前言：中文期刊網精心挑選了計算機視覺的基本概念范文供你參考和學習，希望我們的參考范文能激發你的文章創作靈感，歡迎閱讀。
計算機視覺的基本概念范文1
關鍵詞 計算機圖形學 第三方演示 課程群 分組實踐
Abstract At present， computer graphics has become an important part of undergraduate computer education， and it is also plays an important role to cultivate innovative talents to adapt to the information age. Based on the teaching of computer graphics course by the author as an example， analyzes the existing problems in the teaching of computer graphics， and put forward improvement ideas from three aspects： according to the different needs of students utilizing the third party demonstration teaching and cross curriculum interpretation， introducing course group to replace single course， employing group practice examination instead of individual， and other forms to improve the quality of teaching.
Keywords computer graphics； third party demonstration； course group； group practic
計算機圖形學是一門介紹顯示、生成和處理計算機圖形的原理和方法的課程。它在計算機總體教學體系中屬內容綜合性較強且發展迅速的方向之一。該課程既有具體的圖形軟硬件實現，又有抽象的理論和算法，旨在為學生從事相關工作打下堅實基礎。學生須以高等數學和線性代數的基本理論和較熟練的程序設計能力作為本課程學習的基礎。課程的難點在于計算機圖形學研究范圍廣，與其他學科交叉性強，且知識不斷更新變化。在教學實施過程中，難點是理解和掌握相應的基礎理論和算法，以及利用計算機圖形學相關工具進行圖形學實際問題的解決。
本課程對學生的培養學生圍繞以下三個方面展開： （1）建立對計算機圖形學的基本認識，理解圖形的表示與數據結構、曲線曲面的基本概念。（2）理解并掌握基本圖形的生成算法，并能對現有的算法進行改進，理解圖形的變換和裁減算法。 （3）面向算機圖形的程序設計能力，以底層圖形生成算法為核心構建應用程序。相應的考查方式由理論授課、上機實習和課外作業三個單元構成。從近年的授課實踐和考試情況分析，該教學內容難度設置合理，深入淺出且相互承接成為體系，學生總體反饋良好。但也存在一些矛盾和問題。以下將對幾個問題進行重點闡述與思考，并提出課程改革思路。
1 計算機圖形學與計算機輔助設計銜接問題
筆者所在院校是具有航空航天背景的工科院校，“CAD計算機輔助設計”是飛行器設計、機械設計與制造等多學科的重要課程。相關學科學生期望通過對計算機圖形學知識的深入理解，促進CAD設計工具諸如Catia、Solidwork和Rhino等先進工具的運用能力。然而，目前的計算機圖形學課程的教學和考察環節倚重低層算法講解與基于OPENGL等的程序設計，除綜述外并未具體引入CAD相關內容。產生的問題是，一方面，飛行器設計及機械設計與制造等專業的學生由于程序設計能力不足，難以駕馭較復雜的程序設計任務，在學習過程中心理壓力較大；另一方面，由于授課均為教師為計算機相關專業背景，該課程的講授并未銜接CAD相關技術，學生難以構建二者之間的聯系。
解決方案：
本質上，該問題是由于選課學生的學習動機和基礎不同造成的。以單一的教學和考查方式難以兼顧這類面向具體應用的學習需求。在教學方法上，采用第三方案例教學法和交叉講解法相結合以解決此問題。具體的，將CAD等應用場合以具體案例形式講解，授課教師邀請飛行器、機械設計相關教研組研究生以4～6學時的講臺演示的形式呈現CAD工具完整設計過程。授課教師則以交叉講解方式為學生講解運用到的計算機圖形學知識點，同時與學生交互式的問答和探討。在考查形式上，考慮到不同的學習動機和基礎，采用多樣化實踐環節考查。計算機專業學生以OPENGL程序設計為考點，而外專業學生以CAD等面向應用的實踐工具為考點，以兼顧各專業的學習需求。
2 計算機圖形學與計算機視覺相結合的問題
當前，虛擬現實技術（VR）和人工智能技術（AI）兩個最重要最熱門的研究領域。虛擬現實的基礎理論支撐是計算機圖形學，例如三維場景的生成與顯示。而人工智能的一個重要應用場景是計算機視覺，例如基于圖像智能識別的自動駕駛技術和場景理解技術。很多學生對以計算機視覺為代表的人工智能技術懷有濃厚興趣，同時，學生又難以區分計算機圖形學和計算機視覺的關系。同時，二者在近年來的研究中呈現相互融合的趨勢。如基于三維立體視覺的機器人與場景實時定位與重建。如何在計算機圖形學課程中，很好地體現兩門課程的不同，避免學生的混淆，拓展學生的知識面，都是具有現實意義的課題。
解決方案：
實際上，計算機圖形學和計算機視覺可不失一般性的概括為互逆的關系：計算機圖形學是由概念設計到模型生成，最終繪制圖形圖像的過程；而計算機視覺則是從原始圖像中再加工并分析理解、以產生新圖像（如二維到三維）或輸出語義信息（如圖像自動標注與理解、目標檢測與識別）。將計算機圖形學納入“視覺處理課程群”框架，使學生首先掌握課程群中各課程的側重點，著重理解圖形學在課程群中的作用。精心選取2～3個計算機視覺和圖形學交叉的當前主流研究方向，展開概念層面的演示講解，不深究具體算法，著重闡述兩種技術的相互依賴關系并對比二者的區別。相關領域的演示還包括增強現實、人機交互、計算機輔助診斷等等。鼓勵學生自主學習，最終使學生在做中學、用中學，提高獨立分析新問題和綜合運用知識解決問題的能力。
3 如何平衡算法講解和程序應用技能
計算機圖形學涉及的算法多，核心算法是該課程的必講內容，在算法細節的講解過程中學生容易產生畏難厭學情緒，注意教學方法以調動學生的興趣尤為重要。另一方面，對學生的考察方式最終是通過編程實踐完成。學生在編程實踐中常常遇到大量調試問題，同時要閱讀大量文檔以了解OPENGL接口函數的調用方法，這個過程占用了很大工作量。
解決方案：
在理論教學部分，著重講清計算機圖形學原理和概念、全面解析經典算法思想。課程強調對理論核心思想的闡述，用通俗易懂的語言，條例清晰的邏輯，進行簡明透徹的闡述，附以直觀、形象的動態演示系統，力圖使學生在較短的時間內、有效地掌握基本理論。分析圖形學各種經典算法的原理、可行性及幾何復雜性，盡可能多地比較算法之間的思想差異，分別指出它們的優缺點和應用場合，并促進學生思考如何在保證算法的準確性、可靠性的前提下，提高算法的效率。同時注重接近國際前沿的研究內容，注重講授經典知識和最新進展相結合，以激發學生的學習興趣，提高課堂效率和活躍度，力爭以較少的課時闡述計算機圖形學的基本原理、基本方法，加大實踐環節比重。通過往年學生完成的優秀課程作業作品的展示，激發學生的創造熱情。改革實踐環節的考查方式，以項目小組形式取代對個體的考查。原則上每組3～5人，自由組合。在課程結束前，采用小組現場演示講解的方式，展示小組成員通過編程實踐環節完成的一個項目。學生在項目小M中鍛煉了團隊協作能力，降低了個人工作強度，同時互相學習和督促的氛圍使課程作業的質量得以大幅提高。以基礎實驗――目標性重建實驗――自主性訓練的層次化實踐框架模式，逐步培養學生自主研究，獨立解決問題、分析問題，確定解決方案的能力，樹立正確的科學研究習慣，培養學生的科學研究能力。
總之，合理設計實踐教學案例，進一步實現課程體系和實踐內容的統一，建立一個多層次、立體化的實踐教學體系，注重學生的參與性與實踐性，引導和鼓勵學生進行創新實踐和課外研學。改革考核方式和考試形式，加大實踐環節在成績中的比重，強化實踐能力培養，寓教于樂的同時引導學生追求卓越。此外，計算機圖形學技術是發展非?？斓囊粋€研究及應用領域，且對編程要求較高，應注重實驗室機房投入更新必要硬件，并保障軟件編程環境的正常運行。
L鼙疚氖苤泄┦亢蠡YBA15035，江蘇省教改項目JGLX13_008資助
參考文獻
[1] 孫家廣，胡事民.計算機圖形學基礎教程.北京：清華大學出版社，2005.2.
