機(jī)器視覺的來(lái)源與發(fā)展

　　視覺是人類強(qiáng)大的感知方式，它為人們提供了關(guān)于周圍環(huán)境的大量信息，使人們能有效地與周圍環(huán)境進(jìn)行交互。據(jù)統(tǒng)計(jì)，人類從外界接收的各種信息中80％以上是通過(guò)視覺獲得的，人類有50％的大腦皮層參與視覺功能運(yùn)轉(zhuǎn)。

　　關(guān)于視覺有很多有趣的發(fā)現(xiàn)，比如螳螂蝦的眼睛能探測(cè)到偏振光。人眼以及普通相機(jī)只能感受到光的強(qiáng)度信息而不能探測(cè)到光的偏振信息。澳大利亞昆士蘭大學(xué)的研究人員發(fā)現(xiàn)，螳螂蝦的復(fù)眼（見圖1-2）能探測(cè)到偏振光。根據(jù)生物醫(yī)學(xué)及光學(xué)方面的理論知識(shí)，生物組織特性與偏振信息有關(guān)，所以螳螂蝦的眼睛是能夠“診斷”出生物組織的病變的。此外，蜻蜓等昆蟲具有復(fù)眼結(jié)構(gòu)（見圖1-3），蜘蛛有很多只眼睛，青蛙的眼睛只能看到動(dòng)態(tài)場(chǎng)景，狗對(duì)色彩信息的分辨能力極低。

圖1-2螳螂蝦的眼睛

圖1-3蜻蜓的眼睛

　　那么，介紹完生物的視覺功能之后，什么是機(jī)器視覺呢？

　　機(jī)器視覺是機(jī)器（通常指數(shù)字計(jì)算機(jī)）圖像進(jìn)行自動(dòng)處理并報(bào)告“圖像是什么”的過(guò)程，也就是說(shuō)它用于識(shí)別圖像中的內(nèi)容，比如自動(dòng)目標(biāo)識(shí)別。

　　機(jī)器視覺一般以計(jì)算機(jī)為中心，主要由視覺傳感器、高速圖像采集系統(tǒng)及專用圖像處理系統(tǒng)等模塊組成。

　　根據(jù)David A.Forsyth和Jean Ponce的定義，計(jì)算機(jī)視覺是借助于幾何、物理和學(xué)習(xí)理論來(lái)建立模型，從而使用統(tǒng)計(jì)方法來(lái)處理數(shù)據(jù)的工作。它是指在透徹理解相機(jī)性能與物理成像過(guò)程的基礎(chǔ)上，通過(guò)對(duì)每個(gè)像素值進(jìn)行簡(jiǎn)單的推理，將多幅圖像中可能得到的信息綜合成相互關(guān)聯(lián)的整體，確定像素之間的聯(lián)系以便將它們彼此分割開，或推斷一些形狀信息，進(jìn)而使用幾何信息或概率統(tǒng)計(jì)計(jì)數(shù)來(lái)識(shí)別物體。

　　從系統(tǒng)的輸入輸出方式考慮，機(jī)器視覺系統(tǒng)的輸入是圖像或者圖像序列，輸出是一個(gè)描述。進(jìn)一步講，機(jī)器視覺由兩部分組成：特征度量與基于這些特征的模式識(shí)別。

　　機(jī)器視覺與圖像處理是有區(qū)別的。圖像處理的目的是使圖像經(jīng)過(guò)處理后變得更好，圖像處理系統(tǒng)的輸出仍然是一幅圖像，而機(jī)器視覺系統(tǒng)的輸出是與圖像內(nèi)容有關(guān)的信息。圖像處理可分為低級(jí)圖像處理、中級(jí)圖像處理和高級(jí)圖像處理，處理內(nèi)容包含圖像增強(qiáng)、圖像編碼、圖像壓縮、圖像復(fù)原與重構(gòu)等。

　　01機(jī)器視覺的發(fā)展

　　圖1-4所示為20世紀(jì)70年代至今機(jī)器視覺發(fā)展過(guò)程中的部分主題，包括機(jī)器視覺發(fā)展初期（20世紀(jì)70年代）的數(shù)字圖像處理和積木世界，20世紀(jì)80年代的卡爾曼濾波、正則化，20世紀(jì)90年代的圖像分割、基于統(tǒng)計(jì)學(xué)的圖像處理以及21世紀(jì)計(jì)算攝像學(xué)與機(jī)器視覺中的深度學(xué)習(xí)等。

