人工智能课件机器视觉

第11章机器视觉第1页计算机视觉任务计算机视觉通过对三维世界所感知二维图像来研究和提取出三维景物世界物理构造。视觉过程是成像过程逆过程，其目标是从带噪声、畸变二维灰度图像中恢复三维场景有关信息。第11章机器视觉研究关键问题在成像过程中，不可避免要丢失一部分主要信息，正是这种丢失信息恢复形成了计算机视觉研究中关键问题---从景物图像或序列图像求出景物精确三维几何描述，并定量地确定景物中物体空间性质。第2页计算机视觉理论80年代马尔(Marr)提出了视觉计算理论，把视觉过程看作是一种信号处理过程，并把这一过程分为三个层次：①计算理论；②算法与数据构造；③硬件试验。在计算理论层次，把视觉过程主要地要求为定量地恢复出图像所反应场景中三维物体形状和空间位置，以及将这一恢复过程提成三个阶段：①.要素图(初始简图)；②2.5维图(二维半简图)；③三维图。第11章机器视觉第3页景物图像初始简图2.5维简图三维简图特性提取算法外形立体运动纹理？视觉信息体现层次第11章机器视觉第4页第一节图像理解与分析包括问题：图像表征、边缘检测、图像分割、形状描述与分析、视觉三维感知。一、边缘距离计算1、图像辉亮边缘平均与差分I抱负边缘亮度变化实际边缘亮度变化

边缘检测办法中，必须既能检测出强度非连续性，又要能同步确定它们精确位置。为了抑制无关细节和噪声，需要对图像进行某种局部平均或平滑。在一幅图像中，边缘有方向和幅度两个特性。沿边缘走向灰度变第5页第一节图像理解与分析化平缓，而垂直于边缘走向灰度变化剧烈。在边缘上灰度一阶导数幅值较大，而二阶导数在边缘上值为0，其左右分别为一正一负两个峰，即，边缘点对应于一阶导数幅度大点，也对应于二阶导数为0交叉点。一种处理具有噪声影响算法：(1)从图像建立平均亮度阵列。Ai=Ii-1+Ii+Ii+13第6页第一节图像理解与分析(2)从平均亮度阵列产生一阶差分阵列。Fi=(Ai+1-Ai)+(Ai–Ai-1)2=(Ai+1-Ai-1)2(3)从一阶差分阵列产生二阶差分阵列。Si=(Si+1-Si)+(Si–Si-1)2=(Si+1-Si-1)2(4)据所得阵列，记下峰值和过0点，谋求边缘信号集合。第7页第一节图像理解与分析2、物体距离确实定立体视觉由两眼得到信息来确定。由于两眼间距离是已知，因此，一旦在两眼所得图像中找到得物体得位置，即可求出观测者到此物体得距离。P眼睛aLbrβdf由相同关系得到：距离:d=fbα+β第8页第一节图像理解与分析二、表面方向计算通过图像明暗度能够计算出图像表面方向信息.1、反射图体现光照约束光源观测者光源、观测者与表面法线间相对角度ieg郎伯表面：在平行光照明条件下，从所有也许位置观测到亮度都相等表面。它亮度只由光源方向决定。满足关系式：E=ρcos(i)ρ是与材料有关常量。第9页第一节图像理解与分析2、表面方向确实定对于物体表面上一种点，可用一种切面表达，设切面坐标轴为F和G。表面方向确实定即是从感测到表面亮度来计算表面方向，即f和g值。计算约束条件：(1)亮度。由f和g所确定表面方向应与表面亮度所要求表面方向无多大不一样；(2)表面平滑度。一点表面方向应与邻近各点表面方向无多大变化。第10页第一节图像理解与分析可采取松弛算法计算：(1)对所有非边界点，令f=0,g=0。对所有边界点，令f和g要求一种长度为2垂直于边界矢量。称输入阵列为目前阵列。(2)进行下列步骤(直到所有值变化足够慢为止)(a)对目前阵列每个点①.假如是边界点，则不做任何事②.假如是非边界点，则用松弛公式计算新f和g。(b)把所得新阵列称为目前阵列。第11页第二节视觉知识表达与控制策略一、视觉信息语义网络表达在视觉领域中，知识体现办法也许事模拟，也也许是命题逻辑。模拟知识体现办法能够表达物体主要物理和几何特性。命题逻辑体现办法则是某些说明有关事物是真或假陈说。一般能够把一种体现办法转换为另一种体现办法，而不损失任何信息。第12页第二节视觉知识表达与控制策略用语义网络表达视觉信息具有下列特点(1)语义网络是一种方便存取模拟知识体现方式，以及命题逻辑知识体现数据构造；(2)可作为反应事物之间互相关系模拟构造；(3)可用作一种具有特殊推理规则命题逻辑体现办法。第13页第二节视觉知识表达与控制策略例、用语义网络表达“在道路57与河流3交叉处桥梁位于建筑物30附近”道路57建筑物30河流3道路建筑物附近桥梁交叉河流成果成果第14页第二节视觉知识表达与控制策略二、位置网络表达位置网络能够把几何和模拟数据与一种语义网络相结合。位置网络是一组几何点网络表达。这组几何点由集合理论以及集合交运算、并运算、距离计算等几何运算联系在一起。这些运算相称于有关物体位置限制，由思维方面或物理方面原因决定。推理是由对网络进行求值来进行，即对网络中所有运算求值，以求取根节点运算点集。第15页第二节视觉知识表达与控制策略三、视觉系统控制策略策略：(1)图像数据驱动(2)内部模型驱动(3)非层次控制第16页第三节物体形状分析与识别识别：通过比较物体描述与存放在计算机内部模型来进行识别---模式识别技术。一、复杂形状物体表达1、曲线形状描述与量度(1)曲线存放办法

直接办法：依次存放曲线上各点坐标---太挥霍

改善办法：存放起点坐标和其他点增量---链式代码设两条链式代码表达曲线为：a和b，则相同度为Cab=1n∑aibi第17页第三节物体形状分析与识别(2)曲线近似描述一般办法：办法1：把曲线展开正交级数；办法2：分割为简单曲线段----样条曲线。另一种办法：迭代端点拟合法原理：用直线把给定曲线上各段端点连接起来，并寻找曲线上与该直线距离最远点，假如该距离不在可接收范围内，则在最大偏离点处把该曲线分割为两段。第18页第三节物体形状分析与识别(3)曲线形状分析量度法把某些与某曲线分析近似法有关系数用来表达该曲线形状特性。通过比较分析这些特性，即可确定曲线形状。假如是多参数曲线，可进行合适变换，将之变换为单参数曲线形式。第19页第三节物体形状分析与识别2、面积形状描述与量度(1)简单形状量度关系式：[面积×周长2]近似是一种固定值。(2)面积分析法借助于某些基本函数对图形展开或近似而得