計(jì)算機(jī)視覺(jué)技術(shù)精選(九篇)

前言：一篇好文章的誕生，需要你不斷地搜集資料、整理思路，本站小編為你收集了豐富的計(jì)算機(jī)視覺(jué)技術(shù)主題范文，僅供參考，歡迎閱讀并收藏。

第1篇：計(jì)算機(jī)視覺(jué)技術(shù)范文

關(guān)鍵詞：增強(qiáng)現(xiàn)實(shí)；計(jì)算機(jī)視覺(jué)；三維注冊(cè)

中圖分類(lèi)號(hào)：TP242 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1007-9599　（2012）　19-0000-02

1 引言

隨著計(jì)算機(jī)技術(shù)的迅速發(fā)展，計(jì)算機(jī)視覺(jué)、虛擬現(xiàn)實(shí)技術(shù)、人工智能、計(jì)算機(jī)圖形學(xué)等技術(shù)被廣泛地研究和應(yīng)用，這些技術(shù)引導(dǎo)著人們進(jìn)入了一個(gè)信息數(shù)字化的虛擬時(shí)代。

增強(qiáng)現(xiàn)實(shí)技術(shù)（Augmented　Reality，AR）作為虛擬現(xiàn)實(shí)技術(shù)和計(jì)算機(jī)圖形學(xué)相結(jié)合的產(chǎn)物，它是在通過(guò)計(jì)算機(jī)渲染生成虛擬的物體或文字信息模型的同時(shí)，對(duì)真實(shí)的場(chǎng)景進(jìn)行標(biāo)定，從而使虛擬的物體能夠被準(zhǔn)確地放置到真實(shí)的場(chǎng)景中，最終通過(guò)顯示設(shè)備顯示出來(lái)，使用戶處于虛擬和現(xiàn)實(shí)相融合的亦真亦幻的新環(huán)境中，無(wú)法清楚地分辨出真實(shí)和虛擬。增強(qiáng)現(xiàn)實(shí)技術(shù)增強(qiáng)了用戶的觀感及其與真實(shí)場(chǎng)景之間的交互。

增強(qiáng)現(xiàn)實(shí)技術(shù)作為虛擬現(xiàn)實(shí)的一個(gè)重要分支，是虛擬現(xiàn)實(shí)技術(shù)發(fā)展過(guò)程中的產(chǎn)物。如圖1.1所示，該圖為Milgram提出的增強(qiáng)現(xiàn)實(shí)和虛擬現(xiàn)實(shí)關(guān)系的一種分類(lèi)學(xué)表示方法。由圖我們可以看出，虛擬現(xiàn)實(shí)所創(chuàng)建出來(lái)的是一種完全虛擬的三維世界，它與真實(shí)的世界相隔離。而增強(qiáng)現(xiàn)實(shí)是以現(xiàn)實(shí)場(chǎng)景為基礎(chǔ)，場(chǎng)景中的虛擬物體隨著真實(shí)物體的變化而變化，提供給用戶的是一種復(fù)合的視覺(jué)效果，就好像這些虛擬物體真實(shí)的存在于場(chǎng)景中。

2 增強(qiáng)現(xiàn)實(shí)技術(shù)的應(yīng)用

增強(qiáng)現(xiàn)實(shí)技術(shù)在20世紀(jì)90年代真正興起，其發(fā)展與20世紀(jì)60年代計(jì)算機(jī)圖形學(xué)的迅速發(fā)展密不可分。增強(qiáng)現(xiàn)實(shí)技術(shù)不僅擁有虛擬現(xiàn)實(shí)的各種優(yōu)點(diǎn)，同時(shí)又有其獨(dú)特的視覺(jué)增強(qiáng)功能，因此成為了國(guó)內(nèi)外研究機(jī)構(gòu)和知名大學(xué)的研究熱點(diǎn)，并廣泛的被應(yīng)用于教育、醫(yī)療、工業(yè)、娛樂(lè)、軍事等多個(gè)領(lǐng)域。

2.1 教育

增強(qiáng)現(xiàn)實(shí)豐富了教育學(xué)習(xí)生活。傳統(tǒng)的書(shū)籍中只存在文字信息，通過(guò)增強(qiáng)現(xiàn)實(shí)技術(shù)，我們可以透過(guò)書(shū)籍看見(jiàn)文字相關(guān)的動(dòng)態(tài)畫(huà)面或是影像，圖文并茂，極大的增強(qiáng)了學(xué)生的學(xué)習(xí)興趣。目前的魔法書(shū)系統(tǒng)就是這一技術(shù)的很好運(yùn)用，用戶通過(guò)頭盔顯示器可以看到書(shū)中描述的場(chǎng)景，使讀者可以完全沉浸在虛實(shí)結(jié)合的環(huán)境中，提高學(xué)習(xí)興趣和效率。

2.2 醫(yī)療

增強(qiáng)現(xiàn)實(shí)技術(shù)可以幫助醫(yī)生實(shí)現(xiàn)可視化手術(shù)或手術(shù)培訓(xùn)。準(zhǔn)確地定位真實(shí)場(chǎng)景是增強(qiáng)現(xiàn)實(shí)技術(shù)的一個(gè)重要方面，在醫(yī)療中，運(yùn)用增強(qiáng)現(xiàn)實(shí)技術(shù)可以進(jìn)行手術(shù)定位，實(shí)時(shí)地收集病人體內(nèi)的3D影像，并將其與真實(shí)的人體相結(jié)合，使得醫(yī)生可以“透視”病人體內(nèi)，從而減少手術(shù)的風(fēng)險(xiǎn)，該技術(shù)對(duì)微創(chuàng)手術(shù)也有著深遠(yuǎn)的意義。手術(shù)培訓(xùn)方面，通過(guò)加入虛擬的提示注解，可以提醒醫(yī)生手術(shù)中的一些必要步驟，降低手術(shù)風(fēng)險(xiǎn)。

2.3 工業(yè)

增強(qiáng)現(xiàn)實(shí)的另一個(gè)應(yīng)用是工業(yè)組裝和維修。通過(guò)增強(qiáng)現(xiàn)實(shí)技術(shù)可以顯示出各種設(shè)備零件的內(nèi)部結(jié)構(gòu)圖、使用說(shuō)明等，方便安裝和維修。顯示的內(nèi)容可以不僅僅是簡(jiǎn)單的文字或圖片，更能直接渲染生成3D的圖形，并按步驟一步一步的顯示出來(lái)，方便操作。

2.4 娛樂(lè)

電影、廣告、游戲、體育比賽轉(zhuǎn)播中，增強(qiáng)現(xiàn)實(shí)技術(shù)也得到了廣泛的運(yùn)用。體育比賽中，能夠在直播現(xiàn)場(chǎng)實(shí)時(shí)地插入三維的圖形、動(dòng)畫(huà)、視頻等虛擬的比賽相關(guān)信息或廣告。日常生活中，出現(xiàn)一種增強(qiáng)現(xiàn)實(shí)瀏覽器，它利用多種傳感器將日常需求通過(guò)實(shí)景與虛景結(jié)合后呈現(xiàn)在用戶面前，用戶可以通過(guò)增強(qiáng)現(xiàn)實(shí)瀏覽器看到實(shí)景的文字介紹、三維模型等，并可以搜索定位。

3 增強(qiáng)現(xiàn)實(shí)相關(guān)技術(shù)

增強(qiáng)現(xiàn)實(shí)系統(tǒng)具有虛實(shí)結(jié)合、三維注冊(cè)、實(shí)時(shí)交互三個(gè)特點(diǎn)。三個(gè)特點(diǎn)之間緊密聯(lián)系，要求在合成的場(chǎng)景中虛擬的物體能夠擁有真實(shí)的存在感和位置感。因此顯示技術(shù)、定位技術(shù)、虛實(shí)融合技術(shù)、用戶交互技術(shù)是實(shí)現(xiàn)增強(qiáng)現(xiàn)實(shí)系統(tǒng)的基礎(chǔ)支撐技術(shù)。

3.1 顯示技術(shù)

理想的AR系統(tǒng)的顯示器具有體積小、移動(dòng)方便、圖像繪制清晰、交互自然等特點(diǎn)，但是目前仍不能制造出完成符合這些特點(diǎn)的顯示器。常用的顯示設(shè)備可以分為四類(lèi)：普通液晶現(xiàn)實(shí)器；頭戴式顯示器；手持式顯示器；投影式顯示器。

液晶顯示器是最為常見(jiàn)，也最容易得到的顯示設(shè)備。但是液晶顯示器體積較大，移動(dòng)不方便，限制了用戶的活動(dòng)范圍。頭戴式顯示器，佩戴于用戶的頭部，這種顯示器本身提供了一路或兩路攝像機(jī)，采用視頻合成技術(shù)，為用戶提供場(chǎng)景的顯示。但是頭戴式顯示器在戶外長(zhǎng)時(shí)間佩戴很不舒服，因此也不能為用戶廣泛接受。手持式顯示器，較頭戴式顯示器稍有改進(jìn)，但是也限制了用戶手部的活動(dòng)。投影式顯示器能夠?qū)?chǎng)景投影到較大范圍的環(huán)境中，位置固定，適合于室內(nèi)的AR系統(tǒng)。

3.2 定位技術(shù)

增強(qiáng)現(xiàn)實(shí)系統(tǒng)需要將虛擬的物體準(zhǔn)確地放置到真實(shí)的場(chǎng)景中，因此定位技術(shù)顯得尤為重要。目前的定位技術(shù)主要分為兩種：一種是基于硬件的定位技術(shù)；一種是基于計(jì)算機(jī)視覺(jué)技術(shù)的定位技術(shù)。

基于硬件的定位技術(shù)一般使用硬件設(shè)備定位，主要包括：全球衛(wèi)星定位系統(tǒng)、測(cè)距儀、導(dǎo)航儀、機(jī)械裝置等。

基于計(jì)算機(jī)視覺(jué)的定位技術(shù)一般是從真實(shí)場(chǎng)景中獲得一幅或多幅圖像，根據(jù)圖像中的信息，計(jì)算出攝像機(jī)和圖形中物體的相對(duì)信息，最終恢復(fù)出三維場(chǎng)景的結(jié)構(gòu)，從而達(dá)到定位的目的。

基于計(jì)算機(jī)視覺(jué)的定位技術(shù)主要包括以下幾種：

（1）單視圖法：在一幅圖像中找到六個(gè)以上特征點(diǎn)進(jìn)行跟蹤，通過(guò)已知的特征點(diǎn)的三維坐標(biāo)和其成像坐標(biāo)進(jìn)行定位。

（2）多視圖法：從多個(gè)角度拍攝場(chǎng)景，根據(jù)常用的角點(diǎn)檢測(cè)法，檢測(cè)多幅圖像的角點(diǎn)并進(jìn)行匹配，從而計(jì)算出真實(shí)場(chǎng)景中物體的景深，最終實(shí)現(xiàn)定位。

（3）運(yùn)動(dòng)目標(biāo)的序列圖像：根據(jù)序列圖像估算運(yùn)動(dòng)目標(biāo)的各項(xiàng)參數(shù)。

（4）模板匹配法：從多個(gè)視角出發(fā)尋找真實(shí)圖像中的物體作為模板數(shù)字化圖像，繼而將虛擬物體疊加到真實(shí)場(chǎng)景。

3.3 虛實(shí)融合技術(shù)

增強(qiáng)現(xiàn)實(shí)技術(shù)中的虛擬融合主要指虛擬物體在真實(shí)場(chǎng)景中的配準(zhǔn)，以及虛擬物體與真實(shí)場(chǎng)景的一致性。

在增強(qiáng)現(xiàn)實(shí)系統(tǒng)的實(shí)現(xiàn)過(guò)程中，一致性是一個(gè)關(guān)鍵性問(wèn)題。虛實(shí)融合的一致性包括動(dòng)態(tài)一致性和靜態(tài)一致性。其中，動(dòng)態(tài)一致性通常指場(chǎng)景的實(shí)時(shí)繪制，跟蹤過(guò)程中虛擬物體和真實(shí)場(chǎng)景的空間位置的一致性等；靜態(tài)一致性通常指虛擬物體與真實(shí)場(chǎng)景外觀的一致性變化等。

另一方面，為了實(shí)現(xiàn)很好的虛實(shí)融合效果，必須對(duì)拍攝真實(shí)場(chǎng)景的相機(jī)進(jìn)行標(biāo)定，并與繪制虛擬物體的虛擬相機(jī)參數(shù)進(jìn)行匹配。攝像機(jī)標(biāo)定主要是對(duì)攝像機(jī)的內(nèi)外參數(shù)的確定。目前，攝像機(jī)標(biāo)定技術(shù)已經(jīng)較為成熟，主要可以分為三類(lèi)：傳統(tǒng)的標(biāo)定法，如張正友標(biāo)定法；自標(biāo)定法，如基于Kruppa方程的自標(biāo)定法；基于主動(dòng)視覺(jué)的標(biāo)定法，如基于射影重建的標(biāo)定法。三類(lèi)標(biāo)定法各有利弊，并沒(méi)有一種可以普遍適用，因此攝像機(jī)標(biāo)定技術(shù)仍是一個(gè)研究重點(diǎn)。

3.4 用戶交互技術(shù)

人們總是向往能夠使用自然的方式和虛擬的物體交互，但這是十分困難的，增強(qiáng)現(xiàn)實(shí)系統(tǒng)根據(jù)跟蹤定位獲得的有關(guān)真實(shí)場(chǎng)景的信息對(duì)虛擬物體發(fā)出指令。目前，交互技術(shù)主要使用以下三種方式：

（1）在場(chǎng)景中選擇一個(gè)或多個(gè)特征點(diǎn)作為標(biāo)記點(diǎn)，這是增強(qiáng)現(xiàn)實(shí)系統(tǒng)中最基本的交互方式。

（2）使用計(jì)算機(jī)識(shí)別出人或物體的姿態(tài)，進(jìn)而交互操作。

（3）制作特殊工具，能夠通過(guò)按鍵等簡(jiǎn)單方式觸發(fā)事件。

4 結(jié)束語(yǔ)

本文總結(jié)了現(xiàn)階段增強(qiáng)現(xiàn)實(shí)技術(shù)的應(yīng)用領(lǐng)域，并對(duì)其涉及到的關(guān)鍵技術(shù)進(jìn)行了闡述。增強(qiáng)現(xiàn)實(shí)技術(shù)作為一個(gè)多學(xué)科交叉的研究領(lǐng)域，必將飛速發(fā)展，更多的融入到我們的生活中。

參考文獻(xiàn)：

[1]紀(jì)慶革，潘志庚，李祥晨.虛擬現(xiàn)實(shí)在體育體育仿真中的應(yīng)用綜述[J].計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào)，2003，15（11）：1333-1338.

