計(jì)算機(jī)視覺的基本任務(wù)精選(九篇)

前言：一篇好文章的誕生，需要你不斷地搜集資料、整理思路，本站小編為你收集了豐富的計(jì)算機(jī)視覺的基本任務(wù)主題范文，僅供參考，歡迎閱讀并收藏。

第1篇：計(jì)算機(jī)視覺的基本任務(wù)范文

關(guān)鍵詞：智能監(jiān)控系統(tǒng)；圖像分割技術(shù)；圖像識(shí)別

中圖分類號(hào)：TP391.41 文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1007-9599 (2011) 15-0000-01

The Image Recognition and Analysis of Intelligent Monitoring System

Yi Junxiao

(Beijing University of Technology,Beijing100022,China)

Abstract:At present,along with the computer communication technology and network technology fast development,the image processing technology in the field of science and technology is getting more and more important position.Image recognition belong to intelligent monitoring equipment the most important technology,this paper in this part of the intelligent monitoring system based on intelligent monitoring system image recognition.The key:technology of intelligent image monitoring system image recognition and classification for analysis.

Keywords:Intelligent monitoring system;Image segmentation;Image recognition

一、智能監(jiān)控系統(tǒng)概述

智能監(jiān)控系統(tǒng)采用先進(jìn)的數(shù)字圖像壓縮編解碼技術(shù)、數(shù)字圖像傳輸技術(shù)等圖像處理技術(shù)，以及模式識(shí)別、計(jì)算機(jī)視覺技術(shù)，通過將智能視頻分析模塊增加至監(jiān)控系統(tǒng)中，借助計(jì)算機(jī)強(qiáng)大的數(shù)據(jù)處理能力自動(dòng)識(shí)別不同物體，在分析抽取視頻源中關(guān)鍵有用信息的同時(shí)，過濾視頻畫面無用的或干擾信息。整個(gè)系統(tǒng)組網(wǎng)靈活，可以突破地域的限制，并以最快和最佳的方式發(fā)出警報(bào)或觸發(fā)其它動(dòng)作，進(jìn)行遙遠(yuǎn)范圍大規(guī)模的實(shí)時(shí)圖像監(jiān)控和報(bào)警處理。

二、智能監(jiān)控系統(tǒng)圖像識(shí)別的關(guān)鍵技術(shù)

（一）圖像分割技術(shù)。圖像分割是由圖像處理邁向圖像分析的關(guān)鍵步驟，其實(shí)質(zhì)是正確地劃分屬性區(qū)域，在分離日標(biāo)和背景的基礎(chǔ)上，為計(jì)算機(jī)視覺的后續(xù)處理提供依據(jù)。分割技術(shù)依據(jù)區(qū)域的一致性和幾何鄰近度，可以分為三種類型，即基于像素和其鄰域局部特性進(jìn)行分割的局部技術(shù)；以全局信息作為圖像分割依據(jù)的全局技術(shù)；以及分裂、合并和區(qū)域增長技術(shù)。圖像分割方法主要包括閾值法、邊緣檢測(cè)法以及區(qū)域跟蹤法。閾值分割法較為常用，常用的算法有最小誤差閾值法、最大類別方差法及最佳直方圖熵法等。由于傳統(tǒng)的圖像分割算法有著對(duì)噪聲敏感、計(jì)算量大等方面的缺陷。基于尤其是基于模糊技術(shù)的人工智能原理圖像分割算法開始引起人們的關(guān)注。在圖像分割過程中所涉及到的模糊技術(shù)主要包括模糊闡值技術(shù)、模糊聚類技術(shù)以及模糊邊緣檢測(cè)技術(shù)等。

（二）圖像顏色分割原理。圖像顏色分割是將分割具相同或相近顏色特征色塊的圖像處理方法，主要包括：（1）像素分類：像素通過顏色的閾值進(jìn)行分類，像素采用RGB、YUV、HIS等描述方式。（2）像素連接：將圖像進(jìn)行游程編碼處理，即將圖像編碼成以run格式為單元的編碼處理。游程編碼處理是run格式指的是一行像素之內(nèi)相鄰且具有相同邏輯值的像素集合。作為色塊合并的基礎(chǔ)，像素連接通過分類后的像素信息實(shí)現(xiàn)。（3）色塊合并：按一定規(guī)律合并所得到的游程，即將游程按照parent歸類至一個(gè)樹結(jié)構(gòu)下的過程。每一個(gè)游程在帶有效信息的基礎(chǔ)上配有指向游程parent的指針。（4）區(qū)域融合：為了避免處理過程被判斷為兩個(gè)分離開來的區(qū)域，需要引入?yún)^(qū)域融合方法，使相鄰近的部分合并成為一個(gè)整體。由于面積和邊框同為區(qū)域統(tǒng)計(jì)量，因此可以進(jìn)行同一種密度測(cè)量方法的使用。倘若某幾個(gè)部分的區(qū)域像素密度大于某個(gè)闡值，即可將這些區(qū)域合并成成為一個(gè)區(qū)域整體。在色塊合并中，即使區(qū)域存在被一根線分割的情況，但這部分的密度倘若仍舊大于闡值，應(yīng)當(dāng)將它們看作一個(gè)整體區(qū)域進(jìn)行區(qū)域融合。

