導(dǎo)語(yǔ)：如何才能寫好一篇計(jì)算機(jī)視覺(jué)發(fā)展報(bào)告，這就需要搜集整理更多的資料和文獻(xiàn)，歡迎閱讀由公文云整理的十篇范文，供你借鑒。

篇1

1、引言

隨著經(jīng)濟(jì)的迅猛發(fā)展，汽車的迅速普及，根據(jù)社會(huì)對(duì)汽車產(chǎn)業(yè)的要求，車輛的各方面指標(biāo)都受到人們?cè)絹?lái)越多地關(guān)注，汽車涂裝過(guò)程中的瑕疵直接影響汽車的外觀質(zhì)量，因此如何在生產(chǎn)過(guò)程中利用計(jì)算機(jī)視覺(jué)檢測(cè)技術(shù)檢測(cè)出并及時(shí)修補(bǔ)汽車涂裝過(guò)程中產(chǎn)生的瑕疵就成了首要的任務(wù)[1]。本文的研究?jī)?nèi)容是首先了解計(jì)算機(jī)視覺(jué)檢測(cè)系統(tǒng)的工作原理，汽車涂裝瑕疵的種類，然后結(jié)合兩者的特點(diǎn)，應(yīng)用計(jì)算機(jī)視覺(jué)檢測(cè)系統(tǒng)檢測(cè)汽車涂裝瑕疵。該研究的價(jià)值在于兩方面：①對(duì)于汽車生產(chǎn)的自動(dòng)化和過(guò)程自動(dòng)化，計(jì)算機(jī)視覺(jué)是現(xiàn)實(shí)真正意義的自動(dòng)的基礎(chǔ)和一種重要的質(zhì)量控制的手段；②對(duì)于汽車涂裝瑕疵的修補(bǔ)可以提高其修補(bǔ)的精度。

2、汽車涂裝瑕疵的計(jì)算機(jī)視覺(jué)檢測(cè)系統(tǒng)

汽車涂裝瑕疵檢測(cè)系統(tǒng)主要包括照明系統(tǒng)、圖像采集卡、CCD攝像機(jī)、計(jì)算機(jī)以及軟件處理等幾個(gè)主要部分[2]。綜合計(jì)算機(jī)視覺(jué)檢測(cè)系統(tǒng)的構(gòu)成和線結(jié)構(gòu)光測(cè)量的原理，基于計(jì)算機(jī)視覺(jué)的汽車涂裝瑕疵的檢測(cè)系統(tǒng)大致是這樣構(gòu)成的：將線結(jié)構(gòu)光投射到被測(cè)物上，所形成的光斑作為傳感信號(hào)，用CCD攝像機(jī)采集光斑圖像，采集到的圖像信號(hào)被傳輸?shù)接?jì)算機(jī)，根據(jù)圖像處理和計(jì)算機(jī)視覺(jué)檢測(cè)系統(tǒng)的處理產(chǎn)生處理結(jié)果，返回到涂裝生產(chǎn)線，對(duì)車身的涂裝進(jìn)行修正，從而提高產(chǎn)品質(zhì)量。汽車涂裝瑕疵的視覺(jué)檢測(cè)系統(tǒng)如圖1所示[3]。

3、計(jì)算機(jī)視覺(jué)檢測(cè)

計(jì)算機(jī)視覺(jué)是計(jì)算機(jī)對(duì)圖像進(jìn)行自動(dòng)處理并報(bào)告“圖像中有什么”的過(guò)程，也就是說(shuō)它識(shí)別圖像中的內(nèi)容。圖像中的內(nèi)容往往是某些機(jī)器零件，而處理的目標(biāo)不僅要能對(duì)機(jī)器零件定位，還要能對(duì)其進(jìn)行檢驗(yàn)。計(jì)算機(jī)視覺(jué)系統(tǒng)基本原理：機(jī)器視覺(jué)系統(tǒng)通常采用CCD相機(jī)攝取圖像，將其轉(zhuǎn)化為數(shù)字信號(hào)，再采用先進(jìn)的計(jì)算機(jī)硬件與軟件技術(shù)對(duì)圖像數(shù)字信號(hào)進(jìn)行處理，從而得到所需要的各種目標(biāo)圖像特征值，并在此基礎(chǔ)上實(shí)現(xiàn)模式識(shí)別、坐標(biāo)計(jì)算、灰度分布圖等多種功能。計(jì)算機(jī)視覺(jué)系統(tǒng)能夠根據(jù)其檢測(cè)結(jié)果快速地顯示圖像、輸出數(shù)據(jù)、指令，執(zhí)行機(jī)構(gòu)可以配合其完成指令的實(shí)施。計(jì)算機(jī)視覺(jué)系統(tǒng)主要由圖像獲取、圖像分析和處理、輸出顯示或控制三個(gè)功能模塊組成[4]。視覺(jué)檢測(cè)按其所處理的數(shù)據(jù)類型可分為二值圖像、灰度圖像、彩色圖像和深度圖像的視覺(jué)檢測(cè)。另外，還有X射線檢測(cè)、超聲波檢測(cè)和紅外線檢測(cè)。一個(gè)完整視覺(jué)檢測(cè)系統(tǒng)包括：圖像采集、圖像分割、零件識(shí)別、模型匹配和決策判斷。Newman[5]等描述了利用深度圖像進(jìn)行零件檢測(cè)的AVI系統(tǒng)，具有一定的代表性。一個(gè)典型的AVI系統(tǒng)如圖2所示。

4、汽車涂裝瑕疵的檢測(cè)算法

由于汽車涂膜中一些缺陷的邊界比較模糊，例如：氣泡、爆裂氣泡孔、氣泡針孔、抽縮等等。邊緣處灰度變化很小，直接用傳統(tǒng)的微分邊緣檢測(cè)算法無(wú)法有效的檢測(cè)出來(lái)。所以對(duì)缺陷模糊邊緣的檢測(cè)成為了算法的關(guān)鍵[6]。本文介紹了基于線結(jié)構(gòu)光的邊緣檢測(cè)方法。汽車涂裝表面被光源投射器發(fā)出的線結(jié)構(gòu)光照射，反射出的圖像被CCD攝像機(jī)所接收傳輸?shù)接?jì)算機(jī)視覺(jué)檢測(cè)系統(tǒng)中。若涂裝表面沒(méi)有瑕疵，則產(chǎn)生圖3的圖像。若涂裝表面有瑕疵，則產(chǎn)生圖4的圖像[7]。

篇2

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[1,2]。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。

1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(kāi)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(kāi)的技術(shù)文獻(xiàn)中開(kāi)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(kāi)發(fā)項(xiàng)目的資金、人力資源等[3]。

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)[4]。

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[5,6]。

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[7],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。

2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(jiàn)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[8]。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(shù)種組成與年齡)進(jìn)行了估計(jì)[9]。

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[10]。

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。

3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(kāi)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[11,12]。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[13]。

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[14]。

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[15,16]。

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(kāi)展了樹(shù)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(kāi)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(kāi)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(kāi)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)”[17]。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)]

[1]高翔,王勇.數(shù)據(jù)融合技術(shù)綜述[J].計(jì)算機(jī)控制與測(cè)量,2002,10(11):706-709.

[2]龔元明,蕭德云,王俊杰.多傳感器數(shù)據(jù)融合技術(shù)(上)[J].冶金自動(dòng)化,2002(4):4-7.

[3]錢永蘭,楊邦杰,雷廷武.數(shù)據(jù)融合及其在農(nóng)情遙感監(jiān)測(cè)中的應(yīng)用與展望[J].農(nóng)業(yè)工程學(xué)報(bào),2004,20(4):286-290.

[4]高德平,黃雪梅.多傳感器和數(shù)據(jù)融合(一)[J].紅外與激光工程,1999,28(1):1-4.

[5]王耀南,李樹(shù)濤.多傳感器信息融合及其應(yīng)用綜述[J].控制與決策,2001,16(5):518-52.

[6]許軍,羅飛路,張耀輝.多傳感器信息融合技術(shù)在無(wú)損檢測(cè)中的應(yīng)用研究[J].無(wú)損檢測(cè),2000,22(8):342-344.

[7]WhiteFE.Datafusionlexicon:DatafusionsubpanelofthejointdirectorsoflaboratoriestechnicalpanelforC3[R].SanDiego,1991.

[8]余啟剛.數(shù)據(jù)融合技術(shù)在“3S”森林防火中的應(yīng)用[J].森林工程,2003,19(4):5-6.

[9]HampusHolmstrom,biningremotelysensedopticalandradardatainKNN-estimationofforest[J].ForestScience,2003,49(3):409-418.

[10]TrevorJDavis,BrianKlinkenberg,PeterKellerC.Updatinginventory:Usingobliquevideogrammetry&datafusion[J].JournalofForestry,2002,100(2):45-50.

[11]楊春梅,胡萬(wàn)義,白帆,等.木材缺陷檢測(cè)理論及方法的發(fā)展[J].林業(yè)機(jī)械與木工設(shè)備,2004,32(3):8-10.

[12]胡英成,顧繼友,王逢瑚.木材及人造板物理力學(xué)性能無(wú)損檢測(cè)技術(shù)研究的發(fā)展與展望[J].世界林業(yè)研究,2002,15(4):39-46.

[13]肖忠平,盧曉寧,陸繼圣.木質(zhì)材料X射線與超聲檢測(cè)技術(shù)研究的發(fā)展與展望[J].木材加工機(jī)械,2004,15(1):25-27.

[14]王金滿,周秀榮.刨花板施膠效果計(jì)算機(jī)視覺(jué)分析方法[J].東北林業(yè)大學(xué)學(xué)報(bào),1994,22(3):25-26.

[15]KlinkhachornP.Prototypinganautomatedlumberprocessingsystem[J].ForestProductsJournal,1993(2):11-18.

篇3

論文關(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

論文摘要:介紹了數(shù)據(jù)融合技術(shù)的基本概念和內(nèi)容，分析了該技術(shù)在森林防火、森林蓄積特征的估計(jì)和更新、森林資源調(diào)查等方面的應(yīng)用，提出該技術(shù)可應(yīng)用于木材無(wú)損檢測(cè)及精確林業(yè)。融合機(jī)器視覺(jué)、X射線等單一傳感器技術(shù)檢測(cè)木材及木制品，可以更準(zhǔn)確地實(shí)時(shí)檢測(cè)出木材的各種缺陷;集成GPS、GIS、RS及各種實(shí)時(shí)傳感器信息，利用智能決策支持系統(tǒng)以及可變量技術(shù)，能夠?qū)崿F(xiàn)基于自然界生物及其賴以生存的環(huán)境資源的時(shí)空變異性的客觀現(xiàn)實(shí)，建立基于信息流融合的精確林業(yè)系統(tǒng)。

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[1，2]。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。

1　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(kāi)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(kāi)的技術(shù)文獻(xiàn)中開(kāi)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(kāi)發(fā)項(xiàng)目的資金、人力資源等[3]。

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)[4]。

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[5，6]。

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[7]，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。

2　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(Moderate Resolution Imaging Spectroradiometer)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1 000 m的熱輻射通道的數(shù)據(jù)外加入空間分辨率為250 m的可見(jiàn)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[8]。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)

Hampus Holmstrom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-II VHFSAR傳感器的雷達(dá)數(shù)據(jù)進(jìn)行了融合，采用KNN(k nearest neighbor )方法對(duì)森林的蓄積特征(林分蓄積、樹(shù)種組成與年齡)進(jìn)行了估計(jì)[9]。

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。

Trevor J Davis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[10]。

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。

3　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(kāi)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[11，12]。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[13]。

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[14]。

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[15，16]。

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(kāi)展了樹(shù)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(kāi)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(kāi)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(kāi)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)”[17]。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)]

[1]高翔，王勇.數(shù)據(jù)融合技術(shù)綜述[J].計(jì)算機(jī)控制與測(cè)量，2002，10(11):706-709.

[2]龔元明，蕭德云，王俊杰.多傳感器數(shù)據(jù)融合技術(shù)(上)[J].冶金自動(dòng)化，2002(4):4-7.

[3]錢永蘭，楊邦杰，雷廷武.數(shù)據(jù)融合及其在農(nóng)情遙感監(jiān)測(cè)中的應(yīng)用與展望[J].農(nóng)業(yè)工程學(xué)報(bào)，2004，20(4):286-290.

[4]高德平，黃雪梅.多傳感器和數(shù)據(jù)融合(一)[J].紅外與激光工程，1999，28(1):1-4.

[5]王耀南，李樹(shù)濤.多傳感器信息融合及其應(yīng)用綜述[J].控制與決策，2001，16(5):518-52.

[6]許　軍，羅飛路，張耀輝.多傳感器信息融合技術(shù)在無(wú)損檢測(cè)中的應(yīng)用研究[J].無(wú)損檢測(cè)，2000，22(8):342-344.

[7] White F E. Data fusion lexicon:Data fusion subpanel of the joint directors of laboratories technical panel for C3[R].San Diego，1991.

[8]余啟剛.數(shù)據(jù)融合技術(shù)在“3S”森林防火中的應(yīng)用[J].森林工程，2003，19(4):5-6.

[9] Hampus Holmstrom， Johan E S Fransson. Combining remotely sensed optical and radar data in KNN-estimation of forest[J]. Forest Science， 2003， 49(3): 409-418.

[10] Trevor J Davis， Brian Klinkenberg， Peter Keller C. Updating inventory: Using oblique videogrammetry & data fusion[J].Journalof Forestry， 2002， 100(2):45-50.

[11]楊春梅，胡萬(wàn)義，白　帆，等.木材缺陷檢測(cè)理論及方法的發(fā)展[J].林業(yè)機(jī)械與木工設(shè)備，2004，32(3):8-10.

[12]胡英成，顧繼友，王逢瑚.木材及人造板物理力學(xué)性能無(wú)損檢測(cè)技術(shù)研究的發(fā)展與展望[J].世界林業(yè)研究，2002，15(4):39-46.

[13]肖忠平，盧曉寧，陸繼圣.木質(zhì)材料X射線與超聲檢測(cè)技術(shù)研究的發(fā)展與展望[J].木材加工機(jī)械，2004，15(1):25-27.

[14]王金滿，周秀榮.刨花板施膠效果計(jì)算機(jī)視覺(jué)分析方法[J].東北林業(yè)大學(xué)學(xué)報(bào)，1994，22(3):25-26.

[15] Klinkhachorn P. Prototyping an automated lumber processing system[J]. Forest Products Journal， 1993 (2): 11-18.

