人們對(duì)一上述幾個(gè)研究?jī)?nèi)容進(jìn)行了卓有成效的研究，研究出大一淤的技術(shù)和算法，并門力各個(gè)領(lǐng)域中得到廣泛的應(yīng)用。不過，目前人們所建立的各種視覺影像測(cè)量系統(tǒng)大多數(shù)是只適用下某一一·特定環(huán)境或應(yīng)用場(chǎng)合的引喇系統(tǒng)，而要建立一個(gè)可與人類視覺影像測(cè)量系統(tǒng)相比擬的通用視覺系統(tǒng)是非常困難的，主要原因體現(xiàn)在以下幾方面。

 

1)圖像多義性

三維場(chǎng)景被投影為二維圖橡削去失了深度信息和不可見部分的信息，因而會(huì)出現(xiàn)不形狀的一維物體投影在圖(象平面上產(chǎn)生相同圖橡的問題。另外，在不同角度獲取同一物體的圖懆會(huì)有很大的差異，如圖1-6所示。因此，需要附加的約束才能解決從圖形恢復(fù)景物時(shí)的多義性。

圖像視覺影像的多維定義

 

2)環(huán)境因素影響

 

場(chǎng)景中的諸多因素，包括背景光照、光源角度、物體形狀、攝橡機(jī)以及空間關(guān)系變化、空氣條件、表面顏色都會(huì)對(duì)投影的圖俅有影響，當(dāng)任何···一個(gè)腑素發(fā)生變化時(shí)，都會(huì)對(duì)翩徐產(chǎn)生影響。并且，所有的這些因素都?xì)w結(jié)到一一個(gè)單一的測(cè)量結(jié)果，即圖橡的灰度。要確定各種因素對(duì)灰度的作用和大小是很困難的。

 

3)理解自然景物需要大量知識(shí)

 

理解自然景物需要用到大量的知識(shí)，例如，要用到陰影、紋理、立體視覺、物體大小的知識(shí)關(guān)于物體的專門知識(shí)或通用知識(shí)，可能還有關(guān)于物體間關(guān)系的知識(shí)等，由于所需的知識(shí)量大，難以簡(jiǎn)單地用人工進(jìn)行輸入，可能要通過自動(dòng)知識(shí)獲取方法來建立。

 

4)數(shù)據(jù)量大

 

灰度黜象、彩色圖慊、深度圖你的信息量十分醫(yī)大，巨大的數(shù)據(jù)贊需要很大的存儲(chǔ)空聞，同時(shí)不易實(shí)現(xiàn)快速處理。例如，分辨率為512×512的灰度圖鎵的數(shù)據(jù)量為256KB,相1司分辨率的彩色圖倮的數(shù)據(jù)量是768KB.如果處理的是圖懔序列，則數(shù)銷量更大。這期待著高速的陣列處理單元及算法(如神經(jīng)網(wǎng)絡(luò)。分維算法、小波變換等算法)的新突破，用極少的計(jì)算量和高度并行性來實(shí)現(xiàn)處理大數(shù)據(jù)量的功能。

 

為了解決計(jì)算機(jī)視覺所面臨的問題，研究人員不斷尋求新的途徑和手段，例如，主動(dòng)視覺，面向任務(wù)的視覺(task-oriented vision)，基于知識(shí)、基于模型的視覺，以及多傳感融合和集成視覺等方法，其中人們?cè)絹碓街匾晫?duì)知識(shí)的應(yīng)用。我們會(huì)看到，計(jì)算機(jī)視覺系統(tǒng)的最大特征是，在視覺的各個(gè)階段，系統(tǒng)盡可能地進(jìn)行自動(dòng)運(yùn)算。為此，系統(tǒng)需要使共各種知識(shí)，包括特征模型、成體過程、物體模型和物體間的關(guān)系。如果計(jì)算機(jī)視覺系統(tǒng)不使川這Jl孫知識(shí)，則其應(yīng)用的范圍及其功能將t-分有限。因此，視覺系統(tǒng)應(yīng)該使用郡些可以被明確表示的知識(shí)，以便系統(tǒng)具有更高的適應(yīng)性和魯棒性。合理地使用知識(shí)不僅可以有效地提高系統(tǒng)的適應(yīng)性和魯棒性，而且可以求解計(jì)算機(jī)視覺中較難的問題。

 

人類視覺系統(tǒng)具有高分辨率特點(diǎn)，并且具有立體觀察、優(yōu)越的識(shí)別能力和靈活的推理能力。視覺機(jī)理的復(fù)雜深?yuàn)W使有些學(xué)者不禁感嘆道如果不是因?yàn)橛腥祟愐曈X系統(tǒng)作為通用視覺系統(tǒng)的實(shí)例存在的話，墓至都懷疑能不能找到建立通用視覺系統(tǒng)的途徑。正因?yàn)槿绱?，賦予機(jī)器以人類視覺功能一直是幾卜年來人們不懈追求的奮斗目標(biāo)。