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算機視覺識別技術主題范文，僅供參考，歡迎閱讀并收藏。

第1篇：計算機視覺識別技術范文

關鍵詞：計算機視覺技術；食品工業(yè)；分級；圖像處理

中圖分類號： TS207 文獻標識碼：A

隨著微型個人計算機應用的越來越廣泛，以及計算機在綜合學科中應用的深入研究，現如今在工農業(yè)、軍事國防、醫(yī)學衛(wèi)生等眾多領域的使用和研究方面計算機視覺技術都起到了至關重要的作用，為了節(jié)省人力、降低成本、減少誤差，該項技術在食品企業(yè)、科研院所、檢測機構中的應用更加普遍。如今，在農產品藥物殘留檢測、水果重量分級、等級篩選、質量監(jiān)管等方面計算機視覺技術有眾多應用。

1 計算機視覺技術概述

計算機視覺技術是利用計算機、攝像機、圖像卡以及相關處理技術來模擬人的視覺，用以識別、感知和認識我們生活的世界[1]。該技術是模擬識別人工智能、心理物理學、圖像處理、計算機科學及神經生物學等多領域的綜合學科。計算機視覺技術用攝像機模擬人眼，用計算機模擬大腦，用計算機程序和算法來模擬人對事物的認識和思考，替代人類完成程序為其設定的工作。該技術由多個相關的圖像處理系統組成，主要包括光源提供系統、圖像提取系統、計算機數據運算系統等。原理是：首先通過攝像機獲得所需要的圖像信息，然后利用信號轉換將獲得的圖像信息轉變?yōu)閿底謭D像以便計算機正確識別[2]。隨著科學技術的發(fā)展，計算機技術在各個領域得到廣泛應用，計算機視覺技術不僅在代替人類視覺上取得了重大成就，而且在很多具體工作方便超越了人的視覺功能。計算機視覺計算有如此快速的發(fā)展，是因為與人類的視覺相比該技術具有以下顯著優(yōu)勢[3]。

1.1 自動化程度高

計算機視覺可以實現對農產品的多個外形和內在品質指標進行同時檢測分析，可以進行整體識別、增強對目標識別的準確性。

1.2 實現無損檢測

由于計算機視覺技術對農產品的識別是通過掃描、攝像，而不需要直接接觸，可以減少對所檢測食品的傷害。

1.3 穩(wěn)定的檢測精度

設計的運行程序確定后，計算機視覺技術的識別功能就會具有統一的識別標準，具有穩(wěn)定的檢測精度，避免了人工識別和檢測時主觀因素所造成的差異。

2 計算機視覺技術在食品檢測中的應用

20世紀70年代初，學者開始研究計算機視覺技術在食品工業(yè)中的應用，近幾十年電子技術得到快速發(fā)展，計算機視覺技術也越來越成熟。國內外學者在研究計算機視覺技術在食品工業(yè)中的應用方面主要集中在該技術對果蔬的外部形態(tài)（如形狀、重量、外觀損傷、色澤等）的識別、內部無損檢測等方面。國內有關計算機視覺技術在食品業(yè)中的應用研究起始于90年代，比國外發(fā)達國家晚多達20a，但是發(fā)展很快。

2.1 計算機視覺技術在果蔬分級中的應用研究

計算機視覺技術在食品檢測中的應用研究相當廣泛，從外部直徑、成熟度的檢測到內部腐爛程度的檢測都有研究。韓偉等[4]采用分割水果的拍攝圖像和新的計算機算法計算水果的半徑，進而得出果蔬的最大直徑。研究表明，該算法不僅降低了計算量而且提高了計算精度，此方法用于水果分級的誤差不超過2mm，高于國際水果分級標準所規(guī)定的5mm分類標準差，可在工業(yè)生產中很好應用。李慶中[5]也利用圖像的缺陷分割算法研究了計算機視覺技術在蘋果檢測與分級中的應用，結果表明此算法能快速、有效地分割出蘋果的表面缺陷。孫洪勝等[6]以蘋果色澤特征比率的變化規(guī)律為理論基礎，結合模糊聚類知識利用計算機視覺技術來檢測蘋果缺陷域，檢測不僅快速而且結果精確。劉禾等[7]通過研究認為蘋果的表面缺陷可以利用計算機視覺技術進行檢測，計算機視覺技術還可以將蘋果按照檢測結果進行分級，把檢測過的蘋果分成裂果、刺傷果、碰傷果和蟲傷果等類別。梨的果梗是否存在是梨類分級的重要特征之一，應義斌等[8]通過計算機視覺技術、圖像處理技術、傅立葉描述子的方法來描述和識別果形以及有無果柄，其識別率達到90%。楊秀坤等[9]綜合運用計算機視覺技術、遺傳算法、多層前饋神經網絡系統，實現了具有精確度高、靈活性強和速度快等優(yōu)點的蘋果成熟度自動判別。陳育彥等[10]采用半導體激光技術、計算機視覺技術和圖像分析技術相結合的方法檢測蘋果表面的機械損傷和果實內部的腐爛情況，初步驗證了計算機視覺技術檢測蘋果表面的損傷和內部腐爛是可行的。馮斌等[11]通過計算機視覺技術對水果圖像的邊緣進行檢測，然后確定水果的大小用以水果分級。試驗表明，該方法比傳統的檢測方法速度快、準確率高，適用于計算機視覺的實時檢測。朱偉[12]在模糊顏色的基礎上，分析西紅柿損傷部分和完好部分模糊顏色的差別，用分割方法對西紅柿的缺陷進行分割，結果顯示準確率高達96%。曹樂平等[13]人研究了溫州蜜柑的果皮顏色與果實可滴定酸含量以及糖分含量之間的相關性，然而根據相關性，樣品檢測的正確識別率分別只有約74%和67%。劉剛等[14]從垂直和水平兩個方向獲取蘋果的圖像，并通過計算機自動分析圖像數據，對蘋果的外徑、體積、以及圓形度等參數進行處理，與人工檢測相比，計算機視覺技術具有檢測效率高，檢測標準統一性好等優(yōu)點。Blasco. J [15]通過計算機視覺技術分析柑橘果皮的缺陷，進而對其在線分級，正確率約為95%。趙廣華等[16]人綜合計算機視覺識別系統、輸送轉換系統、輸送翻轉系統、差速勻果系統和分選系統，研制出一款適于實時監(jiān)測、品質動態(tài)的智能分級系統，能夠很好地實現蘋果分級。王江楓等[17]建立了芒果重量與攝影圖像的相互關系，應用計算機視覺技術檢測桂香芒果和紫花芒果的重量和果面損傷，按重量分級其準確率均為92%，按果面損傷分級的準確率分別為76%和80%。

2.2 計算機視覺技術在禽蛋檢測中的應用研究

禽蛋企業(yè)在生產過程中，產品的分級、品質檢測主要采用人工方法，不僅需要大量的物力人力，而且存在勞動強度大、人為誤差大、工作效率低等缺點，計算機視覺技術可以很好的解決這類產品工業(yè)生產中存在的困擾。歐陽靜怡等[18]利用計算機視覺技術來檢測雞蛋蛋殼裂紋，利用攝像機獲取雞蛋圖像后，采用fisher、同態(tài)濾波和BET算法等優(yōu)化后的圖像處理技術，獲得裂紋形狀并判斷，試驗結果表明，計算機視覺技術對雞蛋蛋殼裂紋的檢測準確率高達98%。汪俊德等[19]以計算機視覺技術為基礎，設計出一套雙黃雞蛋檢測系統。該系統獲取蛋黃指數、蛋黃特征和蛋形尺寸等特征，和設計的數學模型對比來實現雙黃雞蛋的檢測和識別，檢測準確率高達95%。鄭麗敏等[20]人通過高分辨率的數字攝像頭獲取雞蛋圖像，根據圖像特征建立數學模型來預測雞蛋的新鮮度和貯藏期，結果表明，計算機視覺技術對雞蛋的新鮮度、貯藏期進行預測的結果準確率為94%。潘磊慶等[21]通過計算機視覺技術和聲學響應信息技術相結合的方法檢測裂紋雞蛋，其檢測準確率達到98%。Mertens K等[22]人基于計算機視覺技術研發(fā)了雞蛋的分級檢測系統，該系統識別帶污漬雞蛋的正確率高達99%。

