有更強(qiáng)的抗干擾能力，但實(shí)際的邊緣檢測同樣不能完好地維持連續(xù)效果，需要利用其余技術(shù)內(nèi)容進(jìn)行邊緣制備技巧的修復(fù)。

（1）原始圖像 （2）Robert算子邊緣檢測 （3）Sobel算子邊緣檢測

（4）Prewitt算子邊緣檢測 （5）Kirsch算子邊緣檢測 （6）Gauss-Laplace算子檢測

圖1 微小雙聯(lián)齒輪邊緣檢測

3 視覺檢測系統(tǒng)的創(chuàng)新性改進(jìn)

根據(jù)以上現(xiàn)狀問題，創(chuàng)新式視覺整改校驗(yàn)系統(tǒng)利用照明光源、攝像機(jī)和圖像采集卡等結(jié)構(gòu)實(shí)現(xiàn)計(jì)算機(jī)輸出結(jié)果質(zhì)量的補(bǔ)充。其主要運(yùn)行過程如下：利用被測部件在均勻照明背景的全面優(yōu)化控制基礎(chǔ)，實(shí)現(xiàn)物體結(jié)構(gòu)的全面清晰呈現(xiàn)，使用攝像機(jī)對相關(guān)圖像信號進(jìn)行梳理并轉(zhuǎn)化為電荷信號，配合相關(guān)的圖像資源采集卡進(jìn)行部件數(shù)字化圖像的格式轉(zhuǎn)化；計(jì)算機(jī)內(nèi)部軟體操作程序?qū)⒌玫降臄?shù)字圖像進(jìn)行處理和識別，并將最終結(jié)果數(shù)據(jù)輸出，實(shí)現(xiàn)現(xiàn)代工業(yè)技術(shù)整體質(zhì)量規(guī)模控制的既定要求。

系統(tǒng)硬件在實(shí)現(xiàn)部件轉(zhuǎn)化圖像信息的環(huán)節(jié)中，連接檢測機(jī)理下的連續(xù)軟件規(guī)劃和照明光源等相關(guān)設(shè)備進(jìn)行圖像適當(dāng)分辨率的調(diào)整，維持圖像較為清晰的對比效果。全面控制獲取數(shù)字圖像的時間，抵抗不良因素的干擾影響，維持內(nèi)部成本經(jīng)濟(jì)規(guī)模的合理控制，促進(jìn)科技應(yīng)用和可持續(xù)發(fā)展經(jīng)濟(jì)戰(zhàn)略雙重價值標(biāo)準(zhǔn)的同步進(jìn)展。其中，光源設(shè)備的選擇必須落實(shí)到部件既定的幾何形狀條件下，利用相關(guān)性能參數(shù)進(jìn)行實(shí)際工作要求的提供，包括光源位置、亮度、壽命特性等因素的堆積，常用的可見光源包括水銀燈、熒光燈等，但這類光源使用壽命有限，因此現(xiàn)下多配用LED光源進(jìn)行快捷反應(yīng)、小功耗標(biāo)準(zhǔn)的補(bǔ)充，并且長期使用后的照明效果比較穩(wěn)定[3]。而攝像機(jī)等結(jié)構(gòu)主要還是校正參數(shù)的表達(dá)方式，進(jìn)行圖像合理分辨率的整改，促進(jìn)圖像采集數(shù)字化協(xié)調(diào)功能的發(fā)展，提高系統(tǒng)工作速度等。

4 結(jié)束語

計(jì)算機(jī)視覺檢測系統(tǒng)在進(jìn)行一定部件性能評比的活動中有著很高的貢獻(xiàn)，不僅配合硬件的照明、參數(shù)制備要領(lǐng)制備功能，同時促進(jìn)數(shù)字化圖像對比的速度，使得工業(yè)生產(chǎn)環(huán)節(jié)中的部件檢查工序得到大范圍整改，滿足可持續(xù)發(fā)展戰(zhàn)略規(guī)模的視覺意義，促進(jìn)現(xiàn)代智能化分析處理技術(shù)的全面覆蓋。

參考文獻(xiàn)：

[1]陸春梅.基于數(shù)字圖像處理技術(shù)的接桿激光環(huán)焊焊縫視覺檢測系統(tǒng)研究[D].上海交通大學(xué)，2008.

[2]羅敏.基于機(jī)器視覺的黑片缺陷檢測圖像邊緣提取算法研究[D].沈陽理工大學(xué)，2010.

篇2

關(guān)鍵詞：雙目視覺；匹配算法；計(jì)算機(jī)視覺；立體匹配；相位一致性

1.計(jì)算機(jī)視覺系統(tǒng)分析研究

1.1計(jì)算機(jī)視覺技術(shù)及雙目立體視覺

計(jì)算機(jī)視覺是通過計(jì)算機(jī)技術(shù)實(shí)現(xiàn)對視覺信息處理的整個過程，是一門新的學(xué)科。視覺是人們認(rèn)知事物的重要途徑，視覺是人們對視覺信息獲取、處理和存儲的過程。隨著計(jì)算機(jī)技術(shù)的發(fā)展，信號處理技術(shù)的應(yīng)用，人們通過照相機(jī)來把實(shí)際的事物拍攝下來轉(zhuǎn)變?yōu)閿?shù)字信息，并通過計(jì)算機(jī)信號處理技術(shù)隊(duì)獲取的視覺信號進(jìn)行處理。計(jì)算機(jī)視覺技術(shù)對圖像的處理分為獲取圖像、特征抽象選取、事物識別及分類和對三維信息的理解。獲取圖像主要是通過攝像機(jī)和紅外線等技術(shù)對周圍視覺事物進(jìn)行獲取，并通過計(jì)算得到和真實(shí)事物相應(yīng)的二維圖像，二維圖像主要是數(shù)字圖像。計(jì)算機(jī)視覺系統(tǒng)的最基本的功能是數(shù)字圖像的獲取。可以看出計(jì)算機(jī)視覺研究最基本內(nèi)容是三維場景距離信息的獲取。在計(jì)算機(jī)被動測量距離方法中，有一種重要的距離感知技術(shù)叫作雙目立體視覺。雙目立體視覺技術(shù)是其他計(jì)算機(jī)視覺技術(shù)無法取代的一種技術(shù)，對雙目立體視覺技術(shù)的研究在計(jì)算機(jī)視覺技術(shù)和工程應(yīng)用方面都是非常重要的。

1.2計(jì)算機(jī)視覺理論框架

第一個視覺系統(tǒng)理論框架的提出是以信息處理為基礎(chǔ)，綜合了圖像處理和神經(jīng)生理學(xué)等研究內(nèi)容而建立的。這個視覺系統(tǒng)理論框架是計(jì)算機(jī)視覺系統(tǒng)的基本框架，與計(jì)算機(jī)視覺技術(shù)有著密切的關(guān)系。視覺系統(tǒng)的研究是以信息處理為基礎(chǔ)的，從理論層次、算法層次和硬件層次3個層次進(jìn)行研究。計(jì)算機(jī)理論層次主要是表達(dá)系統(tǒng)各個部分計(jì)算的目的和方法，對視覺系統(tǒng)的輸入和輸出進(jìn)行規(guī)定，輸入作為二維圖像，輸出是以二維圖像為基礎(chǔ)建立起來的三維物體，視覺系統(tǒng)的目的就是對三維物體進(jìn)行分析和識別，通過計(jì)算對二維物置和形狀進(jìn)行重新建立。算法層次對計(jì)算機(jī)規(guī)定的目標(biāo)進(jìn)行計(jì)算，算法和計(jì)算機(jī)表達(dá)有關(guān)，不同的表達(dá)可以通過不同的算法進(jìn)行實(shí)現(xiàn)，在計(jì)算機(jī)理論的層次上，算法和表達(dá)比計(jì)算機(jī)理論的層次要低。硬件層次是通過硬件來實(shí)現(xiàn)算法的一種表達(dá)方法。計(jì)算機(jī)理論層次在計(jì)算機(jī)信息處理中時最高的層次，取決于計(jì)算機(jī)的本質(zhì)是解決計(jì)算機(jī)的自身問題，不是取決于計(jì)算問題的計(jì)算機(jī)硬件。要更好地對計(jì)算機(jī)系統(tǒng)和框架進(jìn)行理解最好的方法就是要區(qū)分3個不同的層次，計(jì)算機(jī)理論的含義和主要解決的問題是計(jì)算機(jī)的目的，表達(dá)算法含義和主要解決的問題是實(shí)現(xiàn)計(jì)算理論的方法和輸入輸出的表達(dá)，硬件的實(shí)現(xiàn)的含義和主要解決的問題是如何在物理上對表達(dá)和算法進(jìn)行實(shí)現(xiàn)。計(jì)算機(jī)視覺處理的可以分為3個階段，對視覺信息的處理過程從最初的二維圖像的原始數(shù)據(jù)，到三維環(huán)境的表達(dá)。第一階段基元圖的構(gòu)成，基元圖是用來表示二維圖像中的重要信息，主要是圖像中亮度變化位置及其幾何分布和組織結(jié)構(gòu)，圖像中每點(diǎn)的亮度值包括零交叉、斑點(diǎn)、端點(diǎn)和不連續(xù)點(diǎn)、邊緣等。第二階段2.5維圖描述，在以觀測者為中心的坐標(biāo)中，表示可見表面的方向、深度值和不連續(xù)的輪廓，基元是局部表面朝向離觀測者的距離深度上的不連續(xù)點(diǎn)表面朝向的不連續(xù)點(diǎn)。第三階段三維模型表示，在以物體為中心的坐標(biāo)系中，有由體積單元和面積單元構(gòu)成的模塊化多層次表示，描述形狀及其空間組織形式，分層次組成若干三維模型，每個三維模型都是在幾個軸線空間的基礎(chǔ)上構(gòu)成的，所有體積單元或面積形狀基元都附著在軸線上。視覺理論框架圖如圖1所示。

