《人工智能》机器视觉课程教案.docx

《《人工智能》机器视觉课程教案.docx》由会员分享，可在线阅读，更多相关《《人工智能》机器视觉课程教案.docx（16页珍藏版）》请在第一文库网上搜索。

1、人工智能机器视觉课程教案教学内容：本章所研究的机器视觉是诸多传感信息中包含信息最丰富、最复杂和最重要的感觉之一，也是应用最为广泛的机器感觉之一。内容包括图象的理解与分析、视觉的知识表示与控制策略和物体形状的分析与识别等。教学重点：物体边缘距离的计算、表面方向的计算、物体形状识别方法教学难点：图匹配法、松弛标示法、多层匹配法等教学方法：用较为通俗的语言将机器视觉的相关知识讲透彻，同时结合图表,对不同线条的标示方法进行讲解。多结合日常生活中常有的现象，让学生对所学知识有更深入的认识。教学要求：重点掌握视觉信息的表达方法，包括初始简图、二维半简图和三维模型；掌握物体边缘距离和表面方向的生理学基础及计

2、算原理和计算方法；了解复杂形状物体的表示和三维物体的形状描述方法；一般了解机器视觉应用系统的构成、视觉系统的设计思想。10.1图象的理解与分析教学内容：对图象进行理解和解释是计算机视觉的研究中心，也是人工智能研究的焦点之一。教学重点：初始简图、二维半简图和三维模型教学难点：松弛算法、边缘距离的计算教学方法：以课堂书本知识为主，采取提问，讨论等方式提高学生学习的积极性，自主性和创造性。教学要求：重点掌握视觉信息的表达方法，包括初始简图、二维半简图和三维模型；掌握物体边缘距离和表面方向的生理学基础及计算原理和计算方法10.1.1视觉信息的表达方法根据马氏(Marr)提出的假设，视觉信息处理过程包括

3、3个主要表达层次，即初始简图、二维半简图和三维简图，如图10.1所示。景物图象初始徜四is二堰半筒圈三维葡K取算法案案算法图o.视觉信息的表达层次1、初始简图的基本SE念：亮度图象含有两种重要信息：图象的亮度变化和局部几何特征。初始简图是一种本原表达法，它能完全而又清楚地表示上述信息。初始简图所包含的信息大部分集中在与实际边缘以及边缘终止点有关的剧烈灰度变化上。对于每一边缘亮度变化，在初始简图上都有对应的描述。这些描述包括：与边缘有关的亮度变化率、总的亮度变化、边缘长度、曲率和方向等。粗略地说，初始简图是以勾划草图的形式来表示图象中的亮度变化的。图10.2用初始简图表示灰度变化图10.3二维半

4、简图举例2、二维半简图的基本概念：二维半简图包含景物表面的信息，可以把它看做某些内在特性的混合信息。二维半简图清楚地表示物体表面方向的信息。物体表面法线从物体内部穿出来，使物体好象穿刺。3、三维模型的表示方法三维表达法能够完全而又清晰地表示有关物体形状的信息，其方法之一即为广义柱体。广义柱体的概念十分重要，而其表示方法又十分简单，如图10.4所示。图中，柱体的横截面沿轴线的投影不变。一个普通圆柱可看作是一个圆周沿其中心垂线移动而成；一个楔形物是一个三角形沿其中垂线移动而得的，等等。圆维.角状物帧向距离一般地说，一个广义柱体是二维轮廓图沿其轴线移动而成的。在移动过程中，轮廓与轴线之间保持固定的角

5、度不变。轮廓可为任何形状，而且在移动过程中其尺寸可能是变化的，其轴线也不一定是垂线或直线，如图10.4所示。图10.4广义锥体10.5截面形状变化或轴线为曲线时的广义柱体10.1.2边缘距离的计算1、图象辉亮边缘的平均与差分产生噪声边缘问题是因为在获得图象时，会遇到传感器的亮度灵敏性波动、图象坐标信息误差、电子噪声、光源扰动以及无力接收大范围变化的亮度信息等。另一个原因是图象本身很复杂，其实际边缘并不是陡削的，而是逐步过渡的；还可能存在相互照明效应、意外划痕和灰尘等。一种处理噪声边缘的方法包括下列四个步骤：(1)从图象建立平均亮度阵列。(2)从平均亮度阵列产生平均一阶差分阵列。(3)从一次平均