篇4

1研究方向

到2007年底，每秒鐘能進(jìn)行1000萬(wàn)億次浮點(diǎn)運(yùn)算的超級(jí)計(jì)算機(jī)將要問(wèn)世，這是計(jì)算機(jī)科學(xué)家的最新杰作！但是，即便是如此強(qiáng)大的超級(jí)計(jì)算機(jī)，目前還無(wú)法實(shí)現(xiàn)人腦能夠輕而易舉完成的許多感知信息處理任務(wù)。例如，在混雜的車站里辨認(rèn)熟人面孔、在熱鬧的晚宴里同朋友自由交談、在國(guó)際會(huì)議上嫻熟地用外語(yǔ)與各國(guó)同行討論研究成果，等。因此，為了建立計(jì)算機(jī)與人更加友好、自然的用戶界面，我們必須創(chuàng)建新的智能計(jì)算理論與方法。我們認(rèn)為將計(jì)算機(jī)科學(xué)與腦科學(xué)相結(jié)合，研究仿腦計(jì)算理論與模型將是通向這一終極目標(biāo)的一條理想之路?！吧虾＝煌ù髮W(xué)-微軟智能計(jì)算及智能系統(tǒng)實(shí)驗(yàn)室”的主要研究目標(biāo)就是為了突破傳統(tǒng)數(shù)字計(jì)算機(jī)在智能信息處理的瓶頸，聯(lián)合實(shí)驗(yàn)室匯集了上海交通大學(xué)計(jì)算機(jī)科學(xué)與工程系、自動(dòng)化系和電子工程系的相關(guān)領(lǐng)域的10余名教授、副教授，擬在下列方向開(kāi)展合作研究：

仿腦計(jì)算理論與模型

超并列機(jī)器學(xué)習(xí)理論與算法

基于人類視覺(jué)信息處理的計(jì)算機(jī)視覺(jué)理論與方法

腦-計(jì)算機(jī)接口技術(shù)

機(jī)器人技術(shù)

多媒體信息獲取技術(shù)

無(wú)縫媒體通訊技術(shù)

這里需要強(qiáng)調(diào)的是，微軟亞洲研究院湯曉鷗博士為聯(lián)合實(shí)驗(yàn)室研究方向的確定和研究課題的篩選作出了重要貢獻(xiàn)。湯曉鷗博士在聯(lián)合實(shí)驗(yàn)室成立之初，就來(lái)上海交通大學(xué)為我們作了一場(chǎng)精彩的學(xué)術(shù)報(bào)告，不僅介紹了微軟亞洲研究院在計(jì)算機(jī)視覺(jué)領(lǐng)域最新的研究成果，而且為我們的學(xué)生詳細(xì)介紹了如何腳踏實(shí)地、一步一步地開(kāi)展高水平的科學(xué)研究，使同學(xué)們受益匪淺。自聯(lián)合實(shí)驗(yàn)室成立以來(lái)，微軟亞洲研究院的多名國(guó)際知名專家來(lái)上海交通大學(xué)講學(xué)，他們是“深藍(lán)項(xiàng)目”之父許峰雄博士、系統(tǒng)結(jié)構(gòu)專家張崢博士和自然語(yǔ)言處理專家周明博士。

2006年度微軟亞洲研究院資助了聯(lián)合實(shí)驗(yàn)室在機(jī)器學(xué)習(xí)、機(jī)器人和多媒體通信三個(gè)方向的研究課題，具體內(nèi)容如表1所示。

2研究成果

聯(lián)合實(shí)驗(yàn)室成立一年多來(lái)，取得了多項(xiàng)創(chuàng)新性的研究成果，已在國(guó)內(nèi)外學(xué)術(shù)刊物和會(huì)議上30余篇。由于篇幅限制，下面僅對(duì)部分成果作簡(jiǎn)要介紹。

(1) 超并列機(jī)器學(xué)習(xí)理論與算法

上海交通大學(xué)計(jì)算機(jī)科學(xué)與工程系呂寶糧教授在仿腦計(jì)算、機(jī)器學(xué)習(xí)和腦-計(jì)算機(jī)接口等方向與微軟亞洲研究院系統(tǒng)結(jié)構(gòu)組、文本組和圖像組有著密切的合作與交流，他們共同致力于研究大規(guī)模分布式超并列機(jī)器學(xué)習(xí)理論與算法，并將其研究成果應(yīng)用于人臉識(shí)別、自然語(yǔ)言處理、生物信息學(xué)和腦-計(jì)算機(jī)接口等領(lǐng)域。在此期間共同進(jìn)行博士和碩士研究生以及本科生的培養(yǎng)，聯(lián)合發(fā)表學(xué)術(shù)論文。與微軟研究院的文本組、圖像組和機(jī)器學(xué)習(xí)組定期交流和選派學(xué)生實(shí)習(xí)。通過(guò)雙方真誠(chéng)的合作，智能信息處理方向已有2名博士生和5名碩士順利通過(guò)答辯。目前上海交通大學(xué)有1名博士后、3名博士生、5名碩士生和4名ACM班的本科三年級(jí)學(xué)生投入到合作研究課題中，來(lái)自微軟亞洲研究院的1名優(yōu)秀青年員工在機(jī)器學(xué)習(xí)方向作為博士生進(jìn)行聯(lián)合培養(yǎng)。

(2) 無(wú)縫媒體通訊技術(shù)

上海交通大學(xué)電子工程系熊紅凱副教授在無(wú)縫媒體通信方向，與微軟亞洲研究院網(wǎng)絡(luò)多媒體IM組已經(jīng)進(jìn)行了多年的合作研究，他們共同致力于無(wú)縫媒體通信的良好遠(yuǎn)景，主要研究視頻信號(hào)多元化智能處理與傳輸，工作包括可伸縮視頻編碼、分布式視頻編碼、網(wǎng)絡(luò)編碼，等。微軟研究院IM組吳楓等研究人員與他們?cè)诖似陂g共同進(jìn)行博士和碩士研究生的培養(yǎng)，支持他們參與國(guó)際技術(shù)標(biāo)準(zhǔn)MPEG-21和JVT的制訂，聯(lián)合提交技術(shù)提案和發(fā)表學(xué)術(shù)論文。

通過(guò)合作研究，媒體通信方向已有2名博士生、3名碩士生順利畢業(yè)；目前上海交通大學(xué)在此方向有2名博士生、4名碩士生投入到合作課題中；微軟亞洲研究院有2名優(yōu)秀員工在媒體通信方向作為博士生進(jìn)行聯(lián)合培養(yǎng)，實(shí)現(xiàn)一體化技術(shù)合作。合作研究的積累，使得該團(tuán)隊(duì)獲得了2005年和2006年度國(guó)家自然科學(xué)基金面上和重點(diǎn)項(xiàng)目的相關(guān)課題資助。另外，2007年獲得了國(guó)家“十一五”863計(jì)劃專題。

(3) 移動(dòng)機(jī)器人的視覺(jué)定位技術(shù)

服務(wù)機(jī)器人是一個(gè)新興的快速發(fā)展的研究領(lǐng)域。服務(wù)機(jī)器人的首要問(wèn)題是其必須在執(zhí)行任務(wù)中應(yīng)付復(fù)雜的環(huán)境。復(fù)雜環(huán)境中的目標(biāo)定位技術(shù)成為其中一項(xiàng)挑戰(zhàn)性課題。

項(xiàng)目組提出了一種新的單目攝像頭實(shí)時(shí)定位算法，可以實(shí)時(shí)計(jì)算攝像頭的三維運(yùn)動(dòng)軌跡。該算法基于視覺(jué)路標(biāo)，集成了目標(biāo)識(shí)別、特征跟蹤和3D定位算法。其核心思想是：識(shí)別場(chǎng)景中的視覺(jué)路標(biāo)，并主動(dòng)跟蹤匹配特征點(diǎn)，計(jì)算攝像機(jī)的3D運(yùn)動(dòng)軌跡。為了提高算法實(shí)時(shí)性，相對(duì)耗時(shí)的目標(biāo)識(shí)別模塊只在初始化時(shí)尋找和識(shí)別路標(biāo)，接著跟蹤算子跟蹤匹配特征點(diǎn)，轉(zhuǎn)入實(shí)時(shí)跟蹤過(guò)程，同時(shí)輸出3D軌跡。

實(shí)驗(yàn)表明，結(jié)合目標(biāo)識(shí)別、跟蹤和3D定位，本文算法可以主動(dòng)發(fā)現(xiàn)和實(shí)時(shí)跟蹤感興趣目標(biāo)，對(duì)于普通PC和USB攝像頭，能以30幀/s跟蹤運(yùn)動(dòng)目標(biāo)。3D定位也有較好的精度，準(zhǔn)確跟蹤時(shí)，定位誤差一般在5cm之內(nèi)。此外由于每幀都單獨(dú)計(jì)算位姿，因此不存在累積誤差，目標(biāo)丟失后也能快速被識(shí)別和跟蹤。

3人才培養(yǎng)

聯(lián)合實(shí)驗(yàn)室成立伊始，雙方就將人才培養(yǎng)作為合作的重中之重，經(jīng)過(guò)雙方的共同努力和友好合作，在一年多的時(shí)間里，已經(jīng)實(shí)施了下列三個(gè)具有特色人才培養(yǎng)項(xiàng)目。

(1) 博士生聯(lián)合培養(yǎng)項(xiàng)目

上海交通大學(xué)與微軟亞洲研究院的博士生聯(lián)合培養(yǎng)項(xiàng)目是實(shí)驗(yàn)室在人才培養(yǎng)方面的合作亮點(diǎn)。該項(xiàng)目主要包含兩方面的內(nèi)容，一方面上海交通大學(xué)聘用微軟亞洲研究院的資深研究員為上海交通大學(xué)博士生導(dǎo)師并與上海交通大學(xué)的教授一起聯(lián)合指導(dǎo)博士研究生；另一方面微軟亞洲研究院選派具有碩士學(xué)位的優(yōu)秀員工到上海交通大學(xué)攻讀博士學(xué)位。目前有六位微軟研究員被聘為上海交通大學(xué)客座教授，其中沈向洋博士、洪小文博士、張崢博士、宋歌平博士和湯曉鷗博士為博士生導(dǎo)師。2006年4月微軟亞洲研究院選送了六位優(yōu)秀青年員工來(lái)上海交通大學(xué)攻讀博士學(xué)位，這些博士生首先在上海交通大學(xué)完成學(xué)位課程的學(xué)習(xí)，之后他們將在上海交通大學(xué)導(dǎo)師的指導(dǎo)下在微軟亞洲研究院進(jìn)行博士學(xué)位論文的研究工作。這六名博士生的導(dǎo)師分別是上海交通大學(xué)計(jì)算機(jī)科學(xué)與工程系的張申生教授、俞勇教授和呂寶糧教授；電子工程系的張文軍教授和孫軍教授。博士生聯(lián)合培養(yǎng)項(xiàng)目的實(shí)施，既是微軟亞洲研究院對(duì)優(yōu)秀青年員工繼續(xù)發(fā)展的支持和鼓勵(lì)，同時(shí)通過(guò)雙方深入的交流，將微軟亞洲研究院的研究理念和企業(yè)需求帶到上海交通大學(xué)，為雙方的共同發(fā)展作出了貢獻(xiàn)。

(2) 卡內(nèi)基?梅隆大學(xué)聯(lián)合人才培養(yǎng)項(xiàng)目

微軟亞洲研究院聯(lián)手上海交通大學(xué)和美國(guó)卡內(nèi)基?梅隆大學(xué)聯(lián)合培養(yǎng)高素質(zhì)人才。根據(jù)“卡內(nèi)基?梅隆大學(xué)-上海交通大學(xué)-微軟亞洲研究院”三方達(dá)成的協(xié)議，上海交通大學(xué)、卡內(nèi)基?梅隆大學(xué)每年將互換5名優(yōu)秀本科學(xué)生進(jìn)行為期一學(xué)期的學(xué)習(xí)，在兩校學(xué)習(xí)之后，這些學(xué)生將到微軟亞洲研究院進(jìn)行為期三個(gè)月的實(shí)習(xí)，其間他們將參與實(shí)際項(xiàng)目的研發(fā)工作。這一“產(chǎn)學(xué)研”跨國(guó)合作的模式，將為中國(guó)培養(yǎng)高素質(zhì)的“IT國(guó)際人”提供一種有效的便捷渠道。到目前為止，上海交通大學(xué)電子信息與電氣工程學(xué)院經(jīng)過(guò)嚴(yán)格挑選，已選派了十多位優(yōu)秀的本科生去卡內(nèi)基?梅隆大學(xué)電子與計(jì)算機(jī)工程系學(xué)習(xí)，這些學(xué)生分別來(lái)自計(jì)算機(jī)科學(xué)與工程系、自動(dòng)化系和電子工程系?？▋?nèi)基?梅隆大學(xué)也已選派了多名交換生來(lái)上海交通大學(xué)和微軟亞洲研究院學(xué)習(xí)和實(shí)習(xí)。經(jīng)過(guò)三方的聯(lián)合培養(yǎng)，不僅拓寬了學(xué)生的視野，而且進(jìn)一步提升了學(xué)生的綜合素質(zhì)。在參加該項(xiàng)目的學(xué)生中，有的同學(xué)已在本領(lǐng)域高水平的國(guó)際雜志和會(huì)議上發(fā)表了多篇學(xué)術(shù)論文。此外隨著三方合作的進(jìn)一步深入和上海交通大學(xué)國(guó)際化辦學(xué)的進(jìn)一步深化，將會(huì)使上海交通大學(xué)更多的本科生同學(xué)有機(jī)會(huì)親密接觸世界知名學(xué)府和研究院。

篇5

【關(guān)鍵詞】視覺(jué)測(cè)量 數(shù)字圖像處理 開(kāi)放性實(shí)驗(yàn)

【中圖分類號(hào)】G642 【文獻(xiàn)標(biāo)識(shí)碼】A 【文章編號(hào)】1006-9682（2012）10-0001-03

一、引 言

數(shù)字圖像處理作為一門學(xué)科大約形成于20世紀(jì)60年代初期，并首次在航空航天領(lǐng)域取得了成功應(yīng)用。數(shù)字圖像處理技術(shù)的發(fā)展除了與計(jì)算機(jī)技術(shù)、信息技術(shù)的快速發(fā)展密切相關(guān)以外，還得益于其在航空航天、工業(yè)、生物醫(yī)學(xué)、軍事、通信工程、商務(wù)、環(huán)境、林業(yè)等諸多領(lǐng)域的廣泛應(yīng)用，正是這些應(yīng)用需求，促進(jìn)了數(shù)字圖像處理技術(shù)的深入研究和快速發(fā)展?！皵?shù)字圖像處理”課程是隨著計(jì)算機(jī)和信息技術(shù)發(fā)展應(yīng)運(yùn)而生的一門新興課程，已成為信息類專業(yè)本科生的重要專業(yè)課。通過(guò)該課程的學(xué)習(xí)，要求學(xué)生掌握數(shù)字圖像處理的基本概念和原理，能夠?qū)D像進(jìn)行各種處理，如圖像增強(qiáng)、圖像運(yùn)算、圖像編碼、邊緣檢測(cè)等，為圖像通信、模式識(shí)別、計(jì)算機(jī)視覺(jué)以及其他交叉學(xué)科等工程領(lǐng)域的應(yīng)用奠定基礎(chǔ)。

“數(shù)字圖像處理”課程的理論教學(xué)很抽象，僅僅通過(guò)理論教學(xué)學(xué)生很難掌握數(shù)字圖像處理的基本原理。如果把數(shù)字圖像處理的廣泛應(yīng)用引入課堂理論教學(xué)，將具體知識(shí)點(diǎn)與其在實(shí)踐中的使用相結(jié)合，同時(shí)為學(xué)生提供邊學(xué)邊實(shí)踐的機(jī)會(huì)，不僅可以提高學(xué)生的學(xué)習(xí)興趣，加深對(duì)抽象理論知識(shí)的理解，增強(qiáng)其動(dòng)手實(shí)踐的能力，還可以拓展學(xué)生的視野，與目前學(xué)科前沿技術(shù)相銜接。

二、視覺(jué)測(cè)量技術(shù)

在現(xiàn)代三維測(cè)量新技術(shù)中，視覺(jué)測(cè)量是由計(jì)算機(jī)視覺(jué)、圖像處理、模式識(shí)別等多學(xué)科交叉結(jié)合而形成的科學(xué)。圖1所示，視覺(jué)測(cè)量是一種非接觸性測(cè)量手段，以數(shù)字圖像作為信息載體，對(duì)被測(cè)目標(biāo)進(jìn)行成像，通過(guò)提取多個(gè)像面的二維像點(diǎn)信息，標(biāo)定相機(jī)內(nèi)、外參數(shù)，并重建、優(yōu)化被測(cè)目標(biāo)的三維信息，實(shí)現(xiàn)測(cè)量。視覺(jué)測(cè)量基于嚴(yán)謹(jǐn)?shù)睦碚摵同F(xiàn)代的硬軟件設(shè)施，可以達(dá)到相當(dāng)高的精度和可靠性，便于對(duì)大型工件、設(shè)備的尺寸、位置、三維輪廓等進(jìn)行高精度測(cè)量，而且移動(dòng)方便，可快速靈活地構(gòu)建適于不同測(cè)量對(duì)象的系統(tǒng)，進(jìn)行現(xiàn)場(chǎng)測(cè)量。目前，視覺(jué)測(cè)量技術(shù)已經(jīng)廣泛應(yīng)用于建筑工程、航空航天、汽車制造、生物醫(yī)學(xué)、考古等各個(gè)領(lǐng)域。[1～5]因此，視覺(jué)測(cè)量技術(shù)正在深入工業(yè)生產(chǎn)和社會(huì)生活的各個(gè)領(lǐng)域，研究和應(yīng)用新的基于光學(xué)、數(shù)字圖像和視覺(jué)信息融合的三維測(cè)量方法，既具有重要的理論意義，又具有重大的實(shí)用價(jià)值，應(yīng)用前景非常廣闊。