2.基于計(jì)算機(jī)的視覺立體匹配算法研究

視覺立體匹配算法是基于人類視覺系統(tǒng)的一種計(jì)算機(jī)算法。立體匹配算法作為計(jì)算機(jī)立體視覺問題研究的重點(diǎn)，快速地實(shí)現(xiàn)圖像對應(yīng)點(diǎn)的匹配來獲得視差圖是當(dāng)今研究的熱點(diǎn)問題。立體視覺匹配算法根據(jù)基元匹配的不同可以分為相位匹配、區(qū)域匹配和特征匹配3種，其中區(qū)域匹配算法可以減少計(jì)算負(fù)擔(dān)，區(qū)域匹配算法實(shí)時性高，應(yīng)用前景廣闊。計(jì)算機(jī)立體視覺通過對人的雙眼進(jìn)行模仿，在雙眼的立體感知中獲得信息，從攝像機(jī)拍攝的圖像中獲取物體的三維深度信息，這就是深度圖的獲取，把深度圖經(jīng)過處理得到三維空間信息數(shù)據(jù)，二維圖像到三維空間實(shí)現(xiàn)轉(zhuǎn)換。深度的獲取在雙目立體成像視覺系統(tǒng)中分為兩步，首先在雙目立體圖像與圖像之間建立點(diǎn)對點(diǎn)的對象關(guān)系，雙目立體視覺算法研究的重點(diǎn)問題是解決對應(yīng)點(diǎn)之間的匹配問題。其次以對應(yīng)點(diǎn)之間的視差為依據(jù)對深度值進(jìn)行計(jì)算。雙目成像是獲取同一場景中兩幅不同的圖像，兩個單目成像模型構(gòu)成一個雙目成像模型。雙目成像示意圖如圖2所示。系統(tǒng)的基線B是兩個鏡頭中心的連接線，空間點(diǎn)w（z，y，z）作為世界坐標(biāo)的值由（x1，y1）與（x2，y2）進(jìn)行確定，如果攝像機(jī)的坐標(biāo)位置和空間點(diǎn)w世界坐標(biāo)的位置重合，圖像平面和世界坐標(biāo)軸xY的平面就是平行的。如果兩個攝像機(jī)在坐標(biāo)系統(tǒng)中的原點(diǎn)不同但是它們的光軸平行，那么雙目成像計(jì)算人們可以看圖3所示，圖3表示的是兩個攝像頭連線在平臺xY的示意。

立體視覺的成像過程是成像的逆過程，具有一定的不確定性。大量的數(shù)據(jù)信息在從三維影像向二維圖像進(jìn)行投影的過程會出現(xiàn)丟失的現(xiàn)象，所以視覺系統(tǒng)要通過自然的約束條件才能保證獲取正確的解。這些約束條件在減少匹配的計(jì)算量方面可以提供有利的幫助。針對基于區(qū)域匹配快速算法，還可以應(yīng)用基于視差梯度的匹配算法，這種匹配算法應(yīng)用較大的搜索范圍在邊緣的特征點(diǎn)上進(jìn)行搜索，采用視差梯度在非邊緣區(qū)減少搜索范圍。應(yīng)用計(jì)算機(jī)視覺立體匹配算法可以減少成像匹配時間，大大提高了工作效率。計(jì)算機(jī)立體匹配算法征點(diǎn)的提取是算法的關(guān)鍵問題，今后的研究方向重點(diǎn)是對有效特征點(diǎn)提取方法的研究。

篇3

關(guān)鍵詞:計(jì)算機(jī)視覺;教學(xué)應(yīng)用;教學(xué)改革

計(jì)算機(jī)視覺是人工智能學(xué)科中的一門重要課程。隨著相關(guān)應(yīng)用在多個領(lǐng)域中的出現(xiàn),越來越多的學(xué)生開始對這門課產(chǎn)生了濃厚的興趣。如何讓學(xué)生能夠在整個課程中保持盎然的興趣,并為有志于深入研究計(jì)算機(jī)視覺的學(xué)生指明方向,成為我們教師首先應(yīng)注重的問題。

在實(shí)際的教學(xué)工作中,通過不斷摸索總結(jié),我們認(rèn)為,以實(shí)際應(yīng)用引導(dǎo)學(xué)生的學(xué)習(xí)興趣,既滿足了學(xué)生想了解計(jì)算機(jī)視覺實(shí)際應(yīng)用的需求,又加深了學(xué)生對于算法的理解,把算法放在一個實(shí)際應(yīng)用中,學(xué)生可以理解怎么用,為什么這么用。在這樣的目標(biāo)導(dǎo)引下,我們從選擇教材開始,準(zhǔn)備教學(xué)內(nèi)容(包括合理的應(yīng)用實(shí)例的選擇)、制作PPT、探索教學(xué)方法,形成了目前以實(shí)際應(yīng)用為主導(dǎo)的創(chuàng)新教學(xué)體系,非常受學(xué)生歡迎。在此,我們對這期間遇到的問題,解決方法、心得體會做一個總結(jié)和思考,希望能對同行有些許參考作用。

1選擇教材

在我們這個專業(yè),每年的上研率基本都保持在50%左右。在本專業(yè)的研究生階段,也開設(shè)了雙語教學(xué)的計(jì)算機(jī)視覺課程。另外,畢業(yè)后選擇參加工作的同學(xué)也基本都進(jìn)入和本專業(yè)非常相關(guān)的一些單位,所從事的工作,都是和在學(xué)校學(xué)習(xí)的知識密切相關(guān)。

因此,如何讓這門課程的教學(xué)既兼顧本科畢業(yè)就參加工作的那部分同學(xué),又兼顧繼續(xù)深造的學(xué)生的需求,也是在這門課程講授的過程中,需要特別注意的一個問題。對于本科畢業(yè)就要參加工作的同學(xué)而言,需要“廣度”,需要了解計(jì)算機(jī)視覺這門課在各個領(lǐng)域中的應(yīng)用,在實(shí)際中接觸到相關(guān)的項(xiàng)目或工作時,能夠知道去哪里可以找到自己需要的參考資料;而對于要進(jìn)一步深造的同學(xué)而言,則需要一定的“深度”,為研究生階段的研究打下基礎(chǔ)。

全盤考慮到這些學(xué)生畢業(yè)之后的去向,我們選擇了兩本教材。一本是賈云得教授編著,科學(xué)出版社于 2000年出版的《機(jī)器學(xué)習(xí)》[2],這是一部順應(yīng)了時代與教學(xué)發(fā)展要求的教材,對計(jì)算機(jī)視覺中的基本概念、基本算法、基本算法的應(yīng)用、經(jīng)典應(yīng)用進(jìn)行了由淺入深的介紹。內(nèi)容涵蓋了所有經(jīng)典的數(shù)字圖像處理與機(jī)器視覺方法,也對一些已經(jīng)得到非常好實(shí)際應(yīng)用的方法,如光流法等作了簡要介紹。另外還選擇了一本英文原版的計(jì)算機(jī)視覺的經(jīng)典著作,Ramesh Jain 教授等所著的《Machine Vision》[3],機(jī)械工業(yè)出版社于2003年出版。這是國內(nèi)外非常推崇的一本計(jì)算機(jī)視覺著作,該教材條理清晰,深入淺出,對計(jì)算機(jī)視覺的基本原理、算法、應(yīng)用的介紹非常詳盡。

在教學(xué)中,我們采用了英文的PPT,但主要用的教材是賈云得教授的《機(jī)器視覺》,這樣中英文對照講解,一方面加深學(xué)生對教學(xué)內(nèi)容的理解,另一方面也為學(xué)生今后閱讀專業(yè)的英文論了相應(yīng)準(zhǔn)備。

2教學(xué)內(nèi)容和工程實(shí)例的選取

2.1選取教學(xué)內(nèi)容

本課程之前,大學(xué)二年級的本科生已開設(shè)數(shù)字圖像處理課程,但所講的基本原理和算法都非常淺顯,所以在教學(xué)內(nèi)容的安排上,分為兩大部分:數(shù)字圖像處理部分和視覺部分。數(shù)字信號處理部分主要講解在視覺部分會用到的一些基本算法,為后面進(jìn)入計(jì)算機(jī)視覺部分打基礎(chǔ)。這部分約占總課時的1/3。視覺部分的課時也分為兩部分:算法講解與實(shí)例講解。在算法講解部分,對計(jì)算機(jī)視覺的基本算法、經(jīng)典算法都做了深入淺出的講解。實(shí)例部分則選擇了經(jīng)典的工業(yè)應(yīng)用,讓學(xué)生能夠?qū)λ鶎W(xué)算法進(jìn)一步加以理解。

2.2選取適當(dāng)?shù)墓こ虒?shí)例

就計(jì)算機(jī)視覺的教學(xué)內(nèi)容而言,各個孤立的算法和方法對本科生來講,有些抽象不好理解。如果在教學(xué)上僅僅通過老師在課堂上的講解,很難讓學(xué)生深入地理解相關(guān)的教學(xué)內(nèi)容,而選擇一個觸手可及且簡單好理解的工程實(shí)例往往就會達(dá)到意想不到的教學(xué)結(jié)果,學(xué)生可以把課堂上所學(xué)的枯燥理論與現(xiàn)實(shí)中活生生的事物聯(lián)系起來,從而加深對教學(xué)內(nèi)容的理解。

通過反復(fù)比對、反復(fù)論證,我們選擇了在講解基本原理和算法之后,在課程結(jié)束前,專門留出課時講解手機(jī)制造這個例子。手機(jī)現(xiàn)在是人手一部,是這些年青學(xué)子再熟悉不過的事物了,通過對手機(jī)主板、手機(jī)鍵盤的制造過程的講解,把所學(xué)的算法都融合進(jìn)來,學(xué)生在覺得有趣的同時,不知不覺就加深了對所學(xué)算法的理解。

另外,在教學(xué)的過程中,我們還不斷穿插其他學(xué)生耳熟能詳?shù)膶?shí)例,如數(shù)碼相機(jī)原理中的一些算法的講解,我們和學(xué)生一起探討應(yīng)該怎么選擇數(shù)碼相機(jī)。再有,濾波器算法、在課堂上對Photoshop功能的演示,與所學(xué)算法關(guān)聯(lián)起來,學(xué)生都很容易理解接受。

3教學(xué)點(diǎn)滴

3.1點(diǎn)睛之筆

在第一節(jié)課的講述中,我們的重點(diǎn)不在于Marr理論,而是告訴學(xué)生:

人工智能就是要讓計(jì)算機(jī)像人一樣,能夠會聽、會看……

我們這門課程就是要讓計(jì)算機(jī)“會看”,要像人一樣會看。進(jìn)而展示給學(xué)生一些我們精心挑選的圖片,讓學(xué)生自己判斷,是不是自己的眼睛“騙了”自己,人眼和計(jì)算機(jī)看到的到底有什么不一樣。

每次講到這里,學(xué)生都會進(jìn)行熱烈的討論,每個人都有不同的看法,每個人都有自己的堅(jiān)持,不知不覺中,對這門課就產(chǎn)生了濃厚的興趣,有了繼續(xù)深入學(xué)習(xí)下去的愿望。在課堂討論的最后,比較人眼對圖片的判斷以及計(jì)算機(jī)的判斷后,讓學(xué)生自己總結(jié)歸納,我們這門課到底要研究些什么,都有可能應(yīng)用在哪些方面,然后對爭議比較大的提議一一探討。每到這個時候,大家的積極性就都被激發(fā)出來,在不斷的爭論與思想碰撞中找出正確的結(jié)論。

3.2拿身邊的事物說“事”

計(jì)算機(jī)視覺課程的前半部分,多涉及到圖像處理的一些常見算法。在講授各種各樣的濾波器和算子時,并沒有針對各個濾波器和算子擺出一堆示例圖片,讓學(xué)生比較濾波前后的差異,從而很生硬地理解濾波器與算子的功能。取而代之的,我們首先以現(xiàn)在人手一臺的數(shù)碼相機(jī)為例提出問題,你為什么要選擇你手里的這臺數(shù)碼相機(jī)?當(dāng)初選這個品牌和型號時,你的考慮是什么?歷年學(xué)生的回答幾乎都是看網(wǎng)上測評,或者在網(wǎng)上看別人怎么說。這時列出我們收集到的各個品牌相機(jī)的測評報(bào)告,列出它們的優(yōu)缺點(diǎn),然后引導(dǎo)學(xué)生去思考,例如這個品牌的相機(jī)的缺點(diǎn)是照片發(fā)灰,不是很鮮亮,而另一個品牌的相機(jī)則綠的特別綠,紅的特別紅,為什么?那么有可能是哪部分的算法不夠完善,為什么?