[2]陳靖，王涌天，閆達(dá)遠(yuǎn).增強(qiáng)現(xiàn)實(shí)系統(tǒng)及其應(yīng)用[J].計(jì)算機(jī)工程與應(yīng)用，2001，15：72-75.

[3]Milgram　Pand　Kishino　F.A　taxonomy　of　mixed　reality　visual　displays[J].IEICE　Trans.Information　Systems，1994，E772D（12）：1321-1329.

第2篇：計(jì)算機(jī)視覺(jué)技術(shù)范文

【關(guān)鍵詞】視頻跟蹤 手部識(shí)別

1 引言

計(jì)算機(jī)從誕生至今，其輸入設(shè)備從最初的機(jī)電開(kāi)關(guān)，逐漸發(fā)展為打孔紙帶、磁帶，再到今天的鍵盤(pán)、鼠標(biāo)和游戲手柄，向計(jì)算機(jī)輸入數(shù)據(jù)的效率越來(lái)越高，但方法的本質(zhì)并未改變，都要將自然信息通過(guò)機(jī)械式方式輸入計(jì)算機(jī)。這些方式都是基于2D的圖形界面，將用戶的操作限制于特定的外部設(shè)備上，無(wú)法實(shí)現(xiàn)自然而隨意的人機(jī)交互。長(zhǎng)時(shí)間使用，會(huì)使用戶感到疲憊，導(dǎo)致用戶體驗(yàn)下降。

對(duì)于用戶來(lái)說(shuō)，人的語(yǔ)音、手勢(shì)等可以說(shuō)是最為自然、最為方便的交流手段，同時(shí)手勢(shì)在3D環(huán)境中意義明確、方向精確，是極好的人機(jī)交互手段。許多大型互聯(lián)網(wǎng)公司與游戲公司早就對(duì)此進(jìn)行了探索。微軟，索尼，任天堂等公司有著自己研發(fā)的外部設(shè)備，如游戲手套和傳感器等，以此來(lái)捕捉并記錄手部的運(yùn)動(dòng)軌跡，實(shí)現(xiàn)特定的操作乃至體感游戲。但這類(lèi)外部設(shè)備的缺陷也是很明顯的：這類(lèi)設(shè)備一般為機(jī)械傳感器式或光纖傳感器式，帶有傳感器、機(jī)械部件甚至用來(lái)與主機(jī)連接的電纜等，沉重、累贅、不靈活；且通常價(jià)格昂貴、極易損壞，用戶體驗(yàn)不佳；更重要的是限制于特定平臺(tái)，不具備通用性，普及度不高。

若能實(shí)現(xiàn)基于計(jì)算機(jī)視覺(jué)技術(shù)的手勢(shì)識(shí)別及操作系統(tǒng)，不僅可以將我們的雙手從特定外部設(shè)備上解放出來(lái)，使操作更加輕松、隨意，還能獲得更好的人機(jī)交互體驗(yàn)，推動(dòng)“虛擬現(xiàn)實(shí)”的研究。目前已經(jīng)有了大量的跟蹤算法和相關(guān)設(shè)別，如微軟的Kinect攝像頭及最新的Hololens頭盔已經(jīng)能達(dá)到很好的效果，但都較為復(fù)雜。因此本文研究一種簡(jiǎn)單通用的基于計(jì)算機(jī)視覺(jué)的手部跟蹤算法。

2 手部區(qū)域提取

2.1 樣本采集

為了保證研究的順利進(jìn)行，首先需要采集手部樣本圖片。為保證實(shí)驗(yàn)結(jié)果的準(zhǔn)確性，樣本圖片數(shù)量最好在100張以上，并記錄不同姿態(tài)，其中男性樣本和女性樣本的數(shù)量保持相等。

2.2 膚色信息分析

膚色信息近似為皮膚的顏色信息，物體表面的顏色即表面色是因光照而呈現(xiàn)的顏色[6]。我們采用RGB顏色模型對(duì)手部表面膚色進(jìn)行分析，發(fā)現(xiàn)膚色處于某個(gè)范圍之內(nèi)。方法如下：手動(dòng)提取樣本圖像中的手部，對(duì)其進(jìn)行RGB顏色分量統(tǒng)計(jì)，得到各分量直方圖。由于各分量直方圖上手部體現(xiàn)為一個(gè)近似波峰，所以可取波峰的半峰全寬（Full Width at Half Maxium）作為手部的膚色閾值。

根據(jù)膚色閾值提取手部，設(shè)HandSkin表示膚色閾值范圍，RGB（m， n）表示點(diǎn)（m， n）處的顏色信息，而bw（m， n）代表該點(diǎn)是否是手部，則：

2.3 模式識(shí)別

通過(guò)膚色信息初步提取手部后，可能會(huì)有孤立的局部點(diǎn)集出現(xiàn)。為此，統(tǒng)計(jì)所有互相連接的點(diǎn)集，提取點(diǎn)集對(duì)應(yīng)的幾何特征，建立規(guī)則來(lái)選取符合手部的點(diǎn)集。

幾何特征一般包括面積、周長(zhǎng)、重心等。而手部可以分為手掌和手指部分，手掌形狀近似于橢圓，手指為細(xì)長(zhǎng)的柱體，因此整個(gè)手部的周長(zhǎng)面積比會(huì)與其他物體有所區(qū)分，所以根據(jù)周長(zhǎng)面積比將手部從背景中提取出來(lái)：

面積：指物體區(qū)域包含的像素?cái)?shù)，用符號(hào)s表示。

周長(zhǎng)：物體輪廓線上像素間距離之和，用符號(hào)c表示。在進(jìn)行周長(zhǎng)計(jì)算時(shí)，需根據(jù)像素間的連接方式，分別計(jì)算距離。像素間距離可分為并列連接像素與傾斜連接像素。并列有上下左右四個(gè)方向，像素間距離為1；傾斜方向有左上、左下、右上、右下，其像素間距離等于單位正方體的對(duì)角線長(zhǎng)度。本文中先獲取二值圖像的邊緣信息，再使用8向鏈碼求周長(zhǎng)。

周長(zhǎng)面積比：用r表示，r = c/s。

求得所有樣本的面積周長(zhǎng)比后，通過(guò)統(tǒng)計(jì)建立規(guī)則，并排除異常數(shù)據(jù)。設(shè)h表示點(diǎn)集，hand表示手部，handrule表示手部點(diǎn)集所必需滿足的規(guī)則，noise表示噪聲，s.t.表示滿足，則最終的手部點(diǎn)集為：

3 手部跟蹤

基于計(jì)算機(jī)視覺(jué)的手部跟蹤算法具體步驟：

步驟1：第一幀圖像預(yù)處理。根據(jù)上文所述方法進(jìn)行第一幀的初始化。通過(guò)膚色信息和面積周長(zhǎng)比特征提取出第一幀圖像中的手。為了方便描述手的運(yùn)動(dòng)軌跡，用幾何圖形來(lái)近似表示手部區(qū)域，本文選用包圍手部區(qū)域的最小橢圓來(lái)表示手部，該橢圓的中心O1表示手部中心點(diǎn)。

步驟2：依次掃描視頻的每一幀。對(duì)于第n幀，由于相鄰幀的時(shí)間相隔較短，手部不會(huì)有太大位移。根據(jù)上一幀手部區(qū)域的位置，設(shè)置該幀的掃描范圍。通過(guò)第2章方法，得出當(dāng)前幀手部的中心點(diǎn)On。不斷重復(fù)算法直至視頻結(jié)束。

步驟3：描繪運(yùn)動(dòng)軌跡。從視頻最后一幀的中心點(diǎn)On開(kāi)始，逆序依次連接On與On-1，直至視頻第一幀的中心點(diǎn)O1，得到完整的手部運(yùn)動(dòng)軌跡。

4 結(jié)論

本文所提出的以手部膚色信息為基礎(chǔ)的手部跟蹤算法，工程實(shí)現(xiàn)上較為簡(jiǎn)答，算法效率高，經(jīng)試驗(yàn)測(cè)試，能夠較為準(zhǔn)確地再現(xiàn)手部運(yùn)動(dòng)軌跡。同時(shí)，該種方法也具有缺點(diǎn)，在手部快速移動(dòng)或做復(fù)雜運(yùn)動(dòng)時(shí)，算法所描繪的運(yùn)動(dòng)軌跡可能會(huì)出現(xiàn)斷裂，且該算法對(duì)光照敏感，在過(guò)強(qiáng)或過(guò)弱光照條件下，算法的準(zhǔn)確性都會(huì)受到影響。今后的工作將繼續(xù)完善本算法，將嘗試以HSI顏色模型進(jìn)行分析，考慮引入手部紋理與邊緣信息，減弱算法的光照敏感性，采用專(zhuān)家系統(tǒng)、智能優(yōu)化、神經(jīng)網(wǎng)絡(luò)、特征降維等高級(jí)技術(shù)。

參考文獻(xiàn)

[1]俞烈彬，孟凡文.武器裝備系統(tǒng)中的人機(jī)交互新技術(shù)[J].電子世界，2013（12）： 164-165.

[2]孟艷麗，郭建.二語(yǔ)演講中手勢(shì)功能的實(shí)證分析[J].河南科技大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版），2014，32（3）：62-67.

[3]劉晉鋼，劉衛(wèi)斌，劉晉霞.Kinect與Unity3D數(shù)據(jù)整合技術(shù)在體感游戲中的應(yīng)用研究[J].電腦開(kāi)發(fā)與應(yīng)用，2014， 27（11）：7-14.

[4]張蓬，王曉沖，陳建義.多自由度機(jī)械臂的虛擬現(xiàn)實(shí)仿真實(shí)現(xiàn)[J].機(jī)械設(shè)計(jì)與制造，2015（01）：128-134.

[5]閆慶森，李臨生，徐曉峰，等.視頻跟蹤算法研究綜述[J].計(jì)算機(jī)科學(xué)，2013， 40（6A）：204-209.

[6]奚吉，趙曉鈴，張煜東.改進(jìn)的沃爾什濾波的圖像插值算法[J].計(jì)算機(jī)工程， 2010，36（22）：211-213.

[7]張煜東，吳樂(lè)南，王水花.專(zhuān)家系統(tǒng)發(fā)展綜述[J].計(jì)算機(jī)工程與應(yīng)用，2010， 46（19）：43-47.

[8]王水花，張煜東，吉根林.群智能算法的理論及應(yīng)用綜述[J].南京師范大學(xué)學(xué)報(bào)（工程技術(shù)版），2014，14（4）：31-38.

[9]張煜東，吳樂(lè)南，韋耿.神經(jīng)網(wǎng)絡(luò)泛化增強(qiáng)技術(shù)研究[J].科學(xué)技術(shù)與工程，2009（17）：4997-5002.

[10]張煜東，霍元鎧，吳樂(lè)南，等.降維技術(shù)與方法綜述[J].四川兵工學(xué)報(bào)，2010， 31（10）：1-7.