[2] 唐榮錫，汪嘉業，彭群生等.計算機圖形學教程（修訂版）.北京：科學出版社，2000.
[3] LIU Hailan.On development and application of computer graphics[J].Computer Knowledge and Technology，2010（3）：9551-9552.
[4] 婁鳳偉.創造性思維與計算機基礎教學[J].教育探索，2002.
計算機視覺的基本概念范文2
論文關鍵詞:數據融合 傳感器 無損檢測 精確林業 應用
論文摘要:介紹了數據融合技術的基本概念和內容，分析了該技術在森林防火、森林蓄積特征的估計和更新、森林資源調查等方面的應用，提出該技術可應用于木材無損檢測及精確林業。融合機器視覺、X射線等單一傳感器技術檢測木材及木制品，可以更準確地實時檢測出木材的各種缺陷;集成GPS、GIS、RS及各種實時傳感器信息，利用智能決策支持系統以及可變量技術，能夠實現基于自然界生物及其賴以生存的環境資源的時空變異性的客觀現實，建立基于信息流融合的精確林業系統。
多傳感器融合系統由于具有較高的可靠性和魯棒性，較寬的時間和空間的觀測范圍，較強的數據可信度和分辨能力，已廣泛應用于軍事、工業、農業、航天、交通管制、機器人、海洋監視和管理、目標跟蹤和慣性導航等領域[1，2]。筆者在分析數據融合技術概念和內容的基礎上，對該技術在林業工程中的應用及前景進行了綜述。
1 數據融合
1.1 概念的提出
1973年，數據融合技術在美國國防部資助開發的聲納信號理解系統中得到了最早的體現。70年代末，在公開的技術文獻中開始出現基于多系統的信息整合意義的融合技術。1984年美國國防部數據融合小組(DFS)定義數據融合為:“對多源的數據和信息進行多方的關聯、相關和綜合處理，以更好地進行定位與估計，并完全能對態勢及帶來的威脅進行實時評估”。
1998年1月，Buchroithner和Wald重新定義了數據融合:“數據融合是一種規范框架，這個框架里人們闡明如何使用特定的手段和工具來整合來自不同渠道的數據，以獲得實際需要的信息”。
Wald定義的數據融合的概念原理中，強調以質量作為數據融合的明確目標，這正是很多關于數據融合的文獻中忽略但又是非常重要的方面。這里的“質量”指經過數據融合后獲得的信息對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、更相關的信息，甚至可更好地用于開發項目的資金、人力資源等[3]。
1.2 基本內容
信息融合是生物系統所具備的一個基本功能，人類本能地將各感官獲得的信息與先驗知識進行綜合，對周圍環境和發生的事件做出估計和判斷。當運用各種現代信息處理方法，通過計算機實現這一功能時，就形成了數據融合技術。
數據融合就是充分利用多傳感器資源，通過對這些多傳感器及觀測信息的合理支配和使用，把多傳感器在空間或時間上的冗余或互補信息依據某些準則進行組合，以獲得被測對象的一致性解釋或描述。數據融合的內容主要包括:
(1)數據關聯。確定來自多傳感器的數據反映的是否是同源目標。
(2)多傳感器ID/軌跡估計。假設多傳感器的報告反映的是同源目標，對這些數據進行綜合，改進對該目標的估計，或對整個當前或未來情況的估計。
(3)采集管理。給定傳感器環境的一種認識狀態，通過分配多個信息捕獲和處理源，最大限度地發揮其性能，從而使其操作成本降到最低。傳感器的數據融合功能主要包括多傳感器的目標探測、數據關聯、跟蹤與識別、情況評估和預測[4]。
根據融合系統所處理的信息層次，目前常將信息融合系統劃分為3個層次:
(l)數據層融合。直接將各傳感器的原始數據進行關聯后，送入融合中心，完成對被測對象的綜合評價。其優點是保持了盡可能多的原始信號信息，但是該種融合處理的信息量大、速度慢、實時性差，通常只用于數據之間配準精度較高的圖像處理。
(2)特征層融合。從原始數據中提取特征，進行數據關聯和歸一化等處理后，送入融合中心進行分析與綜合，完成對被測對象的綜合評價。這種融合既保留了足夠數量的原始信息，又實現了一定的數據壓縮，有利于實時處理，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用較多的一種技術。但是該技術在復雜環境中的穩健性和系統的容錯性與可靠性有待進一步改善。
(3)決策層融合。首先每一傳感器分別獨立地完成特征提取和決策等任務，然后進行關聯，再送入融合中心處理。這種方法的實質是根據一定的準則和每個決策的可信度做出最優的決策。其優點是數據通訊量小、實時性好，可以處理非同步信息，能有效地融合不同類型的信息。而且在一個或幾個傳感器失效時，系統仍能繼續工作，具有良好的容錯性，系統可靠性高，因此是目前信息融合研究的一個熱點。但是這種技術也有不足，如原始信息的損失、被測對象的時變特征、先驗知識的獲取困難，以及知識庫的巨量特性等[5，6]。
1.3 處理模型
美國數據融合工作小組提出的數據融合處理模型[7]，當時僅應用于軍事方面，但該模型對人們理解數據融合的基本概念有重要意義。模型每個模塊的基本功能如下:
數據源。包括傳感器及其相關數據(數據庫和人的先驗知識等)。
源數據預處理。進行數據的預篩選和數據分配，以減輕融合中心的計算負擔，有時需要為融合中心提供最重要的數據。目標評估。融合目標的位置、速度、身份等參數，以達到對這些參數的精確表達。主要包括數據配準、跟蹤和數據關聯、辨識。
態勢評估。根據當前的環境推斷出檢測目標與事件之間的關系，以判斷檢測目標的意圖。威脅評估。結合當前的態勢判斷對方的威脅程度和敵我雙方的攻擊能力等，這一過程應同時考慮當前的政治環境和對敵策略等因素，所以較為困難。
處理過程評估。監視系統的性能，辨識改善性能所需的數據，進行傳感器資源的合理配置。人機接口。提供人與計算機間的交互功能，如人工操作員的指導和評價、多媒體功能等。
2 多傳感器在林業中的應用
2.1 在森林防火中的應用
