文档介绍：第一章引论
人类在征服自然、改造自然和推动社会进步的过程中,面临着自身能力、能量的局限性,,包括智能机器人,是这种机器最理想的形式,,它能模拟人类的功能,、触觉、听觉和嗅觉等感觉器官,其中约80%,对于智能机器来说,赋予机器以人类视觉功能对发展智能机器是及其重要的,也由此形成了一门新的学科—机器视觉(也称计算机视觉或图像分析与理解等).机器视觉的发展不仅将大大推动智能系统的发展,也将拓宽计算机与各种智能机器的研究范围和应用领域.
,,,场景三维信息只能通过灰度图像或灰度图像序列来恢复处理,,还需要有关场景知识和投影几何知识.
机器视觉是一个相当新且发展十分迅速的研究领域,[1],当时的工作主要集中在二维图像分析和识别上,如光学字符识别,工件表面、,Roberts(1965)通过计算机程序从数字图像中提取出诸如立方体、楔形体、棱柱体等多面体的三维结构,并对物体形状及物体的空间关系进行描述[Roberts 1965].Roberts ,许多人相信,一旦由白色积木玩具组成的三维世界可以被理解,,人们对积木世界进行了深入的研究,研究的范围从边缘、角点等特征提取,到线条、平面、曲面等几何要素分析,一直到图像明暗、纹理、运动以及成像几何等,,已经出现了一些视觉应用系统[Guzman 1969, Mackworth 1973,].
70年代中期,麻省理工学院(MIT)人工智能(AI)实验室正式开设“机器视觉”( Machine Vision)课程,,MIT AI 实验室吸引了国际上许多知名学者参与机器视觉的理论、算法、系统设计的研究,David AI 实验室领导一个以博士生为主体的研究小组,1977年提出了不同于"积木世界"putational vision),该理论在80年代成为机器视觉研究领域中的一个十分重要的理论框架.
可以说,对机器视觉的全球性研究热潮是从 20世纪80年代开始的,到了80年代中期,机器视觉获得了蓬勃发展,新概念、新方法、新理论不断涌现,比如,基于感知特征群的物体识别理论框架,主动视觉理论框架,视觉集成理论框架等.
到目前为止,,比如,International Conference puter Vision and Pattern Recognition(CVPR); International Conference puter Vision(ICCV); International Conference on Pattern Recognition(ICPR); International Conference on Robotics and Automation(ICRA); Workshop puter Vision, and numerous conferences of , 如,IEEE Transaction on Pattern Analysis and Machine Intelligence(PAMI); Computer Vision, Graphics, and Image Processing(CVGIP); IEEE Transaction on Image Processing; IEEE Transaction
on Systems, Man, and ics(SMC); Machine Vision and Applications; International Journal puter Vision(IJCV); Image and put