根據(jù)視覺(jué)測(cè)量的基本原理，利用數(shù)字圖像處理技術(shù)獲取的二維信息是視覺(jué)測(cè)量中相機(jī)標(biāo)定、三維重建等環(huán)節(jié)的基礎(chǔ)，對(duì)于系統(tǒng)的測(cè)量精度、穩(wěn)定性等方面具有決定性的影響，是視覺(jué)測(cè)量領(lǐng)域的關(guān)鍵技術(shù)。在長(zhǎng)期的數(shù)字圖像處理課程教學(xué)以及視覺(jué)測(cè)量研究工作中發(fā)現(xiàn)，可以將視覺(jué)測(cè)量中關(guān)于數(shù)字圖像處理的應(yīng)用內(nèi)容引入課堂教學(xué)中，與具體理論知識(shí)相結(jié)合，加深學(xué)生對(duì)于課程理論的理解，使其接觸到科學(xué)研究的前沿內(nèi)容。此外，通過(guò)設(shè)置開(kāi)放性實(shí)驗(yàn)等環(huán)節(jié)，引導(dǎo)有興趣和能力的學(xué)生進(jìn)行實(shí)踐能力的培養(yǎng)，使學(xué)到的知識(shí)“活”起來(lái)。

三、視覺(jué)測(cè)量與數(shù)字圖像處理課程的融合

為了改善數(shù)字圖像處理課程的教學(xué)效果，提高教學(xué)效率，將視覺(jué)測(cè)量技術(shù)與數(shù)字圖像處理課程相融合，本文主要在教學(xué)方法和教學(xué)手段改革、視覺(jué)測(cè)量需求與理論知識(shí)點(diǎn)結(jié)合、實(shí)踐動(dòng)手能力提高等方面進(jìn)行了研究。

1.教學(xué)方法和教學(xué)手段改革

為了貫徹學(xué)生是教育主體的教育思路，使學(xué)生學(xué)會(huì)學(xué)習(xí)，并充分激發(fā)學(xué)生的創(chuàng)新能力和素質(zhì)培養(yǎng)，促進(jìn)學(xué)生個(gè)性的發(fā)展，同時(shí)有利于師生彼此促進(jìn)共同進(jìn)步的原則，針對(duì)數(shù)字圖像處理課程的特點(diǎn)，采取了以下措施：

（1）重視數(shù)字圖像處理課程的基礎(chǔ)理論教學(xué)。數(shù)字圖像處理內(nèi)容豐富，應(yīng)用靈活廣泛，但學(xué)生在掌握某些具體應(yīng)用技術(shù)時(shí)感到理解困難。因此，在實(shí)際教學(xué)上，首先需要注重相關(guān)的基礎(chǔ)理論教學(xué)。[6]例如，數(shù)字圖像的本質(zhì)是數(shù)字信號(hào)，所以在課程前期階段，專門有針對(duì)性地復(fù)習(xí)和講解了信號(hào)分析與處理方面的基本理論，包括數(shù)字信號(hào)處理的常用方法、離散傅里葉變換和快速傅里葉變換、離散余弦變換等，這些理論在數(shù)字圖像處理課程中有具體應(yīng)用。這不僅有利于對(duì)數(shù)字圖像處理內(nèi)容的掌握，也可以反過(guò)來(lái)加深對(duì)相關(guān)理論的理解。另一方面注意授課內(nèi)容的精選，內(nèi)容不在于多，而在于少而精，突出重點(diǎn)，使學(xué)生在有限學(xué)時(shí)內(nèi)有最大的收獲。例如，在頻域空間進(jìn)行圖像增強(qiáng)時(shí)，不能將頻域空間的所有方法都對(duì)學(xué)生講授，而是突出講解了關(guān)于頻域空間與時(shí)域空間處理之間的關(guān)系，針對(duì)頻域圖像平滑介紹一種低頻濾波器，分析其原理和特點(diǎn)。這樣不僅節(jié)省了教學(xué)時(shí)間，而且重點(diǎn)突出，同時(shí)也引導(dǎo)學(xué)生查閱其他相關(guān)方法，讓他們自己去動(dòng)腦思考，提高其思維能力。

（2）完善和改革課堂教學(xué)方法。在課堂教學(xué)過(guò)程中，我們始終重視啟發(fā)式教學(xué)，遵循“提出問(wèn)題”、“啟發(fā)式思考”、“解決問(wèn)題”的教學(xué)過(guò)程，使用“問(wèn)題教學(xué)法”引導(dǎo)學(xué)生去思考、分析問(wèn)題，激發(fā)學(xué)生學(xué)習(xí)的積極性，提高教學(xué)效果。課堂開(kāi)始時(shí)，根據(jù)授課內(nèi)容，提前向?qū)W生拋出相關(guān)問(wèn)題，在講課過(guò)程中則圍繞該問(wèn)題講解課程內(nèi)容，最后提出問(wèn)題的解決方法。例如，在講解“直方圖均衡化圖像增強(qiáng)技術(shù)”一節(jié)內(nèi)容時(shí)，首先向?qū)W生展示了兩幅曝光不足和曝光過(guò)量的圖片，并且為了提高學(xué)生的學(xué)習(xí)興趣，認(rèn)識(shí)數(shù)字圖像處理的實(shí)際應(yīng)用，圖片取自于視覺(jué)測(cè)量、航空交會(huì)對(duì)接定位等領(lǐng)域的實(shí)際圖片，向?qū)W生提問(wèn)，“如果實(shí)際應(yīng)用中，由于環(huán)境光的影響，拍攝到了這樣的圖片，應(yīng)該怎么辦？”課堂講解過(guò)程中，隨著直方圖、直方圖增強(qiáng)技術(shù)的理論、直方圖均衡化方法等內(nèi)容的展開(kāi)，使學(xué)生逐漸理解并掌握直方圖均衡化方法，最后，給學(xué)生演示了直方圖均衡化方法的實(shí)現(xiàn)，并看到了利用該方法對(duì)圖片增強(qiáng)前后的圖片效果。這種啟發(fā)引導(dǎo)式的課堂教學(xué)方法，取得了良好的效果。

（3）傳統(tǒng)和現(xiàn)代化教學(xué)手段相結(jié)合。隨著計(jì)算機(jī)、通信技術(shù)應(yīng)用的迅速普及，國(guó)內(nèi)高校的課堂教學(xué)已普遍采用了多媒體技術(shù)，利用計(jì)算機(jī)、投影儀、幻燈機(jī)等現(xiàn)代化教學(xué)設(shè)備，結(jié)合計(jì)算機(jī)輔助教學(xué)（CAI）展示教學(xué)內(nèi)容。這些現(xiàn)代化技術(shù)的確為課堂帶來(lái)了很多豐富多彩的教學(xué)手段。數(shù)字圖像處理是以圖像為處理對(duì)象，其輸出的形式主要以圖像和圖形為主，該課程也十分適宜將教學(xué)內(nèi)容制成課件，采用多媒體計(jì)算機(jī)開(kāi)展現(xiàn)代化教學(xué)。借助多媒體，使學(xué)生較直觀地看到各種圖像的處理需求、處理過(guò)程、處理效果等，這是普通教材和參考資料所無(wú)法比擬的。因此，我們針對(duì)課堂教學(xué)需求，進(jìn)行了多媒體課程教學(xué)資源建設(shè)，如教學(xué)大綱、教學(xué)日歷、授課教案和課件等通過(guò)多媒體平成，便于講課，同時(shí)也便于學(xué)生課后的復(fù)習(xí)。例如，將視覺(jué)測(cè)量原理、過(guò)程等，通過(guò)多媒體課件的形式演示出來(lái)，相比較口頭介紹等方法具有更加直觀的效果。除了多媒體教學(xué)手段，傳統(tǒng)的板書式教學(xué)作為補(bǔ)充手段也在數(shù)字圖像處理課程中得到應(yīng)用，主要用在課堂教學(xué)內(nèi)容框架展示、理論推導(dǎo)等方面。

2.視覺(jué)測(cè)量與理論知識(shí)點(diǎn)結(jié)合

為了提高算法對(duì)于目標(biāo)特征的識(shí)別效果，視覺(jué)測(cè)量通常采用圓形或方形特征點(diǎn)（圖2），在獲取的圖像中對(duì)特征的成像位置進(jìn)行識(shí)別和精確定位。視覺(jué)測(cè)量對(duì)于圖像處理的要求主要包括圖像預(yù)處理、特征粗定位、特征精定位等內(nèi)容，對(duì)應(yīng)數(shù)字圖像處理課程中的圖像增強(qiáng)、邊緣檢測(cè)、特征識(shí)別、幾何運(yùn)算等知識(shí)點(diǎn)。[7]

圖2 視覺(jué)測(cè)量常用特征點(diǎn)

（1）圖像預(yù)處理。圖像預(yù)處理的主要方法包括彩色圖像灰度化、圖像增強(qiáng)等，為此，在講解彩色圖像內(nèi)容時(shí)，介紹了RGB、HSI等彩色模型以及不同彩色模型之間的轉(zhuǎn)換，并引出如何將彩色信息轉(zhuǎn)換成灰度信息。通過(guò)分析彩色表示模型，建立了彩色到灰度圖像的轉(zhuǎn)換。

向?qū)W生展示常用視覺(jué)測(cè)量圖像效果的基礎(chǔ)上，為了減少圖像噪聲的影響、提高圖像識(shí)別效果，提出改善圖像質(zhì)量的目標(biāo)，需要進(jìn)行圖像增強(qiáng)。結(jié)合圖像增強(qiáng)中常用的直方圖增強(qiáng)技術(shù)、空域和頻域圖像增強(qiáng)方法在視覺(jué)測(cè)量圖像處理中的實(shí)際應(yīng)用，給學(xué)生展示直觀的處理效果，加深對(duì)圖像增強(qiáng)方法的理解。

（2）特征點(diǎn)粗定位。數(shù)字圖像處理的邊緣檢測(cè)是該課程比較重要的一部分內(nèi)容，邊緣檢測(cè)中包含了多種方法，便于學(xué)生對(duì)不同邊緣檢測(cè)算法的作用效果有直觀印象，將各種算法應(yīng)用于視覺(jué)測(cè)量圖像征點(diǎn)的邊緣檢測(cè)，并有針對(duì)性地選擇相應(yīng)參數(shù)，使學(xué)生不僅學(xué)習(xí)了各種邊緣檢測(cè)算法的使用，也看到了算法的特點(diǎn)。

根據(jù)視覺(jué)成像的特點(diǎn)，圓形特征點(diǎn)成像后一般為橢圓，所以，利用邊緣檢測(cè)得到的邊緣像點(diǎn)數(shù)據(jù)，講解用邊緣點(diǎn)進(jìn)行指定特征識(shí)別的方法，如基于Hough變換的特征檢測(cè)方法。為了引導(dǎo)學(xué)生思考，采用啟發(fā)式講課方法，講解了Hough變換檢測(cè)直線的方法，引出如何用Hough變換檢測(cè)像面上的圓或橢圓，并鼓勵(lì)有能力的學(xué)生實(shí)現(xiàn)相應(yīng)算法。

（3）特征點(diǎn)精定位。特征點(diǎn)精定位的目的是在實(shí)現(xiàn)特征點(diǎn)粗定位的基礎(chǔ)上，對(duì)圓形特征點(diǎn)中心在像面上的精確坐標(biāo)進(jìn)行定位。精確定位主要設(shè)計(jì)到數(shù)字圖像處理中的點(diǎn)運(yùn)算，但需要考慮采用的具體定位算法，如灰度重心法、加權(quán)灰度重心法、橢圓擬合法等。引導(dǎo)學(xué)生通過(guò)文獻(xiàn)資料查找和實(shí)現(xiàn)相關(guān)定位算法，并且與國(guó)際領(lǐng)先的專業(yè)軟件進(jìn)行定位精度對(duì)比。通過(guò)比較，可以使學(xué)生發(fā)現(xiàn)不同算法之間的區(qū)別，并分析不同的原因。進(jìn)一步，引導(dǎo)學(xué)生嘗試對(duì)定位算法做一定的改進(jìn)，這種改進(jìn)，不需要從算法根本上做出很大的創(chuàng)新，只是從某一方面進(jìn)行微小的變化，使其能夠適合特定的應(yīng)用需求。例如，如果對(duì)視覺(jué)測(cè)量像面上特征點(diǎn)定位采用加權(quán)灰度重心法時(shí)，通過(guò)調(diào)整加權(quán)系數(shù)，得到不用的效果，從而分析加權(quán)系數(shù)對(duì)于定位精度的影響，并據(jù)此得出適用于該需求的結(jié)論。

四、開(kāi)放性實(shí)驗(yàn)

長(zhǎng)期以來(lái)，“數(shù)字圖像處理”課程教學(xué)主要采用課堂理論教學(xué)，教學(xué)內(nèi)容也多為經(jīng)典的內(nèi)容，很難反映課程內(nèi)容的時(shí)代特征。實(shí)驗(yàn)教學(xué)是高等教育的重要組成部分，是抽象思維與形象思維、傳授知識(shí)與訓(xùn)練技能相結(jié)合的過(guò)程，在人才培養(yǎng)中具有課堂理論教學(xué)環(huán)節(jié)不可替代的作用，對(duì)培養(yǎng)理工科大學(xué)生的創(chuàng)造性是不可缺少的。雖然目前大多數(shù)課程都設(shè)置了實(shí)踐環(huán)節(jié)，但也普遍存在著很多問(wèn)題，[8]例如，實(shí)驗(yàn)課成績(jī)占課程成績(jī)比例小，學(xué)生對(duì)實(shí)驗(yàn)的重視度不夠，存在著抄襲他人實(shí)驗(yàn)結(jié)果和報(bào)告的現(xiàn)象；實(shí)驗(yàn)?zāi)Ｊ絾我唬瑢?shí)驗(yàn)內(nèi)容陳舊、呆板，多為驗(yàn)證性實(shí)驗(yàn)，缺乏創(chuàng)新性和挑戰(zhàn)性，學(xué)生完全處于被動(dòng)狀態(tài)，最終導(dǎo)致實(shí)驗(yàn)不認(rèn)真，敷衍了事，所學(xué)的知識(shí)和操作技術(shù)遺忘快；不能保證每個(gè)學(xué)生都有充分的時(shí)間和機(jī)會(huì)做實(shí)驗(yàn)，個(gè)別學(xué)生逐漸養(yǎng)成依賴心理，最終只有一部分學(xué)生得到了鍛煉；理論課與實(shí)驗(yàn)課教學(xué)老師分離，造成理論和實(shí)踐環(huán)節(jié)脫節(jié)等。

針對(duì)目前“數(shù)字圖像處理”課程實(shí)驗(yàn)的現(xiàn)狀，根據(jù)視覺(jué)測(cè)量像面特征點(diǎn)定位需求，開(kāi)設(shè)相關(guān)開(kāi)放性實(shí)驗(yàn)項(xiàng)目“視覺(jué)測(cè)量特征點(diǎn)提取定位實(shí)驗(yàn)”，實(shí)驗(yàn)要求學(xué)生結(jié)合數(shù)字圖像處理課程知識(shí)理論，對(duì)視覺(jué)測(cè)量采集的數(shù)字圖像進(jìn)行處理，提取相關(guān)特征點(diǎn)。針對(duì)視覺(jué)測(cè)量中常用的特征點(diǎn)（圓形、方形）進(jìn)行自動(dòng)檢測(cè)，并實(shí)現(xiàn)高精度定位，主要實(shí)驗(yàn)內(nèi)容包括：圖像預(yù)處理、特征點(diǎn)粗定位、特征點(diǎn)精定位、算法設(shè)計(jì)與實(shí)現(xiàn)、實(shí)驗(yàn)結(jié)果分析等。

