基于計算智能的計算機視覺及其應(yīng)用研究.pdf

1、隨著信息獲取和信息處理技術(shù)的快速發(fā)展，計算機視覺，即如何利用計算機技術(shù)高效準確地從環(huán)境圖像或者視頻中獲取相關(guān)信息，進而對客觀世界中的事物及發(fā)生的現(xiàn)象進行分析、判斷和決策，已經(jīng)成為一個非常重要的研究課題。
　　 生物的視覺和智能，目前還是人類認知的處女地。在生物視覺研究中已經(jīng)發(fā)現(xiàn)大量有趣的現(xiàn)象、結(jié)構(gòu)和功能，但是對于總的工作機制和機理還知道的很少。從信息處理的角度，對于已有的關(guān)于生物視覺和智能的研究成果進行總結(jié)、分析與綜合等研究，必

2、將對計算機視覺和人工智能的發(fā)展產(chǎn)生強有力的推動作用，同時計算機視覺和人工智能的研究能為生物視覺和生物智能的工作機理提供重要線索。
　　 計算機視覺基于物理計算設(shè)備。七十年來，對于計算設(shè)備的能力上限，主流的科學家持悲觀的態(tài)度。究竟什么是計算?計算到底能干什么?這是計算機科學、人工智能、計算機視覺的基本問題，是徹底解決計算機視覺和人工智能的前提條件。
　　 自適應(yīng)性和智能化已經(jīng)成為困擾當前計算機視覺的最大障礙。如何在復(fù)雜的背

3、景下，從樣本圖像和指定目標中自主獲取目標的模式，并利用這些模式對未知環(huán)境和圖像進行分析和判斷；如何利用計算產(chǎn)生自適應(yīng)性；視覺和智能在信息處理的層面上究竟有什么樣的關(guān)系等問題，是徹底解決計算機視覺的關(guān)鍵。
　　 本學位論文從生物視覺中總結(jié)出能代表視覺信息處理的共同特征的、計算機視覺可利用的生物學證據(jù)；在此基礎(chǔ)上，提出并論證了演化計算具有比算法更強的表達能力的觀點；將演化計算、人工神經(jīng)網(wǎng)絡(luò)方法、并行計算等技術(shù)融合起來，找到一種適合于

4、目標識別過程中使用的知識表示、知識進化、知識使用的新的計算智能方法；將該方法應(yīng)用于機器視覺技術(shù)研究，解決帶鋼表面缺陷檢測過程中的準確度和實時性問題。本文研究工作主要貢獻是：
　　 (1)生物視覺
　　 對于高等哺乳動物視覺領(lǐng)域中已經(jīng)取得的一些相關(guān)研究成果進行歸納、總結(jié)和假設(shè)，從中找出能代表視覺信息處理的生物學證據(jù)，包括視覺與智能的同源性、演化機制、并行處理機制、自適應(yīng)機制、層次處理機制、和競爭機制等等。
　　 (

5、2)演化計算基本理論
　　 指出了算法和圖靈機的缺陷，對于“圖靈機是任意物理計算設(shè)備的精確模型”的論斷提出了質(zhì)疑；提出了演化計算的概念和相應(yīng)的自動機模型，并對它的表達能力進行了論證，證明了演化計算方法比算法或圖靈機的表達能力更強。
　　 (3)基于演化計算的模式識別
　　 將演化計算用于結(jié)構(gòu)模式識別和統(tǒng)計模式識別，將演化計算方法用于統(tǒng)計模式識別的特征選擇、分類器參數(shù)，以及結(jié)構(gòu)模式識別中的基元結(jié)構(gòu)、基元關(guān)系選擇、基

6、元關(guān)系提取。該方法不僅使得編程人員的工作強度大大降低，而且得到的參數(shù)更為合理。
　　 (4)計算機視覺仿真實驗平臺設(shè)計
　　 為了提高視覺系統(tǒng)的開發(fā)速度，便于程序的學習、訓練、演化，提出將虛擬現(xiàn)實技術(shù)引入到計算機視覺系統(tǒng)的設(shè)計和知識獲取過程之中，設(shè)計并建立缺陷檢測視覺仿真實驗平臺，以及目標跟蹤視覺仿真實驗平臺。在仿真實驗平臺可以進行目標識別、分類訓練、缺陷知識獲取等研究和開發(fā)，具有安全、經(jīng)濟、可重復(fù)及不受場地條件限制等優(yōu)