在用MODIS(Moderate Resolution Imaging Spectroradiometer)數據測定森林火點時的20、22、23波段的傳感器輻射值已達飽和狀態，用一般圖像增強處理方法探測燃燒區火點的結果不理想。余啟剛運用數據融合技術，在空間分辨率為1 000 m的熱輻射通道的數據外加入空間分辨率為250 m的可見光通道的數據，較好地進行了不同空間分辨率信息的數據融合，大大提高了對火點位置的判斷準確度[8]。為進一步提高衛星光譜圖像數據分析的準確性與可靠性，利用原有森林防火用的林區紅外探測器網，將其與衛星光譜圖像數據融合，可以使計算機獲得GPS接收機輸出的有關信息通過與RS實現高效互補性融合，從而彌補衛星圖譜不理想的缺失區數據信息，大大提高燃燒區火點信息準確度和敏感性。
2.2 森林蓄積特征的估計
Hampus Holmstrom等在瑞典南部的試驗區將SPOT-4×S衛星數據和CARABAS-II VHFSAR傳感器的雷達數據進行了融合，采用KNN(k nearest neighbor )方法對森林的蓄積特征(林分蓄積、樹種組成與年齡)進行了估計[9]。
KNN方法就是采用目標樣地鄰近k個(k=10)最近樣地的加權來估計目標樣地的森林特征。研究者應用衛星光譜數據、雷達數據融合技術對試驗區的不同林分的蓄積特征進行估計，并對三種不同的數據方法進行誤差分析。試驗表明，融合后的數據作出的估計比單一的衛星數據或雷達數據的精度高且穩定性好。
2.3 用非垂直航空攝像數據融合GIS信息更新調查數據
森林資源調查是掌握森林資源現狀與變化的調查方法，一般以地面調查的方法為主，我國5年復查一次。由于森林資源調查的工作量巨大，且要花費大量的人力、物力和資金。國內外許多學者都在探索航空、航天的遙感調查與估計方法。
Trevor J Davis等2002年提出采用非垂直的航空攝影數據融合對應的GIS數據信息實現森林調查數據的快速更新，認為對森林資源整體而言，僅某些特殊地區的資源數據需要更新。在直升飛機側面裝上可視的數字攝像裝置，利用GPS對測點進行定位，對特殊地區的攝像進行拍攝，同時與對應的GIS數據進行融合，做出資源變化的估計或影像的修正[10]。
試驗表明，融合后的數據可以同高分辨率矯正圖像相比，該方法花費少，精度高，能充分利用影像的可視性，應用于偏遠、地形復雜、不易操作、成本高的區域，同時可避免遙感圖像受云層遮蓋。
3 數據融合在林業中的應用展望
3.1 在木材檢測中的應用
3.1.1 木材缺陷及其影響
木材是天然生長的有機體，生長過程中不可避免地有尖削度、彎曲度、節子等生長缺陷，這些缺陷極大地影響了木材及其制品的優良特性，以及木材的使用率、強度、外觀質量，并限制了其應用領域。在傳統木制品生產過程中，主要依靠人的肉眼來識別木材缺陷，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，識別起來非常困難，勞動強度大，效率低，同時由于熟練程度、標準掌握等人為因素，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別嚴重影響了生產線的生產節拍。因此必須開發一種能夠對板材雙面缺陷進行在線識別和自動剔除技術，以解決集成材加工中節子人工識別誤差大、難以實現雙面識別、剔除機械調整時間長等問題。
3.1.2 單一傳感器在木材檢測中的應用
對木材及人造板進行無損檢測的方法很多，如超聲波、微波、射線、機械應力、震動、沖擊應力波、快速傅立葉變換分析等檢測方法[11，12]。超聲技術在木材工業中的應用研究主要集中在研究聲波與木材種類、木材結構和性能之間的關系、木材結構及缺陷分析、膠的固化過程分析等[13]。
隨著計算機視覺技術的發展，人們也將視覺傳感器應用于木材檢測中。新西蘭科學家用視頻傳感器研究和測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，同時準確地測量單個纖維和全部纖維的幾何尺寸及其變化趨勢，能夠區分不同紙漿類型，測定木材纖維材料加固結合力，并動態地觀察木材纖維在材料中的結合機理。
新西蘭的基于視覺傳感器的板材缺陷識別的軟件已經產業化，該軟件利用數碼相機或激光掃描儀采集板材的圖像，自動識別板材節子和缺陷的位置，控制板材的加工。該軟件還具有進行原木三維模型真實再現的計算機視覺識別功能，利用激光掃描儀自動采集原木的三維幾何數據。
美國林產品實驗室利用計算機視覺技術對木材刨花的尺寸大小進行分級，確定各種刨花在板中的比例和刨花的排列方向;日本京都大學基于視覺傳感器進行了定向刨花板內刨花定向程度的檢測，從而可以通過調整定向鋪裝設備優化刨花的排列方向來提高定向刨花板的強度。
在制材加工過程中，利用計算機視覺技術在線實時檢測原木的形狀及尺寸，選擇最佳下鋸方法，提高原木的出材率。同時可對鋸材的質量進行分級，實現木材的優化使用;在膠合板的生產過程中，利用計算機視覺技術在線實時檢測單板上的各種缺陷，實現單板的智能和自動剪切，并可測量在剪切過程中的單板破損率，對單板進行分等分級，實現自動化生產過程。Wengert等在綜合了大量的板材分類經驗的基礎上，建立了板材分級分類的計算機視覺專家系統。在國內這方面的研究較少，王金滿等用計算機視覺技術對刨花板施膠效果進行了定量分析[14]。
X射線對木材及木質復合材料的性能檢測已得到了廣泛的應用，目前該技術主要應用于對木材密度、含水率、纖維素相對結晶度和結晶區大小、纖維的化學結構和性質等進行檢測，并對木材內部的各種缺陷進行檢測。
3.1.3 數據融合在木材檢測中的應用展望
單一傳感器在木材工業中已得到了一定程度的應用，但各種單項技術在應用上存在一定的局限性。如視覺傳感器不能檢測到有些與木材具有相同顏色的節子，有時會把木板上的臟物或油脂當成節子，造成誤判，有時也會受到木材的種類或粗糙度和濕度的影響，此外，這種技術只能檢測部分表面缺陷，而無法檢測到內部缺陷;超聲、微波、核磁共振和X射線技術均能測量密度及內部特征，但是它們不能測定木材的顏色和瑕疵，因為這些缺陷的密度往往同木板相同。因此，一個理想的檢測系統應該集成各種傳感技術，才能準確、可靠地檢測到木材的缺陷[15，16]。
