|
與機器視覺有關(guān)的學(xué)科有許多．本節(jié)主要討論一些與機器視覺密切相關(guān)的領(lǐng)域．關(guān)于機器視覺與其它學(xué)科的關(guān)系，我們不作詳盡的討論．
圖像處理是一個發(fā)展比較成熟的領(lǐng)域．圖像處理技術(shù)通常是把一幅圖像變換成另外一幅圖像，也就是說，圖像處理系統(tǒng)的輸入是圖像，輸出仍然是圖像，信息恢復(fù)任務(wù)則留給人來完成．圖像處理包括圖像增強、圖像壓縮和模糊校正與非聚焦圖像等課題．機器視覺系統(tǒng)把圖像作為輸入，產(chǎn)生的輸出為另一種形式，比如圖像中物體輪廓的表示．因此，機器視覺的重點是在人的最小干預(yù)下，由計算機自動恢復(fù)場景信息．圖像處理算法在機器視覺系統(tǒng)的早期階段起著很大的作用，它們通常被用來增強特定信息并抑制噪聲．
計算機圖形學(xué)是通過幾何基元，如線、圓和自由曲面，來生成圖像，它在可視化（Visualization）和虛擬現(xiàn)實（Virtual Reality）中起著很重要的作用．機器視覺正好是解決相反的問題，即從圖像中估計幾何基元和其它特征．因此，計算機圖形學(xué)屬于圖像綜合，機器視覺屬于圖像分析．這兩個領(lǐng)域在其發(fā)展的早期階段是沒有什么聯(lián)系的，但是近十幾年來發(fā)展的越來越相近了．機器視覺使用了計算機圖形學(xué)中的曲線和曲面表示方法以及其它的一些技術(shù)，而計算機圖形學(xué)也使用機器視覺技術(shù)，以便在計算機中建立逼真的圖像模型．可視化和虛擬現(xiàn)實把這兩個領(lǐng)域緊密地聯(lián)系在一起．
模式識別主要用于識別各種符號、圖畫等平面圖形．模式一般指一類事物區(qū)別于其它事物所具有的共同特征。模式識別方法主要有統(tǒng)計方法和句法方法兩種，統(tǒng)計方法是指從模式抽取一組特征值，并以劃分特征空間的方法來識別每一個模式。句法方法是指利用一組簡單的子模式（模式基元）通過文法規(guī)則來描述復(fù)雜的模式。模式識別方法是機器視覺識別物體的重要基礎(chǔ)之一．機器視覺識別物體還經(jīng)常需要其它的技術(shù)．我們將在物體識別部分簡要地討論統(tǒng)計模式識別的主要內(nèi)容．
人工智能（artificial intelligent, AI）涉及到智能系統(tǒng)的設(shè)計和智能計算的研究．在經(jīng)過圖像處理和圖像特征提取過程后，接下來要用人工智能方法對場景特征進行表示，并分析和理解場景．人工智能有三個過程：感知、認知和行動．感知把反應(yīng)現(xiàn)實世界的信息轉(zhuǎn)換成信號，并表示成符號，認知是對符號進行各種操作，行動則把符號轉(zhuǎn)換成影響周圍環(huán)境的信號．人工智能的許多技術(shù)在機器視覺的各個方面起著重要作用．事實上，機器視覺通常被視為人工智能的一個分支．
人工神經(jīng)網(wǎng)絡(luò)（artificial neural networks, ANNs）是一種信息處理系統(tǒng)，它是由大量簡單的處理單元（稱為神經(jīng)元）通過具有強度的連接（connection）相互聯(lián)系起來，實現(xiàn)并行分布式處理（parallel distribution processing, PDP）．人工神經(jīng)網(wǎng)絡(luò)的最大特點是可以通過改變連接強度來調(diào)整系統(tǒng)，使之適應(yīng)復(fù)雜的環(huán)境，實現(xiàn)類似人的學(xué)習(xí)、歸納和分類等功能．人工神經(jīng)網(wǎng)絡(luò)已經(jīng)在許多工程技術(shù)領(lǐng)域得到了廣泛的應(yīng)用．神經(jīng)網(wǎng)絡(luò)作為一種方法和機制將用于解決機器視覺中的許多問題．
神經(jīng)物理學(xué)與認知科學(xué)長期將人類視覺作為主要的研究對象．機器視覺中已有的許多方法與人類視覺極為相似．目前，許多機器視覺研究者對研究人類視覺計算模型比研究機器視覺系統(tǒng)更感興趣，希望機器視覺更加自然化，更加接近生物視覺。我們在第二章介紹人類視覺的一些研究成果，使讀者在研究機器視覺時或多或少能從生物視覺機理中得到啟發(fā)．不過，我們的重點在于研究機器視覺系統(tǒng)，因此，不討論機器視覺與神經(jīng)物理學(xué)或認知科學(xué)的聯(lián)系．
|