通過如此簡單的對比,學(xué)生的積極性被完全激發(fā)。原來,數(shù)碼相機(jī)這個幾乎人人都有,大家都熟悉的“玩具”竟然和自己在課堂上學(xué)到的知識這么密切相關(guān)。

再有,就是利用學(xué)生們都熟悉的PS(Photoshop),演示現(xiàn)在所謂的“完美證件照”是怎么來的。為什么可以把疙疙瘩瘩的臉部皮膚變得光滑?在PS中,你就是點(diǎn)了一下鼠標(biāo),其實(shí)在后臺,是加入了一個濾波器進(jìn)行了濾波。各種這樣的演示,學(xué)生都非常喜聞樂見。因?yàn)樗麄兺蝗话l(fā)現(xiàn),原來那些事物,和我自己接觸到這些看似枯燥的理論之間,還有這么深刻的聯(lián)系。

還有一個很受學(xué)生歡迎的例子就是對于“鼓形失真”的講解。我們的老師每次講到這里,都不會簡單告訴學(xué)生“鼓形失真”發(fā)生的原因是什么,應(yīng)該怎么解決?老師都會問學(xué)生,明星為什么都一窩蜂去減肥?現(xiàn)在的女明星為什么都要去弄個“錐子臉”?課堂上就會出現(xiàn)一個小,男同學(xué)和女同學(xué)的看法各異,彼此之間開始爭論不休。此時再趁熱打鐵地問學(xué)生,如果拿著相機(jī),離自己的鼻子一公分,會拍出什么樣的效果?有學(xué)生開始拿出手機(jī)對著自己和別人開拍,有的學(xué)生開始頭頭是道地分析。每到這種學(xué)生都開始熱烈討論的時候,就可以適時引導(dǎo)學(xué)生往正確的方向去,讓他們自己找到正確的分析解決方法,往往這個時候,學(xué)生都會頗有成就感,對于問題的理解也會特別的深刻。

3.3選擇合適的實(shí)際應(yīng)用

在所有理論講解結(jié)束后,我們會留出2～4次課講述計(jì)算機(jī)視覺在工業(yè)上的應(yīng)用。這些年來,對于手機(jī)制造這樣一個工業(yè)應(yīng)用,非常受學(xué)生歡迎。正如“數(shù)碼相機(jī)”這個例子一樣,現(xiàn)在學(xué)生都是人手一部手機(jī),是大家再熟悉不過的東西。這個例子涉及到了在前面理論講述中的大部分算法,如二值圖像的處理、模板匹配、高斯濾波器等。學(xué)生通過對這個工業(yè)應(yīng)用的理解,更進(jìn)一步加深了對算法的理解。

以講解手機(jī)鍵盤的制造過程為例,向?qū)W生提出和前面所講內(nèi)容相關(guān)的問題,引導(dǎo)學(xué)生自發(fā)思考,如為什么選擇模板匹配法,而不是采用其他更復(fù)雜更精確的方法等等。每到這個時候,課堂氣氛總是分外熱烈,學(xué)生各抒己見,在不斷爭論中,更進(jìn)一步加深對課本上枯燥理論的認(rèn)識。

在這里需要注意的問題是一定要一步一步提出問題,循循善誘,引導(dǎo)學(xué)生一層一層地深入思考。如果問題的答案過于“深藏不露”,則有可能觸發(fā)學(xué)生的抵觸情緒,無法繼續(xù)深入地思考。

4結(jié)語

通過多年的教學(xué)摸索,我們認(rèn)為,在計(jì)算機(jī)視覺課程的講述中,以實(shí)際應(yīng)用引導(dǎo)學(xué)生這樣的教學(xué)方法非?？扇?而且也收到了很好的效果。另外,除了制定好的教學(xué)大綱,并選擇合適的教材外,根據(jù)學(xué)?，F(xiàn)在的時間情況,我們選擇了多媒體手段輔助教學(xué),充分利用Matlab和大屏幕投影等方方面面的優(yōu)勢,結(jié)合多種方法進(jìn)行教學(xué),對講好計(jì)算機(jī)視覺這門課,非常有益。

參考文獻(xiàn):

[1] 林堯瑞,馬少萍. 人工智能導(dǎo)論[M]. 北京:清華大學(xué)出版社,1989.

[2] 賈云得. 機(jī)器視覺[M]. 北京:科學(xué)出版社,2000.

[3] Ramesh Jain. Machine Vision[M]. 北京:機(jī)械工業(yè)出版社,2003.

[4] 蔡自興. 智能控制原理與應(yīng)用[M]. 北京:清華大學(xué)出版社,2007.

Innovation in the Course of Computer Vision

HAN Hong, JIAO Li-cheng

(School of Electronic Engineering, Xidian University, Xi’an 710071, China)

篇4

關(guān)鍵詞：計(jì)算機(jī)；視覺技術(shù)；交通工程

中圖分類號：TP391 文獻(xiàn)標(biāo)識碼：A 文章編號：1674-7712 （2014） 04-0000-01

一、引言

隨著科技的發(fā)展，計(jì)算機(jī)替代人的視覺與思維已經(jīng)成為現(xiàn)實(shí)，這也是計(jì)算機(jī)視覺的突出顯現(xiàn)。那么在物體圖像中識別物體并作進(jìn)一步處理，是客觀世界的主觀反應(yīng)。在數(shù)字化圖像中，我們可以探尋出較為固定的數(shù)字聯(lián)系，在物體特征搜集并處理時做到二次實(shí)現(xiàn)。這既是對物體特征的外在顯現(xiàn)與描繪，更是對其定量信息的標(biāo)定。從交通工程領(lǐng)域的角度來看，該種技術(shù)一般應(yīng)用在交管及安全方面。監(jiān)控交通流、識別車況及高速收費(fèi)都是屬于交通管理的范疇；而對交通重大事件的勘察及甄別則是交通安全所屬。在這個基礎(chǔ)上，筆者對計(jì)算機(jī)視覺系統(tǒng)的組成及原理進(jìn)行了分析，并形成視覺處理相關(guān)技術(shù)研究。

二、設(shè)計(jì)計(jì)算機(jī)視覺系統(tǒng)構(gòu)成

計(jì)算機(jī)視覺處理技術(shù)的應(yīng)用是建立在視覺系統(tǒng)的建立基礎(chǔ)上的。其內(nèi)部主要的構(gòu)成是計(jì)算機(jī)光源、光電轉(zhuǎn)換相關(guān)器件及圖像采集卡等元件。

（一）照明條件的設(shè)計(jì)。在測量物體的表征時，環(huán)境的創(chuàng)設(shè)是圖像分析處理的前提，其主要通過光線反射將影像投射到光電傳感器上。故而要想獲得清晰圖像離不開照明條件的選擇。在設(shè)計(jì)照明條件時，我們通常會視具體而不同處理，不過總的目標(biāo)是一定的，那就是要利于處理圖像及對其進(jìn)行提取分析。在照明條件的設(shè)定中，主動視覺系統(tǒng)結(jié)構(gòu)光是較為典型的范例。

（二）數(shù)據(jù)采集的處理。如今電耦合器件（CCD）中，攝像機(jī)及光電傳感器較為常見。它們輸出形成的影像均為模擬化的電子信號。在此基礎(chǔ)上，A模式與D模式的相互對接更能夠讓信號進(jìn)入計(jì)算機(jī)并達(dá)到數(shù)字處理標(biāo)準(zhǔn)，最后再量化入計(jì)算機(jī)系統(tǒng)處理范圍?？陀^物體色彩的不同，也就造就了色彩帶給人信息的差異。一般地黑白圖像是單色攝像機(jī)輸入的結(jié)果；彩色圖像則需要彩色相機(jī)來實(shí)現(xiàn)。其過程為：彩色模擬信號解碼為RGB單獨(dú)信號，并單獨(dú)A/D轉(zhuǎn)換，輸出后借助色彩查找表來顯示相應(yīng)色彩。每幅圖像一旦經(jīng)過數(shù)字處理就會形成點(diǎn)陣，并將n個信息濃縮于每點(diǎn)中。彩色獲得的圖像在16比特，而黑白所獲黑白灰圖像則僅有8比特。故而從信息采集量上來看，彩色的圖像采集分析更為繁復(fù)些。不過黑白跟灰度圖像也基本適應(yīng)于基礎(chǔ)信息的特征分析。相機(jī)數(shù)量及研究技法的角度，則有三個分類：“單目視覺”、“雙目”及“三目”立體視覺。

三、研究與應(yīng)用計(jì)算機(jī)視覺處理技術(shù)

從對圖像進(jìn)行編輯的過程可以看出，計(jì)算機(jī)視覺處理技術(shù)在物體成像及計(jì)算后會在灰度陣列中參雜無效信息群，使得信息存在遺失風(fēng)險(xiǎn)。成像的噪聲在一定程度上也對獲取有效信息造成了干擾。故而，處理圖像必須要有前提地預(yù)設(shè)分析，還原圖像本相，從而消去噪音。邊緣增強(qiáng)在特定的圖像變化程度中，其起到的是對特征方法的削減?；诙祷?，分割圖像才能夠進(jìn)一步開展。對于物體的檢測多借助某個范圍來達(dá)到目的。識別和測算物體一般總是靠對特征的甄別來完成的。

四、分析處理三維物體技術(shù)

物體外輪擴(kuò)線及表面對應(yīng)位置的限定下，物體性質(zhì)的外在表現(xiàn)則是其形狀。三維物體從內(nèi)含性質(zhì)上來看也有體現(xiàn)，如通過其內(nèi)含性質(zhì)所變現(xiàn)出來的表層構(gòu)造及邊界劃定等等。故而在確定圖像特征方面，物體的三維形態(tài)是最常用的處理技術(shù)。檢測三維物體形狀及分析距離從計(jì)算機(jī)視覺技術(shù)角度來看，渠道很多，其原理主要是借助光源特性在圖像輸入時的顯現(xiàn)來實(shí)現(xiàn)的。其類別有主動與被動兩類。借助自然光照來對圖像獲取并挖掘深入信息的技術(shù)叫做被動測距；主動測距的光源條件則是利用人為設(shè)置的，其信息也是圖像在經(jīng)過測算分析時得到的。被動測距的主要用途體現(xiàn)在軍工業(yè)保密及限制環(huán)境中，而普通建筑行業(yè)則主要利用主動測距。特別是較小尺寸物體的測算，以及擁有抗干擾及其他非接觸測距環(huán)境。