2.3 計算機視覺技術在檢測食品中微生物含量中的應用研究

計算機技術和圖像處理技術在綜合學科中的應用得到快速發(fā)展，在微生物快速檢測中的應用也越來越多，主要是針對微生物微菌落的處理。食品工業(yè)中計算機視覺技術在微生物檢測方面的研究和應用以研究單個細胞為主，并在個體細胞的研究上取得了一定的進展。殷涌光等[23]以顏色特征分辨技術為基礎，設計了一套應用計算機視覺技術快速定量檢測食品中大腸桿菌的系統，該系統檢測結果與傳統方法的檢測結果具有很好的相關性，但與傳統方法相比，可以節(jié)省5d時間，檢測時間在18h以內，并且能夠有效提高產品品質。Lawless等[24]人等時間段測定培養(yǎng)基上的細胞密度，然后通過計算機技術建立時間和細胞密度之間的動態(tài)關聯，利用該關聯可以預測和自動檢測微生物的生長情況，如通過計算機控制自動定量采集檢測對象，然后分析菌落的邊緣形態(tài)，根據菌落的邊緣形態(tài)計算機可以顯示被檢測菌落的具置，并且根據動態(tài)關聯計算機視覺系統可以同時處理多個不同的樣品。郭培源等[25]人對計算機視覺技術用于豬肉的分級進行了研究，結果顯示計算機視覺技術在識別豬肉表面微生物數量上與國標方法檢測的結果顯著相關，該技術可以有效地計算微生物的數量。Bayraktar. B等[26]人采用計算機視覺技術、光散射技術（BARDOT）和模式識別技術相結合的方法來快速檢測李斯特菌，在獲取該菌菌落中的形態(tài)特征有對圖像進行分析處理達到對該菌的分類識別。殷涌光等[27]人綜合利用計算機視覺、活體染色、人工神經網絡、圖像處理等技術，用分辨率為520萬像素的數字攝像機拍攝細菌內部的染色效果，并結合新的圖像處理算法，對細菌形態(tài)學的8個特征參數進行檢測，檢測結果與傳統檢測結果顯著相關（相關系數R=0.9987），和傳統檢測方法相比該方法具有操作簡單、快速、結果準確、適合現場快速檢測等特點。魯靜[28]和劉侃[29]利用顯微鏡和圖像采集儀器，獲取乳制品的掃描圖像，然后微生物的圖像特征，識別出微生物數量，并以此作為衡量乳制品質量是否達標的依據，并對產品進行分級。

2.4計算機視覺技術在其他食品產業(yè)中的應用研究

里紅杰等[30]通過提取貝類和蝦類等海產品的形狀、尺寸、紋理、顏色等外形特征，對照數學模型，采用數字圖像處理技術、計算機識別技術實現了對貝類和蝦類等海產品的無損檢測和自動化分類、分級和質量評估，并通過實例詳細闡述了該技術的實現方法，證實了此項技術的有效性。計算機視覺技術還可以檢驗玉米粒形和玉米種子質量、識別玉米品種和玉米田間雜草[31]。晁德起等[32]通過x射線照射獲取毛葉棗的透視圖像后，運用計算機視覺技術對圖像進行分析評估，毛葉棗可食率的評估結果與運用物理方法測得的結果平均誤差僅為1.47%，因此得出結論：計算機視覺技術可以應用于毛葉棗的自動分級。Gokmen，V等通用對薯片制作過程中圖像像素的變化來研究薯片的褐變率，通過分析特色參數來研究薯片中丙烯酰胺的含量和褐變率也關系，結果顯示兩項參數相關性為0.989，從而可以應用計算機視覺技術來預測加熱食品中丙烯酰胺的含量，該方法可以在加熱食品行業(yè)中得到廣泛應用。韓仲志等人拍攝和掃描11類花生籽粒，每類100顆不同等級的花生籽粒的正反面圖像，利用計算機視覺技術對花生內部和外部采集圖像，并通過圖像對其外在品質和內在品質進行分析，并建立相應的數學模型，該技術在對待檢樣品進行分級檢測時的正確率高達92%。另外，郭培源等人以國家標準為依據，通過數字攝像技術獲取豬肉的細菌菌斑面積、脂肪細胞數、顏色特征值以及氨氣等品質指標來實現豬肉新鮮程度的分級辨認。

3 展望

新技術的研究與應用必然伴隨著坎坷，從70年代初計算機視覺技術在食品工業(yè)中進行應用開始，就遇到了很多問題。計算機視覺技術在食品工業(yè)中的研究及應用主要存在以下幾方面的問題。

3.1 檢測指標有限

計算機視覺技術在檢測食品單一指標或者以一個指標作為分級標準進行分級時具有理想效果，但以同一食品的多個指標共同作為分級標準進行檢測分級，則分級結果誤差較大。例如，Davenel等通過計算機視覺對蘋果的大小、重量、外觀損傷進行分析，但研究結果顯示，系統會把花粵和果梗標記為缺陷，還由于蘋果表面碰壓傷等缺陷情況復雜，造成分級誤差很大，分級正確率只有69%。Nozer等以計算機視覺為主要技術手段，獲取水果的圖像，進而通過分析圖像來確定水果的形狀、大小、顏色和重量，并進行分級，其正確率僅為85.1%。

3.2 兼容性差

計算機視覺技術針對單一種類的果蔬分級檢測效果顯著，但是同一套系統和設備很難用于其他種類的果蔬，甚至同一種類不同品種的農產品也很難公用一套計算機視覺設備。Reyerzwiggelaar等利用計算機視覺檢查杏和桃的損傷程度，發(fā)現其檢測桃子的準確率顯著高于杏的。Majumdar.S等利用計算機視覺技術區(qū)分不同種類的麥粒，小麥、燕麥、大麥的識別正確率有明顯差異。

3.3 檢測性能受環(huán)境制約

現階段的計算機視覺技術和配套的數學模型適用于簡單的環(huán)境，在復雜環(huán)境下工作時會產生較大的誤差。Plebe等利用計算機視覺技術對果樹上的水果進行識別定位，但研究發(fā)現由于光照條件以及周邊環(huán)境的影響，水果的識別和定位精度不高，不能滿足實際生產的需要。

綜上所述，可看出國內外學者對計算機視覺技術在食品工業(yè)中的應用進行了大量的研究，有些研究從單一方面入手，有些研究綜合了多個學科，在研究和應用的過程中，取得了較大的經濟效益，也遇到了很多問題，在新的形勢下，計算機視覺技術和數碼拍攝、圖像處理、人工神經網絡，數學模型建設、微生物快速計量等高新技術相融合的綜合技術逐漸成為了各個領域學者的研究熱點，以計算機視覺為基礎的綜合技術也將在食品工業(yè)中發(fā)揮更加重要的作用。

參考文獻

[1] 寧紀鋒，龍滿生，何東健.農業(yè)領域中的計算機視覺研究[J].計算機與農業(yè)，2001（01）：1-3.

[2] 李崢.基于計算機視覺的蔬菜顏色檢測系統研究[D].吉林：吉林大學，2004.

[3] 曾愛群.基于計算機視覺與神經網絡的芒果等級分類研究[D].桂林：桂林工學院，2008.

[4] 韓偉，曾慶山.基于計算機視覺的水果直徑檢測方法的研究[J].中國農機化，2011（05）：25-29.

[5] 李慶中.蘋果自動分級中計算機視覺信息快速獲取與處理技術的研究[D].北京：中國農業(yè)大學，2000.

[6] 孫洪勝，李宇鵬，王成，等.基于計算機視覺的蘋果在線高效檢測與分級系統[J].儀表技術與傳感器，2011（06）：62-65.

[7] 劉禾，汀慰華.水果果形判別人工神經網絡專家系統的研究[J].農業(yè)工程學報，1996，12（0l）：171-176.

[8] 應義斌，景寒松，馬俊福.用計算機視覺進行黃花梨果梗識別的新方法[J].農業(yè)工程學報，1998，14（02）：221-225.

[9] 楊秀坤，陳曉光，馬成林，等.用遺傳神經網絡方法進行蘋果顏色白動檢測的研究[J].農業(yè)工程學報，1997，13（02）：193-176.

[10] 陳育彥，屠康，柴麗月，等.基于激光圖像分析的蘋果表面損傷和內部腐爛檢測[J].農業(yè)機械學報，2009，40（07）：133-137.