三、智能圖像監(jiān)控系統(tǒng)的圖像識(shí)別與分類

（一）圖象識(shí)別技術(shù)。圖像識(shí)別以研究圖像的分類與描述為主要內(nèi)容，對(duì)圖像用預(yù)先存儲(chǔ)的對(duì)象物的參照?qǐng)D案進(jìn)行匹配，并輸出文字識(shí)別和臉部圖像識(shí)別等符號(hào)信息，或者輸出物置或姿態(tài)等數(shù)值信息。圖像識(shí)別涉及的領(lǐng)域較為廣泛，包括機(jī)械加工中零部件的識(shí)別、分類；農(nóng)作物、森林、湖泊和軍事設(shè)施的遙感辨別；氣象數(shù)據(jù)、氣象衛(wèi)星照片的準(zhǔn)確觀測(cè)；身份證識(shí)別等方面。

圖像識(shí)別方法可歸納為統(tǒng)計(jì)方法和結(jié)構(gòu)識(shí)別方法兩大類。一個(gè)圖像識(shí)別系統(tǒng)可分為四個(gè)主要部分：（1）圖像信息的獲?。簩D片等信息經(jīng)系統(tǒng)輸入設(shè)備進(jìn)行數(shù)字化處理，再輸入計(jì)算機(jī)以備后續(xù)處理。（2）圖像加工和預(yù)處理：將原始圖像轉(zhuǎn)化為適合計(jì)算機(jī)進(jìn)行特征提取的形式，包括圖像變換、增強(qiáng)、恢復(fù)等，目的是去除干擾、噪聲及差異。（3）圖像特征提取：將調(diào)查而得的數(shù)據(jù)材料進(jìn)行加工、整理、分析、歸納等處理，以提取出可以反映事物本質(zhì)的特征。（4）判斷或分類：根據(jù)所提取的特征參數(shù)，通過采用某種分類判別函數(shù)和判別規(guī)則分類和辨識(shí)圖像信息，最終得到圖像識(shí)別結(jié)果。（二）圖像識(shí)別的幾何特征描述。圖像識(shí)別特征具有多種形式的描述，效果取決于圖像識(shí)別的具體狀況。在多數(shù)情況下，只需圖像的局部特征即可識(shí)別圖像，這些特征諸如圖像的灰度級(jí)空間分布特征，圖像顏色和波段，圖像隨時(shí)間變化的形態(tài)，圖像形狀、輪廓、面積和空間點(diǎn)位置等。而圖像識(shí)別的幾何特征描述包括周長、面積定義和算法（面積和周長較為容易計(jì)算），占空比、圓形度，形狀的投影描述以及特殊的形狀描述子（多數(shù)情況下，可以用來簡潔地描述物體圖像形狀）等方面的內(nèi)容。（三）圖像識(shí)別分類器設(shè)計(jì)。在圖像識(shí)別中，分類器的基本任務(wù)是通過圖像分類特征、分類運(yùn)算法則的應(yīng)用，對(duì)圖像進(jìn)行分類。圖像識(shí)別分類器必須提取和選擇特征，以便對(duì)被識(shí)別的圖像數(shù)據(jù)進(jìn)行大規(guī)模的壓縮，有利于最終的圖像識(shí)別。分類器設(shè)計(jì)的主要步驟為分類識(shí)別特征的確立。此為關(guān)鍵步驟，特征若提取得不恰當(dāng)，就無法精確分類，甚至無法進(jìn)行分類，良好的特征應(yīng)具有可區(qū)別性、可靠性、獨(dú)立性以及數(shù)量少四個(gè)方面的特征。

特征提取和選擇應(yīng)當(dāng)堅(jiān)持盡可能減少整個(gè)識(shí)別系統(tǒng)的處理時(shí)間和錯(cuò)誤識(shí)別概率的原則。當(dāng)這兩個(gè)原則無法兼得時(shí)，則應(yīng)做出相應(yīng)平衡的選擇，或者提高整個(gè)系統(tǒng)速度，以適應(yīng)實(shí)時(shí)需要；或者縮小錯(cuò)誤識(shí)別的概率，以提高識(shí)別精度。圖像識(shí)別系統(tǒng)的復(fù)雜度將隨著特征個(gè)數(shù)的增加而迅速增長，特別是用來訓(xùn)練分類器和測(cè)試結(jié)果的樣本數(shù)量，將隨著特征數(shù)量的增加呈現(xiàn)指數(shù)關(guān)系增長。特征選取的方式將因不同的模式而異，并與識(shí)別的目的和方法等有著直接的聯(lián)系。

參考文獻(xiàn)：

[1]蘇彥華.visualC++數(shù)字圖像識(shí)別技術(shù)典型案例[M].北京:人民郵電出版社,2004