6、差分阵列建立二次平均差分阵列。(4)据所得阵列，记下峰点、陡变斜率和过零点，以寻求边缘信号的集合。2、灵长目动物视网膜特性图10.6灵长目动物视网膜输入色能亮度发布cccC_J-1(b)爆西M草雷形滤波独测结果有延迟的同西野菜帼形修正覆测X4-与墨西哥草帽形滤波结果的一输出特性实验比较墨西哥草帽形滤波器与一些了解灵长目动物早期视觉的实验相一致。关键实验如图10.6所示。被试动物注视各种从白色背景前移过的色质(StimUIi)。这些色质包括一条窄的黑带、一条宽的黑带以及一个单白黑边缘。记录探针测定各种神经反应。把此神经反应与据墨西哥形草帽滤波器作出的预计进行比较。图10.7给出比较结果。在图10

7、.7中，(a)表示3个自左向右移动的色质的亮度分布曲线；(b)表示以适当宽度的墨西哥草帽形滤波器对所给出的亮度分布进行滤波的结果；(C)为所谓X神经节细胞上记录的实验数据。比较图10.7(b)和(C)可见，两者极其相似。这表明灵长目动物的视网确实进行了某些与墨西哥草帽形滤波器十分相似的处理工作。如果对墨西哥草帽形滤波器稍加修改，就能够改善相似性，如图10.7(d)所示。比较结果得到的高度相似性，使我们有足够的根据作出下列假设：(1)灵长目动物视膜所进行的滤波处理功能在运算上是与由墨西哥草帽形点扩散函数所进行的滤波相似。(2)存在有两种视膜细胞，一种用于传输滤波图象的正向部分，另一种传递滤波图象

8、的负向部分。(1)对于每种细胞，墨西哥草帽形滤波器是通过激发与禁止这两种操作的组合来实现的。这个滤波器等价于两个以二维高斯滤波器滤波所得图象的差。3、物体距离的测定图10.8表示两眼立体视觉中的相对位置关系。图中，P点为一物体。两个透镜的轴线是平行的。f为两透镜与图象平面的距离，即为其焦距。b为两透镜轴线在基线上的距离，即为两眼的距离。II三镜轴的距离。和B分别为左右图象与其相应透专六，一，至物体的距离:从两相似三角形，可求得观察者双眼!/!透健.(眼球图10.8双眼立体视觉的几何位置由于双眼距离b为已知，焦距f也是确定的，因此，一个物体与双眼的距离和(+B)成反比。(+8)为该点的一幅图象点

9、位置相对于另一幅图象点位置的位移，称为视差(disparity)。立体视觉的实际问题就是据左右两图象找到相应的物体，以便能够测量视差。已有许多不同的立体视觉系统能在不同程度上成功地寻找出相应的物体。10.1.3表面方法的计算1、反射图体现光照约束把从所有可能位置观察到的亮度都相同的表面定义为朗伯表面(1anIbCrtianSurface),它的亮度只由光源的方向决定。这一关系遵循下列公式：E=PCoSi。式中，E为被观察亮度；P为表面反射率(对于特定的表面材料，P为一常数)；i为入射角。2、表面方向的确定上面我们研究了利用表面方向预测表面的亮度。下面研究从感测到的亮度来计算表面各方向参数f和g

10、。由f和g来确定表面方向，初看起来似乎是不可能的。因为一小块表面只能确定切面FG上的一条曲线，而不是单一的点。但是，事实上这样做却是可能的，因为大部分表面是平滑的，在不同深度和方向上只出现有少数不连续的情况。因此，可以利用下面两个约束：(1)亮度。由f和g所确定的表面方向应与表面亮度所要求的表面方向无多大不同。(2)表面平滑度。一点的表面方向应与邻近各点的表面方向无多大变化。对于每个点，计算的f和g值应兼顾上述两个约束计算所得的值。据亮度要求特定点的f和g值应落在等亮度线上，而据表面平滑度则要求f和g值接近相邻点f和g的平均值。3、松弛算法(1)对所有非边界点，令40和g=0。对所有边界点，令