（一）主動測距技術(shù)。主動測距，主要是指光源條件是在人為創(chuàng)設(shè)環(huán)境中滿足的，且從景物外像得到相關(guān)點(diǎn)化信息，可以適當(dāng)顯示圖像大概并進(jìn)行初步分析處理，以對計(jì)算適應(yīng)功率及信息測算程度形成水平提高。從技術(shù)種類上說，主動測距技術(shù)可分為雷達(dá)取像、幾何光學(xué)聚焦、圖像干擾及衍射等。除了結(jié)構(gòu)光法外的測量方法均為基于物理成像，并搜集所成圖像，并得到特殊物理特征圖像。從不同的研究環(huán)境到條件所涉，以結(jié)構(gòu)光法測量作為主要技術(shù)的工程需求較為普遍，其原理為：首先在光源的設(shè)計(jì)上由人為來進(jìn)行環(huán)境考慮測算，再從其中獲取較為全面的離散點(diǎn)化信息。在離散處理后，此類圖像已經(jīng)形成了較多的物體真是特征表象。在此基礎(chǔ)上，信息需要不斷簡化與甄別、壓縮。如果分析整個物體特征信息鏈，則后期主要體現(xiàn)在對于數(shù)據(jù)的簡化分析。如今人們已經(jīng)把研究的目光轉(zhuǎn)向了結(jié)構(gòu)光測量方法的應(yīng)用，體現(xiàn)在物體形狀檢測等方面。

（二）被動測距技術(shù)。被動測距，對光照條件的選擇具有局限性，其主要通過對于自然光的覆蓋得以實(shí)現(xiàn)。它在圖像原始信息處理及分析匹配方面技術(shù)指向較為突出。也通過此三維物體之形狀及周圍環(huán)境深度均被顯露。在圖像原始信息基礎(chǔ)上的應(yīng)用計(jì)算，其與結(jié)構(gòu)光等相比繁雜程度較高。分析物體三維特性，著重從立體視覺內(nèi)涵入手，適應(yīng)物體自身特點(diǎn)而存在。不過相對來說獲得圖像特征才是其適應(yīng)匹配的條件保障。點(diǎn)、線、區(qū)域及結(jié)構(gòu)紋理等是物象特征的主體形式。其中物特較為基礎(chǔ)與原始的特征是前兩個特征，同時它們也是其他相關(guān)表征的前提。計(jì)算機(jī)系統(tǒng)技術(shù)測量基本原理為對攝像機(jī)進(jìn)行構(gòu)建分析，并對其圖像表征進(jìn)行特征匹配，以得到圖像不同區(qū)間的視覺差異。

五、結(jié)束語

通過對計(jì)算機(jī)視覺技術(shù)的研究，悉知其主要的應(yīng)用領(lǐng)域及技術(shù)組成。在系統(tǒng)使用的基礎(chǔ)上深入設(shè)計(jì)，對系統(tǒng)主要構(gòu)成環(huán)節(jié)進(jìn)行分析。從而將三維復(fù)雜形態(tài)原理、算法及測量理論上升到實(shí)際應(yīng)用。隨著社會對于計(jì)算機(jī)的倚賴程度增加，相信該技術(shù)在建筑或者其他領(lǐng)域會有更加深入的研究及應(yīng)用。

參考文獻(xiàn)：

[1]段里仁.智能交通系境在我國道路空通管理中的應(yīng)用[J].北方工業(yè)時報(bào)，2012（06）.

[2]王豐元.計(jì)算機(jī)視覺在建筑區(qū)間的應(yīng)用實(shí)例分析[J].河北電力學(xué)報(bào)，2011（04）.

篇5

關(guān)鍵詞OpenCV；科學(xué)教育；推廣價值

1、OpenCV庫簡介

OpenCV是由Intel微處理器研究實(shí)驗(yàn)室的視覺交互組開發(fā)的一個跨平臺計(jì)算機(jī)視覺庫，它的代碼都是開源的而且都經(jīng)過非常好的優(yōu)化，并且具有很好的移植性，可以根據(jù)需求導(dǎo)入到合適的環(huán)境中使用。它可以實(shí)現(xiàn)有關(guān)圖像識別與處理和計(jì)算機(jī)視覺技術(shù)方面的很多通用算法。它的優(yōu)勢是可以運(yùn)行在當(dāng)代社會使用熱門的各大操作系統(tǒng)上，適用性強(qiáng)，還可以脫離外部庫而獨(dú)立運(yùn)行。OpenCV的C和C++都是經(jīng)過優(yōu)化的開源代碼，采用靈活的接口，提升計(jì)算機(jī)的運(yùn)行速度。其中包含的函數(shù)就有500多個，包括的種類有C和C++等。OpenCV因?yàn)槊赓M(fèi)面向市場，已經(jīng)被社會各界廣泛使用?，F(xiàn)已應(yīng)用于人機(jī)互動、圖像識別、圖像分割、目標(biāo)追蹤、3D重建、機(jī)器視覺、結(jié)構(gòu)分析等數(shù)個領(lǐng)域。OpenCV主要包括以下幾個部分：①cxcore:核心功能模塊，包含一些基本函數(shù)，運(yùn)用于各種數(shù)據(jù)類型的計(jì)算。②cv:圖像處理和計(jì)算機(jī)視覺功能。③ml:機(jī)器學(xué)習(xí)模塊，主要內(nèi)容是分類器。④cvaux:包括大部分實(shí)驗(yàn)性的函數(shù)，例如ViewMorph-ing、三維跟蹤、PCA、HMM等。⑤Highgui:圖像界面接口，支持?jǐn)z像頭的讀取和轉(zhuǎn)換。

2、OpenCV處理圖像的功能

OpenCV中有很多的函數(shù)，可以實(shí)現(xiàn)很多不同的功能，其中最具有學(xué)習(xí)價值的部分就是圖像處理。處理圖像主要分為三部分：加載圖像，顯示圖像，處理圖像。

2.1加載圖像

不同類型的圖像有著不同的內(nèi)部結(jié)構(gòu)。我們需要根據(jù)圖像的結(jié)構(gòu)采用合適的方法將圖像文件中的數(shù)據(jù)讀入內(nèi)存。OpenCV中的cvLoadImage()函數(shù)，可以加載圖像數(shù)據(jù)。而且圖像的格式不影響加載的效果，加載后它以一個指向IplImage結(jié)構(gòu)體的指針形式返回，大大方便了后續(xù)處理的過程。2.2顯示圖像加載圖像后需要通過函數(shù)使其顯示。cvNamedWindow()函數(shù)由HighGUI庫提供，它可以在屏幕上創(chuàng)建一個窗口，將圖像顯示出來。cvShowImage()函數(shù)的作用是在這個創(chuàng)建的窗口中顯示出加載過后的圖像。觀察圖像時經(jīng)常用到的重要函數(shù)還有可以使程序暫停的函數(shù)cvWaitKey()，以及用于釋放內(nèi)存的函數(shù)cvReleaseImage()和cvDestoryWindow()，掌握并運(yùn)用這些函數(shù)，就可以輕松的實(shí)現(xiàn)觀察圖像的功能。

2.3處理圖像

OpenCV中包含的多種函數(shù)，可以達(dá)到圖像處理技術(shù)方面的很多效果，包括圖像灰度化函數(shù)cvtColor（），邊緣檢測函數(shù)Sobel（）、Laplacian（）、Canny（），其中Canny算子只能處理8位灰度圖，其余兩種8位32位都可以，合并梯度函數(shù)addWeighted（），放大縮小函數(shù)resize（），閾值化操作函數(shù)imshow（）等等。適當(dāng)選用合適的函數(shù)并加以運(yùn)用即可達(dá)到目標(biāo)所需。

3、OpenCV的推廣價值體現(xiàn)

OpenCV可以應(yīng)用在社會的各個領(lǐng)域，價值就體現(xiàn)在每個科學(xué)的產(chǎn)物當(dāng)中。舉個近在身邊的例子，隨著社會的發(fā)展，生活質(zhì)量的提高，人們的居住環(huán)境也在逐漸改善，樓層越蓋越高，無數(shù)摩天大樓，商業(yè)大廈群起而立，電梯已經(jīng)成為了我們?nèi)粘Ｉ钪斜夭豢缮俚墓ぞ摺１M管現(xiàn)在電梯的功能、質(zhì)量不斷地提升，但是仍然存在些許不足，當(dāng)我們在學(xué)校的教學(xué)樓內(nèi)等電梯時發(fā)現(xiàn)了一個問題，那就是在電梯使用的高峰期時，比如在上下課時段，有很多人都在同一樓層等電梯。但是此時只有一臺離該樓層最近的電梯會過來，而其余的電梯都會自動向其它叫梯樓層運(yùn)行或是閑置。可是此時這一臺電梯只能容納有限數(shù)量的人，時常不能使所有人坐上電梯，這樣就無法滿足全部人的需求，由此就導(dǎo)致了有部分人無法及時地坐上電梯，需要繼續(xù)等候，而閑置的電梯又不能及時地被利用。這樣不僅不能合理地利用資源，反而浪費(fèi)了許多不必要的時間。因此，我們想到可以通過利用圖像識別與處理的方法來彌補(bǔ)這個不足，首先通過硬件設(shè)備連接拍照捕獲候梯人像，后臺運(yùn)行判斷出候梯人數(shù)，然后運(yùn)用語言編程來確定調(diào)動電梯的個數(shù)，從而來達(dá)到實(shí)現(xiàn)自動控制每個電梯的運(yùn)行的目的，使所有人都能在第一時間乘坐電梯。而上文中提到的OpenCV就可以完成這項(xiàng)艱巨的任務(wù)。我們將OpenCV導(dǎo)入編程環(huán)境，其次修改電梯工作系統(tǒng)的運(yùn)行程序，將軟件與硬件設(shè)備相連通，這樣通過調(diào)度程序，就可以輕松高效地解決這個問題。使用這種方法，不僅可以節(jié)約人們的候梯時間，方便學(xué)生、老師上課，而且可以合理有效地調(diào)度電梯，使電梯的價值得到最大化。見微知著，OpenCV可以應(yīng)用在每個領(lǐng)域，對各界的發(fā)展起到推動作用，造福社會的科技發(fā)展，方便人們的生活。