基于多傳感器(機器視覺及X射線等)數據融合技術的木材及木制品表面缺陷檢測，可以集成多個傳統單項技術，更可靠、準確地實時檢測出木材表面的各種缺陷，為實現木材分級自動化、智能化奠定基礎，同時為集裁除鋸、自動調整、自動裁除節子等為一身的新型視頻識別集成材雙面節子數控自動剔除成套設備提供技術支持。
3.2 在精確林業中的應用
美國華盛頓大學研究人員開展了樹形自動分析、林業作業規劃等研究工作;Auburn大學的生物系統工程系和USDA南方林業實驗站與有關公司合作開展用GPS和其他傳感器研究林業機器系統的性能和生產效率。
目前單項的GPS、RS、GIS正從“自動化孤島”形式應用于林業生產向集成技術轉變。林業生產系統作為一個多組分的復雜系統，是由能量流動、物質循環、信息流動所推動的具有一定的結構和功能的復合體，各組分間的關系和結合方式影響系統整體的結構和功能。因此應該在計算機集成系統框架下，有效地融合GPS、GIS、RS等數據，解決這些信息在空間和時間上的質的差異及空間數據類型的多樣性，如地理統計數據、柵格數據、點數據等。利用智能DSS(決策支持系統)以及VRT(可變量技術)等，使林業生產成為一個高效、柔性和開放的體系，從而實現林業生產的標準化、規范化、開放性，建立基于信息流融合的精確林業系統。
南京林業大學提出了“精確林業工程系統”[17]。研究包括精確林業工程系統的領域體系結構、隨時空變化的數據采集處理與融合技術、精確控制林業生產的智能決策支持系統、可變量控制技術等，實現基于自然界生物及其所賴以生存的環境資源的時空變異性的客觀現實，以最小資源投入、最小環境危害和最大產出效益為目標，建立關于林業管理系統戰略思想的精確林業微觀管理系統。
[參考文獻]
[1]高翔，王勇.數據融合技術綜述[J].計算機控制與測量，2002，10(11):706-709.
[2]龔元明，蕭德云，王俊杰.多傳感器數據融合技術(上)[J].冶金自動化，2002(4):4-7.
[3]錢永蘭，楊邦杰，雷廷武.數據融合及其在農情遙感監測中的應用與展望[J].農業工程學報，2004，20(4):286-290.
[4]高德平，黃雪梅.多傳感器和數據融合(一)[J].紅外與激光工程，1999，28(1):1-4.
[5]王耀南，李樹濤.多傳感器信息融合及其應用綜述[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在無損檢測中的應用研究[J].無損檢測，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.數據融合技術在“3S”森林防火中的應用[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，胡萬義，白 帆，等.木材缺陷檢測理論及方法的發展[J].林業機械與木工設備，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性能無損檢測技術研究的發展與展望[J].世界林業研究，2002，15(4):39-46.
[13]肖忠平，盧曉寧，陸繼圣.木質材料X射線與超聲檢測技術研究的發展與展望[J].木材加工機械，2004，15(1):25-27.
[14]王金滿，周秀榮.刨花板施膠效果計算機視覺分析方法[J].東北林業大學學報，1994，22(3):25-26.
[15] Klinkhachorn P. Prototyping an automated lumber processing system[J]. Forest Products Journal， 1993 (2): 11-18.
計算機視覺的基本概念范文3
1、虛擬現實技術發展歷史
虛擬技術的發展歷程大致可以分為以下三個階段：1970年代以前為第一階段，1980年代初到1980年代中期為第二個階段，1980年代末期至今為第三個階段。
1973年Myron Krurger提出了“artificial reality”，這是虛擬現實技術的早期詞語表達。
1980年代初期到1980年代中期，此階段開始形成虛擬現實技術的基本概念，在此期間先后出現的典型系統有DARPA開的SIMNET虛擬戰場系統，M.McGreevy等開發的虛擬環境視覺顯示器，WPAFB開發的VCASS飛行系統仿真器。
1980年代至今，虛擬現實技術日趨完善。1992年Sense8公司開發了“WTK”開發包，為VR技術提供更高層次上的應用；1994年3月首次正式提出VRML這個名字，后來又出現了大量的VR建模語言，如X3D，Java3D等；1994年Burdea G出版了虛擬現實技術一書，書中使用3I（Imagination、Interaction、Immersion）概括VR的三個基本特征。
G306；TP333；TP309
1.1 手勢識別
手勢是一種自然，直觀，易于學習的人機交互手段。以人手直接作為計算機的輸入設備，人機間的通訊將不再需要中間的媒體，用戶可以簡單的定義一種適當的手勢來對周圍的機器進行控制。手勢研究分為手勢合成和手勢識別，前者屬于計算機圖形學問題，后者屬于模式識別問題。手勢識別技術分為基于數據手套和基于計算機視覺兩大類。
以人手直接作為輸入手段與其他輸入方法相比較，具有自然性、簡潔性和豐富性，直接性的特點，因此用計算機來識別手勢提供了一個更自然的人機接口。但是由于其難度較大，目前的研究結果尚不能實用化。
手勢識別的方法有：模擬匹配技術，神經網絡技術，統計分析技術。數據手套的識別目前較多采用神經網絡的方法。由于神經網絡可以用靜態的和動態的輸入，和適合用快速交互的方式定義傳遞特征、還可以根據用戶個人情況調整網絡的權值，使手勢識別程序能適應不同的用戶。存在的不足是手勢識別網絡依賴于設備。當使用不同的手套設備時，要改變網絡的拓撲結構，并重新訓練網絡得到新的權值。
1.2 國內外放任機器人專利申請分析
在專利申請方面，到目前為止，國內申請量325件，國外申請233件。
雖然國內數據手套的研究起步較晚，但是發展很迅速，進入二十一世紀以后，申請量猛增。這與國家過關計劃，國家863高技術發展規劃、國家973重點基礎研究發展規劃和國家自然科學基金會等都把VR列入了重點資助范圍是密不可分的。