教師在開(kāi)放性實(shí)驗(yàn)項(xiàng)目中承擔(dān)的角色主要是方案設(shè)計(jì)和實(shí)施過(guò)程中的指導(dǎo)、監(jiān)督，對(duì)方案的具體實(shí)現(xiàn)方法不做限制性要求，主要由學(xué)生結(jié)合課堂教學(xué)內(nèi)容以及查閱文獻(xiàn)資料來(lái)設(shè)計(jì)并完成。為了提高項(xiàng)目完成的效率，教師可以通過(guò)適當(dāng)?shù)囊龑?dǎo)為學(xué)生指出主要方向。

對(duì)于單個(gè)學(xué)生來(lái)說(shuō)，這樣的實(shí)驗(yàn)項(xiàng)目有些困難，“團(tuán)隊(duì)合作”也是新時(shí)期對(duì)科技人才素質(zhì)的要求，所以可以通過(guò)建立項(xiàng)目小組的方式開(kāi)展實(shí)驗(yàn)。小組成員將實(shí)驗(yàn)內(nèi)容進(jìn)行分工，每人負(fù)責(zé)不同的部分，通過(guò)相互合作、幫助，完成整個(gè)實(shí)驗(yàn)項(xiàng)目。通過(guò)這種形式，也在某種程度上鍛煉了學(xué)生的團(tuán)隊(duì)合作意識(shí)和合作方法。

五、結(jié)束語(yǔ)

通過(guò)將視覺(jué)測(cè)量領(lǐng)域研究成果引入“數(shù)字圖像處理”課程，并在教學(xué)方法、教學(xué)手段、教學(xué)內(nèi)容、開(kāi)放性實(shí)踐等方面的改革和嘗試，逐步做到科學(xué)研究成果與課堂理論教學(xué)的有機(jī)結(jié)合，不僅豐富了課程的教學(xué)內(nèi)容，提高了學(xué)生的學(xué)習(xí)興趣，加深了對(duì)理論知識(shí)的理解，而且使學(xué)生接觸到科學(xué)研究的前沿領(lǐng)域，開(kāi)拓了視野，對(duì)創(chuàng)新能力的培養(yǎng)鍛煉等方面也具有重要意義。

參考文獻(xiàn)

1 E.M. Mikhail， J.S. Bethel. Introduction to Modern Photogramme

-try[M]. New York： John Wiley & Sons，2001

2 胡安文、季錚、盛慶紅.基于近景數(shù)字視覺(jué)測(cè)量的飛機(jī)表面模型重建[J].地理空間信息，2004（6）：23～25

3 Nicola D’Apuzzo. Overview of 3D surface digitization technologi-es in Europe[C]. Three-Dimensional Image Capture and Applications VI， Proc. of SPIE-IS&T Electronic Imaging， San Jose （CA），2006

4 劉常杰、邾繼貴、葉聲華.汽車白車身機(jī)器視覺(jué)檢測(cè)系統(tǒng)[J].汽車工程，2000（6）：373～376

5 彭三城、孫星明、劉國(guó)華.三維人體自動(dòng)測(cè)量技術(shù)綜述[J].計(jì)算機(jī)應(yīng)用研究，2005（4）：1～5

6 Wang Jun， Dong Mingli， Liang Bo. A fast target location method for the photogrammetry system[C].Proc. of SPIE-ISMCM， Beijing，2011

篇6

關(guān)鍵詞：數(shù)字圖像處理；教學(xué)改革；試驗(yàn)教學(xué)

0 引言

《數(shù)字圖像處理》是一門匯聚光電探測(cè)、電子學(xué)、數(shù)學(xué)和計(jì)算機(jī)等眾多領(lǐng)域技術(shù)的綜合叉學(xué)科，通過(guò)對(duì)原始圖像的加工，可以使圖像具備更好的視覺(jué)效果，同時(shí)滿足某些應(yīng)用的特定需要。《數(shù)字圖像處理》是一門偏重于應(yīng)用的工程學(xué)科，經(jīng)過(guò)半個(gè)多世紀(jì)的發(fā)展，目前已廣泛應(yīng)用于工業(yè)檢測(cè)、醫(yī)療保健、航空航天、軍事等各個(gè)領(lǐng)域，其巨大成就表現(xiàn)在航空航天遙感和醫(yī)學(xué)圖像的處理方面。在航天領(lǐng)域，為太空探測(cè)成功處理了數(shù)萬(wàn)張照片在生物醫(yī)學(xué)領(lǐng)域，為開(kāi)辟了無(wú)損診斷的先河，體現(xiàn)出其遠(yuǎn)大的發(fā)展前景。數(shù)字圖像處理是模式識(shí)別、計(jì)算機(jī)視覺(jué)、圖像通信、多媒體技術(shù)等學(xué)科的基礎(chǔ)，已經(jīng)成為高等院校電子信息工程、通信工程、信號(hào)與信息處理、計(jì)算機(jī)應(yīng)用與軟件等學(xué)科的一門重要專業(yè)課程。

對(duì)于工科類應(yīng)用型高校，主要是培養(yǎng)具有創(chuàng)新意識(shí)和競(jìng)爭(zhēng)力、符合市場(chǎng)需求的實(shí)用型人才，強(qiáng)調(diào)學(xué)生的應(yīng)用動(dòng)手能力。在《數(shù)字圖像處理》課程的教學(xué)過(guò)程中，我們主要從授課內(nèi)容、授課方式、試驗(yàn)課設(shè)計(jì)以及考核方式進(jìn)行了改革，培養(yǎng)學(xué)生學(xué)習(xí)興趣，掌握?qǐng)D像處理最基本的流程和基礎(chǔ)知識(shí)，通過(guò)主動(dòng)查閱文獻(xiàn)資料與團(tuán)隊(duì)協(xié)作培養(yǎng)學(xué)生分析問(wèn)題與解決問(wèn)題的能力。近幾年，我們對(duì)課程教學(xué)內(nèi)容體系、教學(xué)方法與手段以及教師隊(duì)伍等方面的進(jìn)一步建設(shè)，不斷進(jìn)行科技創(chuàng)新，將工程與項(xiàng)目的開(kāi)發(fā)與設(shè)計(jì)理念引入課堂與試驗(yàn)，取得了較明顯的效果，最為顯著的是學(xué)生在大四畢業(yè)設(shè)計(jì)中，具備扎實(shí)的圖像處理相關(guān)基礎(chǔ)知識(shí)，能很好地完成與圖像處理相關(guān)的畢業(yè)設(shè)計(jì)課題。

1 授課內(nèi)容改革

隨著科學(xué)技術(shù)的發(fā)展以及信息時(shí)代的到來(lái)，圖像處理的新理論和新方法層出不窮，并逐步應(yīng)用于實(shí)踐?！稊?shù)字圖像處理》課程教學(xué)的側(cè)重點(diǎn)和教學(xué)內(nèi)容也必須發(fā)生相應(yīng)變化以適應(yīng)時(shí)代對(duì)應(yīng)用型人才培養(yǎng)的需求。

1.1優(yōu)化整合教學(xué)內(nèi)容

在眾多的《數(shù)字圖像處理》類教材中，選擇了西安電子科技大學(xué)許錄平編寫的《數(shù)字圖像處理》教材為主。主要考慮到該教材內(nèi)容全面、知識(shí)新穎，在內(nèi)容闡述上重點(diǎn)突出，實(shí)踐性強(qiáng)，有較多的實(shí)例來(lái)幫助學(xué)生理解圖像處理的理論和算法。同時(shí)以清華大學(xué)章毓晉編寫的《圖像工程（上冊(cè)）圖像處理和分析》與岡薩雷斯的《數(shù)字圖像處理》作為我們的輔助教材。

該教材共分八章三大部分，第一部分是數(shù)字圖像處理基礎(chǔ)，包括緒論、圖像處理基礎(chǔ)和圖象變換共三章。第二部分介紹圖像處理基本方法和技術(shù)，包括圖象增強(qiáng)、圖像恢復(fù)和重建、圖像壓縮編碼共三章。第三部分講述數(shù)字圖像分析的基本原理和技術(shù)，包括圖象分割和圖像描述共二章。對(duì)于應(yīng)用型本科教學(xué)，我們對(duì)教材內(nèi)容進(jìn)行適當(dāng)增刪、重組。并劃分成如下內(nèi)容模塊：圖像基礎(chǔ)知識(shí)（圖像采集、量化與人眼視覺(jué)系統(tǒng)）、圖像變換、圖像增強(qiáng)、圖像恢復(fù)、壓縮編碼、圖像分割、圖像描述與圖像分類識(shí)別。課程教學(xué)的主要任務(wù)是系統(tǒng)地講授各個(gè)模塊的基本概念、基本原理與典型方法。目的是讓學(xué)生掌握?qǐng)D像處理的基本理論和技術(shù)，建立一個(gè)比較完整的圖像處理和分析的理論體系，并了解和掌握常用的圖像處理和分析技術(shù)。

根據(jù)幾年的教學(xué)實(shí)踐經(jīng)驗(yàn)，圖像描述與圖像分類識(shí)別應(yīng)該屬于圖像理解的范疇，作為圖像工程的高一級(jí)別的內(nèi)容，可以在本科階段略講：而圖像基本概念、各種圖像變換、灰度圖像增強(qiáng)、圖像平滑、圖像銳化和彩色圖像處理的應(yīng)用性比較強(qiáng)，且在生活中經(jīng)常會(huì)遇到此類的應(yīng)用需求，應(yīng)盡量詳講；頻域增強(qiáng)、圖像復(fù)原、圖像編碼和圖像分割的地位比較特殊，這些部分的數(shù)學(xué)知識(shí)比較多，現(xiàn)實(shí)中具有很大應(yīng)用價(jià)值，應(yīng)該予以講授。

1.2補(bǔ)充學(xué)課前沿知識(shí)

在每個(gè)模塊的內(nèi)容講授安排上，在注重基礎(chǔ)知識(shí)與經(jīng)典算法講授的前提下，按照由淺入深、由易到難的順序逐漸展開(kāi)，并適當(dāng)補(bǔ)充本領(lǐng)域中的一些新技術(shù)、新方法、新成果。例如：在講授圖像變換模塊時(shí)，其中的Fourier變換與離散余弦變換（DCT），學(xué)生在其他前期課程中有所接觸，相對(duì)來(lái)說(shuō)學(xué)生容易接受與理解。在這個(gè)模塊我們要補(bǔ)充的前沿知識(shí)就是“小波變換”。小波分析是當(dāng)前應(yīng)用數(shù)學(xué)與工程學(xué)科中一個(gè)迅速發(fā)展的新領(lǐng)域，經(jīng)過(guò)近十年的探索研究，重要的數(shù)學(xué)形式化體系已經(jīng)建立。理論基礎(chǔ)更加扎實(shí)。與Fourier變換、DCT變換相比，小波變換是時(shí)間（空間）頻率的局部細(xì)化分析，它通過(guò)伸縮平移運(yùn)算對(duì)信號(hào)（函數(shù)）逐步進(jìn)行多尺度細(xì)化，最終達(dá)到高頻處時(shí)間細(xì)化，低頻處頻率細(xì)化，能自動(dòng)適應(yīng)時(shí)頻信號(hào)分析的要求，從而可聚焦到信號(hào)的任意細(xì)節(jié)，解決了Fourier變通的困難問(wèn)題，成為繼Fouri-er變換以來(lái)在科學(xué)方法上的重大突破，有人把小波變換稱為“數(shù)學(xué)顯微鏡”。小波變換聯(lián)系了應(yīng)用數(shù)學(xué)、物理學(xué)、計(jì)算機(jī)科學(xué)、信號(hào)與信息處理、圖像處理、地震勘探等多個(gè)學(xué)科。它在信號(hào)分析、語(yǔ)音合成、圖像識(shí)別、計(jì)算機(jī)視覺(jué)、數(shù)據(jù)壓縮等方面的研究都取得了許多具有重大科學(xué)意義和應(yīng)用價(jià)值的成果。再例如：在講授圖像平滑去噪模塊時(shí)，除了講解教材的均值濾波、中值濾波算法之外，還補(bǔ)充基于偏微分方程（PDE）的圖像去噪方法。在圖像處理與計(jì)算機(jī)視覺(jué)中采用PDE方法，是近些年以來(lái)圖像處理領(lǐng)域中的一個(gè)重要分支，因?yàn)樗趫D像處理中具有更強(qiáng)的局部適應(yīng)性（Local Adaptability）與高度的靈活性（Flexibility），并且日益成為相關(guān)領(lǐng)域研究者關(guān)注的一個(gè)熱點(diǎn)，在圖像去噪、邊緣檢測(cè)與圖像分割方面積累了豐富成果。

通過(guò)在課堂上適當(dāng)?shù)匮a(bǔ)充學(xué)科前沿知識(shí)，不但可以開(kāi)闊學(xué)生的視野，豐富學(xué)生的知識(shí)面，讓學(xué)生明白更多、更新的方法在教材之外，要學(xué)會(huì)查閱相關(guān)文獻(xiàn)，而不要局限于書本，從而激發(fā)學(xué)生的創(chuàng)新意識(shí)。同時(shí)，在各個(gè)模塊內(nèi)容的設(shè)計(jì)中要注重知識(shí)點(diǎn)之間、模塊之間以及本課程與其他課程之間的內(nèi)在聯(lián)系，既體現(xiàn)知識(shí)的內(nèi)涵，又關(guān)注知識(shí)產(chǎn)生的過(guò)程。既引導(dǎo)學(xué)生對(duì)當(dāng)前所學(xué)內(nèi)容舉一反三，又能將新舊知識(shí)融會(huì)貫通。

2 教學(xué)過(guò)程的改革

2.1教學(xué)方式的選擇

《數(shù)字圖像處理》課程是一門既具有較強(qiáng)理論性又具有較強(qiáng)實(shí)踐性的學(xué)科，其中不但有基本概念與理論。還有許多具體的算法與應(yīng)用舉例。所以，在教學(xué)過(guò)程中采用以“多媒體”為主，“粉筆+黑板”為輔的教學(xué)方式。多媒體教學(xué)手段的采用能使教學(xué)內(nèi)容由平面到立體，由抽象到具體，由文字到聲音圖像，這一教學(xué)手段的運(yùn)用極大地增強(qiáng)了課堂教學(xué)的直觀性、互動(dòng)性，調(diào)動(dòng)了學(xué)生學(xué)習(xí)的主動(dòng)性。而“粉筆+黑板”的板書可以用來(lái)進(jìn)行公式的推導(dǎo)與演算，加強(qiáng)學(xué)生對(duì)公式的理解與記憶。

2.2項(xiàng)目式教學(xué)

為了有效地培養(yǎng)學(xué)生的應(yīng)用能力，把基于項(xiàng)目式的教學(xué)策略引人課堂之中，以促進(jìn)學(xué)生高級(jí)認(rèn)知技能和問(wèn)題解決策略的形成，將理論聯(lián)系實(shí)際，培養(yǎng)學(xué)生分析問(wèn)題與解決問(wèn)題的能力。這一策略的主要方法就是：在講授教材的知識(shí)點(diǎn)或具體算法時(shí)，先引入一個(gè)具體工程項(xiàng)目，通過(guò)對(duì)此項(xiàng)目的需求進(jìn)行分析，讓學(xué)生知道我們將要學(xué)習(xí)的知識(shí)在項(xiàng)目的哪個(gè)環(huán)節(jié)可以得到應(yīng)用。這樣既可以激發(fā)學(xué)生的求知欲，又能增強(qiáng)學(xué)生的學(xué)習(xí)興趣，調(diào)動(dòng)學(xué)習(xí)的主動(dòng)性。例如：在講授“圖像增強(qiáng)”這個(gè)模塊時(shí)，我們就以“視頻監(jiān)控”項(xiàng)目為背景，因?yàn)槭芄庹諚l件、天氣變化（雨雪、大霧）等因素影響，采集的視頻圖像往往不清晰，視覺(jué)效果很差，但是，通過(guò)我們將要學(xué)習(xí)的圖像增強(qiáng)方法，可以大幅度地改善圖像的視覺(jué)效果，提高圖像的質(zhì)量，如圖1所示。