[11] 馮斌，汪憋華.基于計算機視覺的水果大小檢測方法[J].農業(yè)機械學報，2003，34（01）：73-75.

[12] 朱偉，曹其新.基于模糊彩色聚類方法的西紅柿缺陷分割[J].農業(yè)工程學報，2003，19（03）：133-136.

[13] 曹樂平，溫芝元，沈陸明.基于色調分形維數的柑橘糖度和有效酸度檢測[J].農業(yè)機械學報，2009，41（03）：143-148.

[14] 劉剛，王立香，柳兆君.基于計算機視覺的蘋果質量檢測[J].安徽農業(yè)科學，2012，40（08）：5014-5016.

[15] Blasco J，Aleixos N，Molto puter vision detection of peel defects in citrus by means of a region oriented segmentation algorithm[J].Journal of Food Engineering，2007，81（03）：535-543.

[16] 趙廣華，飛，陸奎榮，等.智能化蘋果品質實時分選系統[J].中國科技信息.

[17] 王江楓，羅錫文，洪添勝，等.計算機視覺技術在芒果重量及果面壞損檢測中的應用[J].農業(yè)工程學報，1998（12）：186-189.

[18] 歐陽靜怡，劉木華.基于計算機視覺的雞蛋裂紋檢測方法研究[J].農機化研究，2012（03）：91-93.

[19] 汪俊德，鄭麗敏，徐桂云，等.基于計算機視覺技術的雙黃雞蛋檢測系統研究[J].農機化研究，2012（09）：195-199.

[20] 鄭麗敏，楊旭，徐桂云，等.基于計算機視覺的雞蛋新鮮度無損檢測[J].農業(yè)工程學報，2009，25（03）：335-339.

[21] 潘磊慶，屠康，詹歌，等.基于計算機視覺和聲學響應信息融合的雞蛋裂紋檢測[J].農業(yè)工程學報，2010，26（11）：332-337.

[22] Mertens K，De Ketelaere B，Kamers B，et al.Dirt detection on brown eggs by means of colorcomputer vision[J]. Poultry Science，2005，84（10）：1653-1659.

[23] 殷涌光，丁筠.基于計算機視覺的食品中大腸桿菌快速定量檢測[J].吉林大學學報（工學版），2009，39（02）：344-348.

[24] Lawless C，Wilkinson DJ，Young A，et al.Colonyzer： automated quantification of micro-organism growth characteristics on solid agar[J].BMC Bioinformatics，2010（08）：38-44.

[25] 郭培源，畢松，袁芳.豬肉新鮮度智能檢測分級系統研究[J].食品科學，2010，31（15）：68-72.

[26] Bayraktar B，Banada PP，Hirleman ED，et al.Feature extraction from light-scatter patterns of Listeria colonies for identification and classification [J].Journal of Biomedical Optics，2006，11（03）：34- 36.

[27] 殷涌光，丁筠.基于計算機視覺的蔬菜中活菌總數的快速檢測[J].農業(yè)工程學報，2009，25（07）：249-254.

[28] 魯靜.乳品微生物自動檢測系統的設計[J].湖北第二師范學院學報，2010，27（08）：115-117.

[29] 劉侃.鮮奶含菌量快速檢測系統[D].華中科技大學，2008.

[30] 里紅杰，陶學恒，于曉強.計算機視覺技術在海產品質量評估中的應用[J].食品與機械，2012，28（04）：154-156.

第2篇：計算機視覺識別技術范文

電力系統自動化是電力系統的發(fā)展趨勢，隨著計算機技術的不斷成熟，應用領域不斷拓展，在電力自動化系統中的信息輸入、輸出甚至是存儲和傳輸中都應用了計算機技術。鑒于電力系統具有功能復雜，分布范圍廣，管理調度較為集中等特點，故基于計算機的視覺圖像技術在電力自動化系統中具有非常廣泛的應用領域和應用前景。如結合紅外成像技術對線路設備進行監(jiān)測、應用遙感技術和工業(yè)電視技術分擔工作人員的工作壓力等。

如果能夠將基于圖像識別和圖像處理的計算機視覺技術安全合理的應用到電力系統中，可以對電力系統的智能監(jiān)控和處理。目前，已有部分應用實例投入使用，如利用紅外圖像分析技術對電力設備進行簡單識別、結合傳感器等對火電廠煤粉鍋爐火焰燃燒狀態(tài)的判斷等。

二、計算機視覺技術在電力系統自動化中的應用

計算機視覺技術是通過對采集到的數據圖像進行處理和分析來模擬和研究微觀或者宏觀層面視覺功能的技術。具體到電力系統自動化領域，計算機視覺技術主要被應用在三個方面，分別為地區(qū)調度實時監(jiān)控、設備運行負荷控制和變電站自動化監(jiān)控和處理。其中，地區(qū)調度實時監(jiān)控中的計算機視覺技術功能與中心調度監(jiān)控系統相似，都是通過多臺計算機和圖像采集設備實現對電力設備運行的監(jiān)控和對電力的實時調度等。而設備運行負荷控制通常需要利用工頻或者聲頻參與控制，還無法完全脫離人的視覺參與實現自動控制。變電站自動化監(jiān)控和處理是變電站自動化發(fā)展的方向，該技術是利用計算機，通過對實時狀態(tài)進行視頻監(jiān)控和數據處理，以實現無人值守的自動化運行模式。

典型的應用領域為下述幾個方面。

1.計算機視覺技術在在線監(jiān)測中的應用。該應用主要是利用計算機的紅外圖像識別技術對電力設備進行在線監(jiān)測實現的。電氣設備的表面溫度在一定程度上可以反映其運行的狀態(tài)，利用圖像采集設備對電氣設備進行紅外成像拍攝，可以獲取設備溫度的實時動態(tài)，在此基礎上對紅外圖像進行圖譜分析，并與正常運行時的參照標準進行比較，即可實現對電力設備的在線監(jiān)測。同時，若設備出現故障，利用紅外成像技術還能對故障位置進行定位，這就為及時進行檢修提供了強力的支持。

例如，斷路器觸頭接觸不良、輸電線路絕緣環(huán)境的變差、變壓器少油等故障都會造成局部設備過熱。若只采用傳統檢修方式，無法切實掌握設備運行狀態(tài)，只能在故障發(fā)生后尋找故障部位，檢查確認后才能進行排除處理。計算機視覺技術的應用，首先簡化了檢測方式，只需要將成像設備在有效范圍內對電氣設備進行遠距離測量即可實現；其次在監(jiān)測方面，一旦設備的監(jiān)測數據超出正常范圍的最大或最小閾值，即可認定該部位已經發(fā)生故障，實現對故障的及時處理，由于定位更為準確，且減少了傳統的故障部位確認環(huán)節(jié)，故提高了系統運行與監(jiān)測效率。

2.計算機視覺技術在無人值班變電站和電場環(huán)境監(jiān)控中的應用。在無人值班變電站中，利用微波雙鑒探測器和計算機網絡等組成無人監(jiān)視系統，通過該系統對變電站周邊環(huán)境進行視頻監(jiān)控，然后利用差分圖像、光流法等計算機視覺技術等對移動物體進行判斷和識別，確認移動物體屬性，若出現情況可以進行實時報警。實際應用表明，在適當天氣條件下，該系統的識別準確率保持在較高水平。若變電站周邊發(fā)生火情，還可以輔助紅外圖像識別對火勢進行判斷并報警。

3.計算機視覺技術在電力線路監(jiān)測中的應用。隨著經濟社會的發(fā)展，為滿足人們日益增長的電力需求，必須進行大量的電力線路鋪設，在鋪設過程中，通常需要穿越復雜的地理環(huán)境，這種情況為線路巡檢員的工作帶來了極大的困難，且巡檢效率不高、存在巡檢盲區(qū)等。此時，利用計算機視覺技術可以很好的解決該問題。對電力線路安裝監(jiān)測機器人，在機器人中安裝控制裝置，位置傳感器、測距傳感器和CCD視覺傳感器，線路檢測裝置，無線圖像傳輸設備等，通過機器人在線路中行走對線路進行溫度識別和分布判斷，進而完成線路的巡視工作。該方式可以減少惡劣環(huán)境對巡線工作帶來的操作難度，提高工作效率，增強故障判斷精度。