作者簡(jiǎn)介

羅偉，男，江西省景德鎮(zhèn)市人。現(xiàn)供職于南京師范大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院。研究方向?yàn)槭謩?shì)跟蹤。

通訊作者

張煜東，男，江蘇省南京市人。博士學(xué)位?，F(xiàn)為南京師范大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院教授。研究方向?yàn)閳D像處理。

作者單位

第3篇：計(jì)算機(jī)視覺(jué)技術(shù)范文

誕生于20世紀(jì)40年代的電子計(jì)算機(jī)是人類(lèi)最偉大的發(fā)明之一。并且一直以飛快的速度發(fā)展著。進(jìn)入21世紀(jì)的現(xiàn)代社會(huì)，計(jì)算機(jī)已經(jīng)進(jìn)入各個(gè)行業(yè)，并成為各行業(yè)必不可少的工具。如今的計(jì)算機(jī)發(fā)展的更加智能化，就如今來(lái)說(shuō)，人們最什么事情都非常重視信息，人類(lèi)和社會(huì)的發(fā)展，時(shí)刻都離不開(kāi)信息。計(jì)算機(jī)如今重視的方面就是對(duì)信息的閱讀和控制，人臉檢測(cè)與識(shí)別技術(shù)也是應(yīng)運(yùn)而生。

人臉識(shí)別的論述

人臉識(shí)別是人類(lèi)視覺(jué)中的一大特色，因?yàn)槟軐?duì)身邊的人進(jìn)行識(shí)別，才不會(huì)對(duì)身邊的信息進(jìn)行混淆，簡(jiǎn)單來(lái)說(shuō)，根據(jù)人臉可以對(duì)人的年齡，性別進(jìn)行初步判斷。隨著計(jì)算機(jī)技術(shù)的智能化，計(jì)算機(jī)業(yè)已經(jīng)通過(guò)視覺(jué)能進(jìn)行人臉的識(shí)別。其中在對(duì)人臉識(shí)別的同時(shí)進(jìn)行有關(guān)信息的收集、識(shí)別、提取、變換、存儲(chǔ)、傳遞、處理、檢索、檢測(cè)、分析和利用等技術(shù)。如今人臉識(shí)別已經(jīng)應(yīng)用于很多的領(lǐng)域，但是要人臉檢測(cè)與識(shí)別是需要基于本來(lái)已經(jīng)收集和整理的信息本庫(kù)才能進(jìn)行。再加上現(xiàn)在計(jì)算機(jī)技術(shù)雖然已經(jīng)接近成熟，然而在人臉識(shí)別方面的表情傳達(dá)出什么信息還是無(wú)從下手進(jìn)行編程和設(shè)計(jì)。所以，基于計(jì)算機(jī)視覺(jué)的人臉檢測(cè)與識(shí)別技術(shù)還是會(huì)有很廣的發(fā)展空間，再加上人臉識(shí)別還可以維護(hù)人們的財(cái)產(chǎn)安全和隱私保護(hù)，必然會(huì)引起社會(huì)各界人士的廣泛關(guān)注。

從19世紀(jì)末開(kāi)始就已經(jīng)有人對(duì)人臉識(shí)別進(jìn)行了研究，因?yàn)楫?dāng)時(shí)沒(méi)有先進(jìn)的科學(xué)技術(shù)做后盾，所以經(jīng)過(guò)了數(shù)百年的研究仍然沒(méi)有什么顯著的進(jìn)展和成果。直到20世紀(jì)90年代人臉識(shí)別才成立了自己的學(xué)科，在加上當(dāng)時(shí)的科技發(fā)展水平已經(jīng)達(dá)到了不錯(cuò)的水平，人臉識(shí)別這個(gè)學(xué)科得到了快速的發(fā)展。如今，我國(guó)的計(jì)算機(jī)技術(shù)也已經(jīng)居于世界的前列，我國(guó)也已經(jīng)擁有比較完善的一套東方面孔的人臉數(shù)據(jù)庫(kù)。

人臉識(shí)別在發(fā)展過(guò)程中大概經(jīng)歷了三個(gè)階段：第一階段就是對(duì)人臉特征進(jìn)行整理，整理出所需要的數(shù)據(jù)庫(kù)，并且應(yīng)用當(dāng)時(shí)的計(jì)算機(jī)技術(shù)做出一套質(zhì)量不錯(cuò)的人臉灰度模型，這個(gè)階段的識(shí)別工作全部由操作人員來(lái)完成；第二階段比第一階段要先進(jìn)，有了基礎(chǔ)人機(jī)互交，將人臉的特征經(jīng)過(guò)多維度的矢量在模型上表示出來(lái)，并也可以設(shè)計(jì)出一套人臉識(shí)別的系統(tǒng)，這個(gè)階段的識(shí)別不再是僅僅依靠操作人員，而是操作者和計(jì)算機(jī)一起完成；第三個(gè)階段是計(jì)算機(jī)智能識(shí)別的最高峰，一切操作和識(shí)別都依靠機(jī)器全自動(dòng)化進(jìn)行，在人臉識(shí)別過(guò)程中也不再是每臺(tái)計(jì)算機(jī)都需要完成一整套的工作，也實(shí)現(xiàn)了計(jì)算機(jī)與計(jì)算機(jī)之間的互聯(lián)，多臺(tái)計(jì)算機(jī)一起完成人臉識(shí)別的過(guò)程，都人力也是一種解放。

積極踐行人臉檢測(cè)識(shí)別技術(shù)

人臉檢測(cè)識(shí)別技術(shù)是計(jì)算機(jī)實(shí)現(xiàn)智能化特征后的又一重要發(fā)展方向之一，它已經(jīng)在世界范圍內(nèi)得到了廣泛的普及與應(yīng)用。人們可以通過(guò)人臉識(shí)別來(lái)進(jìn)行定位，來(lái)起到保護(hù)人們財(cái)產(chǎn)安全的作用，通過(guò)人臉識(shí)別來(lái)抵制社會(huì)中的造假率，之前曾經(jīng)有一些不法分子利用假身份來(lái)做損害公共利益和侵犯人們隱私權(quán)的事情，有了人臉識(shí)別讓不法分子沒(méi)有可乘之機(jī)，也應(yīng)用人臉識(shí)別來(lái)對(duì)財(cái)務(wù)密碼進(jìn)行聯(lián)系，起到對(duì)人們的財(cái)產(chǎn)有絕對(duì)的保護(hù)作用，對(duì)社會(huì)的安定何嘗不是一項(xiàng)有意義的發(fā)明。

人臉識(shí)別一直是計(jì)算機(jī)智能化發(fā)展過(guò)程中的一個(gè)重要領(lǐng)域，因?yàn)槿四樀淖R(shí)別與檢測(cè)是一個(gè)很難做到完善的項(xiàng)目，由于人類(lèi)的面部表情豐富，要對(duì)人類(lèi)的面部表情做出判斷和分析會(huì)存在一定的困難。再加上人臉識(shí)別的過(guò)程中，每個(gè)獨(dú)立存在的個(gè)體都有一張專(zhuān)屬于自己的臉。它的輪廓沒(méi)有明顯的特征界限，同時(shí)對(duì)眼、鼻子、嘴等器官在臉上的分布情況也沒(méi)有明確的界限，這就使得對(duì)人臉識(shí)別來(lái)進(jìn)行算法設(shè)計(jì)有一定的困難，所以只有通過(guò)輪廓特征來(lái)進(jìn)行初步的判斷，分辯出各種器官，再根據(jù)器官來(lái)完成人臉的分布情況設(shè)計(jì)灰度模型的完成工作。

第4篇：計(jì)算機(jī)視覺(jué)技術(shù)范文

1 雙目立體視覺(jué)概述

雙目立體視覺(jué)又稱雙目視覺(jué)技術(shù)，是目前計(jì)算機(jī)視覺(jué)應(yīng)用領(lǐng)域的重要研究?jī)?nèi)容。雙目立體視覺(jué)控制系統(tǒng)的組成因其采用的原理和應(yīng)用功能的不同，組成也都各不相同。

雙目立體視覺(jué)的實(shí)現(xiàn)原理是基于人眼的視網(wǎng)膜看物體的特性，從兩個(gè)不同的方向來(lái)觀看同一個(gè)物體的不同角度，從而實(shí)現(xiàn)清楚的了解到物體的圖像的目的。雙目立體視覺(jué)從不同的角度獲得物體的投影信息，并根據(jù)匹配的結(jié)果，獲取同一個(gè)物體不同偏差位置的信息。最后在依據(jù)三角測(cè)量技術(shù)，根據(jù)已經(jīng)獲得的這些偏差信息從而獲得這些不同點(diǎn)對(duì)應(yīng)的距離信息，并最終獲得這些實(shí)際物體的具體坐標(biāo)位置信息。

視差測(cè)距技術(shù)告訴我們，要清楚的觀察到一個(gè)物體的全貌，需要兩個(gè)觀察物從不同的方向，或者固定一個(gè)觀察物，移動(dòng)另外一個(gè)觀察物的方式，以達(dá)到拍攝同一個(gè)物體的目的。根據(jù)同一個(gè)物體在兩個(gè)觀察物當(dāng)中的位置偏差，從而確定該物體的三維信息。一般來(lái)說(shuō)，雙目立體視覺(jué)的組成包括：圖像獲取設(shè)備、圖像預(yù)處理設(shè)備、攝像機(jī)標(biāo)定設(shè)備、立體匹配設(shè)備、根據(jù)二維信息實(shí)現(xiàn)三維重構(gòu)設(shè)備等五個(gè)重要設(shè)備。

2 雙目立體視覺(jué)技術(shù)的原理

立體畫(huà)又可以稱之為三維立體畫(huà)，是一種人們可以從三維立體圖中獲取二維平面圖信息的技術(shù)。三維立體圖表面看似毫無(wú)規(guī)則，但是假如通過(guò)一些特殊的技術(shù)或者通過(guò)合理的觀察手段和觀察設(shè)備，就可以看到一組秩序井然的美妙圖片。

三維立體圖是一組重復(fù)的二維圖片有序的堆積積累而成，因此可以呈現(xiàn)出立體效果。人體觀察物體的原理大致如下：當(dāng)人類(lèi)通過(guò)左右眼觀察所在的空間平面的時(shí)候，這些平面圖都只是一些毫無(wú)秩序的圖片。而當(dāng)左右眼重新聚焦或者在觀察畫(huà)面的時(shí)候呈現(xiàn)一定的層次感，則人類(lèi)的左右眼觀察到的一組重復(fù)案在經(jīng)過(guò)人體識(shí)別以后，這些畫(huà)面之間將存在一定的距離差異，從而在腦中生成立體感。

雙目立體視覺(jué)技術(shù)正是基于以上的原理，從兩個(gè)不同的方向去觀察物體，并獲得目標(biāo)圖像的信息，并經(jīng)過(guò)一定的處理獲得三維重建的物體立體信息的技術(shù)。

雙目立體視覺(jué)在計(jì)算機(jī)技術(shù)中實(shí)現(xiàn)三維重建的大致流程

如下。

1）攝像機(jī)定位，并通過(guò)單片機(jī)計(jì)算得到要獲取圖像信息需要的外部的參數(shù)的大概值，并根據(jù)這些參數(shù)值設(shè)定攝像機(jī)。

2）用設(shè)定參數(shù)的攝像機(jī)拍攝目標(biāo)場(chǎng)景的畫(huà)面，并采集這些畫(huà)面的二維圖的信息。

3）通過(guò)計(jì)算機(jī)技術(shù)實(shí)現(xiàn)雙目匹配，并判定采集畫(huà)面中的二維圖像中的不同點(diǎn)之間的對(duì)應(yīng)關(guān)系。

4）在第三步中若得到兩組二維圖像的關(guān)系是稠密的時(shí)候，則生成三維視差圖。如果不是則進(jìn)一步采集圖片信息。

5）根據(jù)得到的視差圖最終實(shí)現(xiàn)場(chǎng)景的三維圖形的重建。

3 雙目立體匹配技術(shù)的研究難點(diǎn)和未來(lái)的發(fā)展方向

盡管目前有很多學(xué)者都投身到雙目立體匹配技術(shù)的研究和開(kāi)發(fā)當(dāng)中，直至目前為止也解決了很多關(guān)于視覺(jué)理論當(dāng)中存在的很多缺陷問(wèn)題。但是視覺(jué)問(wèn)題是一個(gè)復(fù)雜且難以解決的問(wèn)題，特別是在雙目立體匹配問(wèn)題方面更是困難重重。立體匹配技術(shù)的難點(diǎn)已經(jīng)成為限制將雙目技術(shù)應(yīng)用到計(jì)算機(jī)技術(shù)當(dāng)中的重要瓶頸。

立體匹配的主要手段就是找到計(jì)算機(jī)采集到兩幅和多副圖片的中像素的對(duì)應(yīng)關(guān)系，然后根據(jù)這些像素關(guān)系判定并生成三維重建圖。但是二維圖像的匹配存在層層困難，主要體現(xiàn)在以下幾個(gè)方面。