由于這一真實(shí)項(xiàng)目引領(lǐng)整個(gè)“圖像增強(qiáng)”模塊的學(xué)習(xí)過(guò)程，能夠有效提高學(xué)生的學(xué)習(xí)積極性，也有利于學(xué)生掌握該知識(shí)點(diǎn)的具體應(yīng)用價(jià)值，提高學(xué)生對(duì)理論知識(shí)的綜合運(yùn)用能力，從而提高學(xué)生分析與解決實(shí)際問(wèn)題的能力。

3 試驗(yàn)教學(xué)的改革

在以住《數(shù)字圖像處理》的試驗(yàn)課中，通常都是在MatLab環(huán)境中，對(duì)課本中的一些算法進(jìn)行重復(fù)性驗(yàn)證，試驗(yàn)內(nèi)容簡(jiǎn)單枯燥，無(wú)法引起學(xué)生學(xué)習(xí)的興趣，更加不能使學(xué)生將所學(xué)的知識(shí)與實(shí)際生活中的應(yīng)用需求相聯(lián)系。

針對(duì)上述問(wèn)題，我們進(jìn)行了如下改革：

（1）設(shè)置具有應(yīng)用性的“學(xué)期項(xiàng)目”讓學(xué)生開(kāi)發(fā)，激發(fā)他們的學(xué)習(xí)興趣。俗話說(shuō)“興趣是最好的老師”，只要能夠激發(fā)學(xué)生的學(xué)習(xí)興趣，就能調(diào)動(dòng)學(xué)生學(xué)習(xí)的主動(dòng)性與積極性。為了調(diào)動(dòng)學(xué)生的學(xué)習(xí)興趣，我們選擇兼具應(yīng)用性與興趣性的試驗(yàn)題目——例如“基于膚色特征的人臉?lè)指睢?、“基于視覺(jué)相似性的圖像快速檢索”、“監(jiān)控圖像的增強(qiáng)與銳化”與“運(yùn)動(dòng)模糊圖像的恢復(fù)”等，學(xué)生根據(jù)這些“學(xué)期項(xiàng)目”，分成多個(gè)小組，每個(gè)成員在組內(nèi)具有明確的分工與任務(wù)，各負(fù)其責(zé)，共同完成“學(xué)期項(xiàng)目”軟件開(kāi)發(fā)。

（2）在“學(xué)期項(xiàng)目”軟件開(kāi)發(fā)時(shí)，鼓勵(lì)學(xué)生多采用教材之外的新理論與新方法，培養(yǎng)開(kāi)拓創(chuàng)新能力。要求學(xué)生在了解試驗(yàn)?zāi)康那疤嵯?，自己進(jìn)行方案設(shè)計(jì)，選擇適當(dāng)?shù)乃惴?。近些年以?lái)，各種類型的圖像處理新理論與新方法層出不窮，在不同的應(yīng)用場(chǎng)合，各自的優(yōu)點(diǎn)與缺點(diǎn)互不相同。鼓勵(lì)學(xué)生通過(guò)互聯(lián)網(wǎng)與學(xué)校的圖書館，查閱最新文獻(xiàn)，形成自己的特點(diǎn)，培養(yǎng)學(xué)生的科技創(chuàng)新能力。在試驗(yàn)成功后，不但要進(jìn)行試驗(yàn)結(jié)果與算法性能分析，還要書寫軟件設(shè)計(jì)方案等文檔。

（3）組建圖像處理興趣小組。因?yàn)槭苷n程學(xué)時(shí)限制，僅僅只利用課內(nèi)時(shí)間，則非常有限。我們就組建了圖像處理興趣小組，讓他們參加到教師的科研與項(xiàng)目中來(lái)，使學(xué)生在真實(shí)的項(xiàng)目研發(fā)中鍛煉自己的綜合能力。

最后，在期末之前安排兩周的時(shí)間對(duì)學(xué)生的“學(xué)期項(xiàng)目”進(jìn)行集中檢查，檢查的內(nèi)容主要包括：①系統(tǒng)演示；②功能方面是否正確完整；③算法的適應(yīng)能力是否魯棒；④算法的效率是否高效；⑤程序代碼是否規(guī)范；⑥試驗(yàn)分析報(bào)告與PPT匯報(bào)。然后，根據(jù)這些方面的檢查情況，對(duì)學(xué)生的學(xué)習(xí)情況與動(dòng)手能力進(jìn)行評(píng)分。這是基于項(xiàng)目試驗(yàn)教學(xué)改革的重要環(huán)節(jié)，不但可以督促“學(xué)期項(xiàng)目”完成的質(zhì)量，還能提高學(xué)生分析問(wèn)題與解決問(wèn)題的能力。

4 評(píng)價(jià)機(jī)制的改革

對(duì)于公選課的《數(shù)字圖像處理》課程，我們采用了“筆試+課堂表現(xiàn)+試驗(yàn)考核”的一種綜合考核方式。其中筆試環(huán)節(jié)重點(diǎn)考察學(xué)生教材上的基本概念、基本算法等知識(shí)點(diǎn)記憶與掌握程度：課堂表現(xiàn)主要考察學(xué)生的學(xué)習(xí)態(tài)度，主要包括出勤率與讀書心得等內(nèi)容：試驗(yàn)考核主要是考察學(xué)生綜合應(yīng)用能力，其中包括所選“學(xué)期項(xiàng)目”的完成質(zhì)量與試驗(yàn)分析報(bào)告與軟件設(shè)計(jì)文檔。

《數(shù)字圖像處理》作為一門實(shí)踐性、應(yīng)用性都很強(qiáng)的課程，在考核時(shí)，要加大平時(shí)考查在最終成績(jī)認(rèn)定中的比重，要重點(diǎn)突出“學(xué)期項(xiàng)目”完成質(zhì)量在學(xué)習(xí)中的重要性，從而激發(fā)學(xué)生實(shí)踐學(xué)習(xí)的主動(dòng)性，提高學(xué)生的實(shí)踐能力、創(chuàng)新能力，最終達(dá)不到理想的教學(xué)效果。

此外，由于選修本門課程學(xué)生基礎(chǔ)各異，專業(yè)背景相差較大，采取“分層評(píng)價(jià)”也是一種應(yīng)該提倡的方法。“分層評(píng)價(jià)”也是教學(xué)過(guò)程中的一個(gè)重要環(huán)節(jié)，它是根據(jù)學(xué)生的知識(shí)水平和學(xué)習(xí)能力的差異，對(duì)不同專業(yè)的學(xué)生采取不同的評(píng)價(jià)標(biāo)準(zhǔn)以及對(duì)他們的期望值。

5 結(jié)語(yǔ)

篇7

“國(guó)家優(yōu)秀自費(fèi)留學(xué)生獎(jiǎng)學(xué)金”從2005年設(shè)立至今，已評(píng)選了三屆。該獎(jiǎng)項(xiàng)已經(jīng)成為祖國(guó)關(guān)愛(ài)自費(fèi)留學(xué)生的知名品牌，受到國(guó)內(nèi)外權(quán)威媒體和有關(guān)人士的普遍關(guān)注和廣泛贊譽(yù)。

廣大自費(fèi)留學(xué)生是國(guó)家寶貴的人才資源，為了進(jìn)一步加強(qiáng)他們與祖國(guó)的聯(lián)系，弘揚(yáng)優(yōu)秀自費(fèi)留學(xué)人員奮力拼搏的精神，本刊從2006年第1期開(kāi)始，向廣大讀者介紹部分獲獎(jiǎng)?wù)?。同時(shí)近期我們又開(kāi)辟了“我的自費(fèi)留學(xué)經(jīng)歷”專題，真誠(chéng)歡迎更多的自費(fèi)留學(xué)生將你們留學(xué)中的酸甜苦辣與心得寫給我們。

本欄目聯(lián)系電話：010-62257722轉(zhuǎn)208

傳真：010-62252501

電子信箱：baiyu48@sina．com

葉海濤，2003年獲獎(jiǎng)?wù)?，留學(xué)英國(guó)。現(xiàn)任英國(guó)倫敦大學(xué)學(xué)院(UCL)納米研究中心博士后研究員，與勞斯萊斯公司(Rolls-Royce plc)合作共同研發(fā)飛機(jī)引擎內(nèi)部的高溫功率放大器。1998年西安交通大學(xué)本科畢業(yè)，曾獲得“好來(lái)西”企業(yè)獎(jiǎng)學(xué)金、首屆美國(guó)聯(lián)合科技公司(UTC)容閎科技教育獎(jiǎng)。2000年新加坡南洋理工大學(xué)(NTU)碩士畢業(yè)，獲新加坡Tan Chin Tuan國(guó)際交流獎(jiǎng)學(xué)金及李氏基金(Lee Foundation)。2004年英國(guó)倫敦大學(xué)博士畢業(yè)，主要專業(yè)方向?yàn)榻饎偸勺訉W(xué)及納米器件2004～2005年被聘為日本電信電話株式會(huì)社國(guó)際研究員，從事單晶金剛石場(chǎng)效應(yīng)管的研發(fā)?，F(xiàn)已發(fā)表國(guó)際期刊論文20多篇及國(guó)際會(huì)議論文40多篇，多次應(yīng)邀參加國(guó)際學(xué)術(shù)會(huì)議并做大會(huì)專題報(bào)告。在攻讀博士期間，連續(xù)三年榮獲英國(guó)大學(xué)校長(zhǎng)委員會(huì)頒發(fā)的海外研究生獎(jiǎng)學(xué)金(ORS)、英國(guó)EPSRC獎(jiǎng)學(xué)金和香港王寬成獎(jiǎng)學(xué)金(KCWong)，并被吸收為英國(guó)材料學(xué)會(huì)(IOM3)(2000年)、英國(guó)物理學(xué)會(huì)(10P)(2001年)及英國(guó)電子工程師學(xué)會(huì)(IEE)的會(huì)員，(2003年、2006)年當(dāng)選為旅英中國(guó)工程師協(xié)會(huì)的理事，并應(yīng)邀成為以色列國(guó)家科學(xué)基金委的特約評(píng)審人。

而立之年的葉海濤表示：“一定不會(huì)辜負(fù)祖國(guó)的期望，不斷提升和完善自己，腳踏實(shí)地做好每一份工作，心系祖國(guó)，愿為祖國(guó)的繁榮和發(fā)展貢獻(xiàn)自己的青春和智慧。”

謝向華，2004年獲獎(jiǎng)?wù)?，留學(xué)英國(guó)。2000年畢業(yè)于上海同濟(jì)大學(xué)環(huán)境科學(xué)與工程學(xué)院，2001年9月赴英國(guó)布里斯托爾大學(xué)攻讀計(jì)算機(jī)碩士學(xué)位，一年后順利完成“高級(jí)計(jì)算科學(xué)”課程，并獲得理學(xué)碩士學(xué)位。2003年11月開(kāi)始在布里斯托爾大學(xué)計(jì)算機(jī)科學(xué)系媒體計(jì)算科研小組攻讀博士學(xué)位，同時(shí)擔(dān)任“研究助理”一職從事科研工作。2006年3月通過(guò)博士論文答辯。自2006年2月起，在布里斯托爾大學(xué)計(jì)算機(jī)系做博士后，從事一項(xiàng)由歐盟委員會(huì)(European Commission)資助的旨在開(kāi)發(fā)幫助盲人和視力嚴(yán)重?fù)p傷的病人與外界交互的計(jì)算機(jī)認(rèn)知系統(tǒng)的研究項(xiàng)目(CASBliP)。其研究主要為立體計(jì)算機(jī)視覺(jué)系統(tǒng)，動(dòng)態(tài)曲線分割模型，計(jì)算機(jī)材質(zhì)分析，自動(dòng)缺陷識(shí)別和醫(yī)學(xué)圖像。他在計(jì)算機(jī)視覺(jué)與圖形處理領(lǐng)域的國(guó)際性刊物和國(guó)際性學(xué)術(shù)研討會(huì)上以第一作者發(fā)表了10多篇論文。2004年，應(yīng)美國(guó)瑪柯尼醫(yī)療系統(tǒng)(Marconi Medical System，Inc．)蘇里博士的邀請(qǐng)，在《醫(yī)學(xué)圖像分析手冊(cè)高級(jí)圖形分割與圖像注冊(cè)模型》一書中撰寫章節(jié)――“區(qū)域支持的幾何彩色動(dòng)態(tài)曲線分割模型”。謝向華現(xiàn)參與《材質(zhì)分析手冊(cè)》一書的編撰工作，該書將于2007年出版。2006年初，他與默曼迪博士的PRINS研究方案得到了英國(guó)Levelhulm研究基金會(huì)為期兩年的資助。他現(xiàn)擔(dān)任多個(gè)國(guó)際性學(xué)術(shù)期刊的評(píng)委，并是英國(guó)“醫(yī)學(xué)圖像分析與認(rèn)知”年會(huì)等多個(gè)國(guó)際性學(xué)術(shù)協(xié)會(huì)的會(huì)員。謝向華認(rèn)為，獲得“國(guó)家優(yōu)秀自費(fèi)留學(xué)生獎(jiǎng)學(xué)金”是祖國(guó)對(duì)自己在海外多年努力學(xué)習(xí)的莫大鼓勵(lì)與肯定，同時(shí)也讓所有海外的莘莘學(xué)子看到祖國(guó)對(duì)于他們的重視與厚望。在今后的研究工作中，他將繼續(xù)努力學(xué)習(xí)尖端技術(shù)，為祖國(guó)將來(lái)的科技發(fā)展貢獻(xiàn)微薄之力。

姚小軍，2004年獲獎(jiǎng)?wù)?，留學(xué)法國(guó)，研究方向?yàn)榛瘜W(xué)信息學(xué)。1994年就讀于蘭州大學(xué)化學(xué)系，2002年1月獲“促進(jìn)科學(xué)技術(shù)研究中法協(xié)會(huì)信息科學(xué)獎(jiǎng)學(xué)金”資助，作為蘭州大學(xué)與巴黎第七大學(xué)聯(lián)合培養(yǎng)的博士生，赴法國(guó)留學(xué)，師從法國(guó)巴黎第七大學(xué)ITODYS研究所化學(xué)信息學(xué)和分子模型實(shí)驗(yàn)室主任范波濤教授和蘭州大學(xué)胡之德教授。在范教授和胡教授的共同指導(dǎo)下，主要開(kāi)展了以下兩個(gè)方面的研究：(1)新的機(jī)器學(xué)習(xí)算法在QSAR／QSPR中的應(yīng)用；(2)計(jì)算機(jī)輔助分子設(shè)計(jì)。他在國(guó)際知名學(xué)術(shù)刊物上發(fā)表了30余篇論文并被多次引用，所做的工作曾多次在國(guó)際會(huì)議上介紹，得到了同行的廣泛好評(píng)。留學(xué)法國(guó)期間，曾獲得2002年“法國(guó)華人青年企業(yè)家協(xié)會(huì)”教育基金會(huì)第二屆“優(yōu)秀中國(guó)留學(xué)人員獎(jiǎng)”和2004年中國(guó)國(guó)家留學(xué)基金委“國(guó)家優(yōu)秀自費(fèi)留學(xué)生獎(jiǎng)學(xué)金”以及2005年“促進(jìn)科學(xué)技術(shù)研究中法協(xié)會(huì)信息科學(xué)獎(jiǎng)”。2004年12月獲得博士學(xué)位。獲得學(xué)位后，姚小軍響應(yīng)國(guó)家西部大開(kāi)發(fā)戰(zhàn)略，懷著對(duì)母校的深厚感情，決定回到蘭州大學(xué)，從事教學(xué)和科研工作，為國(guó)家的西部大開(kāi)發(fā)戰(zhàn)略和母校的發(fā)展貢獻(xiàn)自己的力量。獲獎(jiǎng)后，他深深地感謝國(guó)家對(duì)海外留學(xué)生的關(guān)心和支持。他表示將會(huì)繼續(xù)努力，爭(zhēng)取更大的成績(jī)，更好地報(bào)效國(guó)家。