對于中國以外的國家和地區，其申請量比較可以看出美國的專利申請量遠超其他國家和地區，占到了36%，美國在數據手套方面的發展位列世界前茅，其次是韓國和日本，分別位列申請量第2和第3。
2、數據手套發展及專利審查
2.1、驅動安裝位置（外骨架式 內置式）
根據驅動安裝位置，數據手套可以分為外骨架式和內置式兩種，外骨架式數據手套驅動器安裝在手背上，內置式數據手套則是將驅動器安置在手上。外骨架式重量大，運動空間自由，可對手指的多關節輸出反饋力，內置式結構簡單，重量輕，但是手指的運動空間受到一定的限制。
由于外置式與內置式數據手套的優缺點，內置式數據手套的申請量極少，大多為外置式數據手套的申請。例如W.industries limited于1992年4月20日提交的申請（公開號WO92/18925A1），其中請求保護的是一種外骨架式穿戴式數據手套。
蘇茂于2011年5月13日提交的申請（公開號CN202045638U）請求保護一種外構架式數據手套，針對現有數據手套價格昂貴，系統復雜，維護困難等缺點，提出了一種外置傳感器檢測關節運動的方法，通過對外部構架進行優化在各個關節基座間采用獨特的連接方式，并對各關節測量點巧妙布局，降低或消除了檢測機構對操作者手指運動的阻礙和影響，令操作者在使用數據手套時，其五個手指的運動還能保持最大成都的靈活或輕巧。
哈爾濱大學于2008年12月30日提出的申請（公開號CN101450484A）請求保護一種外骨骼數據手套，其具有指尖位置跟隨和指尖雙向力反饋功能，能夠協調控制被控機械手的位置，并能受控從手手指的受力狀況進行兩個方向的精確反饋。結構輕巧，結合外骨骼機構的優勢，伸長范圍大，巧妙的選擇傳感器使系統的集成化程度高，便于攜帶，動態響應快，操作簡便，承載力大，力反饋進度高，真實感強，工作可靠。
2.2 驅動方式
2.2.1電驅動
哈爾濱工業大學于2008年12月30日提出了一項專利申請（申請號CN200810209842），其中請求保護一種具有指尖位置跟隨和指尖雙向力反饋功能的外骨骼手指，解決現有力反饋數據手套存在的需與人手手指指節配合才能運動；不能實現雙向主動驅動；結構臃腫，集成度低；力反饋時，不能很好的區分“接觸”和“非接觸”模式。摩擦問題突出，不利于控制的缺陷。電機驅動系統的輸出端與可伸長外骨骼機構的輸入端相連接，可伸長外骨骼機構的輸出端與指尖力反饋裝置和位置跟隨裝置連接，組成一個模塊化的力反饋手指，能根據從手工作在自由空間或者約束空間進而實現對操作者手指運動的位置跟隨或者力反饋，以增強虛擬現實或遙操作的臨場感。
2.2.2氣動
西南大學于2011年12月31日提出了一項專利申請（申請號：CN201110458610），其中請求保護一種虛擬現實系統，包括手臂模擬裝置和力反饋數據手套裝置，其中力反饋數據手套系統包括：手套，手套內壁設置有氣囊，氣囊通過導管與氣泵相接，與氣泵相接的控制器控制氣泵的充氣與放氣。其可以實時顯示手臂的運動情況，并且通過控制手套內氣囊的充氣和排氣，來對使用者的手部進行壓迫，易于實現，成本較低。
2.3 數據手套發展路線
縱觀數據手套的發展，其主要涉及對數據手套結構，驅動方式和測量方式的改進，而其中測量方式和驅動方式的改進是重點，測量方式和驅動方式的改進與結構上的改進是強耦合的，前兩者的改進一般必然涉及到結構的改進。
通過專利分析后，統計得到國內外在驅動和測量方面的申請量變化，其中大量申請涉及到測量方式的改進，至于驅動方式的改進則申請量很少。
3 結語
近年來，虛擬現實、多媒體和可視化對計算機系統的人機交互提出自然、高效、三維和非精確的要求，推動著人機交互界面向多通道用戶界面的方向發展，使用戶在視覺和聽覺上能感受到真實的三維效果，同時又能和系統進行自然、高效的交互。數據手套作為主要部件之一，在虛擬現實領域發揮了巨大作用。
對數據手套的專利審查而言，通過熟悉把握專利技術的分布、所處的發展階段以及重要申請人等信息，使得審查員可以快速的把握專利申請的技術高度，以便準確尋找對比文件，從而保證審查質量。
參考文獻
[1] 崔杏園 等，虛擬現實及其演變發展[J]，機械工程師，2006年第2期，22-24.
[2] 趙沁平 等，DEVENT中的虛擬現實技術[J]，系統仿真學報，第12卷第4期，2000年7月，296-299.
計算機視覺的基本概念范文4
關鍵詞：圖像處理技術；深度學習；教學探討
中圖分類號：G642.3 文獻標志碼：A 文章編號：1674-9324（2016）09-0115-02
引言
圖像處理是電子信息、計算機類專業的重要課程[1]，是一門涉及多領域的交叉學科，是模式識別、計算機視覺、數字視頻、視頻通訊、多媒體技術等學科的基礎。在圖像處理技術課程的教學中，不但要讓學生掌握其基本概念和原理，還要讓學生盡可能理解和掌握圖像處理在當前時代應用的最新發展。圖像處理所講授的理論和實驗過程較復雜[2，3]，如何讓學生能靈活應用這些知識，是課程學習的難點。
在高度信息化的知識經濟時代背景下，深度學習已經引起高校教師的普遍重視[4]，深度學習特別是“如何促進深度學習”也成了當前學習研究的重要內容。本文結合電子信息學科的特點和多年的教學經驗，引入深度學習框架，對圖像處理技術課程的教學模式與實踐模式進行了探討。
一、圖像處理課程特點
圖像處理有相關課程、基礎課程較多，實踐性強，發展快、應用領域不斷擴展，新方法內容抽象，要求數學基礎高等特點。隨著安防系統中圖像處理技術的廣泛應用，智能手機中的拍照功能越來越強，以及指紋識別、人臉檢測等功能在智能手機中的引入，圖像處理技術在生活中已經無處不在了。圖像處理技術涉及的相關課程有模式識別、數字視頻、計算機視覺、多媒體技術等。基于隨機場MFS的方法、基于圖論的方法、基于偏微分方程的方法在圖像增強、分割等各個方面的應用，這些方法要求數學基礎高，給教學帶來了難度。
理論和實踐的結合是本課程的關鍵，注重基礎理論和技術的教學，以及加強學生實踐能力和課題研究能力的培養是本課程的主要教學目的。由于涉及課程較多，只有在相關的模式識別、數字視頻等課程學習完后，才能進一步的開展實踐。這些工作需要在課程設計、畢業設計等實踐環節中才能開展。