1）由于視角的問(wèn)題或者觀察物體存在遮擋問(wèn)題，導(dǎo)致采集回來(lái)的圖片信息存在盲點(diǎn)，這樣子更難找到圖片的匹配區(qū)域。

2）場(chǎng)景中的一些深度不連續(xù)的區(qū)域大都處在場(chǎng)景當(dāng)中的邊界位置，這些位置容易出現(xiàn)像素不高，邊界不清晰等問(wèn)題，這些問(wèn)題也給圖像匹配帶了很多困擾。

3）場(chǎng)景當(dāng)中的低紋理的圖片匹配特征和匹配關(guān)系較少，而且該位置的每個(gè)像素點(diǎn)極為相似。假如只是通過(guò)簡(jiǎn)單的像素相似性檢測(cè)的話，會(huì)檢測(cè)到很多匹配結(jié)果，而這些匹配結(jié)果當(dāng)中有一大部分是錯(cuò)誤的。這樣子的結(jié)果勢(shì)必會(huì)導(dǎo)致最終的圖像匹配正確率極為低下。

從以上的分析，我們可以看出立體匹配技術(shù)存在很多技術(shù)上的難點(diǎn)，這些都在很大程度上限制雙目立體匹配技術(shù)在計(jì)算機(jī)當(dāng)中的應(yīng)用發(fā)展。如何才能設(shè)計(jì)出有效、準(zhǔn)確、快速、通用性強(qiáng)的立體匹配算法將會(huì)是以后雙目立體匹配計(jì)算發(fā)展的重要方向。也只有通過(guò)設(shè)計(jì)出一套行之有效的立體匹配算法才能使得雙目立體匹配技術(shù)在計(jì)算機(jī)視覺(jué)當(dāng)中得到廣泛的應(yīng)用。

4 結(jié)束語(yǔ)

人們通過(guò)眼睛可以感受到外界事物的存在，可以清楚的了解到事物的立體信息，分辨出觀察物的廣度和深度，以及物體的遠(yuǎn)近。因此人類(lèi)視覺(jué)感知系統(tǒng)就是一個(gè)雙目的立體感知系統(tǒng)。本文講述的計(jì)算機(jī)中的雙目立體匹配技術(shù)正是基于人眼視覺(jué)觀察物體的原理，通過(guò)雙目立體視覺(jué)原理，對(duì)計(jì)算機(jī)采集獲得兩幅二維圖像的信息進(jìn)行分析，并結(jié)合計(jì)算機(jī)的分析，最終獲得同人類(lèi)眼睛一樣觀察到物體三維表面信息的目的。雙目立體匹配技術(shù)與計(jì)算機(jī)技術(shù)的完美結(jié)合幫助人們可以更加輕易的獲得物體的信息。希望在不久的將來(lái)，可以將該項(xiàng)技術(shù)應(yīng)用于人類(lèi)的視網(wǎng)膜當(dāng)中，以幫助一些視網(wǎng)膜存在問(wèn)題的人們，讓他們重新感受到光明，感受世間的溫暖。

參考文獻(xiàn)

[1]高文，陳熙霖.計(jì)算機(jī)視覺(jué)算法與系統(tǒng)原理[M].北京：清華大學(xué)出版社，2002.

[2]明祖衡.雙目立體視覺(jué)測(cè)距算法研究[M].北京：北京理工大學(xué)，2008.

[3]劉昌，郭立，李敬文，劉俊，楊福榮，羅鋒.一種優(yōu)于SAD的匹配準(zhǔn)則及其快速算法[J].電路與系統(tǒng)學(xué)報(bào)，2007，12（4）：137-14.

[4]陳蛟.雙目立體匹配的算法研究及其多核并行化[M].南京：南京郵電大學(xué)，2012.

第5篇：計(jì)算機(jī)視覺(jué)技術(shù)范文

【關(guān)鍵詞】計(jì)算機(jī)視覺(jué)技術(shù) 馬鈴薯外部品質(zhì) 檢測(cè)

隨著計(jì)算機(jī)技術(shù)的不斷發(fā)展，計(jì)算機(jī)視覺(jué)技術(shù)應(yīng)運(yùn)而生并在工業(yè)自動(dòng)化以及農(nóng)產(chǎn)品檢驗(yàn)檢測(cè)等領(lǐng)域成功應(yīng)用。其中，將計(jì)算機(jī)視覺(jué)技術(shù)用于以自動(dòng)化采集和品級(jí)分級(jí)為代表的果蔬商品化處理具有非常廣闊的發(fā)展空間。我國(guó)政府將“農(nóng)產(chǎn)品深加工技術(shù)與設(shè)備研究開(kāi)發(fā)”列為我國(guó)“十五”重大科技攻關(guān)項(xiàng)目的第一項(xiàng)，這標(biāo)志著計(jì)算機(jī)視覺(jué)技術(shù)在果蔬外部品質(zhì)檢測(cè)中會(huì)發(fā)揮越來(lái)越重要的作用。

馬鈴薯是世界上僅僅排在小麥、水稻和玉米之后的第四種主要農(nóng)作物，種植區(qū)域非常廣泛。馬鈴薯品質(zhì)檢測(cè)是馬鈴薯深加工的一個(gè)關(guān)鍵步驟，目前，該檢驗(yàn)過(guò)程多數(shù)采用人工檢測(cè)，不僅成本高、效率低，而且與檢驗(yàn)員的專(zhuān)業(yè)素質(zhì)有密切的關(guān)系，受到人為因素影響的程度較大，嚴(yán)重制約的馬鈴薯加工企業(yè)的發(fā)展。計(jì)算機(jī)視覺(jué)技術(shù)能對(duì)農(nóng)產(chǎn)品的某些特性變化和缺陷進(jìn)行識(shí)別，具有客觀、無(wú)損害等特點(diǎn)。本文對(duì)基于計(jì)算機(jī)視覺(jué)的馬鈴薯外部品質(zhì)檢測(cè)的應(yīng)用進(jìn)行了研究。

1 應(yīng)用計(jì)算機(jī)視覺(jué)技術(shù)對(duì)馬鈴薯進(jìn)行外部品質(zhì)檢測(cè)的必要性

隨著“麥當(dāng)勞”、“肯德基”的餐飲服務(wù)業(yè)的快速發(fā)展，炸薯?xiàng)l、炸薯片已經(jīng)成為一種休閑食品深受消費(fèi)者的喜愛(ài)，推動(dòng)了我國(guó)馬鈴薯產(chǎn)業(yè)的發(fā)展。然而，情況并不十分樂(lè)觀，與國(guó)外的馬鈴薯企業(yè)相比，我國(guó)馬鈴薯加工企業(yè)生產(chǎn)規(guī)模小、生產(chǎn)產(chǎn)品單一、技術(shù)設(shè)備落后、產(chǎn)品質(zhì)量不高的現(xiàn)象導(dǎo)致我國(guó)的馬鈴薯產(chǎn)品銷(xiāo)售困難，經(jīng)濟(jì)效益逐漸下滑。

基于以上現(xiàn)狀，對(duì)馬鈴薯的加工研究還有很長(zhǎng)的一段路程。企業(yè)要擴(kuò)大生產(chǎn)規(guī)模，針對(duì)中國(guó)的消費(fèi)趨勢(shì)與消費(fèi)水平開(kāi)發(fā)出新的馬鈴薯產(chǎn)品，從而提高我國(guó)馬鈴薯產(chǎn)品的競(jìng)爭(zhēng)力。這就要求馬鈴薯加工企業(yè)要對(duì)馬鈴薯的加工技術(shù)進(jìn)行創(chuàng)新，保證產(chǎn)品質(zhì)量。其中，馬鈴薯外部品質(zhì)檢測(cè)對(duì)馬鈴薯產(chǎn)品的最終品質(zhì)起著決定性作用。當(dāng)前的人工檢測(cè)方式已經(jīng)不再適應(yīng)社會(huì)發(fā)展的要求，利用計(jì)算機(jī)視覺(jué)檢驗(yàn)代替人工檢驗(yàn)成為社會(huì)發(fā)展的必然趨勢(shì)，這是因?yàn)橛?jì)算機(jī)視覺(jué)技術(shù)具有以下優(yōu)點(diǎn)：

（1）精度高，能夠進(jìn)行定量測(cè)量。

（2）自動(dòng)化程度高，一次就可完成包括大小、形狀、顏色以及缺陷在內(nèi)的檢測(cè)和分析，并能進(jìn)行綜合識(shí)別。

（3）無(wú)損檢測(cè)，計(jì)算機(jī)視覺(jué)檢測(cè)過(guò)程不需要接觸產(chǎn)品，是通過(guò)傳感器掃面獲取圖像的，不會(huì)造成產(chǎn)品的損傷。

（4）信息量大，可對(duì)大量信息進(jìn)行采集，對(duì)光譜的敏感范圍也很廣。

2 基于計(jì)算機(jī)視覺(jué)的馬鈴薯外部品質(zhì)檢測(cè)的應(yīng)用研究

2.1 馬鈴薯大小的檢測(cè)方法

馬鈴薯的大小檢測(cè)不僅影響馬鈴薯深加工的商業(yè)價(jià)值，在在遺傳和育種方面也有很高的應(yīng)用價(jià)值。

利用計(jì)算機(jī)視覺(jué)技術(shù)對(duì)馬鈴薯大小的檢測(cè)步驟如下：先從攝像機(jī)中獲取馬鈴薯的圖像信息，在圖像信息的基礎(chǔ)上對(duì)馬鈴薯三維空間的幾何信息進(jìn)行計(jì)算，并由此重建和識(shí)別馬鈴薯。而馬鈴薯物體表面某點(diǎn)的三維幾何位置與其在圖像中對(duì)應(yīng)點(diǎn)之間的相互關(guān)系是由攝像機(jī)成像的幾何模型決定的，這些幾何參數(shù)成為攝像機(jī)參數(shù)。要想準(zhǔn)確的獲取這些攝像機(jī)參數(shù)，就必須將實(shí)驗(yàn)與計(jì)算相結(jié)合，此過(guò)程成為系統(tǒng)定標(biāo)。

系統(tǒng)定標(biāo)的基本步驟：根據(jù)設(shè)定好的攝像機(jī)模型和特定的實(shí)驗(yàn)條件包括形狀、尺寸等已知的定標(biāo)參照物，經(jīng)過(guò)對(duì)馬鈴薯圖像的處理，并利用一系列的數(shù)學(xué)轉(zhuǎn)換和計(jì)算方法將攝像機(jī)模型的內(nèi)部和外部參數(shù)計(jì)算出來(lái)，從而建立照片與實(shí)物的聯(lián)系推算出馬鈴薯的真實(shí)尺寸。

2.2 馬鈴薯形狀的檢測(cè)方法

根據(jù)《中國(guó)馬鈴薯栽培學(xué)》中的知識(shí)，我們可以把馬鈴薯的塊莖形狀分為三類(lèi)，分別是圓形、長(zhǎng)筒形和橢圓形，除了這三種形狀，其余都是這三種形狀的變形。此次研究將馬鈴薯分為圓形、橢圓形和長(zhǎng)筒形，并且采用橢圓的短長(zhǎng)軸比來(lái)模擬馬鈴薯的縱橫直徑之間的關(guān)系。

2.2.1 馬鈴薯形狀特征參數(shù)的提取

將馬鈴薯橢圓的短長(zhǎng)軸比R作為形狀特征參數(shù)，并按照R的大小將馬鈴薯進(jìn)行分類(lèi)。當(dāng)R小于0.67時(shí)，稱之為長(zhǎng)筒馬鈴薯；當(dāng)R大于0.85時(shí)，稱之為圓形馬鈴薯；當(dāng)R介于0.67到0.85之間時(shí)，稱之為橢圓形馬鈴薯。

2.2.2 結(jié)果與分析

隨機(jī)抽取114塊馬鈴薯，對(duì)抽取的馬鈴薯進(jìn)行正反兩面拍照，挑選清晰度最高的228張圖片。人工分類(lèi)后進(jìn)行計(jì)算機(jī)視覺(jué)分類(lèi)，操作步驟具體如下：

（1）用DIPS預(yù)處理：B通道灰度化，中值濾波和Otsu分割；

（2）通過(guò)計(jì)算機(jī)視覺(jué)技術(shù)提取馬鈴薯圖片的短長(zhǎng)軸比R；

（3）將人工分類(lèi)與計(jì)算機(jī)視覺(jué)分類(lèi)進(jìn)行對(duì)比，并得出正確率。

根據(jù)圖表，我們可以看出在228張僅有兩張圖片被分類(lèi)錯(cuò)誤，正確率高達(dá)99.1%，而這兩個(gè)分類(lèi)錯(cuò)誤的馬鈴薯的短長(zhǎng)軸比處于0.67周?chē)謩e為0.667604 ， 0.67193和0.671887， 0.661063，又因?yàn)閷?duì)馬鈴薯形狀的分類(lèi)不需要類(lèi)似工業(yè)生產(chǎn)那樣精密，所以，當(dāng)正反兩面短長(zhǎng)軸比接近時(shí)都可看作是橢圓形。