篇8

關(guān)鍵詞 智能化 視頻分析 系統(tǒng)設(shè)計(jì) 監(jiān)控

中圖分類號(hào)： TP37 文獻(xiàn)標(biāo)識(shí)碼：A

1 引言

進(jìn)入21世紀(jì)以來(lái)，經(jīng)濟(jì)和社會(huì)的發(fā)展促使著人們不斷提高安防意識(shí)，對(duì)于安防監(jiān)控的業(yè)務(wù)需求不斷增大，如何通過(guò)經(jīng)濟(jì)的、高效的、智能的和可行的技術(shù)手段來(lái)提高安防監(jiān)控，保障公眾安全和財(cái)產(chǎn)安全，成為了智能監(jiān)控領(lǐng)域內(nèi)普遍關(guān)注的熱點(diǎn)問(wèn)題。

傳統(tǒng)的利用攝像頭和錄像監(jiān)視設(shè)備組成的監(jiān)控系統(tǒng)存在著諸多問(wèn)題：例如需求操作人員進(jìn)行查看和管理維護(hù)，只能作為事后取證的工具，無(wú)法解決快速報(bào)警、目標(biāo)跟蹤及定位等問(wèn)題。智能視頻分析技術(shù)是一種新的技術(shù)，是在視頻監(jiān)控系統(tǒng)發(fā)展到一定程度時(shí)市場(chǎng)自然提出的要求。

2 智能視頻分析技術(shù)

智能視頻分析技術(shù)屬于模式識(shí)別技術(shù)的一種，就是指采用智能化的視頻分析算法，利用計(jì)算機(jī)對(duì)視野范圍內(nèi)的目標(biāo)的特定行為進(jìn)行分析和提取，讓計(jì)算機(jī)判斷出這些個(gè)體進(jìn)行了一些什么行為，進(jìn)而可以判斷這些行為是否符合某些規(guī)則，是否屬于“某一類型”的行為，而這些類型的行為是應(yīng)該提醒監(jiān)控人員注意的“可疑行為”。當(dāng)發(fā)現(xiàn)存在符合某種規(guī)則的行為（如定向運(yùn)動(dòng)、越界、游蕩、遺留等）發(fā)生時(shí)，自動(dòng)向監(jiān)控系統(tǒng)發(fā)出提示信號(hào)，采取某種對(duì)應(yīng)措施（如聲光報(bào)警器報(bào)警）或通知監(jiān)控人員進(jìn)行人工干預(yù)等。智能視頻分析技術(shù)實(shí)現(xiàn)用計(jì)算機(jī)“代替”人進(jìn)行分析，也即實(shí)現(xiàn)了“自動(dòng)分析”或是“智能分析”。

智能視頻主要技術(shù)包括以下幾個(gè)方面：

（1）目標(biāo)檢測(cè)

在視頻監(jiān)控系統(tǒng)中，目標(biāo)檢測(cè)處于智能分析的低層，包括動(dòng)目標(biāo)以及靜目標(biāo)檢測(cè)，是各種后續(xù)處理的基礎(chǔ)。

（2）目標(biāo)跟蹤

目標(biāo)跟蹤即對(duì)監(jiān)控區(qū)域內(nèi)的運(yùn)動(dòng)目標(biāo)的軌跡進(jìn)行跟蹤，是目標(biāo)監(jiān)控的最基本的應(yīng)用，也是其他事件監(jiān)測(cè)的基礎(chǔ)，處于智能視頻分析的中層。

（3）目標(biāo)分類和識(shí)別

屬于智能視頻分析的中高層。目標(biāo)分類指根據(jù)檢測(cè)到目標(biāo)的形狀、外觀、輪廓等特征進(jìn)行分類（如行人、車輛、動(dòng)物等），目標(biāo)識(shí)別指對(duì)目標(biāo)的身份進(jìn)行甄別，實(shí)際應(yīng)用中，如人臉識(shí)別，步態(tài)識(shí)別，車牌識(shí)別等。

（4）視頻內(nèi)容分析和理解

屬于高級(jí)智能視頻分析，是真正實(shí)現(xiàn)監(jiān)控智能化的關(guān)鍵。在上述低級(jí)處理的基礎(chǔ)上，進(jìn)一步對(duì)場(chǎng)景中的行為，復(fù)雜事件等進(jìn)行分析和識(shí)別，并用自然語(yǔ)言等加以描述。其中最典型的是對(duì)場(chǎng)景中的運(yùn)動(dòng)目標(biāo)特別是人的行為的理解和描述。

（5）系統(tǒng)設(shè)計(jì)

智能視頻分析系統(tǒng)是以基于圖像處理、模式識(shí)別技術(shù)的計(jì)算機(jī)視覺(jué)技術(shù)為核心，結(jié)合多媒體技術(shù)、計(jì)算機(jī)網(wǎng)絡(luò)技術(shù)的一種主動(dòng)監(jiān)控分析系統(tǒng)。

本文中基于ARM Cortex的智能視頻分析系統(tǒng)，旨在打造基于智能視頻分析技術(shù)的成套安防報(bào)警管理系統(tǒng)解決方案。本系統(tǒng)借助計(jì)算機(jī)強(qiáng)大的數(shù)據(jù)處理功能，對(duì)視頻畫面中的海量數(shù)據(jù)進(jìn)行高速分析，以數(shù)字化、網(wǎng)絡(luò)化視頻監(jiān)控為基礎(chǔ)，采用ARM Cortex嵌入式多任務(wù)系統(tǒng)技術(shù)、數(shù)字圖像壓縮/處理技術(shù)、智能視頻分析等技術(shù)，提供了入侵檢測(cè)、徘徊檢測(cè)、遺棄物檢測(cè)、物品搬移檢測(cè)、自動(dòng)跟蹤檢測(cè)、非法停車檢測(cè)、煙火檢測(cè)以及防尾隨、人流統(tǒng)計(jì)和智能監(jiān)控異常檢測(cè)等功能。該系統(tǒng)中所做的智能視頻分析能夠識(shí)別不同的物體，發(fā)現(xiàn)監(jiān)控畫面中的異常情況，并能夠以最快和最佳的方式發(fā)出警報(bào)和提供有用信息，從而能夠更加有效地協(xié)助安全人員處理危機(jī)，并最大限度的降低誤報(bào)和漏報(bào)現(xiàn)象。

本文中所設(shè)計(jì)的智能視頻分析系統(tǒng)可以劃分為幾個(gè)子模塊：

（1）ARM Cortex處理平臺(tái)

實(shí)際應(yīng)用環(huán)境中越來(lái)越復(fù)雜的算法帶來(lái)了巨大的計(jì)算量，目前廣泛應(yīng)用在智能分析設(shè)備中DSP芯片計(jì)算能力有限，已經(jīng)不能滿足某些復(fù)雜算法的需要。并且無(wú)法植入嵌入式操作系統(tǒng)，無(wú)法成為一個(gè)獨(dú)立的嵌入式終端。本系統(tǒng)采用TI公司的以ARM Cortex-A9為核心的OMAP4430處理器，該處理器具有雙核對(duì)稱處理器、1GHZ的運(yùn)算速度。ARM NEON技術(shù)將DSP和媒體處理能力提高了近4倍，并支持改良的浮點(diǎn)運(yùn)算，滿足下一代3D圖形、游戲物理應(yīng)用以及傳統(tǒng)嵌入式控制應(yīng)用的需求。本系統(tǒng)充分利用其對(duì)于圖像處理的優(yōu)化支持和開(kāi)發(fā)工具，完成視頻分析算法的移植和運(yùn)行工作。基于ARM Cortex的硬件平臺(tái)使用的關(guān)鍵技術(shù)包括核心芯片技術(shù)和ARM Cortex嵌入式實(shí)時(shí)多任務(wù)處理系統(tǒng)技術(shù)，以實(shí)現(xiàn)網(wǎng)路升級(jí)、許可證管理等各項(xiàng)功能，節(jié)約在更新?lián)Q代時(shí)購(gòu)置新設(shè)備成本。

（2）算法分析模塊

運(yùn)用數(shù)字視頻處理技術(shù)與智能分析技術(shù)，對(duì)已有的算法進(jìn)行改進(jìn)，開(kāi)發(fā)具有自主知識(shí)產(chǎn)權(quán)的智能視頻分析算法，并使用VC6.0實(shí)現(xiàn)，完成入侵檢測(cè)、圍欄入侵檢測(cè)、區(qū)域入侵檢測(cè)、徘徊檢測(cè)、遺棄物檢測(cè)、物品搬移檢測(cè)、自動(dòng)跟蹤檢測(cè)、非法停車檢測(cè)、車牌自動(dòng)識(shí)別、人流（車流）統(tǒng)計(jì)、煙火檢測(cè)、智能監(jiān)控防尾隨、智能分析之異常檢測(cè)。

（3）視頻傳輸與控制信號(hào)的架設(shè)

關(guān)鍵技術(shù)包括MPEG-4編碼與解碼；媒體數(shù)據(jù)傳輸和控制協(xié)議；SIP協(xié)議開(kāi)發(fā)。RTP提供具有實(shí)時(shí)特征的、端到端的數(shù)據(jù)傳輸服務(wù)。在視頻數(shù)據(jù)前插入包含有載荷標(biāo)識(shí)、序號(hào)、時(shí)間戳和同步源標(biāo)識(shí)符的RTP包頭，然后利用數(shù)據(jù)報(bào)套接字（UDP）在IP網(wǎng)絡(luò)上傳輸RTP包。RTCP負(fù)責(zé)管理傳輸質(zhì)量在當(dāng)前應(yīng)用進(jìn)程之間交換控制信息。在RTP會(huì)話期間，各參與者周期性地傳送RTCP包，包中含有已發(fā)送的數(shù)據(jù)包的數(shù)量、丟失的數(shù)據(jù)包的數(shù)量等統(tǒng)計(jì)資料。SIP服務(wù)器可以利用這些信息動(dòng)態(tài)地改變傳輸速率，甚至改變有效載荷類型。RTP/RTCP可視為應(yīng)用程序，集成于嵌入式終端的應(yīng)用程序中。SIP協(xié)議開(kāi)發(fā)是在攝像頭所級(jí)聯(lián)的嵌入式終端中，基于ARM實(shí)現(xiàn)SIP協(xié)議編程。

（4）手持終端設(shè)備無(wú)線視頻通信

在基于ARM Cortex的智能視頻分析系統(tǒng)中，網(wǎng)絡(luò)通訊是非常重要的一部分，無(wú)線視頻通信技術(shù)，采用了基于IEEE 802.11b標(biāo)準(zhǔn)的無(wú)線局域網(wǎng)絡(luò)，提供了寬帶圖像傳輸環(huán)境。采用了MPEG-4壓縮技術(shù)，在高圖像質(zhì)量的前提下，可實(shí)現(xiàn)高壓縮效率。本無(wú)線視頻通信方案可有效地權(quán)衡視頻通信中有效性和可靠性的矛盾，保證圖像高質(zhì)量和實(shí)時(shí)性強(qiáng)地傳輸。

3 應(yīng)用前景

智能視頻分析系統(tǒng)還屬于新興領(lǐng)域，根據(jù)權(quán)威的IDC報(bào)告稱：智能視頻分析系統(tǒng)在中國(guó)的市場(chǎng)普及率還未達(dá)到5%。目前國(guó)內(nèi)智能視頻分析系統(tǒng)已經(jīng)應(yīng)用于高速公路、地鐵、商場(chǎng)、銀行和住宅小區(qū)等場(chǎng)所，服務(wù)于安全防衛(wèi)、交通管理或者行為分析等應(yīng)用。隨著安防發(fā)展的不斷加快，人們的安全防范意識(shí)不斷增強(qiáng)，將會(huì)對(duì)智能視頻分析提出更高的要求。不同行業(yè)對(duì)于智能視頻分析的要求是不同的，不同行業(yè)間檢測(cè)行為類型與異常事件的特殊性也是智能視頻分析技術(shù)研究中不得不面臨的問(wèn)題。智能視頻分析技術(shù)只要結(jié)合行業(yè)實(shí)際應(yīng)用，針對(duì)不同行業(yè)具體要求，滿足用戶需求，必然會(huì)在各行業(yè)中逐步顯現(xiàn)威力。雖然目前智能視頻分析技術(shù)對(duì)環(huán)境適應(yīng)性有一定限制，但隨著圖像處理、圖像分析以及計(jì)算機(jī)視覺(jué)等學(xué)科的發(fā)展，眾多優(yōu)秀算法的提出將使得智能視頻分析更加智能。智能視頻分析是監(jiān)控領(lǐng)域最新的、最具發(fā)展?jié)摿Φ姆较?，隨著投入力量的不斷增加，智能視頻監(jiān)控產(chǎn)品必定會(huì)有更加廣闊的前景。

參考文獻(xiàn)

[1] 蔡立公，淺析智能視頻分析系統(tǒng)的設(shè)計(jì)[J]， 黑龍江科技信息，2011（30）.

[2] 陳冬冬，張曼琳，賈平，汪永強(qiáng)，智能視頻分析技術(shù)在綜合安防系統(tǒng)中的應(yīng)用[J]，計(jì)算機(jī)系統(tǒng)應(yīng)用，2011（5）.

[3] Gantz JF， Reinsel D， Chute C， et al. The expanding digital universe： A forecast of worldwide information growth through 2010. An Internet Data Center （IDC） White Paper，sponsored by EMC， 2010.