4.計算機視覺技術在位置判斷中的應用。利用計算機視覺技術可以對電力系統中的開關刀閘位置和繼電保護壓板的位置進行監(jiān)測。開關刀閘具有三種狀態(tài)，分別為閉合、斷開和異常。若開關刀閘位置不適當會影響到系統的工作狀態(tài)。利用計算機視覺技術可以自動識別其工作狀態(tài)，并對不正常狀態(tài)進行報警。繼電保護壓板會隨著電網或者變電站的運行方式的變化而變化。操作規(guī)范要求值班人員對壓板的位置進行確認和糾正。若壓板位置不正確會導致繼電保護出現錯誤動作甚至引發(fā)事故。在壓板監(jiān)測方面，由于壓板電信息不明辨，傳統檢測方式不易對其進行檢測，若采用計算機視覺技術，利用成像技術對壓板盤面進行圖像采集，然后通過圖像識別技術對獨享進行識別，即可實現對壓板位置的判斷。

第3篇：計算機視覺識別技術范文

【關鍵詞】計算機視覺技術 馬鈴薯外部品質 檢測

隨著計算機技術的不斷發(fā)展，計算機視覺技術應運而生并在工業(yè)自動化以及農產品檢驗檢測等領域成功應用。其中，將計算機視覺技術用于以自動化采集和品級分級為代表的果蔬商品化處理具有非常廣闊的發(fā)展空間。我國政府將“農產品深加工技術與設備研究開發(fā)”列為我國“十五”重大科技攻關項目的第一項，這標志著計算機視覺技術在果蔬外部品質檢測中會發(fā)揮越來越重要的作用。

馬鈴薯是世界上僅僅排在小麥、水稻和玉米之后的第四種主要農作物，種植區(qū)域非常廣泛。馬鈴薯品質檢測是馬鈴薯深加工的一個關鍵步驟，目前，該檢驗過程多數采用人工檢測，不僅成本高、效率低，而且與檢驗員的專業(yè)素質有密切的關系，受到人為因素影響的程度較大，嚴重制約的馬鈴薯加工企業(yè)的發(fā)展。計算機視覺技術能對農產品的某些特性變化和缺陷進行識別，具有客觀、無損害等特點。本文對基于計算機視覺的馬鈴薯外部品質檢測的應用進行了研究。

1 應用計算機視覺技術對馬鈴薯進行外部品質檢測的必要性

隨著“麥當勞”、“肯德基”的餐飲服務業(yè)的快速發(fā)展，炸薯條、炸薯片已經成為一種休閑食品深受消費者的喜愛，推動了我國馬鈴薯產業(yè)的發(fā)展。然而，情況并不十分樂觀，與國外的馬鈴薯企業(yè)相比，我國馬鈴薯加工企業(yè)生產規(guī)模小、生產產品單一、技術設備落后、產品質量不高的現象導致我國的馬鈴薯產品銷售困難，經濟效益逐漸下滑。

基于以上現狀，對馬鈴薯的加工研究還有很長的一段路程。企業(yè)要擴大生產規(guī)模，針對中國的消費趨勢與消費水平開發(fā)出新的馬鈴薯產品，從而提高我國馬鈴薯產品的競爭力。這就要求馬鈴薯加工企業(yè)要對馬鈴薯的加工技術進行創(chuàng)新，保證產品質量。其中，馬鈴薯外部品質檢測對馬鈴薯產品的最終品質起著決定性作用。當前的人工檢測方式已經不再適應社會發(fā)展的要求，利用計算機視覺檢驗代替人工檢驗成為社會發(fā)展的必然趨勢，這是因為計算機視覺技術具有以下優(yōu)點：

（1）精度高，能夠進行定量測量。

（2）自動化程度高，一次就可完成包括大小、形狀、顏色以及缺陷在內的檢測和分析，并能進行綜合識別。

（3）無損檢測，計算機視覺檢測過程不需要接觸產品，是通過傳感器掃面獲取圖像的，不會造成產品的損傷。

（4）信息量大，可對大量信息進行采集，對光譜的敏感范圍也很廣。

2 基于計算機視覺的馬鈴薯外部品質檢測的應用研究

2.1 馬鈴薯大小的檢測方法

馬鈴薯的大小檢測不僅影響馬鈴薯深加工的商業(yè)價值，在在遺傳和育種方面也有很高的應用價值。

利用計算機視覺技術對馬鈴薯大小的檢測步驟如下：先從攝像機中獲取馬鈴薯的圖像信息，在圖像信息的基礎上對馬鈴薯三維空間的幾何信息進行計算，并由此重建和識別馬鈴薯。而馬鈴薯物體表面某點的三維幾何位置與其在圖像中對應點之間的相互關系是由攝像機成像的幾何模型決定的，這些幾何參數成為攝像機參數。要想準確的獲取這些攝像機參數，就必須將實驗與計算相結合，此過程成為系統定標。

系統定標的基本步驟：根據設定好的攝像機模型和特定的實驗條件包括形狀、尺寸等已知的定標參照物，經過對馬鈴薯圖像的處理，并利用一系列的數學轉換和計算方法將攝像機模型的內部和外部參數計算出來，從而建立照片與實物的聯系推算出馬鈴薯的真實尺寸。

2.2 馬鈴薯形狀的檢測方法

根據《中國馬鈴薯栽培學》中的知識，我們可以把馬鈴薯的塊莖形狀分為三類，分別是圓形、長筒形和橢圓形，除了這三種形狀，其余都是這三種形狀的變形。此次研究將馬鈴薯分為圓形、橢圓形和長筒形，并且采用橢圓的短長軸比來模擬馬鈴薯的縱橫直徑之間的關系。

2.2.1 馬鈴薯形狀特征參數的提取

將馬鈴薯橢圓的短長軸比R作為形狀特征參數，并按照R的大小將馬鈴薯進行分類。當R小于0.67時，稱之為長筒馬鈴薯；當R大于0.85時，稱之為圓形馬鈴薯；當R介于0.67到0.85之間時，稱之為橢圓形馬鈴薯。

2.2.2 結果與分析

隨機抽取114塊馬鈴薯，對抽取的馬鈴薯進行正反兩面拍照，挑選清晰度最高的228張圖片。人工分類后進行計算機視覺分類，操作步驟具體如下：

（1）用DIPS預處理：B通道灰度化，中值濾波和Otsu分割；

（2）通過計算機視覺技術提取馬鈴薯圖片的短長軸比R；

（3）將人工分類與計算機視覺分類進行對比，并得出正確率。

根據圖表，我們可以看出在228張僅有兩張圖片被分類錯誤，正確率高達99.1%，而這兩個分類錯誤的馬鈴薯的短長軸比處于0.67周圍，分別為0.667604 ， 0.67193和0.671887， 0.661063，又因為對馬鈴薯形狀的分類不需要類似工業(yè)生產那樣精密，所以，當正反兩面短長軸比接近時都可看作是橢圓形。

2.3 馬鈴薯的缺陷檢測

計算機視覺技術具有實時、客觀、無損的檢測特點，能對馬鈴薯的表面缺陷和某些特征要素進行快速檢測?；诖耍瑖鴥韧夂芏嘌芯繉W者進行了大量的實驗研究，在1998年開發(fā)了利用PC機輔助的實時馬鈴薯檢測系統，能夠對馬鈴薯的重量、顏色以及形狀進行快速檢測；2000年，相關研究者在此基礎上建立了計算機視覺檢測系統，不僅能實現大小、形狀的檢測，還能對馬鈴薯表面的生長裂縫、機械裂縫、綠皮等表面缺陷進行檢測。當前對馬鈴薯表面缺陷進行檢測的主要計算機視覺技術包括缺陷分割法和缺陷識別法兩種方法。

3 結論

本文應用計算機視覺技術對馬鈴薯的大小、形狀和表面缺陷等外部品質進行了檢測，但是還未能實現利用計算機視覺技術對馬鈴薯的表面缺陷進行分類這一技術。因此，相關部門要加大研究力度，爭取早日完善計算機視覺技術，從而推動我國馬鈴薯加工企業(yè)快速高效的發(fā)展。

參考文獻

[1]魯永萍.基于機器視覺的馬鈴薯外部品質檢測與分級.機械設計及理論[D].內蒙古農業(yè)大學.2013（學位年度）.

[2]史崇升.基于高光譜成像技術的馬鈴薯外部品質無損檢測建模及優(yōu)化研究.電子與通信工程[D].寧夏大學.2014（學位年度）.