圖1-4機(jī)器視覺發(fā)展過(guò)程中的部分主題

　　1.20世紀(jì)70年代

　　機(jī)器視覺始于20世紀(jì)70年代早期，它被視為模擬人類智能并賦予機(jī)器人智能行為的感知組成部分。當(dāng)時(shí)，人工智能和機(jī)器人的一些早期研究者（如麻省理工大學(xué)、斯坦福大學(xué)、卡內(nèi)基·梅隆大學(xué)的研究者）認(rèn)為，在解決高層次推理和規(guī)劃等更困難問(wèn)題的過(guò)程中，解決“視覺輸入”問(wèn)題應(yīng)該是一個(gè)簡(jiǎn)單的步驟。比如，1966年，麻省理工大學(xué)的Marvin Minsky讓他的本科生Gerald Jay Sussman在暑期將相機(jī)連接到計(jì)算機(jī)上，讓計(jì)算機(jī)來(lái)描述它所看到的東西?，F(xiàn)在，大家知道這些看似簡(jiǎn)單的問(wèn)題其實(shí)并不容易解決。

　　數(shù)字圖像處理出現(xiàn)在20世紀(jì)60年代。與已經(jīng)存在的數(shù)字圖像處理領(lǐng)域不同的是，機(jī)器視覺期望從圖像中恢復(fù)出實(shí)物的三維結(jié)構(gòu)并以此得出完整的場(chǎng)景理解。場(chǎng)景理解的早期嘗試包括物體（即“積木世界”）的邊緣抽取及隨后的從二維線條的拓?fù)浣Y(jié)構(gòu)推斷其三維結(jié)構(gòu)。當(dāng)時(shí)有學(xué)者提出了一些線條標(biāo)注算法，此外，邊緣檢測(cè)也是一個(gè)活躍的研究領(lǐng)域。

　　20世紀(jì)70年代，人們還對(duì)物體的三維建模進(jìn)行了研究。Barrow、Tenenbaum與Marr提出了一種理解亮度和陰影變化的方法，并通過(guò)表面朝向和陰影等恢復(fù)三維結(jié)構(gòu)。那時(shí)也出現(xiàn)了一些更定量化的機(jī)器視覺方法，包括基于特征的立體視覺對(duì)應(yīng)（stereo correspondence）算法和基于亮度的光流（optica lflow）算法，同時(shí)，關(guān)于恢復(fù)三維結(jié)構(gòu)和相機(jī)運(yùn)動(dòng)的研究工作也開始出現(xiàn)。

　　另外，David Marr特別介紹了其關(guān)于（視覺）信息處理系統(tǒng)表達(dá)的三個(gè)層次：

　?。保┯?jì)算理論：計(jì)算（任務(wù)）的目的是什么？針對(duì)該問(wèn)題已知或可以施加的約束是什么？

　?。玻┍磉_(dá)和算法：輸入、輸出和中間信息是如何表達(dá)的？使用哪些算法來(lái)計(jì)算所期望的結(jié)果？

　?。常┯布?shí)現(xiàn)：表達(dá)和算法是如何映射到實(shí)際硬件即生物視覺系統(tǒng)或特殊的硅片上的？相反地，硬件的約束怎樣才能用于指導(dǎo)表達(dá)和算法的選擇？隨著機(jī)器視覺對(duì)芯片計(jì)算能力需求的日益增長(zhǎng)，這個(gè)問(wèn)題再次變得相當(dāng)重要。

　　2.20世紀(jì)80年代

　　20世紀(jì)80年代，圖像金字塔和尺度空間開始廣泛用于由粗到精的對(duì)應(yīng)點(diǎn)搜索在80年代后期，在一些應(yīng)用中小波變換開始取代圖像金字塔。

　　三維視覺重建中出現(xiàn)“由X到形狀”的方法，包括由陰影到形狀、由光度立體視覺到形狀、由紋理到形狀及由聚焦到形狀。這一時(shí)期，探尋更準(zhǔn)確的邊緣和輪廓檢測(cè)方法是一個(gè)活躍的研究領(lǐng)域，其中包括動(dòng)態(tài)演化輪廓跟蹤器的引入例如Snake模型。立體視覺、光流、由X到形狀及邊緣檢測(cè)算法如果作為變分優(yōu)化問(wèn)題來(lái)處理，可以用相同的數(shù)學(xué)框架來(lái)統(tǒng)一來(lái)描述，而且可以使用正則化方法增加魯棒性。此外，卡爾曼濾波和三維距離數(shù)據(jù)世紀(jì)90年代（range data）處理仍然是這十年很活躍的研究領(lǐng)域。

　　3.20世紀(jì)90年代

　　20世紀(jì)90年代，視覺的發(fā)展情況如下：

　?。保╆P(guān)于在識(shí)別中使用投影不變量的研究呈現(xiàn)爆發(fā)式增長(zhǎng)，這種方法可有效用于從運(yùn)動(dòng)到結(jié)構(gòu)的問(wèn)題。最初很多研究是針對(duì)投影重建問(wèn)題的，它不需要相機(jī)標(biāo)定的結(jié)果。與此同時(shí)，有人提出了用因子分解方法來(lái)高效地解決近似正交投影的問(wèn)題，后來(lái)這種方法擴(kuò)展到了透視投影的情況。該領(lǐng)域開始使用全局優(yōu)化方法，后來(lái)被認(rèn)為與攝影測(cè)量學(xué)中常用的“光束平差法”相關(guān)。