4、科學(xué)教育存在的問題

在歷年的教學(xué)模式中，老師們往往會強(qiáng)調(diào)理論知識的重要性，但卻忽略了對學(xué)生使用動手能力的培養(yǎng)，學(xué)生不能獨(dú)立完成實(shí)踐性的技術(shù)操作，也就是說教學(xué)模式缺乏實(shí)踐性。只有將理論與實(shí)踐相結(jié)合，才能實(shí)現(xiàn)知識價值的最大化，因此，應(yīng)當(dāng)在教學(xué)中配合著實(shí)踐課程，舉一反三，讓學(xué)生們更加深刻地學(xué)習(xí)和了解所學(xué)到的知識。而如今雖然一部分學(xué)校也開設(shè)了實(shí)踐課程，但也只是淺嘗輒止，并沒有過多地講授計(jì)算機(jī)技術(shù)實(shí)踐方面的知識，學(xué)生們也沒有真正擁有動手實(shí)踐能力，這使學(xué)生們的技術(shù)知識十分受限。雖然現(xiàn)在多數(shù)學(xué)生對計(jì)算機(jī)略懂一二，但是實(shí)際上僅僅會使用類似Word等簡單的軟件，而技術(shù)要求較高的一些軟件及工具卻全然不知，甚至對自己所學(xué)過的課程軟件的使用也是馬馬虎虎，這對于未來工作所需的能力來講，實(shí)在是九牛一毛。目前中學(xué)生使用電腦的重心更多放在了社交軟件和游戲上，很少有人利用計(jì)算機(jī)學(xué)習(xí)更多的技能，這對青少年的發(fā)展實(shí)在是利大于弊的，而且這樣也失去了計(jì)算機(jī)的正向價值。因此，我們應(yīng)該改變現(xiàn)有的教學(xué)模式，一邊教授理論知識，一邊配合指導(dǎo)學(xué)生動手操作，將理論與實(shí)踐相結(jié)合，也能讓學(xué)生更好地消化和吸收所學(xué)到的知識，并且引導(dǎo)學(xué)生正確使用計(jì)算機(jī)，發(fā)揮計(jì)算機(jī)的價值，讓學(xué)生們都能夠在計(jì)算機(jī)中獲得更多的知識。

5OpenCV開源算法庫在各個領(lǐng)域的實(shí)例化體現(xiàn)

OpenCV在醫(yī)學(xué)領(lǐng)域、軍事領(lǐng)域、安全防護(hù)領(lǐng)域等都有很大的重要意義。在醫(yī)學(xué)領(lǐng)域中，由于有了這個開源算法庫，我們可以盡可能地調(diào)用它，從而來進(jìn)行圖像處理、對象檢測，讓醫(yī)生更好更快速觀測人體結(jié)構(gòu)，及時發(fā)現(xiàn)病癥。在軍事領(lǐng)域中，大多數(shù)無人操作的機(jī)器運(yùn)作，比如無人機(jī)飛行、水下無人駕駛儀、無人駕駛汽車等等，都需要用到OpenCV來對圖像進(jìn)行處理，并進(jìn)行分析，并且可以檢測出人眼看不到的事物，這是OpenCV能夠帶來人類的巨大的進(jìn)步。在安全防護(hù)領(lǐng)域中，我們現(xiàn)實(shí)生活中常見的汽車的安全駕駛，房屋入侵的檢測、自動監(jiān)視報(bào)警系統(tǒng)等等,正是由于這些技術(shù)，讓我們的環(huán)境更加安全，這都是我們生活中息息相關(guān)不可缺少的。現(xiàn)如今，國家的科學(xué)技術(shù)飛速發(fā)展，日益強(qiáng)盛，OpenCV的成績有目共睹，未來的發(fā)展需要科學(xué)技術(shù)的不斷推進(jìn)，才能為祖國未來的其他事業(yè)提供強(qiáng)有力的后盾。

6OpenCV在科學(xué)教育中的作用

在文化改革的大背景下，文盲的概念早已從沒有文化轉(zhuǎn)變成了不會使用計(jì)算機(jī)。因?yàn)殡S著科技的進(jìn)步，計(jì)算機(jī)的使用已經(jīng)越來越廣泛，計(jì)算機(jī)已經(jīng)逐步取代了以往人工可以完成的許多工作，比如在超市生成的結(jié)賬單、用計(jì)算機(jī)控制動力系統(tǒng)的運(yùn)行、人造衛(wèi)星軌跡的計(jì)算等等，這些都依賴于計(jì)算機(jī)強(qiáng)大的功能。計(jì)算機(jī)的推廣證明著我國科技的發(fā)展和人類文明的進(jìn)步，由此可見，計(jì)算機(jī)技術(shù)知識的掌握對現(xiàn)代人來說是十分重要的。如果想要成為一個真正有技術(shù)、有能力的人才，就務(wù)必要熟練掌握計(jì)算機(jī)技術(shù)的使用。但是目前當(dāng)代社會的教育在計(jì)算機(jī)技術(shù)方面的內(nèi)容還不夠豐富。減壓政策開放以來，教育課時被壓縮，技術(shù)知識的傳輸也相應(yīng)減少，學(xué)生們的能力也因此日益下降。而科學(xué)教育，顧名思義，是使科學(xué)技術(shù)在教育過程中得以傳承。想要科學(xué)地教育學(xué)生，就必須要多多講授科學(xué)技術(shù)方面有關(guān)的知識。說到科學(xué)技術(shù)，它的重點(diǎn)自然是計(jì)算機(jī)技術(shù)，而OpenCV作為計(jì)算機(jī)視覺技術(shù)的核心，可以說也是計(jì)算機(jī)技術(shù)甚至科學(xué)教育中的一個重要部分。在教育中普及并傳承這個技術(shù)無疑可以提高學(xué)生們的技術(shù)水平。但是，相信有大多數(shù)的人在此之前從未聽說過計(jì)算機(jī)視覺技術(shù)，也并不了解OpenCV庫，更加不會學(xué)習(xí)到與之有關(guān)的技術(shù)知識。在這樣嚴(yán)峻的形勢下，我們更應(yīng)該將類似OpenCV方面技術(shù)有關(guān)的知識通過教育傳遞下去。各大高校應(yīng)積極開展有關(guān)計(jì)算機(jī)的活動，開設(shè)與計(jì)算機(jī)技術(shù)有關(guān)的課程。這樣才能根據(jù)社會的需求來培養(yǎng)更多的綜合性人才。如果可以將其投入到現(xiàn)代教育當(dāng)中，定會使現(xiàn)在的教育事業(yè)更加輝煌，也能使祖國的未來更加璀璨。

參考文獻(xiàn)

[1]于仕琪,劉瑞禎.學(xué)習(xí)OpenCV(中文版)[M].北京:清華大學(xué)出版社,2009.

[2]陰法名.基于OpenCV圖像處理[J].科技信息,2009(32):220.

[3]賈小軍,喻擎蒼.基于開源計(jì)算機(jī)視覺庫OpenCV的圖像處理[J].計(jì)算機(jī)應(yīng)用與軟件,2008,25(4):276-278.

[4]陳勝勇.基于OpenCV的計(jì)算機(jī)視覺技術(shù)實(shí)現(xiàn)[M].北京:科學(xué)出版社,2008.

[5]劉潔,馮貴玉,張汗靈.一種圖像處理和計(jì)算機(jī)視覺的開發(fā)工具[J].計(jì)算機(jī)仿真,2006(11).

篇6

關(guān)鍵詞 計(jì)算機(jī)視覺；立體匹配；研究情況

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

隨著科學(xué)技術(shù)的快速發(fā)展，計(jì)算機(jī)技術(shù)也得到了飛速的發(fā)展。將計(jì)算機(jī)技術(shù)應(yīng)用于人類的視覺系統(tǒng)，并輔助人們觀察到一些眼睛難以看到的東西，已經(jīng)逐漸成為一門大家所熱捧和追逐的技術(shù)。隨著人們對視覺傳感器技術(shù)越來越多的探索，人們也逐漸實(shí)現(xiàn)了古代時想擁有千里眼的夢想。目前，人們已經(jīng)把視覺傳感器技術(shù)和計(jì)算機(jī)技術(shù)良好的結(jié)合在一起，并把這些技術(shù)應(yīng)用到食品、建筑、醫(yī)藥、電子、航天航空等眾多領(lǐng)域當(dāng)中。而該項(xiàng)技術(shù)的快速發(fā)展，也幫助人們解決了一些日常工作當(dāng)中人類視覺存在盲區(qū)的問題，保證了人們工作過程的安全。視覺技術(shù)與IT技術(shù)的完美結(jié)合使得人們的生活變得更加便利，讓人們親身體會到了IT技術(shù)給人們生活帶來的便捷。

1 雙目立體視覺概述

雙目立體視覺又稱雙目視覺技術(shù)，是目前計(jì)算機(jī)視覺應(yīng)用領(lǐng)域的重要研究內(nèi)容。雙目立體視覺控制系統(tǒng)的組成因其采用的原理和應(yīng)用功能的不同，組成也都各不相同。

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

視差測距技術(shù)告訴我們，要清楚的觀察到一個物體的全貌，需要兩個觀察物從不同的方向，或者固定一個觀察物，移動另外一個觀察物的方式，以達(dá)到拍攝同一個物體的目的。根據(jù)同一個物體在兩個觀察物當(dāng)中的位置偏差，從而確定該物體的三維信息。一般來說，雙目立體視覺的組成包括：圖像獲取設(shè)備、圖像預(yù)處理設(shè)備、攝像機(jī)標(biāo)定設(shè)備、立體匹配設(shè)備、根據(jù)二維信息實(shí)現(xiàn)三維重構(gòu)設(shè)備等五個重要設(shè)備。

2 雙目立體視覺技術(shù)的原理

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

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

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

雙目立體視覺在計(jì)算機(jī)技術(shù)中實(shí)現(xiàn)三維重建的大致流程

如下。

1）攝像機(jī)定位，并通過單片機(jī)計(jì)算得到要獲取圖像信息需要的外部的參數(shù)的大概值，并根據(jù)這些參數(shù)值設(shè)定攝像機(jī)。

2）用設(shè)定參數(shù)的攝像機(jī)拍攝目標(biāo)場景的畫面，并采集這些畫面的二維圖的信息。

3）通過計(jì)算機(jī)技術(shù)實(shí)現(xiàn)雙目匹配，并判定采集畫面中的二維圖像中的不同點(diǎn)之間的對應(yīng)關(guān)系。

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

5）根據(jù)得到的視差圖最終實(shí)現(xiàn)場景的三維圖形的重建。

3 雙目立體匹配技術(shù)的研究難點(diǎn)和未來的發(fā)展方向

盡管目前有很多學(xué)者都投身到雙目立體匹配技術(shù)的研究和開發(fā)當(dāng)中，直至目前為止也解決了很多關(guān)于視覺理論當(dāng)中存在的很多缺陷問題。但是視覺問題是一個復(fù)雜且難以解決的問題，特別是在雙目立體匹配問題方面更是困難重重。立體匹配技術(shù)的難點(diǎn)已經(jīng)成為限制將雙目技術(shù)應(yīng)用到計(jì)算機(jī)技術(shù)當(dāng)中的重要瓶頸。

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

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

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

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

從以上的分析，我們可以看出立體匹配技術(shù)存在很多技術(shù)上的難點(diǎn)，這些都在很大程度上限制雙目立體匹配技術(shù)在計(jì)算機(jī)當(dāng)中的應(yīng)用發(fā)展。如何才能設(shè)計(jì)出有效、準(zhǔn)確、快速、通用性強(qiáng)的立體匹配算法將會是以后雙目立體匹配計(jì)算發(fā)展的重要方向。也只有通過設(shè)計(jì)出一套行之有效的立體匹配算法才能使得雙目立體匹配技術(shù)在計(jì)算機(jī)視覺當(dāng)中得到廣泛的應(yīng)用。

4 結(jié)束語

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

參考文獻(xiàn)

[1]高文，陳熙霖.計(jì)算機(jī)視覺算法與系統(tǒng)原理[M].北京：清華大學(xué)出版社，2002.