作者單位

第4篇：計算機視覺識別技術范文

關鍵詞：數字攝影測量 計算機視覺 多目立體視覺 影像匹配

引言

攝影測量學是一門古老的學科，若從1839年攝影術的發(fā)明算起，攝影測量學已有170多年的歷史，而被普遍認為攝影測量學真正起點的是1851―1859年“交會攝影測量”的提出。在這漫長的發(fā)展過程中，攝影測量學經歷了模擬法、解析法和數字化三個階段。模擬攝影測量和解析攝影測量分別是以立體攝影測量的發(fā)明和計算機的發(fā)明為標志，因此很大程度上，計算機的發(fā)展決定了攝影測量學的發(fā)展。在解析攝影測量中，計算機用于大規(guī)模的空中三角測量、區(qū)域網平差、數字測圖，還用于計算共線方程，在解析測圖儀中起著控制相片盤的實時運動，交會空間點位的作用。而出現在數字攝影測量階段的數字攝影測量工作站（digital　photogrammetry　workstation，DPW）就是一臺計算機+各種功能的攝影測量軟件。如果說從模擬攝影測量到解析攝影測量的發(fā)展是一次技術的進步，那么從解析攝影測量到數字攝影測量的發(fā)展則是一場技術的革命。數字攝影測量與模擬、解析攝影測量的最大區(qū)別在于：它處理的是數字影像而不再是模擬相片，更為重要的是它開始并將不斷深入地利用計算機替代作業(yè)員的眼睛。[1-2]毫無疑問，攝影測量進入數字攝影測量時代已經與計算機視覺緊密聯系在一起了[2]。

計算機視覺是一個相對年輕而又發(fā)展迅速的領域。其目標是使計算機具有通過二維圖像認知三維環(huán)境信息的能力，這種能力將不僅使機器能感知三維環(huán)境中物體的幾何信息，包括它的形狀、位置、姿態(tài)、運動等，而且能對它們進行描述、存儲、識別與理解[3]。數字攝影測量具有類似的目標，也面臨著相同的基本問題。數字攝影測量學涉及多個學科，如圖像處理、模式識別以及計算機圖形學等。由于它與計算機視覺的聯系十分緊密，有些專家將其看做是計算機視覺的分支。

數字攝影測量的發(fā)展已經借鑒了許多計算機視覺的研究成果[4]。數字攝影測量發(fā)展導致了實時攝影測量的出現，所謂實時攝影測量是指利用多臺CCD數字攝影機對目標進行影像獲取，并直接輸入計算機系統中，在實時軟件的幫助下，立刻獲得和提取需要的信息，并用來控制對目標的操作[1]。在立體觀測的過程中，其主要利用計算機視覺方法實現計算機代替人眼。隨著數碼相機技術的發(fā)展和應用，數字近景攝影測量已經成為必然趨勢。近景攝影測量是利用近距離攝影取得的影像信息，研究物體大小形狀和時空位置的一門新技術，它是一種基于數字信息和數字影像技術的數據獲取手段。量測型的計算機視覺與數字近景攝影測量的學科交叉將會在計算機視覺中形成一個新的分支――攝影測量的計算機視覺，但是它不應僅僅局限于地學信息[2]。

1.　計算機視覺與數字攝影測量的差異

1.1　目的不同導致二者的坐標系和基本公式不同

攝影測量的基本任務是嚴格建立相片獲取瞬間所存在的像點與對應物點之間的幾何關系，最終實現利用攝影片上的影像信息測制各種比例尺地形圖，建立地形數據庫，為各種地理信息系統建立或更新提供基礎數據。因此，它是在測繪領域內發(fā)展起來的一門學科。

而計算機視覺領域的突出特點是其多樣性與不完善性。計算機視覺的主要任務是通過對采集的圖片或視頻進行處理以獲得相應場景的三維信息，因此直到計算機的性能提高到足以處理大規(guī)模數據時它才得到正式的關注和發(fā)展，而這些發(fā)展往往起源于其他不同領域的需要。比如在一些不適合于人工作業(yè)的危險工作環(huán)境或人工視覺難以滿足要求的場合，常用計算機來替代人工視覺。

由于攝影測量是測繪地形圖的重要手段之一，為了測繪某一地區(qū)而攝影的所有影像，必須建立統一的坐標系。而計算機視覺是研究怎樣用計算機模擬人的眼睛，因此它是以眼睛（攝影機中心）與光軸構成的坐標系為準。因此，攝影測量與計算機視覺目的不同，導致它們對物體與影像之間關系的描述也不同。

1.2　二者處理流程不同

2.　可用于數字攝影測量領域的計算機視覺理論――立體視覺

2.1　立體視覺

立體視覺是計算機視覺中的一個重要分支，一直是計算機視覺研究的重點和熱點之一，在20多年的發(fā)展過程中，逐漸形成了自己的方法和理論。立體視覺的基本原理是從兩個（或多個）視點觀察同一景物，以獲取在不同視角下的感知圖像，通過三角測量原理計算像像素間的位置偏差（即視差）來獲取景物的三維信息，這一過程與人類視覺的立體感知過程是類似的。一個完整的立體視覺系統通常可分為圖像獲取、攝像機定標、特征提取、影像匹配、深度確定及內插等6個大部分[5]。其中影像匹配是立體視覺中最重要也是最困難的問題，也是計算機視覺和數字攝影測量的核心問題。

2.2　影像匹配

立體視覺的最終目的是為了恢復景物可視表面的完整信息。當空間三維場景被投影為二維圖像時，同一景物在不同視點下的圖像會有很大不同，而且場景中的諸多因素，如光照條件，景物幾何形狀和物理特性、噪聲干擾和畸變以及攝像機特性等，都被綜合成單一的圖像中的灰度值。因此，要準確地對包含了如此之多不利因素的圖像進行無歧義的匹配，顯然是十分困難的。

在攝影測量中最基本的過程之一就是在兩幅或者更多幅的重疊影像中識別并定位同名點，以產生立體影像。在模擬攝影測量和解析攝影測量中，同名點的識別是通過人工操作方式完成的；而在數字攝影測量中則利用計算機代替人工解決同名點識別的問題，即采用影像匹配的方法。

2.3　多目立體視覺

根據單張相片只能確定地面某個點的方向，不能確定地面點的三維空間位置，而有了立體像對則可構成與地面相似的立體模型，解求地面點的空間位置。雙目立體視覺由不同位置的兩臺或者一臺攝像機（CCD）經過移動或旋轉拍攝同一幅場景，就像人有了兩只眼睛，才能看三維立體景觀一樣，然后通過計算空間點在兩幅圖像中的視差，獲得該點的三維坐標值?，F在的數字攝影測量中的立體像對技術通常是在一條基線上進行的，但是由于采用計算機匹配替代人眼測定影像同名像對時存在大量的誤匹配，使自動匹配的結果很不可靠。其存在的問題主要是，對存在特殊結構的景物，如平坦、缺乏紋理細節(jié)、周期性的重復特征等易產生假匹配；在攝像機基線距離增大時，遮擋嚴重，能重建的空間點減少。為了解決這些問題，降低雙目匹配的難度，自1986年以來出現了三目立體視覺系統，即采用3個攝像機同時攝取空間景物，通過利用第三目圖像提供的信息來消除匹配的歧義性[5]。采用“多目立體視覺技術”可以利用攝影測量的空中三角測量原理，對多度重疊點進行“多方向的前方交會”，既能較有效地解決隨機的誤匹配問題，同時又能增加交會角，提高高程測量的精度[2]。這項技術的應用，將很大程度地解決自動匹配結果的不可靠性，提高數字攝影測量系統的準確性。

第5篇：計算機視覺識別技術范文

【關鍵詞】動態(tài)圖像序列;自動扶梯;客流量;測量

視頻處理技術的產生和發(fā)展使得其應用范圍越來越廣泛，在這之中，動態(tài)圖像序列處理技術因其在監(jiān)控和管理方面的智能化特點，有著非常廣泛的應用前景，其在自動扶梯客流量測量分析方面的應用為保證大型場所中自動扶梯的安全性提供了保障，對其進行研究是有著非常重要的意義的。