二、走向深度學習
深度學習是指在理解學習的基礎上，學習者能夠批判性地學習新的思想和事實，將其融入原有的認知結構中，并將已有的知識遷移到新的問題中，做出決策并解決問題的學習。它是一種主動的、探究式的、理解性的學習方式，將其引入圖像處理課程的教學實踐中，可以讓學生進行理解性的學習，深層次的加工各門相關課程的信息，進行主動的知識建構和知識轉化，靈活應用知識來解決實際問題。反思是貫穿于整個學習活動過程的一個重要環節，其主要目標是通過對學習過程及結果的調控來促進問題解決，是促進深度學習的重要策略之一。針對課程構造了一個較為復雜、完整的深度學習框架，參考這個框架，本文構造一個簡化的深度學習策略，主要過程為：a.基礎知識學習；b.問題提出；c.反思、知識建構或轉化；d.知識應用、解決問題。
“基礎知識學習”是一般教學過程都具備的前期學習過程，為后面的深度學習提供基礎；“問題提出”是結果應用實踐，給出學生們感興趣的問題，引起對學習的注意；“反思、知識建構或轉化”是深度學習的關鍵環節，通過對知識的建構，促進對各個相關知識的綜合理解、轉化，完善基本技能；“知識應用、解決問題”體現深度學習的高階特性，將知識、技能進行綜合聯接。
深度學習的一個重要特點是靈活的知識應用。圖像處理是門實踐性很強的課程，需要通過解決實際問題，促進學生對知識的深刻理解，把知識靈活運用，促進深度學習的開展。圖像處理要求的知識面較廣，新技術、新方法很多，受到學生基礎知識限制，不能在短短的課堂上講述所有的方法。針對本科生的教學過程，不僅在課堂教學中引入深度學習，在相關的課程、實踐環節中都體現圖像處理技術的具體應用，每個環節中根據實際情況，引入深度學習過程模式。讓學生能真正學會自己動手解決問題，提高學習的興趣和主動性。
三、課堂教學中的深度學習
在課堂教學過程中，可以根據“問題―反思―生成”模式來開展教學活動，即通過創設問題情境、制造認知沖突來引導學生進行反思探究、知識建構及問題解決。部分教學知識點的深度學習教學模式設計如下。
（一）圖像增強教學中的應用
“問題―反思―生成”模式設計對應如下：
“噪聲對圖像的影響―產生原因―低通濾波器設計（平滑模版）”。
教學過程中，首先聯系電路分析、數字信號處理等課程提出問題：
1.“圖像噪聲和電路噪聲的相同點”。
2.“電路中用RC電路去除噪聲，數字信號中如何模擬這一過程”等。
在反思環節中，引導學生明白，噪聲在時域上的體現是快速變換的信號，在圖像中是隨著空間間隔快速變換的光的強度；RC電路的本質是利用電容的充、放電過程，減緩信號的變化，達到去除噪聲的目標。
在生成環節中，引導學生結合數字信號處理中的FIR數字低通濾波器，采用簡單的鄰域加權平均，減弱信號的變化量，達到平滑噪聲目的。不同加權系數，構成了不同的平滑模版。
（二）車牌識別教學中應用
車牌識別是圖像處理中結合實踐常見的一個應用例子，包含圖像預處理、車牌檢測、二值化、字符分割、字符識別等多個子過程，每個子過程都可以利用“問題―反思―生成”的深度學習模式來開展教學活動。
例如在字符識別子過程中，首先提到的問題是“計算機如何做識別”，這個問題比較有難度，在“反思”階段只能引導學生通過比較兩幅數字圖像的每個像素值，也就是模版匹配的方法，到達識別的目的。這樣在“生成”階段可以利用相關法進行匹配，完成識別過程的任務。
四、將科研思想、深度學習方法運用到實踐科研過程中
課堂學習，以老師講授為主，沒有體現學生的主動性。在相應的實驗課上，以及后續的課程設計、畢業設計環節，引入深度學習，結合老師的一些科研課題，讓學生主動思考，增強學生的主動性。在這階段的實踐中結合深度學習，以問題為中心，讓學生通過查閱資料和及時的交流討論自主的解決問題，這樣培養了學生初步開始科研活動的能力。
（一）課程實驗中，引入深度學習，合理設計實驗方案
圖像處理課程實驗方案設計中，結合生活中的實際問題，實現photoshop、美圖等軟件中的部分相應算法，實驗素材采用學生自己生活中的照片。讓學生自己尋找想解決的問題，通過反思、分析，靈活運用相關知識，解決問題。這樣達到提高學生學習興趣、增強學習主動性的目的。
（二）課程設計過程中設計簡單的應用題目
課程實驗中，由于時間短，只能對課本上的部分算法進行實現，不能進行更多的綜合反思。課程設計是一個持續數周的實踐過程，在這過程中，設計些簡單的應用題目，讓學生有充足的時間反思，為后續的畢業設計做準備。
（三）本科畢業設計階段，提煉綜合題目
教師可以從科研課題和開發項目中，提煉出一些關鍵問題，并結合當前學生感興趣或覺得有前途的工具平臺，作為本科生畢業設計的題目。臨近畢業了，學生們在找工作過程中已經接觸了較多的社會，他們選擇課程設計經常帶著較強的傾向性，選擇通常受到以后工作的需求、媒體上宣傳等因素影響較重。近年來，隨著智能手機的普及，社會上對Android環境下的編程工程師需求較多，學生們對這方面的知識需求也較迫切，而課程的設置卻難以跟上這些需求。畢業設計中如果可以補充學生的知識需求，無疑可以大大提高學生們的興趣。
將教師圖像處理方面的科研與學生需求結合，提出“Android平臺下的人臉檢測”、“Android平臺下的字符識別”、“二維碼的檢測與提取”、“Android平臺下視頻運動目標檢測與跟蹤”等題目，這些題目的成果可以運行在學生手機上，提高了學生的興趣和成就感。
五、總結
針對數字圖像處理課程的特點，結合多年的教學體會，在課堂教學、實踐等環節引入深度學習，對一些教學過程進行了探討。通過深度學習模式，激發學生的學習興趣，培養學生的動手能力，促進學生對知識的深刻理解，靈活掌握知識運用，提高學生的學習興趣，增強創新能力。教學改革是一項長期任務，如何更有效地改善教學效果，還需要在教學實踐中不斷的探索。
參考文獻：
[1]張永梅，馬禮，何麗.圖像處理技術課程教學探討與實踐[J].計算機時代，2014，（10）：76-77.
[2]李金萍，陸玲，劉自強，徐瑋.數字圖像處理課程實驗教學改革探索[J].科技視界，2012，（7）：23-24.