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

[3]劉昌，郭立，李敬文，劉俊，楊福榮，羅鋒.一種優(yōu)于SAD的匹配準(zhǔn)則及其快速算法[J].電路與系統(tǒng)學(xué)報(bào)，2007，12（4）：137-14.

[4]陳蛟.雙目立體匹配的算法研究及其多核并行化[M].南京：南京郵電大學(xué)，2012.

篇7

本書的第一、二、三版分別于1993、1999和2005年出版。書中全面提供了過去20年中在模式識別與計(jì)算機(jī)視覺領(lǐng)域中的進(jìn)展和成就，作者都是這個領(lǐng)域的第一流專家，其中的兩位Thomas Huang和Jake Aggarwal是權(quán)威的K．S．Fu獎金獲得者，該項(xiàng)獎金是由國際模式識別協(xié)會(IAPR)授予。

全書共有五個部分。第一部分模式識別的基本方法(有5章)：第1章統(tǒng)計(jì)模式識別；第2章時空模式的隱藏馬爾可夫模型；第3章最小誤差模式識別的一個新的基于內(nèi)核的系統(tǒng)闡述；第4章并行上下文數(shù)組文法與軌跡；第5章模式識別與局部不變特性。第二部分計(jì)算機(jī)視覺的基本方法(有6章)：第1章圖像分析與圖像判讀的基于實(shí)例的推理；第2章多圖像幾何――投影的觀點(diǎn)；第3章3維離散二值圖像中的骨架化；第4章2維、3維及4維數(shù)字距離變換；第5章計(jì)算整體形狀測度；第6章利用局部二進(jìn)制模式的紋理分析。第三部分識別的應(yīng)用(共9章)：第1章文檔的分析與理解；第2章中文字符識別；第3章從銀行支票上手寫的合理錢數(shù)中析取數(shù)字；第4章用于提高人類視覺的印刷體OCR評估；第5章使用圖模型的萬維網(wǎng)文檔的群集與分類；第6章X線照片中腫塊的自動檢測；第7章比例空間中用于圖像匯合的基于小波的卡爾曼濾波；第8章多傳感器匯合與超頻譜圖像數(shù)據(jù)；第9章功能磁共振圖像數(shù)據(jù)的獨(dú)立組成部分分析。第四部分人體識別(有6章)：第l章多狀態(tài)情緒識別；第2章單眼視頻序列的基于花紋循環(huán)的人體識別；第3章掌紋認(rèn)證系統(tǒng)；第4章用于可視監(jiān)視的高分辨率面部圖像的重現(xiàn)；第5章利用可變形特性圖的物體識別：臉、手及分組景物；第6章用于快速面部檢測的分層分類與特性簡化。第五部分系統(tǒng)與技術(shù)(有7章)：第1章利用單個或多個照相機(jī)跟蹤及分類移動物體；第2章圖像分割算法的特性評估；第3章用于知識發(fā)現(xiàn)的基于內(nèi)容的視頻分析；第4章對象處理方法學(xué)及其對圖像處理和模式識別的應(yīng)用；第5章音樂風(fēng)格識別――量化方法；第6章自動檢測器：可移動自動化數(shù)字平板的識別；第7章全向視覺。

本書介紹了模式識別與計(jì)算機(jī)視覺理論及應(yīng)用的深入研究，以及人體識別方面的最新進(jìn)展，可供計(jì)算機(jī)科學(xué)相關(guān)專業(yè)的研究人員及研究生閱讀參考。

胡光華，高級軟件工程師

(原中國科學(xué)院物理學(xué)研究所)

篇8

Abstract: Surface roughness is key indexes to evaluate surface quality. Surface quality has influence on service life and usability. Two basic measuring methods are introduced: contact measuring and non-contact measuring. Non-contact measuring method based on the computer vision technology is discussed in detail.

關(guān)鍵詞： 表面粗糙度；非接觸；光學(xué)測量

Key words: surface roughness；non-contact；optics measurement

中圖分類號：TH6文獻(xiàn)標(biāo)識碼：A文章編號：1006-4311（2011）08-0050-02

0引言

隨著科學(xué)技術(shù)的進(jìn)步和社會的發(fā)展，人們對于機(jī)械產(chǎn)品表面質(zhì)量的要求越來越高。表面粗糙度是評價工件表面質(zhì)量的一個重要指標(biāo)，國內(nèi)外很多學(xué)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(jīng)過幾十年的充分發(fā)展，以其穩(wěn)定、可靠的特點(diǎn)被廣泛應(yīng)用。但接觸式測量存在很大的缺陷，具體表現(xiàn)在：①對高精度表面及軟質(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，其測量精度有限；③因觸針磨損及測量速度的限制，無法實(shí)現(xiàn)在線實(shí)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，人們對非接觸式測量方法進(jìn)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(shí)現(xiàn)在線測量、響應(yīng)速度快等優(yōu)點(diǎn)。目前已有的非接觸式測量方法包括各種光學(xué)測量方法、超聲法、掃描隧道顯微鏡法、基于計(jì)算機(jī)視覺技術(shù)的表面粗糙度檢測方法等。這里我們只對基于光學(xué)散射原理的測量方法、基于光學(xué)干涉原理的測量方法和基于計(jì)算機(jī)視覺技術(shù)的測量方法做簡單介紹。

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

2.2 基于光學(xué)干涉原理的測量方法當(dāng)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(guān)系，將產(chǎn)生光波干涉現(xiàn)象。一般的干涉法測量是利用被測面和標(biāo)準(zhǔn)參考面反射的光束進(jìn)行比較，對干涉條紋做適當(dāng)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，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(shù)，這種干涉法測量技術(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，光外差干涉檢測技術(shù)是一種具有納米級測量準(zhǔn)確度的高精度光學(xué)測量方法，適用于精加工、超精加工表面的測量，而且可以進(jìn)行動態(tài)時間的研究；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，可用來測量干涉條紋位相[6]。

基于光學(xué)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(jì)算機(jī)視覺技術(shù)的測量方法基于計(jì)算機(jī)視覺的粗糙度測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，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檢測表面進(jìn)行放大，并通過對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[7]。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，設(shè)計(jì)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(guān)系模型[8]。英國學(xué)者Hossein Ragheb和Edwin R.Hancock通過數(shù)碼相機(jī)拍攝的表面反射圖來估計(jì)表面粗糙度參數(shù)，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對基于顯微視覺的不同機(jī)械加工表面粗糙度參數(shù)獲取的可行性進(jìn)行了評估，討論了照射光源與表面輻照度模型對檢測的影響，結(jié)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(jì)方法[10-11]。

可以看出，基于計(jì)算機(jī)視覺技術(shù)的測量方法主要有統(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)械加工自動化水平的提高，基于計(jì)算機(jī)視覺技術(shù)的檢測方法處理內(nèi)容豐富、處理精度高、處理速度快、易于集成等優(yōu)點(diǎn)將受到越來越多的重視。

3結(jié)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(chǎn)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(shí)現(xiàn)在線測量等優(yōu)點(diǎn)，已成為表面粗糙度檢測的重點(diǎn)研究方向。非接觸測量以光學(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)視覺技術(shù)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(xiàn)：

[1]劉斌，馮其波，匡萃方.表面粗糙度測量方法綜述[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量儀[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)?，許文海．?dāng)U展激光散射法測量粗糙度的測量范圍的研究[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 surface analysis[J].Pattern Recognition，2007，40：2004-2020.

篇9

關(guān)鍵詞：多源圖像；融合技術(shù)；棉花；病蟲害；識別診斷

中圖分類號：TP391.43；S435.6 文獻(xiàn)標(biāo)識碼：A 文章編號：0439-8114（2013）11-2555-03

隨著城市化進(jìn)程不斷加快，從事農(nóng)業(yè)勞作的勞動力總數(shù)急劇減少，農(nóng)業(yè)生產(chǎn)與加工的逐步自動化是社會發(fā)展和進(jìn)步的需求。特別是對于農(nóng)作物病蟲害監(jiān)測從傳統(tǒng)的根據(jù)農(nóng)業(yè)部的病蟲害監(jiān)測調(diào)查規(guī)范進(jìn)行調(diào)查，通過人工調(diào)查、人工記錄，到微小昆蟲自動計(jì)數(shù)技術(shù)、昆蟲誘捕自動記錄裝置來對農(nóng)作物病蟲害進(jìn)行監(jiān)測，這些信息收集和數(shù)據(jù)管理都存在勞動量大、效率低、數(shù)據(jù)誤差大的問題。隨著計(jì)算機(jī)技術(shù)和傳感器技術(shù)的快速發(fā)展，圖像融合技術(shù)在軍事、氣象、醫(yī)學(xué)、土地資源管理等方面得到了廣泛的應(yīng)用，而如何將圖像融合技術(shù)應(yīng)用在農(nóng)作物病蟲害中是極具有研究價值的課題。

1 棉花病蟲害診斷技術(shù)研究意義及發(fā)展趨勢

棉花作為主要的經(jīng)濟(jì)作物一直在中國和湖北省農(nóng)業(yè)生產(chǎn)中占有重要地位，但由于品種、栽培制度、生態(tài)環(huán)境等變化及棉花生長環(huán)境日益惡化，病蟲害有不斷加重趨勢。危害棉花的主要病害有炭疽病、黑斑病、枯萎病、黃萎病等，炭疽病在長江流域棉區(qū)的發(fā)生尤為嚴(yán)重，一般苗期發(fā)病率為20%～70%，嚴(yán)重時可達(dá)90%；黑斑病在陰濕多雨年份往往猖獗流行，給棉花生產(chǎn)造成毀滅性災(zāi)害；而枯萎病在棉區(qū)一直發(fā)生較多，死苗嚴(yán)重，造成的危害主要表現(xiàn)在產(chǎn)量降低，品質(zhì)變劣方面；自上世紀(jì)80年代末枯萎病得到控制后，黃萎病上升為棉花第一病害。目前黃萎病發(fā)病面積達(dá)到全國棉田面積的50%以上，發(fā)病后棉苗減產(chǎn)30%～70%，有的甚至絕產(chǎn)，而且嚴(yán)重影響棉花品質(zhì)。采用先進(jìn)技術(shù)提高棉花病蟲害有效防治及控制已迫在眉睫。