一、自動扶梯與其客流量

自動扶梯的定義是，由一臺特種結構形式的鏈式輸送機和兩臺特殊結構型式的膠帶輸送機所組合而成的，用以在建筑物的不同層高間運載人員上下的一種連續(xù)運輸機械。其主要部件包括梯級、梯級驅動裝置、驅動主機、傳動部件、緊張裝置、扶手裝置、金屬結構、梯級導軌、上下蓋板、梳齒板、安全裝置和電氣控制系統等。自動扶梯具有連續(xù)性強，運輸量大的特點，在人流集中的場所有著廣泛的應用，比如在商場、飛機場、火車站、地鐵站以及一些大型的娛樂場所中都可以看見人們利用自動扶梯來達到移動的目的。

自動扶梯的工作流程為：自動扶梯的梯級鏈作為扶梯的核心部件，一系列的梯級與兩根牽引鏈條連接在一起，在按一定線路布置的導軌上運行即形成自動扶梯的梯路。牽引鏈條繞過上牽引鏈輪、下張緊裝置并通過上、下分支的若干直線、曲線區(qū)段構成閉合環(huán)路。這一環(huán)路的上分支中的各梯級（也就是梯路）應嚴格保持水平，以供乘客站立。上牽引鏈輪（也就是主軸）通過減速器等于電動機相連以獲得動力。扶梯兩旁裝有與梯路同步運行的扶手裝置，以供乘客扶手之用。扶手裝置同樣由上述電動機驅動。為了保證自動扶梯乘客的絕對安全，在扶梯的主要部件處還裝設多種安全裝置，當扶梯有發(fā)生意外的傾向時，電氣系統能及時的制停扶梯。

自動扶梯作為一種憑借運輸帶進行人員運輸的工具，在大型場所的人員運輸方面發(fā)揮著不可或缺的作用。當行人在自動扶梯的任意一端踏上梯級，就能被自動帶到自動扶梯的另一端。扶梯可以一直保持相同的行走方向，但是絕大多數的自動扶梯可以根據時段和人流的需求，由管理人員對其行走方向進行控制。

自動扶梯在實際應用中，由于乘客自身情況存在差異性，因此并不能保證自動扶梯的每節(jié)臺階上都能滿足理論上的人數設計，另外，在自動扶梯連續(xù)運轉時，也不能保證乘客都能準確站在臺階上。因此，自動扶梯的實際運送能力與理論水平還是存在一定的差距。因此，為了保證自動扶梯的安全性，就要采取一定的措施對自動扶梯的客流量進行測量和分析。

二、計算機視覺系統

隨著計算機技術的發(fā)展，計算機視覺研究的技術也越發(fā)成熟，目標檢查和跟蹤技術作為其中一個十分重要的部分引起了人們的廣泛關注。

人類通過多種感覺器官形成對外界環(huán)境的感知，而在這些感知信息中，絕大多數的信息都是通過視覺，即通過人眼獲得的。視覺作為一種高清晰度的媒介，能夠在外界環(huán)境中實現信息的獲得，還能對獲得的信息進行處理、存儲和傳輸。而為了填補智能機器在這個領域中的空白，從而實現捕獲圖像并對圖像的屬性進行描述及理解的目的，計算機視覺這門學科便應運而生。

計算機視覺的原理就是利用成像系統來代替視覺器官作為輸入手段，利用計算機來代替人腦作為處理和解釋的系統，從而使計算機能夠實現如人一樣的功能，通過視覺上觀察到的事物和狀況來理解、解釋當前的事項，并依據視覺系統觀察到的不同狀況，自動做出適合當前狀況的處理。但是要想達到這個目標，是要經過長久努力的，因此，人們在實現最終目標之前，首先確立了一個中期目標，這個中期目標就是建立起一種視覺系統。此視覺系統能夠達到一定程度上的智能化，依據視覺敏感度和反饋完成一定的任務。自主車輛的直覺導航系統就是計算機視覺的一個重要的應用實例，然而，截止目前，還未能實現同人一致的對于任何環(huán)境都能進行識別和理解的能力，對于自主導航系統的實現還存在一定的差距?；诖?，人們又將研究目標轉向了高速公路上的道路跟蹤能力，從而實現視覺輔助駕駛系統的開發(fā)，避免車輛在行駛的過程中與前方車輛發(fā)生碰撞。

需要特別指出的是，在這種計算機視覺系統中，計算機在其中的作用只是代替人腦的作用，但并不代表計算機就一定要按照人類視覺方法來處理視覺信息。計算機在處理視覺信息時，還是應該依據計算機系統本身的特點來進行，但是人類視覺系統作為目前為止人們所知的、功能最為強大和完善的視覺系統，還是應該作為計算機視覺研究的指導方向和啟發(fā)方向。而這種由計算機信息處理的方法來研究人類視覺并建立起人類視覺的研究，被稱為計算視覺，也是計算機研究中一個重要的研究領域。

隨著人們逐漸步入信息時代，計算機技術廣泛滲透于各個領域。究其原因，主要是因為很多沒有經過專業(yè)計算機訓練的人也要使用計算機，同時，計算機隨著科學技術的不斷發(fā)展，其功能性也在不斷地增強。然而，這也相應為計算機的使用帶來了一定的弊端，比如，計算機的使用方法也變得越來越復雜，這就在一定程度上導致了人本身的靈活性與計算機使用時的死板要求形成了強烈的反差和矛盾。前者可以通過聽覺、視覺等各種感官知覺與外界進行信息交換，還可以通過大腦的處理，用不同的方式傳達相同的意義，而計算機卻只能依照之前編寫的程序語言來運行程序來實現運行的目的。因此，為了能方便更多的人應用復雜的計算機，就必須要通過一些有效的措施來改變從前計算機為主體，人去適應計算機的狀況，而應該以人為本，交換主體，讓計算機來適應其使用者的需求和習慣，以人的習慣為要求指向，讓計算機具有聽覺、視覺等能力。同時，計算機還需要具有一定的邏輯推理能力和決策能力。而這種計算機即智能計算機。智能計算機的出現，使計算機的使用更加方便和人性化，以智能計算機為基礎的系統也為各個領域的發(fā)展帶來了巨大的促進作用，替代了很多繁重的工作，提高了工作效率，并且保證了工作人員的作業(yè)安全。

同時，在計算機視覺研究領域，運動目標的檢測識別和跟蹤技術一直都是一個熱點問題，其對識別精度和實時性要求更高，其算法的好壞會給結果的穩(wěn)定性和精準度帶來直接的影響。而這些方法的實現都是基于動態(tài)圖像序列。

三、基于改進型Hausdorff距離的人體檢測

自動扶梯客流量的測量工作是極具現實意義的，通過對大型場所內自動扶梯的客流量進行測量，可以有效對客流量進行控制，提高人員和建筑的安全。而測量工作的實現是基于攝像頭獲得的動態(tài)圖像序列，并通過序列進而識別出人數和即時速度。為了能夠準確識別出自動扶梯上的各個人體，可以采用Hausdorff距離識別方法。這種方法即使在有光線問題或者遮擋問題導致人體特征現象發(fā)生時，也能完成對人體的識別。而Hausdorff距離模板又具有適應性強且計算量小的優(yōu)點。但是在很多應用場合中，一旦被測圖像中有些邊緣信息消失或者存在大大量與人體特征無關的點時，這種距離模板的匹配就不能達到令人滿意的效果。

Hausdorff距離的模板匹配及其缺陷

Hausdorff距離是用來描述兩組點集間相似度的量度，是一種集合之間的定義形式。若設A、B為兩個有限點集，則Hausdorff距離則可表示為：

H（A，B）=max（h（A，B），h（B，A）） （1）

h（B，A）=max{mina-b} （2）

當Hausdorff距離用于二值模板與圖像之間的匹配時，首先要計算這兩個二值圖像的距離變換。由（2）計算出有向距離，再由（1）得出Hausdorff距離的值，從而判斷出匹配情況。但是需要特別指出的是，一旦圖像中存在突發(fā)的噪聲時，Hausdorff距離值也可能變得很大，從而造成目標物體不能被有效檢測。另外，當所測目標物因為光線的問題或者遮擋問題只有部分物體特征呈現出來時，Hausdorff距離的值也可能會很大，也就是說目標物體還是得不到檢測。

針對以上方法存在的缺陷，為了進一步提高此方法的穩(wěn)定性，對（2）進行了改進，有相距離表示為：

從而通過對不同區(qū)域下的界定就可以有效去除二值匹配過程中干擾因素的影響。

基于濾波的目標預測跟蹤

可以采用濾波器進行預測和跟蹤匹配位置中心點。此處濾波器將被用于匹配中心點在下一圖像中的位置，假設這兩個坐標之間不相關，則就可以實現對這兩個中心點的分別預測和跟蹤，極大提高了算法的執(zhí)行效率。而在下一幀中檢測目標時，就可以縮小搜索范圍。這不僅使得該算法的執(zhí)行速度得到了提高，還使之更適于自動扶梯客流量狀況測量的實時操作。

四、結語

自動扶梯客流量的測量對于扶梯的安全使用有著重要的意義，相信隨著科學技術的不斷發(fā)展和科研人員的不懈努力，在不久的將來，一定會出現更為方便、準確的測量方法，并在各個領域上得到有效應用，為計算機視覺系統的發(fā)展提供堅實的基礎。

參考文獻

[1]賢云得.機器視覺[M].北京：科學出版社，2004.

