计算机视觉
from:http://ffb93bb549a2b51b3ec4bfbb5d0f67be.zh.infofx.net/
计算机视觉是当前计算机科学中的一个非常活跃的领域。人类的感官信息中，大多数是来自于视觉。要实现人工智能，对视觉的计算机处理是很重要的方面。在人工智能领域，有人所共知的M.A. Simon（司马贺）的物理符号系统假设， 这一假设认为智能的本质就是计算。与此相应，计算机视觉这一学科的基本假设是：可以用计算的方式来模拟人类的视觉机制。 这些假设与哲学中一些基本的问题有密切的关系，例如假设人可以出具有智能的机器，那么人自身就完全可能是另一种智能体制造出来的。这些假设是否成立，还有 待进一步的研究进展来验证，计算科学家正在做自己的努力。计算机视觉需要数学、计算机、人工智能、人体科学、硬件等多个学科支持。 机器视觉是计算视觉的产业化部分。这两者之间存在的微妙区别就在于前者假设计算是能够模拟视觉的，而后者只是认为人类视觉的处理机制可以用机器来模拟，而 具体利用何种手段，则没有说。 我们也可以把计算机视觉视为人工智能的一个分支。从这个角度来讲，可以认为计算机视觉的目的就是利用计算的手段来处理人类的视觉信息和实现对实际三维场景 的理解。 计算机视觉领域与图像处理，模式识别，投影几何，统计推断，统计学习等学科密切相关，近年来，与计算机图形学，三维表现等学科也发生了很强的联系。 最早的，而且目前还具有巨大影响的一种计算机视觉的框架理论是由David Marr在1970年代末期提出的，在他看来，计算机视觉系统的输入是现实世界的二维图像，而输出应该是基于3D表示的定性的和定量的场景理解。这是一种自底向上的研究思路，在这一体系中涉及到对信息的四种不同表示： （1）输入的二维图像； （2）初始简图（Primal Sketch）：提取出明显的轮廓和边缘信息; （3）2.5维简图（2.5D Sketch）：提取图像中物体在3D世界中的深度信息和其表面各处的方向信息； （4）以物体为中心的3维表示（3D representation）：得到场景的三维几何信息。 其中，从（1）到（2）主要利用各种图像边缘检测算 子或工具，其中比较著名的有Canny/Deriche算法、Shen算法，Sobel算子，LoG算子等。目前人们已经提出了数百种边缘检测算法。 从（2）到（3）由各种shape from X来实现。比如shape from shading,shape from contour, shape from texture, shape from motion, shape from stereo 等等。遗憾的是，这些过程大多是病态问题，即使是良态的，结果也极易受到噪声的干扰。 同样的，从（3）到（4）的过程也不简单，这些都是David Marr理论框架为人诟病的地方。 在David Marr（此君英年早逝）之后，又相继提出了active vision,purposive vision等有一定影响的理论框架，并在这些理论的指导下，取得了一些进展。 计算机视觉的应用
一些典型的计算机视觉应用如下所列： － 从一幅图像（或一系列图像）中自动提取，分割有兴趣的物体（例如提取人的面部）； － 从多幅图像或序列中自动提取场景的三维信息（如从几幅CT图片中实现对人体器官的三维重建）； － 在图像序列中自动跟踪有意义的移动物体（如跟踪停车场中可疑的人的去向）； － 从数字图像的数据库中根据图像的视觉特征实现检索（如从犯罪记录库中查找特定的嫌犯图像）； － 根据摄像头抓取的实时信息进行交通监管。 与其它人工智能分支一样，计算机视觉与认知心理学和生物计算密切相关。这些基础学科的研究进展可以为计算机视觉提供新的思路或处理手段。或许完全的实现对人类视觉的模拟是不可能的，但是部分的实现对改善人类的生存状况却无疑是有益的。 目前，计算机视觉的商用化系统已经出现，在医学图像处理，工业流水线生产，产品自动检测，智能交通，现场监视，数字图书馆，智能搜索引擎，数字娱乐，数字化电影等方面均得到了成功的应用。目前这一市场已经达到每年数十亿美元的规模并且还在飞速成长中。数字图像处理
在计算机视觉应用领域中，如果要让我们的计算机明白图像的信息就必须经过一系列的处理过程，这一过程称之为“数字图像处理”。数字图像的处理一般包括5个步骤：- # - 图像预处理 (Preprocessing)
- # - 分割 (Segmentation)
- # - 处理分割后区域 (Processiong Segmented Regions)
- # - 测量 (measurement)