1.1 棉花病蟲害診斷技術(shù)的研究意義

在進(jìn)行植物保護(hù)和防治農(nóng)作物病蟲害的各類方法中，化學(xué)防治是投入少、見效快、收效大的有效方法，特別是針對在大生態(tài)區(qū)域內(nèi)可能暴發(fā)成災(zāi)的重要病蟲草害，化學(xué)防治迄今仍是最快速而有效的方法，一般可以挽回15%～30%的農(nóng)作物產(chǎn)量損失。使用農(nóng)藥（各種殺菌劑、除草劑等）進(jìn)行化學(xué)防治在世界各國一直占主導(dǎo)地位，它投入較少，防治迅速，特別是當(dāng)大面積、暴發(fā)性病害發(fā)生時，只有化學(xué)防治才能取得較好的防治效果。同樣，在棉花病蟲害綜合防治中，化學(xué)防治仍然是及時有效地控制病蟲對棉花危害的最后一道把關(guān)防治措施。但長期大量使用農(nóng)藥不僅污染環(huán)境，而且這些農(nóng)藥會通過空氣、水等途徑進(jìn)入人體，對人類的身體健康構(gòu)成危害；又由于棉花病蟲害癥狀的復(fù)雜性和模糊性，農(nóng)業(yè)生產(chǎn)者受個體素質(zhì)和人為主觀因素的影響，往往不能正確合理地判斷病情，導(dǎo)致濫用農(nóng)藥、化肥等引起更大的危害；此外，由于中國正步入老齡化社會，從事農(nóng)業(yè)勞動的人口在減少，由勞動力不足帶來的農(nóng)業(yè)減產(chǎn)問題已日趨嚴(yán)重。所以，精確作物病蟲害管理和機(jī)械化變量施藥技術(shù)的研究和應(yīng)用勢在必行。為實(shí)現(xiàn)精確的棉花病蟲害管理和變量施藥，首先要能夠準(zhǔn)確地識別棉花病蟲害種類及其危害程度。傳統(tǒng)的方法主要依靠生產(chǎn)者或?qū)＜医?jīng)驗(yàn)來判斷病蟲害原因及其危害程度，由于個體素質(zhì)的差異以及其他因素的影響，往往很難做到對病蟲害做出精確定量分析和判斷，因而容易造成不合理的病蟲害防治，也對生產(chǎn)管理者的農(nóng)技水平要求較高。一些智能決策支持系統(tǒng)雖然能識別診斷棉花病蟲害，但是過程復(fù)雜，不能進(jìn)行實(shí)時處理。隨著信息技術(shù)、光譜技術(shù)和計(jì)算機(jī)視覺技術(shù)的發(fā)展使基于生物信息的作物病蟲害智能識別診斷成為可能。通過多源圖像融合技術(shù)快速準(zhǔn)確地獲取棉花病蟲害信息，對已發(fā)生病蟲害的棉花區(qū)域根據(jù)病蟲害程度實(shí)行定量噴施農(nóng)藥。這樣既可大量節(jié)省農(nóng)藥，提高效率，降低成本，降低對勞動力的依賴，同時大幅度減輕農(nóng)藥對農(nóng)業(yè)生態(tài)環(huán)境的污染，提高棉花病蟲害防治水平。研究多源圖像融合技術(shù)對農(nóng)作物病蟲害診斷具有重要的學(xué)術(shù)意義和經(jīng)濟(jì)價值。

1.2 棉花病蟲害診斷技術(shù)發(fā)展趨勢

縱觀近幾年國內(nèi)對作物病蟲害智能識別診斷的研究，目前對棉花作物病蟲害識別診斷主要集中在以專家系統(tǒng)為代表的智能化信息技術(shù)和光譜技術(shù)上，應(yīng)用計(jì)算機(jī)視覺技術(shù)對棉花作物病蟲害識別的研究報(bào)道較少[1，2]，而結(jié)合光譜技術(shù)和計(jì)算機(jī)視覺技術(shù)進(jìn)行研究的則未見報(bào)道。目標(biāo)的高分辨率和高識別率是對獲取目標(biāo)信息的基本要求，僅僅利用可見光范圍或在近紅外范圍的計(jì)算機(jī)視覺技術(shù)進(jìn)行作物病蟲害識別診斷，其單一光譜不足以準(zhǔn)確、全面反映作物病蟲害的差異，還需利用其他生物信息對其補(bǔ)充和加強(qiáng)，以達(dá)到全面地反映作物病蟲害的差異[3]。

為了實(shí)現(xiàn)對低探測性目標(biāo)的探測和識別，必須大力發(fā)展先進(jìn)的目標(biāo)探測系統(tǒng)，而由多源傳感器組成的光電成像系統(tǒng)是最為常見的目標(biāo)探測系統(tǒng)。圖像融合就是利用各種成像傳感器得到的同一目標(biāo)或同一場景的圖像，綜合這些不同圖像的冗余信息和互補(bǔ)信息，以獲得更為全面準(zhǔn)確的圖像描述。為此，針對湖北省主要經(jīng)濟(jì)作物棉花，綜合利用光譜技術(shù)、計(jì)算機(jī)視覺技術(shù)及多源信息融合技術(shù)，基于多源圖像信息（可見光和近紅外視覺圖像信息）融合棉花病害（炭疽病和黑斑?。┳R別診斷技術(shù)。深入研究作物在不同病蟲害危害下的反射光譜特性及變化規(guī)律，確定光譜敏感波段及其特征表現(xiàn)，提取可以有效表征作物不同病蟲害條件、不同危害程度下的計(jì)算機(jī)視覺圖像的灰度、紋理、形態(tài)特征信息和近地光譜特征信息，探索基于多傳感信息融合的病蟲害識別診斷方法，構(gòu)建病蟲害智能識別系統(tǒng)，為精確作物病蟲害管理和機(jī)械化變量施藥技術(shù)提供理論基礎(chǔ)。

2 多源圖像融合技術(shù)

圖像融合[4]是對多幅源自同一場景的圖像進(jìn)行綜合，以獲得更好的視覺效果和易于機(jī)器識別為目的，產(chǎn)生比單一信息源更為精確、更完善、更可靠的圖像。多源傳感器圖像是由成像機(jī)理不同的多種傳感器獲得的圖像。由于每種成像傳感器都是為了適應(yīng)某些特定的環(huán)境和使用范圍而設(shè)計(jì)的，具有不同成像機(jī)理的多種傳感器獲得的圖像之間存在信息的冗余性和互補(bǔ)性，通過對其進(jìn)行融合，能夠提高系統(tǒng)可靠性和圖像信息的利用率。隨著科學(xué)發(fā)展和技術(shù)進(jìn)步，采集圖像數(shù)據(jù)的手段不斷完善，出現(xiàn)了各種新圖像獲取技術(shù)。如今圖像融合技術(shù)廣泛應(yīng)用于圖像處理、遙感、計(jì)算機(jī)視覺以及軍事等領(lǐng)域[5]。利用圖像融合技術(shù)可以準(zhǔn)確地獲取檢測數(shù)據(jù)，如在醫(yī)學(xué)圖像分析中的超聲成像、核磁共振、計(jì)算機(jī)層析、血液細(xì)胞自動分類計(jì)數(shù)、癌細(xì)胞識別等極大地提高了準(zhǔn)確率[6，7]；圖像融合技術(shù)在遙感雷達(dá)衛(wèi)星的發(fā)展后，已成為遙感圖像處理和分析的重要研究熱點(diǎn)，應(yīng)用于土地資源調(diào)查、環(huán)境監(jiān)測、地形測繪等[8]。圖像融合技術(shù)應(yīng)用在農(nóng)業(yè)生產(chǎn)中，目前研究方向主要集中在對農(nóng)產(chǎn)品的無損檢測和農(nóng)作物生長態(tài)勢及產(chǎn)量評估方面。如采用互信息最佳閾值迭代優(yōu)化分割法對可見光和近紅外圖像進(jìn)行融合來對番茄成熟度進(jìn)行無損檢測研究[9]；通過加權(quán)平均融合法對紅外和可見光圖像實(shí)現(xiàn)對蘋果進(jìn)行無損檢測研究[10]；采用蟻群算法的模糊C均值聚類圖像分割算法的圖像融合技術(shù)對作物幾何參數(shù)進(jìn)行測量。

多源傳感器圖像融合系統(tǒng)一般有3種類型：像素級融合、特征級融合和決策級融合。

2.1 像素級圖像融合

像素級圖像融合是通過對源圖像進(jìn)行預(yù)處理和空間配準(zhǔn)，對處理后的圖像采取適當(dāng)?shù)乃惴ㄟM(jìn)行融合，得到融合圖像后再進(jìn)行顯示和后續(xù)處理。簡單的像素級融合方法主要有：像素灰度值平均或加權(quán)平均，像素灰度值選大，像素灰度值選小。簡單的像素級融合方法結(jié)構(gòu)簡單、易于實(shí)現(xiàn)，但應(yīng)用范圍有限，融合結(jié)果不理想。故現(xiàn)在的融合方法多采用基于對源圖像的多尺度分解。這種分解方法是一種多尺度、多分辨率的圖像融合方法，是在不同尺度、不同空間分辨率、不同分解層上分別進(jìn)行融合。這種融合方法能明顯改進(jìn)融合效果[11]。

2.2 特征級圖像融合

特征級圖像融合是從不同的成像傳感器所獲得的同一對象圖像中提取一些特征，產(chǎn)生特征矢量，然后對這些特征矢量進(jìn)行融合。特征級圖像融合是中間層的圖像融合，精度一般。其融合方法有基于假設(shè)前提及統(tǒng)計(jì)分析的方法和基于知識的方法。

2.3 決策級圖像融合

決策級圖像融合是最高層次的融合，是首先依據(jù)每一個成像傳感器所獲得的同一對象圖像各自進(jìn)行預(yù)處理、特征提取、識別和判決后，做出獨(dú)立的決策，然后將這些獨(dú)立的決策綜合起來，給出最終決策。決策級圖像融合適合于多類不同傳感器圖像的融合，但融合結(jié)果精度較差。其融合方法有多重邏輯推理方法、統(tǒng)計(jì)方法、信息論方法等都可用于決策層的圖像融合。