篇9

[關(guān)鍵詞]物聯(lián)網(wǎng) 智能視頻技術(shù) 現(xiàn)狀和分析

中圖分類號(hào)：TP393 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1009-914X（2016）05-0358-01

引言

視頻監(jiān)控是物聯(lián)網(wǎng)中的重要組成部分。在以往的安防行業(yè)中視頻監(jiān)控只是其一個(gè)重要的應(yīng)用領(lǐng)域，并沒(méi)有將系統(tǒng)、互聯(lián)網(wǎng)這些概念摻雜其中。而隨著我國(guó)經(jīng)濟(jì)的不斷發(fā)展，越來(lái)越多的領(lǐng)域需要視頻監(jiān)控，從而也將視頻監(jiān)控原本只是安防行業(yè)的傳統(tǒng)狹窄領(lǐng)域給打破，越來(lái)越多的新需求也在物聯(lián)網(wǎng)的背景下被人們所提出來(lái)。信息的采集點(diǎn)是攝像頭的本質(zhì)，而編碼設(shè)備的本質(zhì)則在于數(shù)字信息化的變化，而將攝像頭和編碼設(shè)備進(jìn)行有效的結(jié)合，也就形成的第一步功能的物聯(lián)網(wǎng)。而隨著第一步功能的完成接下來(lái)就是全面的IT化互聯(lián)網(wǎng)化，也就是對(duì)架構(gòu)、系統(tǒng)以及技術(shù)的IP化[1]。在當(dāng)下物聯(lián)網(wǎng)的趨勢(shì)和背景下，有效的結(jié)合IT和安防是必須要做的工作，因此，聯(lián)網(wǎng)對(duì)于監(jiān)控來(lái)說(shuō)也是必不可少的。

1.物聯(lián)網(wǎng)中智能視頻的作用和發(fā)展現(xiàn)狀

1.1 智能視頻的發(fā)展作用

隨著我國(guó)科技的不斷發(fā)展，全數(shù)字化時(shí)代已經(jīng)在視頻監(jiān)控中得到全面使用，也就是當(dāng)下視頻監(jiān)控系統(tǒng)的網(wǎng)絡(luò)化，它是通過(guò)標(biāo)準(zhǔn)的TCP/IP協(xié)議而建立的，因此它又叫做IP監(jiān)控系統(tǒng)，是在2001年被發(fā)明并使用的。視頻監(jiān)控的數(shù)字化的優(yōu)點(diǎn)就在于可以使模擬閉路電視監(jiān)控的局限性得到很好的解決，例如可以在計(jì)算機(jī)網(wǎng)絡(luò)上不受距離限制的傳輸數(shù)字化視頻的圖像數(shù)據(jù)，而且也不會(huì)干擾到傳輸信號(hào)，使圖像的品質(zhì)和穩(wěn)定性得到大幅度的提升；視頻監(jiān)控的數(shù)字化可以很好的運(yùn)用計(jì)算機(jī)網(wǎng)絡(luò)進(jìn)行聯(lián)網(wǎng)，可以重復(fù)使用網(wǎng)絡(luò)寬帶，而且對(duì)于網(wǎng)線的布置上也可以不用重新布置；數(shù)字化存儲(chǔ)功能也得以實(shí)現(xiàn)，通過(guò)對(duì)視頻數(shù)據(jù)的壓縮處理，使其可以有效的在磁盤陣列中得到存儲(chǔ)或者在光盤中得以保存，從而更加方便快捷的進(jìn)行數(shù)據(jù)查詢[2]。

在智能化方面，目前的視頻監(jiān)控系統(tǒng)都試圖對(duì)攝像機(jī)采集的視頻信息上運(yùn)用計(jì)算機(jī)視覺(jué)技術(shù)來(lái)進(jìn)行理解、分析和處理，過(guò)濾和排除掉一些無(wú)關(guān)緊要的信息，報(bào)告給監(jiān)控人員處理的都是一些提取出的有用信息，從而讓預(yù)警、防范以及主動(dòng)監(jiān)測(cè)等功能得到實(shí)現(xiàn)，進(jìn)而使代替人來(lái)進(jìn)行監(jiān)控任務(wù)的目的得以實(shí)現(xiàn)。

1.2 智能視頻技術(shù)的應(yīng)用領(lǐng)域

目前，智能視頻技術(shù)已經(jīng)得到了廣泛的應(yīng)用，很多行業(yè)都開(kāi)始依賴智能視頻技術(shù)來(lái)促進(jìn)行業(yè)的發(fā)展。例如，（1）高級(jí)視頻的移動(dòng)偵測(cè)：在雨雪或者大風(fēng)、大霧等復(fù)雜環(huán)境中，可以對(duì)一個(gè)或者多個(gè)物體的動(dòng)作方向、運(yùn)動(dòng)特征等一系列的運(yùn)動(dòng)情況做到精準(zhǔn)的偵測(cè)和識(shí)別。（2）物體追蹤：在對(duì)移動(dòng)物體偵測(cè)到后，可以結(jié)合物體的運(yùn)動(dòng)狀況自動(dòng)的進(jìn)行控制指令的發(fā)送，從而使的攝像機(jī)可以對(duì)物體進(jìn)行自動(dòng)跟蹤，而當(dāng)跟蹤物體超出跟蹤范圍后還能自動(dòng)的對(duì)物體所在區(qū)域的攝像機(jī)發(fā)出通知，從而讓物體區(qū)域的攝像機(jī)進(jìn)行再次跟蹤和監(jiān)控。（3）識(shí)別任務(wù)的面部：通過(guò)對(duì)任務(wù)的面部特征進(jìn)行識(shí)別，將人物的面部特征和數(shù)據(jù)庫(kù)進(jìn)行對(duì)比，從而對(duì)人物的身份進(jìn)行識(shí)別和驗(yàn)證。這種面部識(shí)別主要分為兩種，一種是需要人物在攝像機(jī)面前停留一段時(shí)間，在一些門禁系統(tǒng)中比較普遍，還有一種是在一群人中對(duì)一些特定的個(gè)體進(jìn)行識(shí)別，這種在機(jī)場(chǎng)、火車站等安防工作中的運(yùn)用比較普遍。除此之外還有很多地方都得到了廣泛的應(yīng)用，如通過(guò)對(duì)車輛的形狀等信息進(jìn)行識(shí)別、對(duì)交通流量進(jìn)行控制等[3]。

2.智能視頻監(jiān)控技術(shù)的技術(shù)介紹

所謂的運(yùn)動(dòng)目標(biāo)檢測(cè)是從視頻序列的圖像中將目標(biāo)物體所在區(qū)域給分離出來(lái)。在對(duì)目標(biāo)物體進(jìn)行正確檢測(cè)盒識(shí)別的基礎(chǔ)上進(jìn)行后續(xù)工作中的運(yùn)動(dòng)目標(biāo)提取、跟蹤以及行為理解?？梢哉f(shuō)視頻監(jiān)控中運(yùn)動(dòng)目標(biāo)的檢測(cè)是前導(dǎo)工作。在運(yùn)動(dòng)目標(biāo)的檢測(cè)中主要分為兩種檢測(cè)，分別是背景檢測(cè)和目標(biāo)檢測(cè)。

當(dāng)下的背景檢測(cè)方法主要有四種：背景模型法、背景統(tǒng)計(jì)法、卡爾曼濾波法以及Surendra背景更新算法。背景模型法是建立各個(gè)像素點(diǎn)的統(tǒng)計(jì)模型，通過(guò)對(duì)像素點(diǎn)的灰度分別來(lái)找出最為符合的概率分布，例如非參數(shù)化模型。背景統(tǒng)計(jì)法是對(duì)像素點(diǎn)的灰度進(jìn)行統(tǒng)計(jì)，在結(jié)合其平均值估計(jì)背景點(diǎn)的灰度，對(duì)劇烈變化的部分進(jìn)行過(guò)濾?？柭鼮V波法是通過(guò)將灰度的時(shí)間序列看成具有噪音的觀測(cè)值，結(jié)合時(shí)域遞歸低通濾波對(duì)緩變的實(shí)際圖像進(jìn)行估計(jì)[4]。Surendra背景更新算法是對(duì)偵察圖像進(jìn)行計(jì)算，得出物體運(yùn)動(dòng)的區(qū)域，保持區(qū)域的背景的不變，更新非運(yùn)動(dòng)區(qū)域，從而估計(jì)背景圖像。

目標(biāo)檢測(cè)算法中光流法、幀間差分法以及背景減法最為常用。光流法是對(duì)運(yùn)動(dòng)目標(biāo)的光流特點(diǎn)，通過(guò)對(duì)光流場(chǎng)進(jìn)行計(jì)算，從而進(jìn)行運(yùn)動(dòng)目標(biāo)的提取。這種方法在計(jì)算上較為復(fù)雜，且耗時(shí)比較長(zhǎng)，對(duì)一些實(shí)時(shí)性檢測(cè)很難滿足。幀間差分法對(duì)相鄰兩個(gè)圖像灰度值存在的差異進(jìn)行對(duì)比進(jìn)行運(yùn)動(dòng)目標(biāo)的提取。這種方法在計(jì)算上較為簡(jiǎn)單，也能很好的感應(yīng)到運(yùn)動(dòng)物體區(qū)域的變化，但是會(huì)拉伸檢測(cè)出的物體運(yùn)動(dòng)方向，不能明確的確定運(yùn)動(dòng)目標(biāo)位置，還會(huì)去除掉部分運(yùn)動(dòng)目標(biāo)的信息數(shù)據(jù)，使得運(yùn)動(dòng)目標(biāo)不能被完整的提取出來(lái)。背景減法對(duì)當(dāng)前的幀圖像與背景圖像之間的數(shù)據(jù)進(jìn)行相減，若某個(gè)像素點(diǎn)比域值要大，則這個(gè)點(diǎn)出現(xiàn)在運(yùn)動(dòng)目標(biāo)上，目標(biāo)的位置、形狀以及大小等信息都通過(guò)相減的結(jié)果而確定。這種方法可以很好的估計(jì)和更新出背景，卻對(duì)運(yùn)動(dòng)物體的定位也非常的精準(zhǔn)，但是對(duì)一些變化的光照以及環(huán)境非常的敏感[5]。

3.總結(jié)

總而言之，物聯(lián)網(wǎng)實(shí)現(xiàn)智能交通、智能安防、智能監(jiān)控以及一些其他智能化控制的方法就是物體和物體之間相連的龐大網(wǎng)絡(luò)。在物聯(lián)網(wǎng)中最早得到應(yīng)用的重要技術(shù)之一就是智能視頻監(jiān)控。因此，物聯(lián)網(wǎng)能夠直接影響到職能視頻監(jiān)控的發(fā)展。智能視覺(jué)監(jiān)控技術(shù)所涉及到的諸多領(lǐng)域的研究，屬于綜合性跨學(xué)科問(wèn)題，是非常具有挑戰(zhàn)性的一種前沿課題。當(dāng)下，對(duì)智能視頻技術(shù)的相關(guān)研究依舊還存在于探索和研究的一個(gè)階段，需要大量的工作才能真正的使監(jiān)控技術(shù)的智能化得以實(shí)現(xiàn)。

參考文獻(xiàn)

[1] 李萬(wàn)才.物聯(lián)網(wǎng)中智能視頻技術(shù)的現(xiàn)狀與分析[J].警察技術(shù)，2010，06：8-10.

[2] 沈沛意，楊剛，張亮，肖瀟，張小平，常啟鵬，于公.物聯(lián)網(wǎng)的智能視頻接入終端――高清晰智能相機(jī)的研制與應(yīng)用[J].物聯(lián)網(wǎng)技術(shù)，2011，03：41-45.

[3] 朱方，吳莉，陳飛凌，袁衛(wèi)忠.智能視頻監(jiān)控終端在物聯(lián)網(wǎng)中的應(yīng)用和發(fā)展研究[J].中國(guó)電子科學(xué)研究院學(xué)報(bào)，2011，06：561-566.

[4] 奚吉，蔣銀忠.基于物聯(lián)網(wǎng)和視頻分析技術(shù)的監(jiān)獄智能監(jiān)控系統(tǒng)[J].電子器件，2014，06：1183-1188.

[5] 雷玉堂.淺析幾種視頻異常事件的智能視頻分析技術(shù)與方法[J].中國(guó)公共安全，2013，12：129-132+134-136+138+140.

篇10

1 符號(hào)計(jì)算

計(jì)算機(jī)最主要的用途之一就是科學(xué)計(jì)算,科學(xué)計(jì)算可分為兩類:一類是純數(shù)值的計(jì)算,例如求函數(shù)的值,方程的數(shù)值解,比如天氣預(yù)報(bào)、油藏模擬、航天等領(lǐng) 域;。另一類是符號(hào)計(jì)算,又稱代數(shù)運(yùn)算,這是一種智能化的計(jì)算,處理的是符號(hào)。符號(hào)可以代表整數(shù)、有理數(shù)、實(shí)數(shù)和復(fù)數(shù),也可以代表多項(xiàng)式,函數(shù),集合 等。。長(zhǎng)期以來(lái),人們一直盼望有一個(gè)可以進(jìn)行符號(hào)計(jì)算的計(jì)算機(jī)軟件系統(tǒng)。。早在50年代末,人們就開(kāi)始對(duì)此研究。。進(jìn)入80年代后,隨著計(jì)算機(jī)的普及和人 工智能的發(fā)展,相繼出現(xiàn)了多種功能齊全的計(jì)算機(jī)代數(shù)系統(tǒng)軟件,其中Mathematica和Maple是它們的代表，由于它們都是用C語(yǔ)言寫成的,所以可 以在絕大多數(shù)計(jì)算機(jī)上使用。。Mathematica是第一個(gè)將符號(hào)運(yùn)算,數(shù)值計(jì)算和圖形顯示很好地結(jié)合在一起的數(shù)學(xué)軟件,用戶能夠方便地用它進(jìn)行多種形 式的數(shù)學(xué)處理。

計(jì)算機(jī)代數(shù)系統(tǒng)的優(yōu)越性主要在于它能夠進(jìn)行大規(guī)模的代數(shù)運(yùn)算。。通常我們用筆和紙進(jìn)行代數(shù)運(yùn)算只能處理符號(hào)較少的算式,當(dāng)算式的符號(hào)上升到百位數(shù) 后,手工計(jì)算就很困難了,這時(shí)用計(jì)算機(jī)代數(shù)系統(tǒng)進(jìn)行運(yùn)算就可以做到準(zhǔn)確,快捷,有效。。 現(xiàn)在符號(hào)計(jì)算軟件有一些共同的特點(diǎn)就是在可以進(jìn)行符號(hào)運(yùn)算、數(shù)值計(jì)算和圖形顯示等同時(shí),還具有高效的可編程功能。在操作界面上一般都支持交互式處理,人們 通過(guò)鍵盤輸入命令,計(jì)算機(jī)處理后即顯示結(jié)果。并且人機(jī)界面友好,命令輸入方便靈活,很容易尋求幫助。

盡管計(jì)算機(jī)代數(shù)系統(tǒng)在代替人繁瑣的符號(hào)運(yùn)算上有著無(wú)比的優(yōu)越性,但是,計(jì)算機(jī)畢竟是機(jī)器,它只能執(zhí)行人們給它的指令，有一定的局限性。首先,多數(shù)計(jì) 算機(jī)代數(shù)系統(tǒng)對(duì)計(jì)算機(jī)硬件有較高的要求,在進(jìn)行符號(hào)運(yùn)算時(shí),通常需要很大的內(nèi)存和較長(zhǎng)的計(jì)算時(shí)間,而精確的代數(shù)運(yùn)算以時(shí)間和空間為代價(jià)的。第二個(gè)問(wèn)題是用 計(jì)算機(jī)代數(shù)系統(tǒng)進(jìn)行數(shù)值計(jì)算,雖然計(jì)算精度可以到任意位,但由于計(jì)算機(jī)代數(shù)系統(tǒng)是用軟件本身浮點(diǎn)運(yùn)算代替硬件算術(shù)運(yùn)算,所以在速度要比用Fortran語(yǔ) 言算同樣的問(wèn)題慢百倍甚至千倍。另外,雖然計(jì)算機(jī)代數(shù)系統(tǒng)包含大量的數(shù)學(xué)知識(shí),但這僅僅是數(shù)學(xué)中的一小部分,目前仍有許多數(shù)學(xué)領(lǐng)域未能被計(jì)算機(jī)代數(shù)系統(tǒng)涉 及。計(jì)算機(jī)代數(shù)系統(tǒng)仍在不斷地發(fā)展、完善之中。

2 模式識(shí)別

       

模式識(shí)別就是通過(guò)計(jì)算機(jī)用數(shù)學(xué)技術(shù)方法來(lái)研究模式的自動(dòng)處理和判讀。這里,我們把環(huán)境與客體統(tǒng)稱為“模式”,隨著計(jì)算機(jī)技術(shù)的發(fā)展，人類有可能研究 復(fù)雜的信息處理過(guò)程。用計(jì)算機(jī)實(shí)現(xiàn)模式（文字、聲音、人物、物體等）的自動(dòng)識(shí)別，是開(kāi)發(fā)智能機(jī)器的一個(gè)最關(guān)鍵的突破口，也為人類認(rèn)識(shí)自身智能提供線索。信 息處理過(guò)程的一個(gè)重要形式是生命體對(duì)環(huán)境及客體的識(shí)別。對(duì)人類來(lái)說(shuō)，特別重要的是對(duì)光學(xué)信息（通過(guò)視覺(jué)器官來(lái)獲得）和聲學(xué)信息（通過(guò)聽(tīng)覺(jué)器官來(lái)獲得）的識(shí) 別。這是模式識(shí)別的兩個(gè)重要方面。市場(chǎng)上可見(jiàn)到的代表性產(chǎn)品有光學(xué)字符識(shí)別系統(tǒng) (Optical Character Recognition，OCR)、語(yǔ)音識(shí)別系統(tǒng)等。