計算機視覺的基本概念范文5
關鍵詞：人工智能；專家系統；Prolog；面向人工智能
中圖分類號：G642 文獻標識碼：A
1 引言
人工智能(AI)是計算機科學的一個重要分支，同時也是計算機科學與技術專業的核心課程之一。本課程在介紹人工智能的基本概念、基本方法的基礎上，主要是研究如何用計算機來模擬人類智能，即如何用計算機實現諸如問題求解、規劃推理、模式識別、知識工程、自然語言處理、機器學習等只有人類才具備的“智能”，本課程重點闡述這些方法的一般性原理和基本思想，使得計算機能更好地為人類服務。
2 人工智能課程體系
人工智能主要研究傳統人工智能的知識表示方法，其中包括狀態空間法、問題歸約法、謂詞邏輯法、語義網絡法、框架表示、劇本表示等；搜索推理技術主要包括盲目搜索、啟發式搜索、消解原理、規則演繹算法和產生式系統等。
人工智能的研究課題主要包括計算機視覺、規劃與行動、多Agent系統、語音識別、自動語言理解、專家系統和機器學習等。這些研究論題的基礎是通用和專用的知識表示和推理機制、問題求解和搜索算法，以及計算智能技術等。
經過筆者調研發現，目前在本科高校絕大部分將“人工智能”課程性質設為專業選修課或專業必修課，而在高職院校相關專業基本上不開設此課程，但是在具體實踐教學過程中發現，在其它專業課程的教學過程中也會與人工智能理論或技術相結合，比如數據庫技術、信息系統安全方面等領域，當講到相關課程，同時會結合人工智能的理論，授課過程中發現大部分同學對該課程很有興趣。
本課程在我校計算機科學與工程學院作為一門專業選修課開設，總學時數為：60(其中理論學時為36，實驗學時為24)，隨著計算機技術的不斷更新發展，人工智能的應用領域也變得越來越廣，因此，人工智能(AI)這個學科已不再陌生，很多學生對其充滿興趣和好奇，所以在選課人數上遠遠超過其他選修課的人數，另外結合我校的實際情況，部分理論或實驗又可以與農學、生命科學系等其它專業結合起來而應用。
3 人工智能理論教學實踐
多年以來，人工智能獲得很大的發展，已經引起眾多學科和不同專業背景學者們的日益重視，成為一門廣泛的交叉和前沿科學，但是直到目前為止人工智能至今仍尚無統一的定義，要給人工智能下一個準確、科學和嚴謹的定義尚有困難，其現有的一些定義多數是立足于各自的專業而定義的，存在片面性。
同時“人工智能”是一門交叉性的學科，其主要涉及到了控制論、語言學、信息論、神經生理學、心理學、數學、哲學等許多學科，所以該學科具有知識點多、涉及面廣、內容抽象、不易理解、理論性強，與此同時需要學生具備較好的數學基礎和較強的邏輯思維推理能力等特點，從而形成在教學實踐中老師講得吃力、學生聽得吃力的局面。盡管在多年的研究和教學過程中筆者已積累了一些經驗，但是對于如何把握好這門課程的特點，激發學生的學習興趣和熱情，幫助學生更好的理解和應用這門課程，目前仍然有很多問題需要研究和解決。
針對“人工智能”課程相關內容比較抽象，公式推導比較繁瑣等特點，教師除了具有完善的教學大綱、合理的教學計劃以及合適的教材外，還應該根據學校的實際硬件條件盡可能地選擇多媒體教學手段來輔助教學，因此在實踐教學中，筆者經常會配合教學內容，充分利用計算機、投影儀以及互聯網的優勢，結合多種教學方法與手段去組織整個教學過程。例如：在講述搜索推理技術時，使用一些小的演示軟件，將相關推理技術的理論通過動畫的形式一步一步演示出來；而在講專家系統相關理論知識時，尤其是各種類型的專家系統，利用互聯網上的一些在線視頻資源為例，給同學進行詳細講解，通過具體的案例來進行專項知識點的講解及實現與應用；在自動規劃這一章，給同學們選擇演示發達國家目前研制的各種類型機器人，通過這些形象生動、行為舉止高仿真的機器人來給學生講理論，這樣學生通過親自觀看視頻資源，不僅可以拓寬知識面及視野，同時也可以及時地了解國際及國內機器人的發展水平及差距，不斷糾正自己的錯誤觀點并更新自己新的專業認識；另一個方面也可以同時激發學生們的學習興趣熱情和積極性，俗話說：“興趣是學生最好的老師!”這一點在課堂實踐教學中得到驗證，得到廣大同學的認可和贊同，整個教學課堂不再那么單調枯燥乏味，基本可以達到在娛樂輕松的氛圍中學習專業知識，同時再整個教學過程中，師生互動機會增多，學生不再是被動地接受知識。
4 實驗教學實踐
4.1 客觀存在問題
本校開設“人工智能”課程，主要是面向計算機專業的大學三年級的同學，同時作為一門專業選修課而設，理論課程為36學時，而實驗學時24學時；與此同時經過對其它兄弟院校的調研發現，很多高校雖然也是設為專業選修課，但建議學生們都去學習這門新學科，從而為今后的專業知識及具體應用打下一定的基礎；當然在調研中也發現，部分本科高校雖然開設了“人工智能”課程，但是僅是純粹理論教學，從一定角度來講，理論原理是前沿，但是由于太過于抽象，而且空洞、難以理解，多數同學反映學習效果并不理想，有關具體理論部分的具體實現仍然不解。
本科高校一般都嚴格按照培養方案進行科學設置，同時各個學校根據本校人才培養方案分配各門課程的學時。由于現在我國的教育提倡注重對學生動手能力的培養，培養綜合型、應用型人才，因此筆者再結合實踐教學經驗及對學生的調研，發現“人工智能”課程除了要進行理論方面的講解外，還應注重實驗教學。此外，在高職院校的培養方案中，側重加強學生的動手能力的培養，也建議將此課程列為開設的范圍之內，而在實驗學時上可以安排相對多的實驗學時，在了解“人工智能”理論的前提基礎之上，主要進行相關理論的具體應用與實現，通過這樣的教學安排，可以提高學生的實踐動手編程能力，例如圖1，專家系統的知識庫、工作存儲器及界面的設計與實現。
計算機視覺的基本概念范文6
【關鍵詞】 圖像配準 互信息 粒子群優化算法 煙花算法
引言