2.3 馬鈴薯的缺陷檢測(cè)

計(jì)算機(jī)視覺(jué)技術(shù)具有實(shí)時(shí)、客觀、無(wú)損的檢測(cè)特點(diǎn)，能對(duì)馬鈴薯的表面缺陷和某些特征要素進(jìn)行快速檢測(cè)?；诖耍瑖?guó)內(nèi)外很多研究學(xué)者進(jìn)行了大量的實(shí)驗(yàn)研究，在1998年開(kāi)發(fā)了利用PC機(jī)輔助的實(shí)時(shí)馬鈴薯檢測(cè)系統(tǒng)，能夠?qū)︸R鈴薯的重量、顏色以及形狀進(jìn)行快速檢測(cè)；2000年，相關(guān)研究者在此基礎(chǔ)上建立了計(jì)算機(jī)視覺(jué)檢測(cè)系統(tǒng)，不僅能實(shí)現(xiàn)大小、形狀的檢測(cè)，還能對(duì)馬鈴薯表面的生長(zhǎng)裂縫、機(jī)械裂縫、綠皮等表面缺陷進(jìn)行檢測(cè)。當(dāng)前對(duì)馬鈴薯表面缺陷進(jìn)行檢測(cè)的主要計(jì)算機(jī)視覺(jué)技術(shù)包括缺陷分割法和缺陷識(shí)別法兩種方法。

3 結(jié)論

本文應(yīng)用計(jì)算機(jī)視覺(jué)技術(shù)對(duì)馬鈴薯的大小、形狀和表面缺陷等外部品質(zhì)進(jìn)行了檢測(cè)，但是還未能實(shí)現(xiàn)利用計(jì)算機(jī)視覺(jué)技術(shù)對(duì)馬鈴薯的表面缺陷進(jìn)行分類(lèi)這一技術(shù)。因此，相關(guān)部門(mén)要加大研究力度，爭(zhēng)取早日完善計(jì)算機(jī)視覺(jué)技術(shù)，從而推動(dòng)我國(guó)馬鈴薯加工企業(yè)快速高效的發(fā)展。

參考文獻(xiàn)

[1]魯永萍.基于機(jī)器視覺(jué)的馬鈴薯外部品質(zhì)檢測(cè)與分級(jí).機(jī)械設(shè)計(jì)及理論[D].內(nèi)蒙古農(nóng)業(yè)大學(xué).2013（學(xué)位年度）.

[2]史崇升.基于高光譜成像技術(shù)的馬鈴薯外部品質(zhì)無(wú)損檢測(cè)建模及優(yōu)化研究.電子與通信工程[D].寧夏大學(xué).2014（學(xué)位年度）.

作者單位

第6篇：計(jì)算機(jī)視覺(jué)技術(shù)范文

【 關(guān)鍵詞 】 云計(jì)算；關(guān)聯(lián)規(guī)則；Apriori Map/Reduce

1 引言

隨著我國(guó)開(kāi)放大學(xué)建立及網(wǎng)絡(luò)學(xué)院的發(fā)展，高中起點(diǎn)升本科，專(zhuān)科起點(diǎn)升本科，高中起點(diǎn)升大專(zhuān)三個(gè)層次的多個(gè)不同專(zhuān)業(yè)吸引了更多的人選擇參加遠(yuǎn)程教育完成學(xué)習(xí)，網(wǎng)絡(luò)學(xué)習(xí)云平臺(tái)上及網(wǎng)絡(luò)考試系統(tǒng)中也就保存了大量數(shù)據(jù)，在這些數(shù)據(jù)中隱藏很多對(duì)遠(yuǎn)程教學(xué)有價(jià)值的信息，有助于教學(xué)管理人員及時(shí)分析學(xué)生學(xué)習(xí)情況，更好地整合網(wǎng)絡(luò)學(xué)習(xí)平臺(tái)上的教育資源。如果僅使用傳統(tǒng)數(shù)據(jù)挖掘方法，就會(huì)由于數(shù)據(jù)量巨大而導(dǎo)致系統(tǒng)處理速度緩慢，頻繁的輸入輸出會(huì)影響系統(tǒng)響應(yīng)時(shí)間，節(jié)點(diǎn)效率不同也會(huì)出現(xiàn)挖掘效率不高的情況。為此在對(duì)網(wǎng)上考試系統(tǒng)所存儲(chǔ)的海量數(shù)據(jù)信息進(jìn)行挖掘時(shí)，引入能夠在云計(jì)算環(huán)境下運(yùn)行的數(shù)據(jù)挖掘算法，利用云計(jì)算環(huán)境中分布的計(jì)算節(jié)點(diǎn)，來(lái)支持?jǐn)?shù)據(jù)挖掘算法的并行執(zhí)行，彌補(bǔ)傳統(tǒng)數(shù)據(jù)挖掘算法的不足，能從海量的考試數(shù)據(jù)資源中找出有價(jià)值的數(shù)據(jù)信息。

2 云計(jì)算與數(shù)據(jù)挖掘相關(guān)概念

2.1 云計(jì)算下MAP/REDUCE并行編程模型介紹

云計(jì)算的概念最先由Google埃里克·施密特在2006年首次提出，其基本原理是將大的海量數(shù)據(jù)的計(jì)算任務(wù)分割成小的微量的計(jì)算任務(wù)，將計(jì)算任務(wù)細(xì)分后由分布在網(wǎng)絡(luò)上的計(jì)算節(jié)點(diǎn)通過(guò)并行計(jì)算實(shí)現(xiàn)，最后將細(xì)化的計(jì)算結(jié)果數(shù)據(jù)匯總，得到最后的計(jì)算結(jié)果。在當(dāng)前的網(wǎng)絡(luò)教學(xué)平臺(tái)中就已經(jīng)開(kāi)始引入云的概念，將優(yōu)質(zhì)的教學(xué)資源作為云，學(xué)習(xí)者只訪問(wèn)自己學(xué)習(xí)相關(guān)的資源而不用考慮該資源所在位置，學(xué)習(xí)結(jié)束后通過(guò)網(wǎng)上考試系統(tǒng)完成測(cè)試。

MapReduce 是 Google 發(fā)明的并行分布式編程模型，被廣泛應(yīng)用于云數(shù)據(jù)計(jì)算中，用MapReduce來(lái)處理的數(shù)據(jù)任務(wù)必須能分解成獨(dú)立的小數(shù)據(jù)集，而且各個(gè)小數(shù)據(jù)集能夠并行處理，通過(guò) Map階段將待處理數(shù)據(jù)分割成小的獨(dú)立數(shù)據(jù)塊，分別讓不同的空閑計(jì)算節(jié)點(diǎn)來(lái)進(jìn)行計(jì)算，達(dá)到分布式運(yùn)算的效果，再通過(guò) Reduce 程序?qū)⒂?jì)算結(jié)果匯總輸出。

2.2 關(guān)聯(lián)規(guī)則及Apriori算法介紹

數(shù)據(jù)挖掘目前公認(rèn)的定義是：數(shù)據(jù)挖掘就是從大量的、不完全的、有噪聲的、模糊的、隨機(jī)的數(shù)據(jù)中，提取隱含在其中的、人們事先不知道的、但又是潛在有用的信息和知識(shí)的過(guò)程。

關(guān)聯(lián)規(guī)則由Agrawal 等于1993年首先提出，就是要從當(dāng)前數(shù)據(jù)庫(kù)中挖掘出各個(gè)項(xiàng)集間存在的某種規(guī)則，形成關(guān)聯(lián)規(guī)則的項(xiàng)目集必須是頻繁項(xiàng)目集，也應(yīng)滿足最小支持度和最小可信度。

對(duì)于云計(jì)算平臺(tái)上的海量考試數(shù)據(jù)進(jìn)行挖掘，主要目的之一就是希望能通過(guò)挖掘大量的考試信息發(fā)現(xiàn)試題之間隱藏的內(nèi)在聯(lián)系，這在功能上屬于關(guān)聯(lián)分析。例如，關(guān)聯(lián)規(guī)則可以表示為“答對(duì)了題目3的考生中有80%的人也答對(duì)了題目9”。從這些規(guī)則可找出試題中題目之間的關(guān)聯(lián)性，幫助教師分析學(xué)生知識(shí)掌握情況以及分析題目之間的互相影響性，以便幫助提高教學(xué)質(zhì)量。

Apriori算法的基本思想是找出所有的頻繁項(xiàng)集，這些頻繁項(xiàng)集出現(xiàn)的頻繁性要大于等于預(yù)先定義的最小支持度，由找出的這些頻繁項(xiàng)集產(chǎn)生同時(shí)滿足最小支持度和最小可信度的強(qiáng)關(guān)聯(lián)規(guī)則。

3 云計(jì)算環(huán)境下Apriori算法的Map/Reduce模型化設(shè)計(jì)

要在云計(jì)算環(huán)境下應(yīng)用Apriori算法，要將算法按照Map/Reduce的編程模型并行化設(shè)計(jì)并執(zhí)行，然后由主控程序控制算法應(yīng)用云存儲(chǔ)環(huán)境中的數(shù)據(jù)運(yùn)行。主程序按照使用者指定的數(shù)據(jù)塊大小將云存儲(chǔ)中數(shù)據(jù)分成獨(dú)立的N個(gè)數(shù)據(jù)塊，并將這些數(shù)據(jù)塊分發(fā)到云平臺(tái)中各個(gè)空閑的計(jì)算節(jié)點(diǎn)去運(yùn)行，在進(jìn)行數(shù)據(jù)預(yù)處理后，Map進(jìn)程對(duì)處理好的目標(biāo)數(shù)據(jù)進(jìn)行計(jì)算，得到局部的頻繁候選項(xiàng)集，再由Reduce進(jìn)程對(duì)Map過(guò)程產(chǎn)生的局部候選頻繁項(xiàng)目集做歸并處理，產(chǎn)生總體的全部候選項(xiàng)目集，然后按照給定的最小可信度和最小支持度找出全局的頻繁候選項(xiàng)目集，得到有關(guān)的關(guān)聯(lián)規(guī)則。

云計(jì)算環(huán)境下的 Apriori 算法Map/Reduce化包括3個(gè)過(guò)程，首先是數(shù)據(jù)準(zhǔn)備過(guò)程；其次是Map函數(shù)過(guò)程找到各個(gè)獨(dú)立數(shù)據(jù)塊的局部頻繁項(xiàng)集；最后由Reduce過(guò)程通過(guò)歸并處理接收Map過(guò)程得到的局部頻繁項(xiàng)集，從中找出全局頻繁項(xiàng)集，得到所需要的強(qiáng)關(guān)聯(lián)規(guī)則。

Map/Reduce 化后 Apriori 算法的執(zhí)行步驟如下：

（1） 數(shù)據(jù)庫(kù)中待處理數(shù)據(jù)首先要按照要求分割成相對(duì)獨(dú)立的N個(gè)小數(shù)據(jù)塊，并按照所需要求進(jìn)行數(shù)據(jù)清理處理和篩選處理，得到處理后的N個(gè)候選數(shù)據(jù)項(xiàng)集。

（2） 由Master將N個(gè)候選數(shù)據(jù)項(xiàng)集分派給不同的工作節(jié)點(diǎn)，每個(gè)節(jié)點(diǎn)執(zhí)行不同的Map進(jìn)程，利用參數(shù)KEY，產(chǎn)生的VALUE，按照系統(tǒng)設(shè)定的最小支持度和最小可信度要求計(jì)算出局部的頻繁項(xiàng)集。

（3） 由Map過(guò)程得到的局部頻繁項(xiàng)集保存到本節(jié)點(diǎn)硬盤(pán)上，準(zhǔn)備交給Reduce過(guò)程處理歸并。

（4） Map過(guò)程結(jié)束后，由Master主程序?qū)⒈敬斡脖P(pán)存儲(chǔ)的局部頻繁項(xiàng)集具置信息傳遞給Reduce歸并過(guò)程，由主程序決定讓云計(jì)算環(huán)境中的空閑計(jì)算節(jié)點(diǎn)來(lái)運(yùn)行完成Reduce過(guò)程。

（5） Reduce過(guò)程主要是從存儲(chǔ)區(qū)讀取局部頻繁項(xiàng)集數(shù)據(jù)，然后通過(guò)歸并處理得到全局的數(shù)據(jù)候選項(xiàng)集，再找出滿足大于系統(tǒng)給定的最小可信度和最小支持度的頻繁項(xiàng)目集。

（6） Reduce過(guò)程得到的數(shù)據(jù)傳遞給用戶，由用戶對(duì)數(shù)據(jù)進(jìn)行整理找出符合要求的強(qiáng)關(guān)聯(lián)規(guī)則。