 計(jì)算機(jī)識(shí)別的顯著特點(diǎn)是速度快、準(zhǔn)確性和效率高。識(shí)別過(guò)程與人類的學(xué)習(xí)過(guò)程相似。

以“漢字識(shí)別”為例：首先將漢字圖象進(jìn)行處理，抽取主要表達(dá)特征并將其特征與漢字的代碼存在計(jì)算機(jī)中。就象把老師教我們這個(gè)字叫什么、如何寫的知識(shí) 記憶在大腦中。這一過(guò)程叫做“訓(xùn)練”。識(shí)別過(guò)程就是將輸入的漢字圖像經(jīng)處理后與計(jì)算機(jī)中所保存的全部漢字進(jìn)行比較，找出最相近的字作為識(shí)別結(jié)果,這一過(guò)程 叫做“匹配”。

語(yǔ)音識(shí)別就是讓計(jì)算機(jī)能聽(tīng)懂人說(shuō)的話，一個(gè)重要的例子就是七國(guó)語(yǔ)言（英、日、意、韓、法、德、中）口語(yǔ)自動(dòng)翻譯系統(tǒng)。其中，中文部分的實(shí)驗(yàn)平臺(tái)設(shè)立 在中國(guó)科學(xué)院自動(dòng)化所的模式識(shí)別國(guó)家重點(diǎn)實(shí)驗(yàn)室，這是口語(yǔ)翻譯研究跨入世界領(lǐng)先水平的標(biāo)志。該系統(tǒng)實(shí)現(xiàn)后，人們出國(guó)預(yù)定旅館、購(gòu)買機(jī)票、在餐館對(duì)話和兌換 外幣時(shí)，只要利用電話網(wǎng)絡(luò)和國(guó)際互聯(lián)網(wǎng)，就可用手機(jī)、電話等與“老外”通話。    

指紋是人體的一個(gè)重要特征，具有唯一性。北京大學(xué)有關(guān)專家對(duì)數(shù)字圖像的離散幾何性質(zhì)進(jìn)行了深入研究，建立了從指紋灰度圖像精確計(jì)算紋線局部方向、進(jìn) 而提取指紋特征信息的理論與算法，隨后研究成功了適于民用身份鑒定的全自動(dòng)指紋鑒定系統(tǒng)，以及適于公安刑事偵破的指紋鑒定系統(tǒng)。從而開(kāi)創(chuàng)了我國(guó)指紋自動(dòng)識(shí) 別系統(tǒng)應(yīng)用的先河。北大指紋自動(dòng)識(shí)別系統(tǒng)的推出，使我國(guó)公安干警從指紋查對(duì)的繁重人工處理中解放出來(lái)。浙江省從1997年開(kāi)始使用北大指紋自動(dòng)識(shí)別系統(tǒng)， 采取省地（市）二級(jí)建庫(kù)、省地（市）縣三級(jí)查詢的方式，形成了獨(dú)特的“浙江模式”。省公安廳現(xiàn)已建立了100多萬(wàn)人的指紋庫(kù)，是目前國(guó)內(nèi)的第二大庫(kù)。在 100多萬(wàn)人的指紋庫(kù)中，檢索一枚現(xiàn)場(chǎng)指紋僅需4分鐘左右。2000年浙江省用指紋自動(dòng)識(shí)別系統(tǒng)直接破案3063起，連帶破案12000多起。破案率為全 國(guó)第一，并遙遙領(lǐng)先于國(guó)內(nèi)其它指紋識(shí)別系統(tǒng)，被公安部樹(shù)為指紋系統(tǒng)建設(shè)應(yīng)用樣板。

這里介紹一個(gè)綜合應(yīng)用的例子，一汽集團(tuán)公司與國(guó)防科技大學(xué)最近合作研制成功“紅旗轎車自主駕駛系統(tǒng)”（即無(wú)人駕駛系統(tǒng)），它標(biāo)志著我國(guó)研制高速智能 汽車的能力已達(dá)到當(dāng)今世界先進(jìn)水平。汽車自主駕駛技術(shù)是集模式識(shí)別、智能控制、計(jì)算機(jī)學(xué)和汽車操縱動(dòng)力學(xué)等多門學(xué)科于一體的綜合性技術(shù)，代表著一個(gè)國(guó)家控 制技術(shù)的水平。紅旗車自主駕駛系統(tǒng)采用計(jì)算機(jī)視覺(jué)導(dǎo)航方式，并采用仿人控制，實(shí)現(xiàn)了對(duì)紅旗車的操縱控制。首先，攝像機(jī)將車前方的道路和車輛行駛情況輸入到 圖像處理和圖像識(shí)別系統(tǒng)。該系統(tǒng)識(shí)別出道路狀況、前方車輛的相對(duì)距離和相對(duì)車速。接著，路徑規(guī)劃系統(tǒng)根據(jù)這些信息規(guī)劃出一條合適路徑，即決定如何開(kāi)車。然 后，路徑跟蹤系統(tǒng)根據(jù)需跟蹤的路徑，結(jié)合車輛行駛狀態(tài)參數(shù)和車輛駕駛動(dòng)力學(xué)約束，形成控制命令，控制方向盤和油門開(kāi)啟機(jī)構(gòu)產(chǎn)生相應(yīng)動(dòng)作，使汽車按照規(guī)劃好 的路徑前進(jìn)，即按自主駕駛系統(tǒng)的規(guī)劃路徑前進(jìn)。

3 專家系統(tǒng)

專家系統(tǒng)是一種模擬人類專家解決領(lǐng)域問(wèn)題的計(jì)算機(jī)程序系統(tǒng)。專家系統(tǒng)內(nèi)部含有大量的某個(gè)領(lǐng)域的專家水平的知識(shí)與經(jīng)驗(yàn)，能夠運(yùn)用人類專家的知識(shí)和解決 問(wèn)題的方法進(jìn)行推理和判斷，模擬人類專家的決策過(guò)程，來(lái)解決該領(lǐng)域的復(fù)雜問(wèn)題。專家系統(tǒng)是人工智能應(yīng)用研究最活躍和最廣泛的應(yīng)用領(lǐng)域之一,涉及到社會(huì)各個(gè) 方面，各種專家系統(tǒng)已遍布各個(gè)專業(yè)領(lǐng)域，取得很大的成功。根據(jù)專家系統(tǒng)處理的問(wèn)題的類型，把專家系統(tǒng)分為解釋型、診斷型、調(diào)試型、維修型、教育型、預(yù)測(cè) 型、規(guī)劃型、設(shè)計(jì)型和控制型等10種類型。具體應(yīng)用就很多了，例如血液凝結(jié)疾病診斷系統(tǒng)、電話電纜維護(hù)專家系統(tǒng)、花布圖案設(shè)計(jì)和花布印染專家系統(tǒng)等等。

為了實(shí)現(xiàn)專家系統(tǒng)，必須要存儲(chǔ)有該專門領(lǐng)域中經(jīng)過(guò)事先總結(jié)、分析并按某種模式表示的專家知識(shí)(組成知識(shí)庫(kù))，以及擁有類似于領(lǐng)域?qū)＜医鉀Q實(shí)際問(wèn)題的 推理機(jī)制(構(gòu)成推理機(jī))。系統(tǒng)能對(duì)輸入信息進(jìn)行處理，并運(yùn)用知識(shí)進(jìn)行推理，做出決策和判斷，其解決問(wèn)題的水平達(dá)到或接近專家的水平，因此能起到專家或?qū)＜?助手的作用。

開(kāi)發(fā)專家系統(tǒng)的關(guān)鍵是表示和運(yùn)用專家知識(shí)，即來(lái)自領(lǐng)域?qū)＜业募罕蛔C明對(duì)解決有關(guān)領(lǐng)域內(nèi)的典型問(wèn)題有用的事實(shí)和過(guò)程。目前，專家系統(tǒng)主要采用基于規(guī)則 的知識(shí)表示和推理技術(shù)。由于領(lǐng)域的知識(shí)更多是不精確或不確定的，因此，不確定的知識(shí)表示與知識(shí)推理是專家系統(tǒng)開(kāi)發(fā)與研究的重要課題。此外，專家系統(tǒng)開(kāi)發(fā)工 具的研制發(fā)展也很迅速，這對(duì)擴(kuò)大專家系統(tǒng)的應(yīng)用范圍，加快專家系統(tǒng)的開(kāi)發(fā)過(guò)程，將起到積極地促進(jìn)作用。隨著計(jì)算機(jī)科學(xué)技術(shù)整體水平的提高，分布式專家系 統(tǒng)、協(xié)同式專家系統(tǒng)等新一代專家系統(tǒng)的研究也發(fā)展很快。在新一代專家系統(tǒng)中，不但采用基于規(guī)則的推理方法，而且采用了諸如人工神經(jīng)網(wǎng)絡(luò)的方法與技術(shù)。

4 機(jī)器翻譯

機(jī)器翻譯是利用計(jì)算機(jī)把一種自然語(yǔ)言轉(zhuǎn)變成另一種自然語(yǔ)言的過(guò)程，用以完成這一過(guò)程的軟件系統(tǒng)叫做機(jī)器翻譯系統(tǒng)。幾十年來(lái)，國(guó)內(nèi)外許多專家、學(xué)者為 機(jī)器翻譯的研究付出了大量的心血和汗水。雖然至今還沒(méi)有一個(gè)實(shí)用、全面、高質(zhì)量的自動(dòng)翻譯系統(tǒng)出現(xiàn)，不過(guò)也取得了很大的進(jìn)展，特別是作為人們的輔助翻譯工 具，機(jī)器翻譯已經(jīng)得到大多數(shù)人的認(rèn)可。目前，國(guó)內(nèi)的機(jī)器翻譯軟件不下百種，根據(jù)這些軟件的翻譯特點(diǎn)，大致可以分為三大類：詞典翻譯類、漢化翻譯類和專業(yè)翻 譯類。詞典類翻譯軟件代表是“金山詞霸”了，堪稱是多快好省的電子詞典，它可以迅速查詢英文單詞或詞組的詞義，并提供單詞的發(fā)音，為用戶了解單詞或詞組含 義提供了極大的便利。漢化翻譯軟件的典型代表是“東方快車2000”，它首先提出了“智能漢化”的概念，使翻譯軟件的輔助翻譯作用更加明顯。以“譯星”、 “雅信譯霸”為代表的專業(yè)翻譯系統(tǒng)，是面對(duì)專業(yè)或行業(yè)用戶的翻譯軟件，但其專業(yè)翻譯的質(zhì)量與人們的實(shí)用性還有不少差距，有人評(píng)價(jià)說(shuō)“滿篇英文難不住，滿篇 中文看不懂”，該說(shuō)法雖然比較極端，但機(jī)譯譯文的質(zhì)量確實(shí)卻一直是個(gè)老大難問(wèn)題。這里，我們不妨對(duì)現(xiàn)有的機(jī)譯和人譯過(guò)程作一比較，從中可以看出一些原因。

    機(jī)器翻譯：

    1.一句一句處理，上下文缺乏聯(lián)系；

    2.對(duì)源語(yǔ)言的分析只是求解句法關(guān)系，完全不是意義上的理解；

    3.缺乏領(lǐng)域知識(shí)，從計(jì)算機(jī)到醫(yī)學(xué)，從化工到法律都通用，就換專業(yè)詞典；

    4.譯文轉(zhuǎn)換是基于源語(yǔ)言的句法結(jié)構(gòu)的，受源語(yǔ)言的句法結(jié)構(gòu)的束縛；

    5.翻譯只是句法結(jié)構(gòu)的和詞匯的機(jī)械對(duì)應(yīng)。

    人工翻譯：

    1.一般會(huì)先通讀全文，會(huì)前后照應(yīng)；

    2.對(duì)源語(yǔ)言是求得意義上的理解；

    3.只有專業(yè)翻譯人員，而沒(méi)有萬(wàn)能翻譯人員；

    4.譯文是基于他對(duì)源語(yǔ)言的理解，不受源語(yǔ)言的句法結(jié)構(gòu)的束縛；

    5.翻譯是一個(gè)再創(chuàng)造的過(guò)程。

在目前的情況下，計(jì)算機(jī)輔助翻譯應(yīng)該是一個(gè)比較好的實(shí)際選擇。事實(shí)上，在很多領(lǐng)域中，計(jì)算機(jī)輔助人類工作的方式已經(jīng)得到了廣泛的應(yīng)用，例如CAD軟 件。如果計(jì)算機(jī)輔助技術(shù)用于語(yǔ)言的翻譯研究，應(yīng)該同樣可以起到很大的輔助作用，這就是所謂的“計(jì)算機(jī)輔助翻譯”。它集機(jī)器記憶式翻譯、語(yǔ)法分析式翻譯和人 際交互式翻譯為一體，把翻譯過(guò)程中機(jī)械、重復(fù)、瑣碎的工作交給計(jì)算機(jī)來(lái)完成。這樣，翻譯者只需將精力集中在創(chuàng)造性的思考上，有利于工作效率的提高。

機(jī)器翻譯研究歸根結(jié)底是一個(gè)知識(shí)處理問(wèn)題，它涉及到有關(guān)語(yǔ)言內(nèi)的知識(shí)、語(yǔ)言間的知識(shí)、以及語(yǔ)言外的世界知識(shí)，其中包括常識(shí)和相關(guān)領(lǐng)域的專門知識(shí)。隨 著因特網(wǎng)的普及與發(fā)展，機(jī)器翻譯的應(yīng)用前景十分廣闊。作為人類探索自己智能和操作知識(shí)的機(jī)制的窗口，機(jī)器翻譯的研究與應(yīng)用將更加誘人。國(guó)際上有關(guān)專家分析 認(rèn)為機(jī)器翻譯要想達(dá)到類似人工翻譯一樣的流暢程度，至少還要經(jīng)歷15年時(shí)間的持續(xù)研究，但在人類對(duì)語(yǔ)言研究還沒(méi)有清楚“人腦是如何進(jìn)行語(yǔ)言的模糊識(shí)別和判 斷”的情況下，機(jī)器翻譯要想達(dá)到100%的準(zhǔn)確率是不可能的。

5 人工智能思想的應(yīng)用：在家里尋找外星人

人工智能的基本思想已經(jīng)在許多領(lǐng)域中得到了應(yīng)用，“在家里尋找外星人”（SETI@home）項(xiàng)目就是利用人工智能的神經(jīng)網(wǎng)絡(luò)和網(wǎng)格計(jì)算思想的一個(gè)成功案例。SETI@home是Search for Extra Terrestrial Intelligence at Home的縮寫，意為：在家里尋找外星文明。該項(xiàng)目由美國(guó)行星學(xué)會(huì)和美國(guó)加州大學(xué)伯克利分校于1999年5月17日開(kāi)始啟動(dòng)，它利用特定的PC機(jī)屏幕保護(hù) 程序，來(lái)調(diào)用全球上網(wǎng)的個(gè)人計(jì)算機(jī)的閑置能力，分析世界上最大的射電望遠(yuǎn)鏡獲得的數(shù)據(jù)，幫助科學(xué)家探索外星生物。其計(jì)算模式的實(shí)質(zhì)就是網(wǎng)格計(jì)算。

SETI@home項(xiàng)目的大致流程是這樣的：

1.政府或者研究部門將一項(xiàng)需要巨大運(yùn)算量的任務(wù)以程序和數(shù)據(jù)的形式提交給服務(wù)器。

2.服務(wù)器將數(shù)據(jù)和程序代碼分成更小的部分，也稱“子任務(wù)”。

3.在志愿者的PC機(jī)上安裝一種特殊的客戶程序（事實(shí)上是一個(gè)屏幕保護(hù)程序），它能自動(dòng)同服務(wù)器聯(lián)絡(luò)，自動(dòng)下載和處理子任務(wù)。

4.子任務(wù)處理完后的結(jié)果被送回服務(wù)器。然后，客戶程序下載新的子任務(wù)，繼續(xù)處理。

5.一旦所有的子任務(wù)處理完畢，服務(wù)器就將各種結(jié)果匯總，生成最后的報(bào)告，并把最終結(jié)果發(fā)回提交人。