[2]張強.動態(tài)圖像序列中目標檢測與跟蹤技術研究[D].華北電力大學，2012.

第6篇：計算機視覺識別技術范文

計算機視覺是一門研究如何使機器“看”的科學，更進一步地說，就是指用攝影機和電腦代替人眼對目標進行識別、跟蹤和測量等機器視覺，并進一步做圖形處理，使電腦處理成為更適合人眼觀察或傳送給儀器檢測的圖像。計算機視覺包括集成的視覺系統與真實世界視覺的應用建設。創(chuàng)建三維模型的過程是相當困難的，需要機械測量攝像機的位置或手動對準一個場景的局部三維視圖。通過使用相應的算法，它可以通過集合中一個場景的立體圖像，然后自動生成一個逼真、幾何精確的三維數字化模型。

全書分為三大部分，共14章：1.引言：立體圖像和深度知覺、三維視覺系統、三維視覺應用的介紹；2.視覺的研究簡史；3.二維和三維視覺的形成；4.圖像匹配中低層次圖像處理：包括卷積濾波、離散平均、離散分化、邊緣檢測、結構張量、角點檢測等內容；5.尺度空間的視覺：包括圖像尺度、高斯尺度空間、微分尺度空間、多分辨率金字塔等內容；6.圖像匹配算法：包括各種匹配措施、計算方面的匹配、立體匹配方法的多樣性、基于區(qū)域、彈性、梯度的匹配等內容；空間重構及多視圖集成：一般的三維重建和多視圖集成方面的內容；8.具體案例：臨床和獸醫(yī)應用、電影重構等具體實例的分析；9.射影幾何基礎；10.圖像處理的張量微積分基礎：包括線性算子和變坐標系統的基本概念、度量張量、簡單的張量代數等內容；11.圖像中的失真和噪聲：包括噪聲模型、產生噪聲的測試圖片、正態(tài)分布生成隨機數；12.圖像變換程序：包括結構的變形系統、坐標變換模塊、像素值的插值、經典實力等內容；13.編程技術，圖像處理和計算機視覺：包括其設計與實現、統一的建模語言、設計模式、處理平臺等內容；14.圖像處理庫。

作者Bogusaw Cyganek于1993年獲得電子計算機科學學位，于1996年獲得了赫爾辛堡科技大學博士學位。近年來，他還與許多科學中心合作，在計算機視覺系統的發(fā)展方面做出了貢獻。作為一個軟件開發(fā)經理和高級軟件工程師，他有著多年的實際工作經驗。他目前在波蘭克拉科夫AGH科技大學（AGH University of Scien and Technology）電子部任研究員和講師，研究興趣包括計算機視覺、模式識別、以及對可編程器件和嵌入式系統的開發(fā)。他還是電子電氣工程師協會（IEEE，Institute of Electrical and Electronics Engineers）、國際模式識別學會（IAPR，International Association for Pattern Recognition）、工業(yè)和應用數學學會（SIAM，Society for Industrial and Applied Mathematics）成員。

本書提供了對三維計算機視覺方法，理論和算法的全面的介紹。幾乎每一個理論問題都使用C++和Matlab的偽代碼或完整代碼進行實現，并且提供下載的軟件網站、案例研究和練習。本書是相關學者、程序員的有益參考，也適合對計算機科學、臨床攝影、機器人領域、圖形和數學感興趣的學生或研究人員閱讀。

李亞寧，碩士研究生

第7篇：計算機視覺識別技術范文

關鍵詞：圖像處理 計算機視覺 立體視覺

在實際工程實踐中，由于受現場條件和測試技術本身的限制，結構動位移的測試往往存在一定的困難和挑戰(zhàn)，這也使動位移并未成為結構動力性能評估中一個常見的評估指標。結構動位移響應是直接反映結構在動力荷載作用下安全性和整體性的重要參考指標。隨著工程結構或構件建造得越來越柔和復雜結構模型試驗研究的發(fā)展，如大跨度橋梁、高層建筑、索結構等的現場測試以及結構振動臺試驗、風洞試驗等，結構動位移的測試顯得尤為重要。

計算機視覺是研究計算機模擬生物外顯或宏觀視覺功能的科學與技術，是一個發(fā)展十分迅速的研究領域，其研究手段涉及甚廣，如圖像處理、機器視覺、醫(yī)學圖像分析、模式識別、計算機圖形學、人工智能等。當計算機通過視覺傳感器（比如相機或攝像機等）試圖分析三維空間的物體時通常只能給出二維圖像，通過計算機分析和處理圖像信息，可以重構實物的三維幾何信息，包括其形狀、位置、姿態(tài)、運動等。因此，通過計算機視覺技術實現結構動位移的測量是可行的。上世紀八十年代中期以來，隨著計算機軟、硬件技術的不斷發(fā)展，在土木工程領域，國內外很多學者嘗試將計算機視覺技術用于結構的幾何測試，包括結構的位移（靜、動位移）、裂縫、表觀外形等。Aw和Koo采用數碼照相機來進行預設目標的坐標測量，經過基于計算機視覺理論的光束法優(yōu)化后，其測試精度為2.24mm。Nieder？st和Maas利用數碼攝像機來測試混凝土梁在脫水收縮過程中的變形情況，其在相機視場為80cm時測試精度可達0.03mm。相類似地將計算機視覺技術用于結構特性的測量例子還有很多，比如混凝土管片變形檢測，梁破壞試驗中的變形測量，遠距離橋梁變形測量，軌道梁破損狀況的檢測等。相比于結構靜態(tài)幾何特性的測試，結構動態(tài)特性的測試應用相對不多。Olaszek利用攝像機來攝錄橋梁的振動情況，并以計算機視覺技術進行結構動位移重構分析，得出的動位移測試精度為1mm左右。Yoshida等采用立體視覺技術來測試一塊薄板的三維振動特性。

一、單相機標定

二、基于立體視覺的兩相機立體標定

三、圖像點跟蹤

圖像點跟蹤是基于立體視覺的結構位移測試手段中的重要環(huán)節(jié)。在圖像（或視頻）分析過程中，點跟蹤的精度會直接影響位移測試的最終結果。在實際測試中，本文采用兩個黑方格組成的目標模板粘貼在所測結構的表面，方格尺寸均為30×30mm，兩方格的交叉角點作為圖像分析的跟蹤點。

四、三維點重構

第8篇：計算機視覺識別技術范文

電力系統是我國國名經濟的基石。電力系統是由發(fā)電、變電、輸電、配電和用電等環(huán)節(jié)組成的電能生產與消費系統。現代社會需要的是安全可靠經濟的電能。電力系統主要由發(fā)電輸電變電配電及用電等5部分組成。電力系統是一個具有復雜的大系統由于用戶的不斷增加的需求,電網對于技術的要求水平也提出了越來越高的要求。

1 電力系統自動化的發(fā)展趨勢總的發(fā)展趨勢的特點研究

1.1 電力系統自動化的圖形化特點

因為電力系統聯網工程的正式啟動,電力系統的調度管理、數據計算分析呈現出傳輸路徑的交叉性,信息更新越來越高速這樣的幾種特點。在計算機技術和通信技術的快速發(fā)展下,電力系統技術整合也在蓬勃發(fā)展著。電力系統信息數據處理上已經不再使用傳統的處理方式,而是使用圖形化處理這樣的新技術,這樣看到圖形,電力系統管理者就能了解電力系統的變化發(fā)展趨勢,也就能對未來電力系統軟件開發(fā)帶來絲絲先機。