4 實(shí)驗(yàn)過(guò)程及分析

4.1 MapReduce化的Apriori算法考試數(shù)據(jù)挖掘應(yīng)用

網(wǎng)上考試系統(tǒng)中保存海量的學(xué)生考試信息，其中學(xué)生考試成績(jī)是很重要的一項(xiàng)數(shù)據(jù)信息，利用MapReduce化的Apriori算法對(duì)海量考試數(shù)據(jù)信息進(jìn)行挖掘，主要是對(duì)學(xué)生成績(jī)信息進(jìn)行挖掘，找出所學(xué)課程之間的相關(guān)性，可以更科學(xué)地幫助教師制訂合理的教學(xué)計(jì)劃進(jìn)程，以指導(dǎo)學(xué)生順利完成學(xué)業(yè)。

如在對(duì)網(wǎng)絡(luò)云平臺(tái)上考試系統(tǒng)中的數(shù)據(jù)信息挖掘時(shí)，要找出學(xué)生的學(xué)習(xí)課程之間的相互關(guān)聯(lián)性，可以從學(xué)生的課程考試成績(jī)?nèi)胧帧Ｊ紫纫幚頂?shù)據(jù)，將學(xué)生課程成績(jī)92分以上的設(shè)置為1，表示該門(mén)課程成績(jī)?yōu)閮?yōu)秀，其它低于該分?jǐn)?shù)的成績(jī)?cè)O(shè)置為0，表示該門(mén)課程成績(jī)不優(yōu)秀。該數(shù)據(jù)庫(kù)表中有三門(mén)課程，包括程序設(shè)計(jì)基礎(chǔ)，計(jì)算機(jī)基礎(chǔ)和VB課程，選取部分學(xué)生成績(jī)數(shù)據(jù)，要對(duì)上述優(yōu)秀課程進(jìn)行云計(jì)算環(huán)境下的關(guān)聯(lián)規(guī)則挖掘，假定最小支持度為40%、最小可信度為60%時(shí)，設(shè)定key和value參數(shù)值，首先由Master分配數(shù)據(jù)塊給各個(gè)Map，找出局部的頻繁項(xiàng)目集，再由Reduce過(guò)程歸納局部頻繁項(xiàng)目集得到全局候選項(xiàng)集，根據(jù)設(shè)定的最小支持度和最小可信度，找出全局頻繁項(xiàng)目集。可以得出如下規(guī)則：

（1）程序基礎(chǔ)成績(jī)優(yōu)秀，VB成績(jī)優(yōu)秀=〉計(jì)算機(jī)基礎(chǔ)成績(jī)優(yōu)秀的可能性大于100%；

（2）VB成績(jī)優(yōu)秀，計(jì)算機(jī)基礎(chǔ)成績(jī)優(yōu)秀=〉程序基礎(chǔ)成績(jī)優(yōu)秀的可能性大于100%。

根據(jù)以上挖掘得到的規(guī)則可以得知，VB程序設(shè)計(jì)課程與程序設(shè)計(jì)基礎(chǔ)課程之間有某種聯(lián)系，能夠相互影響，程序設(shè)計(jì)基礎(chǔ)這門(mén)課程成績(jī)會(huì)影響到VB課程成績(jī)，計(jì)算機(jī)專(zhuān)業(yè)責(zé)任教師在設(shè)計(jì)教學(xué)計(jì)劃時(shí)，可以將程序設(shè)計(jì)基礎(chǔ)課程作為VB程序設(shè)計(jì)課程的先修課，這樣學(xué)生成績(jī)?yōu)閮?yōu)秀的可能性就更大。

同樣的可以利用MapReduce化的Apriori算法在網(wǎng)絡(luò)考試數(shù)據(jù)信息中挖掘出相關(guān)學(xué)科之間不同知識(shí)點(diǎn)的影響程度，以實(shí)現(xiàn)在教學(xué)中在講授某一知識(shí)點(diǎn)時(shí)的知識(shí)擴(kuò)展和準(zhǔn)備。我們?cè)O(shè)定最小支持度為96% 最小置信度為97%

通過(guò)挖掘后，得到如下的規(guī)則：

站點(diǎn)顏色與主題 =〉網(wǎng)站風(fēng)格的設(shè)計(jì) 96.8% 98.3%

網(wǎng)站風(fēng)格的設(shè)計(jì)=〉站點(diǎn)顏色和主題 96.8% 97.2%

網(wǎng)頁(yè)信息的強(qiáng)勢(shì) =〉頁(yè)面設(shè)計(jì) 97.6% 96.5%

其中，每一行為一條關(guān)聯(lián)規(guī)則，數(shù)字分別表示他們的支持度和可信度。如第2條規(guī)則表示，網(wǎng)站風(fēng)格設(shè)計(jì)的知識(shí)點(diǎn)與站點(diǎn)顏色和主題的知識(shí)點(diǎn)有很強(qiáng)的關(guān)聯(lián)性，由于有96.8%的學(xué)生對(duì)這兩個(gè)知識(shí)點(diǎn)的掌握都比較好，同時(shí)有97.2%的學(xué)生屬于對(duì)網(wǎng)站風(fēng)格設(shè)計(jì)知識(shí)點(diǎn)掌握的好也對(duì)站點(diǎn)顏色和主題知識(shí)點(diǎn)掌握的好。這就說(shuō)明網(wǎng)站風(fēng)格設(shè)計(jì)的知識(shí)點(diǎn)可以作為站點(diǎn)顏色和主題知識(shí)點(diǎn)的知識(shí)準(zhǔn)備，教師在講解網(wǎng)絡(luò)信息制作與時(shí)要重點(diǎn)強(qiáng)調(diào)該部分內(nèi)容，也可以在講解DREAMWEAVER課程中將網(wǎng)站風(fēng)格設(shè)計(jì)的相關(guān)概念給出，這對(duì)學(xué)生學(xué)習(xí)會(huì)有很大的幫助。同時(shí)，該規(guī)則可以幫助教師在進(jìn)行試卷設(shè)計(jì)時(shí)，將這兩個(gè)知識(shí)點(diǎn)的內(nèi)容同時(shí)考察，這樣學(xué)生的得分率會(huì)更高。

4.2 MapReduce化的Apriori算法和傳統(tǒng)的Apriori算法挖掘效率對(duì)比

為了驗(yàn)證使用基于云計(jì)算環(huán)境的Apriori算法與傳統(tǒng)的Apriori算法在對(duì)海量的考試數(shù)據(jù)信息挖掘方面的優(yōu)越性能，進(jìn)行數(shù)據(jù)實(shí)驗(yàn)測(cè)試。本測(cè)試環(huán)境是在局域網(wǎng)范圍內(nèi)配置一定數(shù)量節(jié)點(diǎn)的集群環(huán)境，每個(gè)單一節(jié)點(diǎn)的軟硬件配置都統(tǒng)一，利用Hadoop 自帶的 MapReduce Tools for Eclipse ，配置好 MapReduce分布式編程環(huán)境。測(cè)試數(shù)據(jù)來(lái)源于網(wǎng)上考試系統(tǒng)保存的學(xué)生考試數(shù)據(jù)信息。設(shè)定最小支持度為0.2，最小可信度為0.1。通過(guò)使用MapReduce化的Apriori算法和傳統(tǒng)的Apriori算法對(duì)海量的考試數(shù)據(jù)信息進(jìn)行挖掘，將得到的測(cè)試結(jié)果進(jìn)行比較，得到的結(jié)果是在數(shù)據(jù)規(guī)模比較小的情況下，傳統(tǒng)的挖掘方法和云計(jì)算環(huán)境下的挖掘方法耗費(fèi)的時(shí)間差別并不大，但是隨著數(shù)據(jù)規(guī)模的增大，使用傳統(tǒng)的Apriori算法進(jìn)行的單節(jié)點(diǎn)數(shù)據(jù)挖掘所耗費(fèi)的時(shí)間越來(lái)越多，而使用MapReduce化的Apriori算法則顯現(xiàn)出了更好的計(jì)算效能，在對(duì)網(wǎng)絡(luò)考試系統(tǒng)的大規(guī)模數(shù)據(jù)信息進(jìn)行挖掘時(shí)系統(tǒng)性能表現(xiàn)很好，解決了傳統(tǒng)數(shù)據(jù)挖掘在面對(duì)海量數(shù)據(jù)信息進(jìn)行挖掘時(shí)的系統(tǒng)響應(yīng)速度慢，各個(gè)節(jié)點(diǎn)的輸入輸出量巨大時(shí)負(fù)載不均衡，挖掘效率不高的問(wèn)題。

5 結(jié)束語(yǔ)

通過(guò)對(duì)網(wǎng)絡(luò)考試系統(tǒng)的海量考試數(shù)據(jù)信息進(jìn)行挖掘，驗(yàn)證了云計(jì)算環(huán)境下應(yīng)用基于Map/Reduce編程模型的Apriori算法進(jìn)行數(shù)據(jù)挖掘，能夠解決傳統(tǒng)數(shù)據(jù)挖掘算法在對(duì)大規(guī)模數(shù)據(jù)挖掘時(shí)出現(xiàn)的系統(tǒng)響應(yīng)速度慢，整體挖掘效率不高的問(wèn)題，希望在數(shù)據(jù)量越來(lái)越多的云教育時(shí)代，基于云計(jì)算環(huán)境的數(shù)據(jù)挖掘能發(fā)揮出更大的作用。

參考文獻(xiàn)

[1] 陳嘉恒.分布式系統(tǒng)及云計(jì)算概論.清華大學(xué)出版社， 2011.5.

[2] 趙虎.云計(jì)算環(huán)境下的關(guān)聯(lián)數(shù)據(jù)挖掘算法實(shí)現(xiàn).電子科技大學(xué)，2011.6.

[3] 蘇海英.數(shù)據(jù)挖掘中關(guān)聯(lián)規(guī)則算法的分析與優(yōu)化研究.吉林大學(xué)，2006.

[4] 孟小峰.數(shù)據(jù)挖掘：概念與技術(shù)（M）.機(jī)械工業(yè)出版社， 2001.

[5] 安淑芝.數(shù)據(jù)倉(cāng)庫(kù)與數(shù)據(jù)挖掘.清華大學(xué)出版社，2005.6.

[6] 戎翔.基于MapReduce的頻繁項(xiàng)集挖掘方法.西安郵電學(xué)院學(xué)報(bào)，2011.7.

[7] 謝桂蘭.基于Hadoop模型的應(yīng)用研究.微型機(jī)與應(yīng)用， 2010.8.

[8] 季一木，康家邦，潘俏羽等.一種云計(jì)算安全模型與架構(gòu)設(shè)計(jì)研究[J].信息網(wǎng)絡(luò)安全，2012，（06）：6-8.

[9] 胡春輝.云計(jì)算安全風(fēng)險(xiǎn)與保護(hù)技術(shù)框架分析[J].信息網(wǎng)絡(luò)安全，2012，（07）：87-89.

[10] 江偉玉，高能，劉澤藝等.一種云計(jì)算中的多重身份認(rèn)證與授權(quán)方案[J].信息網(wǎng)絡(luò)安全，2012，（08）：7-10.