　?。玻┏霈F(xiàn)了使用顏色和亮度的精細(xì)測(cè)量，并將其與精確的輻射傳輸和形成彩色圖像的物理模型相結(jié)合。這方面的工作始于20世紀(jì)80年代，構(gòu)成了一個(gè)稱作“基于物理的視覺（physics-based visio）”的子領(lǐng)域。

　?。常┕饬鞣椒ǖ玫搅瞬粩嗟母倪M(jìn)。

　?。矗┰诔砻芰Ⅲw視覺對(duì)應(yīng)算法方面也取得了很多進(jìn)展。其中最大的突破可能就是使用“圖割（graph cut）”方法的全局優(yōu)化算法。

　?。担┛梢援a(chǎn)生完整三維表面的多視角立體視覺算法。

　?。叮└櫵惴ㄒ驳玫搅撕芏喔倪M(jìn)，包括使用“活動(dòng)輪廓”方法的輪廓跟蹤（例如蛇形、粒子濾波和水平集方法）和基于亮度的跟蹤。

　?。罚┙y(tǒng)計(jì)學(xué)習(xí)方法開始流行起來(lái)，如應(yīng)用于人臉識(shí)別的主成分分析。

　　3.21世紀(jì)

　　21世紀(jì)，計(jì)算機(jī)視覺與計(jì)算機(jī)圖形學(xué)之間的交叉越來(lái)越明顯，特別是在基于圖像的建模和繪制這個(gè)交叉領(lǐng)域。另外，計(jì)算攝像學(xué)發(fā)揮越來(lái)越重要的作用，包括光場(chǎng)獲取和繪制以及通過(guò)多曝光實(shí)現(xiàn)的高動(dòng)態(tài)范圍成像。目標(biāo)識(shí)別中基于特征的方法（與學(xué)習(xí)方法相結(jié)合）日益凸顯，更高效的復(fù)雜全局優(yōu)化問(wèn)題求解算法也得到了發(fā)展。

　　最后一個(gè)趨勢(shì)是復(fù)雜的機(jī)器學(xué)習(xí)方法在計(jì)算機(jī)視覺中的應(yīng)用，尤其是近幾年，基于深度學(xué)習(xí)的機(jī)器學(xué)習(xí)方法在圖像與視頻等方面中的關(guān)于目標(biāo)檢測(cè)、跟蹤、理解等領(lǐng)域的應(yīng)用。

　　02機(jī)器視覺與其他領(lǐng)域的關(guān)系

　　機(jī)器視覺屬于交叉學(xué)科，它與眾多領(lǐng)域都有關(guān)聯(lián)，尤其是機(jī)器視覺與計(jì)算機(jī)視覺之間的關(guān)系，有的學(xué)者認(rèn)為二者一樣，有的則認(rèn)為二者存在差別，圖1-5顯示了機(jī)器視覺與其他領(lǐng)域的關(guān)系圖，包括計(jì)算機(jī)視覺、圖像處理、人工智能、機(jī)器人控制、信號(hào)處理、成像等。人工智能、機(jī)器人控制等概念在相關(guān)學(xué)科中都有比較明確的定義。成像是表示或重構(gòu)客觀物體形狀及相關(guān)信息的學(xué)科。

圖1-5機(jī)器視覺與其他領(lǐng)域關(guān)系

　　圖像處理主要是基于已有圖像生成一張新的圖像，可以通過(guò)噪聲抑制、去模糊、邊緣增強(qiáng)等處理來(lái)實(shí)現(xiàn)。模式識(shí)別的主要任務(wù)是對(duì)模式進(jìn)行分類。機(jī)器視覺的核心問(wèn)題是從一張或多張圖像生成一個(gè)符號(hào)描述。計(jì)算機(jī)視覺與計(jì)算機(jī)圖形學(xué)是相互關(guān)聯(lián)而又互逆的過(guò)程。計(jì)算機(jī)圖形學(xué)的目的是真實(shí)或非真實(shí)地呈現(xiàn)一些場(chǎng)景，即通過(guò)虛擬建模等方式對(duì)得到的場(chǎng)景進(jìn)行處理，然后使用計(jì)算機(jī)進(jìn)行呈現(xiàn)；而計(jì)算機(jī)視覺是為了得到真實(shí)場(chǎng)景的信息通過(guò)采集圖像進(jìn)行處理。