1.2 電力系統自動化的遠程化特點

過去電力系統的硬件平臺大部分是計算機,外加使用擴展測控法對接口電路工作開展監(jiān)測。此類的設計有很多的優(yōu)勢,這種類型的設計的周期很長,擴展性也很好。但是這樣的設計方式也具有著高成本、大體積、大功耗以及靈動性差的多種缺點?，F在,正是有著網絡技術的不斷更新和電子技術的不斷進步,遠動終端設備已經變?yōu)樵絹碓浇咏顑?yōu)化、智能化和小型化、協調化。因此,建立在此基礎之上的電力系統也具備了遠程化的特點,使電力系統自動化在控制系統方面的發(fā)展更加貼近智能化。

1.3 電力系統自動化的分布化特點

發(fā)電率范圍在幾十兆瓦至幾千瓦之間并且模型較小的發(fā)電單元,它的地點處于用戶周圍還有有高效和可靠特點的稱為電力系統自動化技術分布化。分布式發(fā)電主要包括以液體或氣體為燃料的內燃機、太陽能發(fā)電、微型燃氣輪機和風力發(fā)電等等的其他一些發(fā)電方式。這種發(fā)電技術具有很好的靈活性,能夠給與用戶各不相同的感受。還能為邊遠商業(yè)區(qū)域提供可靠的電力資源,讓他們使用具有再生特點的資源進行多次發(fā)電,這樣的電能還具有穩(wěn)定度高的特點,是具有分度化的特色。極端及技術、新材料技術和電力電子技術都要作為支柱技術被在其中使用。

2 電力系統與新技術的結合

2.1 與智能計算機的結合

計算機視覺技術就是與智能計算機的結合之一。使用計算機視覺技術能夠方便的獲得多種圖像信息。在電力系統中應用計算機視覺技術。目前,計算/！/機視覺技術使用在電力系統中的作用是修改遙控系統在此同時提高它的性能。這主要表現在使用在線監(jiān)測和開展無人操作或者環(huán)境監(jiān)視,紅外圖像監(jiān)測是電力設備在線監(jiān)測常用方法中效果最好的。它既有這使用方便,又有著精準度較高的特點。紅外圖像識別方面主要就是使用計算機視覺技術,這樣能取得較好的效果。計算機視覺技術的工作原理是在科學獲取電力設備實時紅外圖像和電力設備正常工作時圖像后,將兩者開展對比。如果出現不正常。也就因此能夠證明電力設備出現問題。第開展無人操作或者環(huán)境監(jiān)視是使用微波雙鑒探測器進行協助,將差分圖像以及流光法一起使用對移動物體開展監(jiān)測。如果出現不正?，F象,那么系統就可以識別出來,并且警告我們。因為計算機視覺技術還處于起步階段,其存在一定的不足之處。雖然計算機視覺技術發(fā)展迅速,但計算機視覺技術發(fā)展的并不完善,因為圖像識別自身的復雜性的原因,所以現階段還不能實現完全的無人操作。正是因為有著這些原因,在大多數情況下,計算機視覺技術只能夠作為一種輔助技術。

2.2 與微機保護系統的結合

在電力系統自動化技術發(fā)展速度過快并且伴隨著相關微機設備應用范圍越來越普遍的情況下。人們越來越嚴格的要求微機保護系統。更簡單的說,也就是原有的電力系統自動化技術當中的微機保護系統已經無法滿足社會發(fā)展的需要。人們需要的微機保護系統應該具備更加牢靠與穩(wěn)定的可以對通信進行保護的能力。這樣才能夠達到人們希望人機互動的效果。這樣的系統在對硬件提高出高要求的同時也對軟件業(yè)產生了更加具體的要求。例如,我國在上世紀末將第一套微機線路保護設備投入使用,并且該設備因為性能占據極大的優(yōu)勢從而獲得世界各國用戶的普遍認可。

在繼電保護設備中,我們更加需要完善的問題就是設備的實時性。設備的實時性直接關乎電網的安全穩(wěn)定,它直接受到其影響。假如設備實時性出現缺陷,會給電力系統帶來難以補救損失的可能性。現階段在我國電力系統中應用的嵌入式系統通常來說主要為C/C++語言。這是因為該系統不僅靈活性高并且可移植性也很強。同時該系統還使用了能夠隨時改變的模塊化,目的在于處理好各種存在可能性會產生的問題但是卻又不能夠進行更換的難題。在提供便利的同時也能夠盡最大的努力滿足用戶各種要求。

第9篇：計算機視覺識別技術范文

關鍵詞：多源圖像；融合技術；棉花；病蟲害；識別診斷

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

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

1 棉花病蟲害診斷技術研究意義及發(fā)展趨勢

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

1.1 棉花病蟲害診斷技術的研究意義

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

1.2 棉花病蟲害診斷技術發(fā)展趨勢

縱觀近幾年國內對作物病蟲害智能識別診斷的研究，目前對棉花作物病蟲害識別診斷主要集中在以專家系統為代表的智能化信息技術和光譜技術上，應用計算機視覺技術對棉花作物病蟲害識別的研究報道較少[1，2]，而結合光譜技術和計算機視覺技術進行研究的則未見報道。目標的高分辨率和高識別率是對獲取目標信息的基本要求，僅僅利用可見光范圍或在近紅外范圍的計算機視覺技術進行作物病蟲害識別診斷，其單一光譜不足以準確、全面反映作物病蟲害的差異，還需利用其他生物信息對其補充和加強，以達到全面地反映作物病蟲害的差異[3]。

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

2 多源圖像融合技術

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

多源傳感器圖像融合系統一般有3種類型：像素級融合、特征級融合和決策級融合。

2.1 像素級圖像融合

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

2.2 特征級圖像融合

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

2.3 決策級圖像融合

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

特征級圖像融合和決策級圖像融合方法通常應用于某些特殊場合，像素級圖像融合的應用更普及，融合所得圖像更有利于人眼的判讀、欣賞和機器識別。對于已經配準好的圖像，像素級圖像融合方法不需要顯式地提取圖像特征，在速度和魯棒性上有明顯優(yōu)勢。為此采取像素級圖像融合方法對農作物病蟲害的可見光和近紅外圖像進行融合處理，使其符合人類視覺特征，融合結果更有利于對圖像作進一步分析、理解和識別。

3 多源圖像融合技術對棉花病蟲害診斷的方法

1）在特定栽培條件下，培育不同棉花病蟲害的試驗樣本及正常的對比樣本。

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

3）根據光譜分析結果，構建多源圖像計算機視覺采集系統，采集棉花作物樣本多光譜圖像，用VC或MATLAB編寫計算機圖像處理軟件對圖像進行處理和特征提取。

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

4 展望

棉花是中國和湖北省主要的經濟作物，長期以來棉田病蟲害對棉花生產帶來極大危害，因此，對棉花病蟲害防治方法與技術的研究至關重要。對棉花作物病蟲害防治的各種方法中，傳統的方法是依靠人們的經驗確認病蟲害的發(fā)生時間、區(qū)域、種類和發(fā)生程度等，且是進行手工或機械噴灑農藥，這不僅勞動效率低，勞動成本高，而且常規(guī)施藥技術會帶來農藥利用率低下、水資源浪費、環(huán)境污染、農藥在作物及其產品中的殘留導致對人類的危害等。所以，結合光譜技術和計算機技術開展棉花病蟲害的識別診斷研究具有重要的學術意義和經濟價值。

參考文獻：

[1] 周小燕，史 巖，李道亮，等.棉花病蟲害診斷專家系統的研究與設計[J].萊陽農學院學報，2005，22（1）：9-11.

[2] 嚴智燕，廖桂平，高必達.植物病蟲害防治中農業(yè)專家系統的研究進展[J].中國農學通報，2005，21（5）： 415-417.

[3] YUTAKA S，TSUGUO O.Automatic diagnosis of plant disease recognition between healthy and diseased leaf[J].農業(yè)機械學會雜志，1999，61（2）：119-126.

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

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

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

[7] 李秋華.基于紅外圖像信息融合的目標檢測和識別技術研究[D].長沙：國防科學技術大學，2002.

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

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

[10] 楊萬利，沈明霞，嚴 君.紅外圖像處理技術在蘋果早期淤傷檢測中的應用[J].計算機工程與設計，2010（1）：149-152.