圖像配準是圖像處理應用方面的一個基本問題，主要目的是將不同傳感器、不同角度、不同時間或不同拍攝條件下獲取的同一場景的兩幅或者多幅圖像進行對準、疊加（主要是幾何意義上的），在很多領域有著廣泛的應用，如計算機視覺、醫學診斷與輔助治療、遙感影像、三維建模、圖像拼接等。通常情況下圖像配準過程可分為3部分，首先確定參考圖像和配準圖像的變換方式，其次確定圖像配準的相似性測度方式即相似性測度函數，最后確定對圖像配準參數求解的優化算法?，F有的圖像配準方法主要分為基于特征的圖像配準和基于灰度的圖像配準。前者雖然計算簡單且算法效率高，但是特征點的選取對配準精度和配準結果的影響很大，且特征點的正確選取較為困難。 而后者主要取決于圖像的灰度統計特征，無需進行圖像預處理且配準精度高，所以廣泛應用于圖像配準中。
一、標準的PSO算法
粒子群算法（PSO）是kennedy和Eberhart于1995年提出的一種基于群智能的隨機優化算法。這類算法的仿生基點是：群集動物（如螞蟻、鳥、魚等）通過群聚而有效的覓食和逃避追捕。在這類群體的動物中，每個個體的行為是建立在群體行為的基礎之上的，即在整個群體中信息是共享的，而且在個體之間存在著信息的交換與協作。粒子群算法就是以模擬鳥的群集智能為特征，以求解連續變量優化問題為背景的一種優化算法。
在粒子群算法，每個粒子代表所求解的優化問題中的一個可行解，它的適應度值由目標函數來確定，每個粒子都有自己的飛行速度，整個粒子群會共享最優解信息且跟隨個體極值和全局極值進行移動，不斷調整自己的位置和速度，直到最終發現最優解。
其中，pbesti（t）表示進化到t代時粒子i的個體最優位置；gbest（t）表示進化到第t代時整個粒子群的最優位置。
在公式（1）中粒子群算法的速度更新由三部分組成，第一部分成為粒子的先前速度，第二部分稱為“認知（cognition）”部分，表明粒子個體的認知能力，來源于粒子自身的經驗和思考，加速因子c1可以調節粒子飛向自身最好位置的飛行步長，第三部分稱為粒子的“社會（social）”部分，表明粒子間的信息共享和相互作用，加速因子c2可以調節粒子向群體最優位置的飛行步長。
二、煙花算法
煙花算法通過模擬燃放的煙花在空中爆炸的這種行為建立相應的數學模型，通過引入隨機因素和選擇策略形成一種并行爆炸式搜索方式，進而發展成為能夠求解復雜優化問題最優解的全局概率搜索方法。
煙花算法由四部分組成：爆炸算子、變異算子、映射策略、選擇策略組成。
煙花算法具有局部搜索能力和全局搜索能力自調節機制。煙花算法中每個煙花的爆炸半徑和爆炸火花數是不同的，適應度值差的煙花的爆炸半徑較大，使其具有更大的“探索能力”―――勘探性。適應度值好的煙花的爆炸半徑較小，使其能夠在該位置
周圍具有更大的“挖掘能力”―――開采性。此外，高斯變異火花的引入可以進一步增加種群的多樣性。
三、互信息測度
互信息是信息理論匯總的一個基本概念，通常用于描述兩個系統間的統計相關性，或者是一個系統中所包含的另一個系統信息的多少，它可以用熵來描述?；バ畔⒖捎糜趫D像配準的理論依據是：如果兩幅圖像已經配準，則它們的互信息達到極大值。
四、粒子群優化算法的改進
通過對標準粒子群算法的分析可以發現粒子群優化算法中存在如下問題：首先，參數控制范圍太過籠統，針對不同的問題，如何選擇合適的參數來達到最優化的效果。其次，粒子容易早熟，粒子的^早收斂會使函數陷入局部最優不能得到配準參數的全局最優值。本文對粒子群算法的改進思想是：首先將粒子群初始化，在進化過程中將根據粒子的收斂性動態調整慣性權重系數，因為當慣性權重w較小時，粒子群算法類似于局部搜索算法具有很強的局部開發能力；當慣性權重w較大時，粒子群算法類似于全局搜索算法，具有很強的全局搜索能力可以探索更廣闊的搜索區域，但它的收斂速度更慢，根據以上情況我們可以動態調整粒子群的慣性權重，使得在粒子群飛行的前期，w值較大，在粒子群飛行的后期w值較小，公式如下：
wi為當前粒子i的慣性權重，ai為粒子的適應度函數值，amax為粒子群當前最大適應度函數值，t為當前的跌倒次數，tmax為最大迭代次數；由于粒子群是從隨機解出發尋找最優解，且存在早熟的可能不能保證每次均能找到最優解，此時我們需要定義一個粒子群適應度的理論最優值Fbest和適應度的標準差S，當S=0時，若全局適應度全局最優值gbest=Fbest，我們可知粒子得到全局最優解，若gbest
我們引入煙花算法中的高斯變異算子改變粒子的多樣性，公式如下
xij=xij+（xbj-xij）?e （10）
其中，e為一個高斯分布的隨機變量，其均值為0，方差為1；xbj為當前煙花種群中適應度最優的煙花在第j維上的位置信息。xij為當前煙花i在第j維上的位置信息。此時算法的具體步驟如下。
1、輸入參考圖像和配準圖像，初始化粒子群的位置和速度。
2、根據公式（5）計算粒子的適應度。
3、根據公式（3）和（4）更新粒子的個體極值和全局極值。
4、根據公式（9），更新粒子的慣性權重w
5、根據公式（1）和（2）更新粒子的速度和位置。
6、判斷終止。計算群體適應度標準差 S。并根據適應度理論最優值Fbest判斷粒子群是否達到全局最優，若達到則終止；若未達到則進行下一步。
7、根據公式（10），更新粒子的位置。返回步驟（2）繼續運行。
五、實驗結果及分析
在本次算法的實驗中，參考圖像大小均為為256×256，分別使用標準粒子群優化算法，本文的混合優化算法和文獻[5]算法M行處理。實驗數據如表1；配準前后的3組圖像如圖1。
從表1中可以看出：由于粒子群初始解的隨機性，標準的PSO算法和文獻[5]的算法在圖像配準中均會陷入局部極值，雖然這兩種算法運算速度快，但是圖像配準的精確度不夠高，而且配準的平均誤差比較大，本文中的算法雖然比其它兩種算法相比耗時較長，但是該算法配準的精度高，對圖像配準有不錯的效果。
六、 結論
本文提出的基于互信息的PSO-FWA算法的圖像配準方法，在配準過程中人工干預少，且只依賴圖像的灰度統計信息，避免了圖像預分割和特征提取等操作，大大提高了圖像的配準效率。而且經過實驗證明，該算法可極大的避免函數陷入局部最優值，保證了較高的配準精度，在圖像配準方面有很好的效果，具有較好的實用性和實際應用價值。
參 考 文 獻
[1] 張銀蒲，基于互信息的圖像配準技術的研究[J].核電子學與探測技術，2012，32（5）：562-568
[2] 陳顯毅，圖像配準技術及其MATLAB 編程實現[M].北京： 電子工業出版社， 2009.