- # - 图像判读 (Image interpretation) category:人工智能 ja:コンピュータビジョン th:คอมพิวเตอร์วิทัศน์
计算机科学
计算机科学是一门包含各种各样与计算和信息处理相关主题的系统学科，从抽象的算法分析、形式化语法等等，到更具体的主题如编程语言、程序设计、软件和硬件等。作为一门学科，它与数学、计算机程序设计、软件工程和计算机工程有显著的不同，却通常被混淆，尽管这些学科之间存在不同程度的交叉和覆盖。 计算机科学研究的课题是：- 计算机程序能做什么和不能做什么（可计算性）；
- 如何使程序更高效的執行特定任務（算法和复杂性理论）；
- 程序如何存取不同类型的数据（数据结构和数据库）；
- 程序如何显得更具有智能（人工智能）；
- 人类如何与程序沟通（人机互动和人机界面）。 计算机科学的大部分研究是基于“冯·诺依曼计算机”和“图灵机”的，它们是絕大多數实际机器的计算模型。作为此模型的开山鼻祖，邱奇-图灵论题（Church-Turing Thesis）表明，尽管在计算的时间，空间效率上可能有所差异，现有的各种计算设备在计算的能力上是等同的。尽管这个理论通常被认为是计算机科学的基础，可是科学家也研究其它种类的机器，如在实际层面上的并行计算机和在理论层面上概率计算机、oracle 计算机和量子计算机。在这个意义上来讲，计算机只是一种计算的工具：著名的计算机科学家 Dijkstra 有一句名言“计算机科学并不只是关于计算机的，正如天文学并不只是关于望远镜一样”。 计算机科学根植于电子工程、数学和语言学，是科学、工程和艺术的结晶。它在20世纪最后的三十年间兴起成为一门独立的学科，并发展出自己的方法与术语。 早期，虽然英国的剑桥大学和其他大学已经开始教授计算机科学课程，但它只被视为数学或工程学的一个分支，并非独立的学科。剑桥大学声称有世界上第一个传授计算的资格。世界上第一个计算机科学系是由美国的普渡大学在1962年设立，第一个计算机学院於1980年由美国的东北大学设立。现在，多数大学都把计算机科学系列为独立的部门，一部分将它与工程系、应用数学系或其他学科联合。 计算机科学领域的最高荣誉是ACM设立的图灵奖，被誉为是计算机科学的诺贝尔奖。它的获得者都是本领域最为出色的科学家和先驱。华人中首获图灵奖的是姚期智先生.他于2000年以其对计算理论做出的诸多“根本性的、意义重大的”贡献而获得这一崇高荣誉。
计算机系统
计算机系统可划分为软件系统与硬件系统两大类。硬件
- 结构控制和指令系统
- 算法和逻辑结构
- 存储器结构
- 冯·诺伊曼结构
- 哈佛结构
- 输入/输出和数据通信
- 数字逻辑
- 逻辑设计
- 集成电路
计算机系统组织
- 计算机系统结构
- 计算机网络
- 分布式计算
- 网络安全
- 计算机系统实现
软件
- 系统软件
- 操作系统
- 编译器
- 应用软件
- 计算机游戏
- 办公自动化
- 网络软件
- CAD软件
- 计算机程序
- 程序设计和程序设计实践
- 面向对象技术
- 程序设计语言
- 软件工程
- 软件复用
- 驱动程序
- 计算机模拟
- 程序设计方法学
数据和信息系统
- 数据结构
- 数据存储表示
- 数据加密
- 数据压缩
- 编码与信息论
- 文件
- 信息系统
- 管理信息系统
- 决策支持系统 - 专家系统
- 数据库
- 信息存储和数据存取
- 信息交互与表达
主要的研究领域
形式化基础
- 逻辑学
- 谓词逻辑
- 模态逻辑
- 时序逻辑
- 描述逻辑
- 数学
- 泛代数
- 递归论
- 模型论
- 概率论和数理统计
- 逻辑代数
- 布尔代数
- 离散数学
- 组合数学
- 图论
- 网论
- 信息论
理论计算机科学
- 形式语言
- 自动机
- 可计算性
- 算法
- 计算复杂性
- 描述复杂性
- 编译器
- 程序设计理论
- 信息论
- 类型理论
- 指称语义
- 微程序
- 遗传算法
- 并行计算
计算方法学
- 人工智能
- 计算机图形学
- 图像处理与计算机视觉
- 模式识别
- 语音识别
- 文字识别
- 签名识别
- 人脸识别
- 指纹识别
- 仿真与建模
- 数字信号处理
- 文档与文本处理
计算机应用
- 数值计算
- 数值分析
- 定理机器证明
- 计算机代数
- 工程计算
- 计算机化学
- 计算机物理
- 生物信息论
- 计算生物学
- 非数值计算
- 工厂自动化
- 办公室自动化
- 人工智能
- 信息存储与检索
- 符号语言处理
- 计算机辅助科学
- 计算机辅助设计
- 计算机辅助教学
- 计算机辅助管理
- 计算机辅助软件工程
- 机器人学
- 多媒体技术
- 人机交互