第7篇：計(jì)算機(jī)視覺(jué)技術(shù)范文

關(guān)鍵詞：視覺(jué)技術(shù)；太陽(yáng)視位置；算法

DOI：10.16640/ki.37-1222/t.2017.06.204

1 引言

基于太陽(yáng)能利用涉及的太陽(yáng)位置算法的研究源于20世紀(jì)60年代。1969年的Copper算法、年的Spencer算法、1988年Michalsky提出的基于天文算法的太陽(yáng)位置算法，以及2004年Reda提出的精度較高的SPA算法。這些算法均需計(jì)算出太陽(yáng)視赤緯、當(dāng)?shù)靥?yáng)時(shí)角，并以此為變量，利用球面三角公式或矢量法計(jì)算太陽(yáng)視位置的地平坐標(biāo)（高度角、方位角）[1]，算法復(fù)雜、計(jì)算量大，影響太陽(yáng)位置時(shí)時(shí)準(zhǔn)確地獲取，不利于實(shí)現(xiàn)自動(dòng)化跟蹤控制?；谝曈X(jué)技術(shù)的太陽(yáng)視位置算法是借助視覺(jué)技術(shù)代替人眼通過(guò)采集地平坐標(biāo)系下的影子圖像，經(jīng)圖像處理分析后，建立太陽(yáng)方位角和高度角的算法，從而確定太陽(yáng)視位置。這樣的研究是基于機(jī)器視覺(jué)技術(shù)的新的嘗試，也是目前太陽(yáng)能跟蹤眾多方法中尚未涉及的新領(lǐng)域。

2 圖像處理

視覺(jué)系統(tǒng)采集的圖像，在形成、傳輸、接受和處理的整個(gè)過(guò)程中，由于受到噪聲和圖像特征衰減等方面的影響，會(huì)降低圖像的質(zhì)量。因此，對(duì)圖像進(jìn)行分析之前，必須先對(duì)圖像進(jìn)行處理，以便為后續(xù)圖像分析處理等高層操作提供基礎(chǔ)[2]。處理技術(shù)主要是對(duì)被處理圖像進(jìn)行灰度變換、平滑濾波、圖像增強(qiáng)、幾何變換、灰度均衡化處理[3] ，目的是消除圖像中無(wú)關(guān)的信息，恢復(fù)有用的真實(shí)信息，增強(qiáng)有關(guān)信息的可檢測(cè)性和最大限度地簡(jiǎn)化數(shù)據(jù)，從而改善圖像數(shù)據(jù)，提高特征抽取、圖像分割、匹配和識(shí)別的可靠性。

2.1 圖像翻轉(zhuǎn)

圖像翻轉(zhuǎn)是一種幾何變換，可以將原圖像繞著中心點(diǎn)翻轉(zhuǎn)180度，只改變坐標(biāo)不改變圖像像素值。采集到的影子圖像如圖1（a）所示，處于倒置狀態(tài)，不利于獲取影子坐標(biāo)系，因此在預(yù)處理前應(yīng)當(dāng)將圖像翻轉(zhuǎn)，如圖1（b）所示。

2.2 閥值分割

閾值分割就是確定一個(gè)閥值，把圖像中每個(gè)像素點(diǎn)的灰度值與閥值進(jìn)行比較，根據(jù)比較結(jié)果將像素分為前景和背景[4]。經(jīng)過(guò)圖像分割后，圖像變成了二值圖像，使后續(xù)圖像輪廓的提取和分析就變得非常簡(jiǎn)單[5]。

研究中采集到的圖像是灰度圖像，圖中的影子邊界和坐標(biāo)標(biāo)量邊界與背景有些模糊，但圖像和背景的對(duì)比度比較高，產(chǎn)生的假邊緣點(diǎn)少，因此通過(guò)閥值分割就能將圖像與背景分割（見(jiàn)圖2）。

圖像閥值分割的關(guān)鍵技術(shù)是閥值的選取，常用的閾值選取方法有直方圖谷底閥值法、迭代選擇閥值法、最大熵法、最大類(lèi)間方差法以及其它一些方法。用以上方法依次對(duì)圖1（b）圖像進(jìn)行分割，所得結(jié)果如表1所示。經(jīng)過(guò)數(shù)據(jù)和分割效果對(duì)比，迭代選擇閥值法獲取的閥值為最佳閥值。

2.3 邊緣檢測(cè)

要想準(zhǔn)確獲取太陽(yáng)高度角和方位角就需要準(zhǔn)確檢測(cè)出影子的像素長(zhǎng)度、圖像標(biāo)準(zhǔn)長(zhǎng)度像素值和坐標(biāo)方向。為了獲取這些參數(shù)，采用了邊緣檢測(cè)算子。

檢測(cè)步驟如下：

（1）對(duì)坐標(biāo)方塊的坐標(biāo)位置（左方格的左上方坐標(biāo)和右下方坐標(biāo)、右方格的右上方坐標(biāo)和左下方坐標(biāo)）進(jìn)行初始化；

（2）通過(guò)雙重循環(huán)逐行逐列的掃描搜索獲取四個(gè)坐標(biāo)位置的真實(shí)坐標(biāo)值；

（3）設(shè)計(jì)算法，構(gòu)建東西方向向量，計(jì)算標(biāo)準(zhǔn)長(zhǎng)度的像素值，并標(biāo)出影子圖像所在區(qū)域；

（4）在區(qū)域下方掃描搜索影子圖像標(biāo)出邊緣點(diǎn)；

（5）設(shè)計(jì)算法，構(gòu)建影子的方向向量，計(jì)算影子的像素長(zhǎng)度。

3 太陽(yáng)方位角和高度角計(jì)算

經(jīng)邊緣檢測(cè)，獲取了坐標(biāo)標(biāo)量方塊的四個(gè)坐標(biāo)點(diǎn)和影子圖像的兩端邊緣點(diǎn)，并已通過(guò)算法確定了東西方向向量、影子方向向量、標(biāo)準(zhǔn)長(zhǎng)度的像素值和影子的像素長(zhǎng)度值。通過(guò)GUI界面輸入直桿的長(zhǎng)度和坐標(biāo)標(biāo)定單位長(zhǎng)度就可準(zhǔn)確地計(jì)算出太陽(yáng)方位角和高度角。

將基于視覺(jué)技術(shù)檢測(cè)到太陽(yáng)高度角和方位角與精度較高的SPA算法計(jì)算[6，7，8]的太陽(yáng)高度角和方位角進(jìn)行對(duì)比。

實(shí)驗(yàn)數(shù)據(jù)采集地點(diǎn)為北緯N39°37′2.67″ 、東經(jīng)E109°48′50.29″；采集日期為2016年3月5日。

4 結(jié)論

基于覺(jué)技術(shù)檢測(cè)獲取的太陽(yáng)視位置精度高，采集原理可行性高，影子圖像輪廓易于提取，圖像前期處理所需步驟少，大大提高了算法處理速度，消除了以往太陽(yáng)跟蹤時(shí)間滯后和實(shí)時(shí)性低的不利影響[9]。

參考文獻(xiàn)：

[1]杜春旭，王普，馬重芳等.一種高精度太陽(yáng)位置算法[J].新能源及工藝，2010（02）：41-48.

[2]張春雪.圖像的邊緣檢測(cè)方法研究[D].無(wú)錫：江南大學(xué)，2011.

[3]王東江，劉亞軍.太陽(yáng)自動(dòng)跟蹤控制系統(tǒng)的設(shè)計(jì)[J].數(shù)字技術(shù)與應(yīng)用，2010（07）：19-25.

[4]張錚，王艷平，薛桂香等.數(shù)字圖像處理與機(jī)器視覺(jué)――Visual C++與Matlab實(shí)現(xiàn)[M].北京：人民郵電出版社，2010：361.

[5]徐平，邵定宏，魏楹等.最佳閥值分割和輪廓提取技術(shù)及其應(yīng)用[J].計(jì)算機(jī)工程與設(shè)計(jì).2009，30（02）：437-439.

[6]張菲菲.關(guān)于日出日落方位的淺析[J].城市地理，2015：76.

[7]金衛(wèi)東.揭開(kāi)太陽(yáng)方位角的神秘面紗[J].求學(xué)，2015（05）：53-54.

[8]王國(guó)安，米鴻濤，鄧天宏等.太陽(yáng)高度角和日出日落時(shí)刻太陽(yáng)方位角一年變化范圍的計(jì)算[J].氣象與環(huán)境科學(xué)，2007（30）：161-164.

[9]李平陽(yáng).基于圖像處理的太陽(yáng)質(zhì)心位置檢測(cè)算法研究[D].太陽(yáng)科技大學(xué)，2013.

第8篇：計(jì)算機(jī)視覺(jué)技術(shù)范文

【關(guān)鍵詞】云計(jì)算 web數(shù)據(jù)挖掘 運(yùn)用 控制層

1 云計(jì)算與web數(shù)據(jù)挖掘

1.1 云計(jì)算的概念

所謂云計(jì)算，具體是指將分布式、網(wǎng)絡(luò)存儲(chǔ)、網(wǎng)格計(jì)算、并行計(jì)算以及虛擬化技術(shù)有效融合而形成的技術(shù)，是計(jì)算機(jī)技術(shù)蓬勃發(fā)展的最終產(chǎn)物。

1.2 云計(jì)算的關(guān)鍵技術(shù)

1.2.1 數(shù)據(jù)管理技術(shù)

系統(tǒng)處理能夠?yàn)橛脩籼峁└鼮閮?yōu)質(zhì)的高質(zhì)量服務(wù)，進(jìn)而可以通過(guò)此技術(shù)手段進(jìn)行管理數(shù)據(jù)。此外，管理技術(shù)的廣泛應(yīng)用，還能夠進(jìn)一步解決存在的問(wèn)題，對(duì)于數(shù)據(jù)集的整合和處理來(lái)說(shuō)，提供了充足的數(shù)據(jù)參考。

1.2.2 虛擬化技術(shù)

作為一種特別有效資源合理分配劃分的方式，可以將不同等級(jí)的系統(tǒng)進(jìn)行孤立，進(jìn)而實(shí)現(xiàn)存儲(chǔ)、服務(wù)器與設(shè)備之間的劃分，從中凸顯出應(yīng)用系統(tǒng)的實(shí)質(zhì)性作用，實(shí)現(xiàn)體系結(jié)構(gòu)與管理技術(shù)的廣泛應(yīng)用。

1.2.3 分布式存儲(chǔ)技術(shù)

運(yùn)存儲(chǔ)數(shù)據(jù)主要就是采用分布式的存儲(chǔ)方式，這種方式在某種程度上來(lái)說(shuō)，可以有效的保障數(shù)據(jù)的可靠性，同時(shí)也具備一定的經(jīng)濟(jì)性。

1.3 web數(shù)據(jù)挖掘技術(shù)

通常情況下，我們將web數(shù)據(jù)挖掘成為網(wǎng)絡(luò)挖掘，其根本原因是基于互聯(lián)網(wǎng)與數(shù)據(jù)挖掘技術(shù)而形成的。由于當(dāng)前互聯(lián)網(wǎng)中數(shù)量是非常龐大的，而運(yùn)用web能夠準(zhǔn)確的尋找到有價(jià)值的信息。在web數(shù)據(jù)挖掘技術(shù)領(lǐng)域當(dāng)中，主要是基于機(jī)器學(xué)習(xí)、統(tǒng)計(jì)學(xué)、數(shù)據(jù)庫(kù)技術(shù)以及神經(jīng)網(wǎng)絡(luò)等分支來(lái)構(gòu)成的。在web數(shù)據(jù)挖掘技術(shù)運(yùn)用的過(guò)程中，由于和傳統(tǒng)挖掘技術(shù)相比，在挖掘方式與挖掘?qū)ο蠓矫媸谴嬖谥^大差異的，因此在流程方面是完全不同的。通常來(lái)說(shuō)，web數(shù)據(jù)挖掘的流程主要可分為四個(gè)部分，分別為搜索信息、信息預(yù)處理、模式發(fā)現(xiàn)以及模式分析。

2 基于云計(jì)算平臺(tái)的web數(shù)據(jù)挖掘體系架構(gòu)

2.1 服務(wù)層

服務(wù)層的功能是用戶與web數(shù)據(jù)挖掘之間的交互。在操作過(guò)程中，服務(wù)層能夠?qū)⒂脩舻恼?qǐng)求接收，并通過(guò)轉(zhuǎn)化的方式向web數(shù)據(jù)挖掘發(fā)送指令，然后web數(shù)據(jù)挖掘?qū)⒌玫降馁Y源返回到用戶。

2.2 控制層

在web數(shù)據(jù)挖掘執(zhí)行的過(guò)程中，控制層處于核心地位，其根本原因是在云計(jì)算平臺(tái)當(dāng)中，所有的數(shù)據(jù)挖掘的相關(guān)操作都是由控制層來(lái)操作與控制的。具體來(lái)說(shuō)，主控節(jié)點(diǎn)會(huì)根據(jù)用戶所提出的需求，來(lái)對(duì)最合理的web數(shù)據(jù)挖掘算法來(lái)進(jìn)行選擇，然后將算法的階段傳輸?shù)襟w系架構(gòu)當(dāng)中的各個(gè)節(jié)點(diǎn)當(dāng)中，在挖掘任務(wù)完成后則會(huì)傳輸?shù)椒?wù)層，最終展現(xiàn)給用戶。

2.3 算法和數(shù)據(jù)存儲(chǔ)層

在基于云計(jì)算平臺(tái)的web數(shù)據(jù)挖掘的體系架構(gòu)當(dāng)中，數(shù)據(jù)存儲(chǔ)層的功能是對(duì)各種類(lèi)型的算法進(jìn)行存儲(chǔ)，當(dāng)接收到用戶所發(fā)出的信息后，在算法進(jìn)行選擇后存儲(chǔ)到數(shù)據(jù)存儲(chǔ)層，以實(shí)現(xiàn)對(duì)數(shù)據(jù)的備份。即便在挖掘過(guò)程中出現(xiàn)意外，也能夠瞬間將數(shù)據(jù)恢復(fù)。

2.4 業(yè)務(wù)處理層

眾所周知，在web挖掘技術(shù)當(dāng)中得到的數(shù)據(jù)與信息，是經(jīng)過(guò)數(shù)據(jù)存儲(chǔ)層的解析后，轉(zhuǎn)化為XML文件。對(duì)此，業(yè)務(wù)處理層的職責(zé)就是將分配的任務(wù)進(jìn)行處理，在操作完成后返回到控制層，最終由控制層傳輸?shù)椒?wù)層。