11、f和g规定一个长度为2的垂直于边界的矢量。称输入阵列为当前阵列。(2)进行下列步骤(直到所有的值变化得足够慢为止)：(a)对当前阵列中的每个点：i)如果是个边界点，则不做任何事；ii)如果是个非边界点，那么用松弛公式计算新的f和g值。(b)把所得新阵列称为当前阵列。10.2积木世界的景物分析教学内容：可见的景物的传感器编码，检测器搜索图象主要成分(如线段、简单曲线和角度等)的处理，利用知识推断有关景物的三维特征信息。教学重点：无断裂和阴影时三面顶点的标示方法，有断裂和阴影时线条图的分析。教学难点：无断裂和阴影时三面顶点的标示方法。教学方法：以课堂教育为主,通过多种途径开发学生的学习热情,结合实

12、践。教学要求：基本了解积木世界景物的线条标示方法，掌握无断裂和阴影时三面顶点的标示方法和有断裂和阴影时线条图的分析。10.2.1积木世界景物的线条标示方法图10.9几种典型的线条图积木世界视觉研究的主要目标是理解从一堆玩具积木的图象得到对于景物的描述。所谓描述就是把出现在图象中的大量的线条聚集成代表景物中各个积木的线条组。研究积木世界景物时，输入的图象可以是积木景物的照片、电视摄影图象或是线条图。如果是属于前二种，那么第一步就是从图象得到线条图。这属于马氏初始简图的范围，但没有那样复杂，只是用了边缘检测算子。在以下的讨论中，我们都假设已经得到了积木世界的线条图的情况。积木世界景物分析的研究对象

13、比较狭窄，并且是有意地进行了简化，但仍不失为合适的计算机视觉研究的初步目标。在这个领域中的研究已经取得了一些有实用意义的成果。积木世界可以推广为类似工业零件的多面体，而理解简单的三维工程图是建立有视觉的工业机器人装配系统的第一步。10.2.2无断裂和阴影时三面顶点的标示方法1、线条和接点的分类先研究无断裂的三面顶点，并且设想合适的光照条件，避免了所有的阴影。在这样的环境下，图中的所有线条代表了各种天然产生的边缘。这些线条的简单分类如下。2、标志三面接点的方法为了对围绕接点的线条的标示方式进行分类，需要从每个可能的方向来观察每种实际可能的三面顶点。但这样做会遇到可供选择的方向过多的困难，为此把除

14、了一般的观察位置以外的方向都排除在外，以减少可能出现的情况。假设在这一节的其余部分仅讨论只包含三面顶点的线条图。任何三面顶点的3个面规定了3个相交的平面，这3个相交的平面把空间分成8个间隔。很明显，某个形成一个顶角的物体就占有上述8个间隔（或八分体）中的一个或几个。接点标志所说明的是物体如何占有八分体。可以通过以下两个步骤来构成完整的包含所有连接可能性的字典：先考虑所有的以物体来充满这8个八分体的方式；然后，从未被充满的八分体观察所得到的顶点。10. 2.3有断裂和阴影时线条图的分析改善线条描述可使约束的数目增加，从而提高分析的速度。要进一步研究是否有别的方法对线条的解释作进一步的分类。在介绍

15、具体方法以前，有一个问题需要注意，即随着线标志集合的扩展，实际接点标志的集合将显著增加。将会有几千种合法的接点标志，而不是只有18种。因此不可能建立一个合法接点标志表和企图让摸拟计算机利用这个表格来做些什么。以下介绍两种对线条解释作进一步分类的方法：1 .对凹面标志进一步分类并引入断裂线标志考虑到物体经常放在一起。所以，凹面标志可以分成3类，这3类表示有关物体的数目和认出哪个物体是在前面的。设一条凹面边缘表示两个物体接触在一起的地方。然后想象把这两个物体稍为拉开一点。这样，这个凹面边缘就成为边界，其上标志指向两个可能方向中的一个。这两种可能性以一个由原来的负号标志和一个新的箭头标志组成的合成标志来表示。如果有3个物体相接触，同样可利用一个合成标志表示如果物体稍为离开一些时可以看到什么。断裂线也可以类似地处理：每一根断裂线被标以1个C和I个箭头，表示这两个有关的物体如何配合在一起。2 .用光照条件增加标志数量和严格约束思考:合法的标志数目相对于不合法的标志数如何增加。另一种改善线条描述的方法是结合单光源的光照条件。概括起来，线条解释的每一次改进都促使一次线条标志的大扩展。开始时只考虑基本的线条、边界线、内部的凹面线和