特征級圖像融合和決策級圖像融合方法通常應(yīng)用于某些特殊場合，像素級圖像融合的應(yīng)用更普及，融合所得圖像更有利于人眼的判讀、欣賞和機(jī)器識別。對于已經(jīng)配準(zhǔn)好的圖像，像素級圖像融合方法不需要顯式地提取圖像特征，在速度和魯棒性上有明顯優(yōu)勢。為此采取像素級圖像融合方法對農(nóng)作物病蟲害的可見光和近紅外圖像進(jìn)行融合處理，使其符合人類視覺特征，融合結(jié)果更有利于對圖像作進(jìn)一步分析、理解和識別。

3 多源圖像融合技術(shù)對棉花病蟲害診斷的方法

1）在特定栽培條件下，培育不同棉花病蟲害的試驗(yàn)樣本及正常的對比樣本。

2）對棉花病蟲害樣品的葉片和冠層進(jìn)行光譜分析。利用便捷式光譜儀測量葉片和冠層的光譜，尋找棉花病蟲害種類的敏感光譜波段及其反射率特征，分析不同病蟲害種類和病蟲害程度的敏感光譜波段反射率特征的變化規(guī)律。

3）根據(jù)光譜分析結(jié)果，構(gòu)建多源圖像計(jì)算機(jī)視覺采集系統(tǒng)，采集棉花作物樣本多光譜圖像，用VC或MATLAB編寫計(jì)算機(jī)圖像處理軟件對圖像進(jìn)行處理和特征提取。

4）對所獲取的特征應(yīng)用模糊特征優(yōu)選、主成分分析（PCA）和獨(dú)立分量分析（ICA）進(jìn)行優(yōu)化組合和篩選，通過各種統(tǒng)計(jì)方法尋求作物病癥與特征對應(yīng)關(guān)系。建立圖像特征與病種、病蟲害程度的關(guān)系模型，利用模式識別方法進(jìn)行棉花病蟲害種類及程度的模式識別檢測試驗(yàn)[12]。

4 展望

棉花是中國和湖北省主要的經(jīng)濟(jì)作物，長期以來棉田病蟲害對棉花生產(chǎn)帶來極大危害，因此，對棉花病蟲害防治方法與技術(shù)的研究至關(guān)重要。對棉花作物病蟲害防治的各種方法中，傳統(tǒng)的方法是依靠人們的經(jīng)驗(yàn)確認(rèn)病蟲害的發(fā)生時間、區(qū)域、種類和發(fā)生程度等，且是進(jìn)行手工或機(jī)械噴灑農(nóng)藥，這不僅勞動效率低，勞動成本高，而且常規(guī)施藥技術(shù)會帶來農(nóng)藥利用率低下、水資源浪費(fèi)、環(huán)境污染、農(nóng)藥在作物及其產(chǎn)品中的殘留導(dǎo)致對人類的危害等。所以，結(jié)合光譜技術(shù)和計(jì)算機(jī)技術(shù)開展棉花病蟲害的識別診斷研究具有重要的學(xué)術(shù)意義和經(jīng)濟(jì)價值。

參考文獻(xiàn)：

[1] 周小燕，史 巖，李道亮，等.棉花病蟲害診斷專家系統(tǒng)的研究與設(shè)計(jì)[J].萊陽農(nóng)學(xué)院學(xué)報(bào)，2005，22（1）：9-11.

[2] 嚴(yán)智燕，廖桂平，高必達(dá).植物病蟲害防治中農(nóng)業(yè)專家系統(tǒng)的研究進(jìn)展[J].中國農(nóng)學(xué)通報(bào)，2005，21（5）： 415-417.

[3] YUTAKA S，TSUGUO O.Automatic diagnosis of plant disease recognition between healthy and diseased leaf[J].農(nóng)業(yè)機(jī)械學(xué)會雜志，1999，61（2）：119-126.

[4] 何 友，王國宏，陸大金，等.多傳感器信息融合及應(yīng)用[M].北京：電子工業(yè)出版社，2000.

[5] 王 宏，敬忠良，李建勛.多分辨率圖像融合的研究與進(jìn)展[J].控制理論與應(yīng)用，2004，21（1）：145-151.

[6] ZHENG Y F， ESSOCK E A， HANSEN B C.Advanced discrete wavelet transform fusion algorithm and its optimization by using the metric of image quality index[J].Optical Engineering，2005，44（3）：1-12.

[7] 李秋華.基于紅外圖像信息融合的目標(biāo)檢測和識別技術(shù)研究[D].長沙：國防科學(xué)技術(shù)大學(xué)，2002.

[8] 吉 微.多源氣象衛(wèi)星圖像融合技術(shù)應(yīng)用研究[D].南京：南京信息工程大學(xué)，2009.

[9] 李明喜.基于多源圖像融合的收獲目標(biāo)準(zhǔn)確定位研究[D].江蘇鎮(zhèn)江：江蘇大學(xué)，2008.

[10] 楊萬利，沈明霞，嚴(yán) 君.紅外圖像處理技術(shù)在蘋果早期淤傷檢測中的應(yīng)用[J].計(jì)算機(jī)工程與設(shè)計(jì)，2010（1）：149-152.

篇10

〖姓名〗黃可坤〖出生年月〗79.10〖籍貫〗廣東省梅州市 〖民族〗漢〖學(xué)歷〗碩士〖專業(yè)〗應(yīng)用數(shù)學(xué)〖研究方向〗計(jì)算機(jī)圖像處理 〖本科專業(yè)〗應(yīng)用數(shù)學(xué) (副修計(jì)算機(jī)軟件) 〖家庭住址〗廣東省梅州市梅江區(qū) 〖聯(lián)系地址〗廣州市中山大學(xué)數(shù)學(xué)系應(yīng)用數(shù)學(xué)02研 510275 〖聯(lián)系電話〗(020)84112378 〖個人主頁〗

1.求職意向在高校從事基礎(chǔ)教學(xué)與研究工作。在有一定企業(yè)文化的公司或者企事業(yè)單位從事計(jì)算機(jī)軟件系統(tǒng)的設(shè)計(jì)、開發(fā)或者維護(hù)。

2.教育背景時間院校備注1992年9月--1998年7月中學(xué)。學(xué)習(xí)成績一直比較優(yōu)秀，被保送上高中。曾任學(xué)習(xí)委員、體育委員。 1998年9月--2002年7月本科，主修應(yīng)用數(shù)學(xué)、副修計(jì)算機(jī)軟件。學(xué)習(xí)2002年9月--2005年7月廣州市中山大學(xué)碩士，應(yīng)用數(shù)學(xué)，方向?yàn)橛?jì)算機(jī)圖像處理與模式識別，師從副院長戴道清教授。學(xué)習(xí)成績良好，曾任班長。

3.技能專長英語通過大學(xué)英語數(shù)學(xué)對小波分析、圖像處理、模式分類、計(jì)算機(jī)視覺有比較深的認(rèn)識。熟練掌握數(shù)學(xué)分析、線性代數(shù)、微分方程、概率論與數(shù)理統(tǒng)計(jì)等主干課程。計(jì)算機(jī)能力系統(tǒng)開發(fā)：C/C++(優(yōu))、Delphi(優(yōu))、Visual C++(良)、C++ Builder。網(wǎng)站建設(shè)：ASP(優(yōu))、Javascript(優(yōu))、DreamWeaver。數(shù)據(jù)庫系統(tǒng)：SQL Sever(優(yōu))、Oracle(中)。服務(wù)器與網(wǎng)絡(luò)：Windows 2000 Server、Unix/Linux(良)、TCP/IP(優(yōu))。多媒體與課件制作：Photoshop、Flash、Authorware、PowerPoint。

實(shí)驗(yàn)工具：Matlab(優(yōu))。理論基礎(chǔ)：熟練掌握數(shù)據(jù)結(jié)構(gòu)、離散數(shù)學(xué)、計(jì)算機(jī)網(wǎng)絡(luò)、操作系統(tǒng)等課程。實(shí)踐項(xiàng)目：藝達(dá)堡MRPII系統(tǒng)、物業(yè)綜合事務(wù)管理系統(tǒng)、鶴山寶華菲力制衣管理系統(tǒng)、雨人工作室管理系統(tǒng)、線性規(guī)劃問題求解、南方證券廣州分公司、李律師在線、好易網(wǎng)、中國婦幼網(wǎng)、天輔網(wǎng)。 4.教學(xué)科研 2002年進(jìn)入中山大學(xué)數(shù)計(jì)學(xué)院計(jì)算機(jī)視覺實(shí)驗(yàn)室： 進(jìn)行模式識別方面的研究，參與了《小波分析在圖像處理中的應(yīng)用》等科研項(xiàng)目，以及一些教學(xué)課件的制作。用Matlab實(shí)現(xiàn)了一種新的基于小波的圖像融合算法，取得了比較好的效果。以及實(shí)現(xiàn)了一些常用的人臉識別的算法，比如PCA、LDA和SVM的方法。還實(shí)現(xiàn)了一些常用的圖像壓縮的方法，比如基于離散傅里葉變換、余弦變換和小波變換的方法。 完成碩士畢業(yè)論文《小波包在人臉識別中的應(yīng)用》，主要作出了三個有意義的貢獻(xiàn)。參加了第三屆、第四屆省港澳圖象圖形學(xué)會等學(xué)術(shù)會議。擔(dān)任了實(shí)驗(yàn)室的網(wǎng)絡(luò)管理員。 2004年上學(xué)期擔(dān)任中山大學(xué)數(shù)計(jì)學(xué)院成人夜大本科2001級計(jì)算機(jī)應(yīng)用專業(yè)《網(wǎng)絡(luò)數(shù)據(jù)庫》的教師。2004年下學(xué)期繼續(xù)擔(dān)任了該夜大02級《計(jì)算機(jī)網(wǎng)絡(luò)》教師。講課認(rèn)真負(fù)責(zé)，獲得學(xué)生一致好評。 5.工作實(shí)踐 2000年暑假在廣州市精軟網(wǎng)絡(luò)數(shù)據(jù)有限公司擔(dān)任程序員，并獨(dú)立開發(fā)了一個物業(yè)綜合事務(wù)管理系統(tǒng)，之后一直在維護(hù)該系統(tǒng)。2000年9月到2001年9月在中山大學(xué)雨人工作室擔(dān)任程序員及項(xiàng)目負(fù)責(zé)人，分析、設(shè)計(jì)、開發(fā)和維護(hù)了不少實(shí)際的商業(yè)管理信息系統(tǒng)和網(wǎng)站。2001年9月和幾個同學(xué)一起創(chuàng)建了中大方略工作室，自己負(fù)責(zé)人員、資金、市場、項(xiàng)目的管理和開發(fā)。2002年1月拿到了廣東北電通信設(shè)備有限公司軟件設(shè)計(jì)師的