- 电子商务
特定技术
- 测试基准
- 机器视觉
- 数据压缩
- 设计模式
- 数字信号处理
- 文件格式
- 信息安全
- 国际互联网络
- 超大规模集成电路设计
- 网络传输协议
- 网络处理器技术
- 整数运算器
- 浮点运算器
- 矩阵运算处理器
- 网格
计算科学史
- 计算机历史
- 软件业历史
- 编程思想
相关学科
计算机科学与另外的一些学科紧密相关。这些学科之间有明显的交叉领域，但也有明显的差异。- 信息科学 - 软件工程 - 信息系统 - 计算机工程 - 信息安全 - 密码学 - 数学 - 工程学 - 语言学 - 逻辑学
卓越的先驱者
- 艾伦·图灵
参见
- 计算机科学课程列表
- 计算机科学家
- 图灵奖
- 冯·诺依曼奖
- 中国计算机产业
- 中国计算机科学大事年表
- 程序设计语言列表
- 操作系统列表
- ASCII艺术
外部链接
ko:컴퓨터 과학 ja:情報工学 simple:Computer Science th:วิทยาการคอมพิวเตอร์ Category:自然科学 Category:技术科学图像处理
- 图像处理，是对图像进行分析、加工、和处理，使其满足视觉、心理以及其他要求的技术。图像处理是信号处理在图像域上的一个应用。目前大多数的图像是以数字形式存储，因而图像处理很多情况下指数字图像处理。此外，基于光学理论的处理方法依然占有重要的地位。 图像处理是信号处理的子类，另外与计算机科学、人工智能等领域也有密切的关系。 传统的一维信号处理的方法和概念很多仍然可以直接应用在图像处理上，比如降噪、量化等。然而，图像属于二维信号，和一维信号相比，它有自己特殊的一面，处理的方式和角度也有所不同。
研究领域
- 几何变换（geometric transformations）：包括放大、缩小、旋转等。
- 颜色处理（color）：颜色空间的转化、亮度以及对比度的调节、颜色修正等。
- 图像合成（image composite）：多个图像的加、减、组合、拼接。
- 降噪（image denoising）：研究各种针对二维图像的去噪滤波器或者信号处理技术。
- 边缘检测（edge detection）：进行边缘或者其他局部特征提取。
- 分割（image segmentation）：依据不同标准，把二维图像分割成不同区域。
- 图像制作（image editing）：和计算机图形学有一定交叉。
- 图像配准（image registration）：比较或集成不同条件下获取的图像。
- 图像增强（image enhancement）：
- 图像数字水印（image watermarking）：研究图像域的数据隐藏、加密、或认证。
- 图像压缩（image compression）：研究图像压缩。
相关相近领域
- 分类（Classification）
- 特征提取（Feature extraction）
- 模式识别（Pattern recognition）
- 投影（Projection）
- 多尺度信号分析（Multi-scale signal analysis）
- 离散余弦变换（The Discrete Cosine Transform）
参见
- 计算机科学课程列表
- 计算机视觉 th:การประมวลผลภาพ
边缘检测
边缘检测是图像处理和计算机视觉中的基本问题，就是寻找图像中变换比较剧烈的像素位置。这些像素可以简单的表示图像中有用的信息。 常見的检测法有Laplacian和Sobel,Canny算法和Shen算法。外部链接
- [http://www.quzhi.net/chinese/vision/edge/edge.htm 数字图像的边缘检测]边缘检测的一些中文资料 category:數字信號處理
This page is based on the copyrighted Wikipedia article '计算机视觉' it is used under the GNU Free Documentation License. You may redistribute it,verbatim or modified, providing that you comply with the terms of the GFDL.
albergo amsterdam Londra albergo Brussels Hotels tapety na pulpit online slotsJosip Broz
7万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
