计算机视觉概述教案
计算机视觉 Computer Vision 关于课程 许多会议论文集和许多学术期刊都反映了该领域的最新进展。比如： Int. Conf. on Computer Vision and Pattern Recognition (CVPR); Int. Conf. on Computer Vision(ICCV); Int. Conf. on Pattern Recognition(ICPR); European Conf. on Computer Vision(ECCV); Asian Conf. on Computer Vision(ACCV); ． 还有许多学术期刊也包含了这一领域的最新研究成果, 如： IEEE Trans. on Pattern Analysis and Machine Intelligence(PAMI); Int. J on Computer Vision(IJCV); Image and Vision Computing; Pattern Recognition Letter; Pattern Recognition; IEEE Trans. on Image Processing. 计算机视觉研究 从20世纪50年代末开始，计算机开始被作为实现人类智能和人类感知的工具，借助计算机人类第一次可以象借助机械实现对体力的延伸一样实现对脑力和感知能力的延伸。 对人类视觉感知能力的计算机模拟导致计算机视觉的产生。 具体地讲，计算机视觉要达到的基本目的有3个： 根据一幅或多幅二维图像计算出观测点到目标物体的距离； 根据一幅或多幅二维图像计算出观测点到目标物体的运动参数； 根据一幅或多幅二维图像计算出观测点到目标物体的表面物理特性。 计算机视觉要达到的最终目的可简单描述为： 实现对于三维景物世界的理解，即实现人的视觉系统的某些功能； 或者从形式上讲，利用二维投影图像来重构三维物体的可视部分。 计算机视觉发展简史 20世纪50年代：用统计模式识别，集中在二维图像的分析和识别上 如：光学字符识别、工件表面、显微图片和航空图片的分析和解释等。 20世纪60年代：Roberts(1965)通过计算机程序从数字图像中提取出诸如立方体、稧状体、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的研究开创了以理解三维场景为目的的计算机视觉的研究。 Roberts对积木世界的创造性研究给人们以极大的启发，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，则可以推广到理解更复杂的三维场景。 对积木世界的研究范围从边缘、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、运动以及成象几何等，并建立了各种数据结构和推理规则。 20世纪70年代，出现了一些视觉应用系统。 计算机视觉发展简史 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。 同时，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、系统设计的开放而轻松的研究。 David Marr教授于1973年应邀在MIT AI实验室领导一个博士生为主体的研究小组，1977年提出了不同于“积木世界”分析方法的计算机视觉(Computer Vision)理论，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(Marr 1982) — 视觉计算理论。 从一份刊物的名称变化可以看到计算机视觉的学科进展： 1972，CGIP(计算机图形学与图像处理)创刊； 1983年，改名为CVGIP(计算机视觉、图形学与图像处理)； 1991年，分成两个版本，分别称CVGIP-GMIP(图形模型与图像处理)和CVGIP-IU(图像理解)； 1995年，转成两个期刊，前者命名为GMIP(图形模型与图像处理)，后者命名为CVIU(计算机视觉与图像理解)。 计算机视觉发展简史 对计算机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，计算机视觉获得了蓬勃发展，新概念、新方法、新理论不断涌现。到目前为止，计算机视觉仍然是一个非常活跃的研究领域。 许多会议论文集和许多学术期刊都反映了该领域的最新进展。比如： International Conference on Computer Vision and Pattern Recognition,CVPR； International Conference on Computer Vision,ICPR； International Conference on Robotics and Automation,ICRA； Workshop on Computer Vision,WCV