3 基于云計(jì)算的web數(shù)據(jù)挖掘技術(shù)運(yùn)用

3.1 數(shù)據(jù)的收集和處理

在數(shù)據(jù)的收集和處理過(guò)程中，需要將用戶訪問(wèn)數(shù)據(jù)與web機(jī)器人訪問(wèn)數(shù)據(jù)相分離，那么則需要運(yùn)用到?jīng)Q策樹(shù)工具。除此之外，基于云計(jì)算平臺(tái)的web數(shù)據(jù)挖掘算法，在對(duì)數(shù)據(jù)進(jìn)行篩選與整合后，將其轉(zhuǎn)化為半結(jié)構(gòu)化的XML文件，并將其保存到分布式文件體系當(dāng)中。其中，具有代表性的谷歌公司所研發(fā)的Map-Reduce編程，這種編程模式將負(fù)載均衡、并行化以及數(shù)據(jù)布局有效的融合。在操作階段，數(shù)據(jù)的流程包含兩個(gè)階段，分別為Map階段與Reduce階段。借助于此編程方式，所收集得到的數(shù)據(jù)量更大，但是需注意的是，系統(tǒng)本身并不包含搜集數(shù)據(jù)與保存掃面的功能，再加上應(yīng)用程序在使用的過(guò)程中，還會(huì)運(yùn)用到歷史數(shù)據(jù)的功能，因此對(duì)于系統(tǒng)的性能具有一定的負(fù)面影響。截止到目前，構(gòu)建相關(guān)系統(tǒng)項(xiàng)目的研究機(jī)構(gòu)是逐漸增多的，其中具有代表性的有Aurora以及STREAM等。

3.2 數(shù)據(jù)存儲(chǔ)

當(dāng)數(shù)據(jù)進(jìn)行收集之后，需要進(jìn)行科學(xué)合理的數(shù)據(jù)處理，當(dāng)完成收集和處理任務(wù)之后，應(yīng)該將數(shù)據(jù)存儲(chǔ)起來(lái)，以保證可以對(duì)日后的使用起到一定的便捷作用，數(shù)據(jù)在存儲(chǔ)的同時(shí)，應(yīng)該始終堅(jiān)持以云計(jì)算為重要的存儲(chǔ)數(shù)據(jù)流程設(shè)定基礎(chǔ)，這樣可以有效的保障數(shù)據(jù)的穩(wěn)定性，對(duì)數(shù)據(jù)的存儲(chǔ)起到一定的促進(jìn)作用。在現(xiàn)階段以云計(jì)算為核心的web數(shù)據(jù)存儲(chǔ)領(lǐng)域當(dāng)中，主要被劃分為開(kāi)源系統(tǒng)與非開(kāi)源系統(tǒng)。其中，前者運(yùn)用最多的為hdfs系統(tǒng)，該系統(tǒng)是由hadoop公司所開(kāi)發(fā)的；而后者運(yùn)用最多的是gfs系統(tǒng)，該系統(tǒng)是由谷歌公司所開(kāi)發(fā)的?？偟膩?lái)說(shuō)，在各項(xiàng)技術(shù)蓬勃發(fā)展的過(guò)程中，在云計(jì)算平臺(tái)中，web數(shù)據(jù)挖掘技術(shù)的運(yùn)用范圍是不斷擴(kuò)展與延伸的。在此背景下，云計(jì)算平臺(tái)的web數(shù)據(jù)挖掘技術(shù)不但搜索效率方面有著明顯的提升，同時(shí)在數(shù)據(jù)處理效率方面的提升也是非常顯著的。

4 結(jié)論

通過(guò)全文的分析，能夠看出重點(diǎn)是對(duì)于云計(jì)算以及數(shù)據(jù)挖掘技術(shù)進(jìn)行具體的探索和分析，明確在云計(jì)算技術(shù)基礎(chǔ)上，數(shù)據(jù)挖掘技術(shù)得到了較大程度上的創(chuàng)新發(fā)展，其未來(lái)的發(fā)展前景非常的寬廣。與此同時(shí)，相信在云計(jì)算領(lǐng)域蓬勃發(fā)展的背景下，web數(shù)據(jù)挖掘在云計(jì)算的未來(lái)發(fā)展發(fā)揮出了巨大的推動(dòng)力。

參考文獻(xiàn)

[1]蔡興旺，段夢(mèng)博.云計(jì)算及其在數(shù)據(jù)挖掘上的應(yīng)用研究[J].電腦知識(shí)與技術(shù)，2010（22）.

[2]劉帥，蔣貴凰.數(shù)據(jù)挖掘的現(xiàn)狀及發(fā)展趨勢(shì)研究分析[J].現(xiàn)代商業(yè)，2015（33）.

[3]吳銳，孫銀香.云計(jì)算平臺(tái)下的Web數(shù)據(jù)挖掘研究[J].網(wǎng)絡(luò)安全技術(shù)與應(yīng)用，2014（08）.

第9篇：計(jì)算機(jī)視覺(jué)技術(shù)范文

【 關(guān)鍵詞 】 云計(jì)算；數(shù)據(jù)挖掘；平臺(tái)架構(gòu)；設(shè)計(jì)和實(shí)現(xiàn)；探究

1 引言

近年來(lái)，隨著科學(xué)技術(shù)的飛速發(fā)展，大量的數(shù)據(jù)被存儲(chǔ)到計(jì)算機(jī)等存儲(chǔ)介質(zhì)當(dāng)中。通常情況下，所存儲(chǔ)的數(shù)據(jù)多是復(fù)雜的、數(shù)據(jù)量較大的等。因此，難以通過(guò)人工而直接獲得。尤其是在科研或是商業(yè)發(fā)展領(lǐng)域中，需要對(duì)海量的數(shù)據(jù)進(jìn)行分析，從而找出更多有價(jià)值的信息。為解決上述問(wèn)題，很多研究人員聚集在一起，研究出一種新型的數(shù)據(jù)挖掘技術(shù)。

近來(lái)，由于計(jì)算機(jī)技術(shù)、云計(jì)算技術(shù)的飛速發(fā)展，大量的數(shù)據(jù)都存儲(chǔ)到了網(wǎng)絡(luò)當(dāng)中，而這些海量的、復(fù)雜式的數(shù)據(jù)信息給數(shù)據(jù)挖掘系統(tǒng)的實(shí)現(xiàn)帶來(lái)很多的難題，如數(shù)據(jù)相對(duì)復(fù)雜，現(xiàn)有的計(jì)算能力難以達(dá)到技術(shù)要求，而可以借助云計(jì)算數(shù)據(jù)挖掘技術(shù)可提升處理復(fù)雜數(shù)據(jù)的能力。

2 云計(jì)算數(shù)據(jù)挖掘系統(tǒng)架構(gòu)設(shè)計(jì)的分析

2.1 目標(biāo)系統(tǒng)模型

在云計(jì)算環(huán)境下，構(gòu)建目標(biāo)系統(tǒng)為各種終端用戶提供高透明化的界面服務(wù)，并且在此基礎(chǔ)上也提供了開(kāi)放式的接口支持。這樣一來(lái)，用戶不僅能夠通過(guò)終端訪問(wèn)用戶訪問(wèn)來(lái)使用系統(tǒng)，也或是利用其它應(yīng)用程序調(diào)用開(kāi)放式接口間接式的應(yīng)用系統(tǒng)服務(wù)。不管遇到上述哪一種情形，用戶都無(wú)需對(duì)系統(tǒng)實(shí)現(xiàn)而擔(dān)心其存儲(chǔ)能力，只需考慮要選擇何種算法進(jìn)行處理，最后通過(guò)任務(wù)形式部署給系統(tǒng)獲得所需的挖掘結(jié)果。除此之外，云計(jì)算環(huán)境下的數(shù)據(jù)挖據(jù)平臺(tái)中得模塊都是利用用戶界面和開(kāi)放式接口提供服務(wù)的。其中，由開(kāi)放式接口提供的服務(wù)均為外部可見(jiàn)服務(wù)。而當(dāng)涉及到高級(jí)權(quán)限使用功能時(shí)，可通過(guò)用戶界面直接調(diào)用開(kāi)放式接口服務(wù)功能。

2.2 功能層次框架設(shè)計(jì)

2.2.1算法層

該層主要是利用下一層所提供的統(tǒng)一數(shù)據(jù)源來(lái)調(diào)用相關(guān)算法及對(duì)接口進(jìn)行合理的管理。由于不同算法的執(zhí)行順序和得到的結(jié)果有所不同而分開(kāi)的。例如數(shù)據(jù)清洗算法服務(wù)，它是針對(duì)具有噪聲數(shù)據(jù)的數(shù)據(jù)及在應(yīng)用數(shù)據(jù)挖掘算法前需要進(jìn)行接口服務(wù)調(diào)用，把清洗后的數(shù)據(jù)利用數(shù)據(jù)層再儲(chǔ)存到云計(jì)算平臺(tái)中，為后續(xù)數(shù)據(jù)挖掘工作提供更好的服務(wù)；數(shù)據(jù)挖掘調(diào)用服務(wù)，在應(yīng)用該服務(wù)之前，將已清洗的及不需要清洗的數(shù)據(jù)利用數(shù)據(jù)挖掘技術(shù)統(tǒng)一對(duì)數(shù)據(jù)進(jìn)行調(diào)用。

2.2.2應(yīng)用層

和其它層相比，該層的抽象性較強(qiáng)，它是把海量數(shù)據(jù)挖掘涉及到的數(shù)據(jù)、算法等之間的內(nèi)在關(guān)系描述成任務(wù)，同時(shí)提供提供應(yīng)用調(diào)用服務(wù)和維護(hù)接口等。

2.2.3用戶層

該層主要為用戶提供身份驗(yàn)證和授權(quán)等功能。

2.3 設(shè)計(jì)關(guān)鍵點(diǎn)

2.3.1插件系統(tǒng)設(shè)計(jì)

插件是結(jié)合相應(yīng)的應(yīng)用程序開(kāi)發(fā)接口規(guī)范而實(shí)現(xiàn)的一種程序。其中，任何一個(gè)插件都是由三大部分構(gòu)成的，即擴(kuò)展點(diǎn)、業(yè)務(wù)邏輯、調(diào)用下層擴(kuò)展點(diǎn)，并且這三者都是由相同的負(fù)責(zé)模塊管理幫頂包跟各種服務(wù)所構(gòu)成的。另外，每個(gè)綁定包涉及到一個(gè)服務(wù)說(shuō)明接口與多個(gè)服務(wù)調(diào)用接口兩種類(lèi)型的接口。要求綁定包接口必須滿足相關(guān)規(guī)范要求，若把插件防止到平臺(tái)的某個(gè)特定目錄下，能夠識(shí)別和加載該動(dòng)態(tài)。除此之外，算法實(shí)現(xiàn)不同于以往針對(duì)特定個(gè)數(shù)、排列數(shù)據(jù)而實(shí)現(xiàn)。它是在滿足實(shí)現(xiàn)算法的基礎(chǔ)上，利用抽象數(shù)據(jù)提供更多的兼容性。盡管這種算法實(shí)現(xiàn)存在很大的難度，但其算法的復(fù)用性有了顯著提升。

2.3.2開(kāi)放接口設(shè)計(jì)

通常情況下，開(kāi)放接口主要被應(yīng)用數(shù)據(jù)挖掘平臺(tái)的開(kāi)發(fā)使用。利用上述接口，開(kāi)發(fā)者能夠更好地利用數(shù)據(jù)挖掘平臺(tái)提供的資源及數(shù)據(jù)服務(wù)。為實(shí)現(xiàn)開(kāi)放接口高效性、直觀性的目的，其平臺(tái)接口主要應(yīng)用的是表述性狀態(tài)轉(zhuǎn)移接口，英文縮寫(xiě)為：REST。該類(lèi)接口的優(yōu)勢(shì)在于為無(wú)態(tài)型。也就是說(shuō)，在同一個(gè)局域網(wǎng)中，瀏覽器中的緩沖裝置可替代服務(wù)的重復(fù)調(diào)用。這樣一來(lái)，不僅能夠有效減輕服務(wù)器的運(yùn)行負(fù)擔(dān)，而且若用戶量過(guò)多造成底層服務(wù)影響整個(gè)系統(tǒng)的運(yùn)行，而此時(shí)可利用橫向服務(wù)器數(shù)量的增加擴(kuò)展線性的吞吐量。因此，利用云計(jì)算平臺(tái)，能夠?yàn)橛脩籼峁o(wú)窮大的數(shù)據(jù)吞吐能力，滿足系統(tǒng)的性能要求。

3 云計(jì)算數(shù)據(jù)挖掘平臺(tái)架構(gòu)的實(shí)現(xiàn)

3.1 開(kāi)發(fā)環(huán)境

Google的云計(jì)算開(kāi)發(fā)環(huán)境主要為App Engine。當(dāng)遇到重載或是數(shù)據(jù)量非常的情形時(shí)，也能輕松構(gòu)建安全的應(yīng)用程序。這是因?yàn)榇谁h(huán)境的優(yōu)勢(shì)在于可提供動(dòng)態(tài)服務(wù)、自動(dòng)擴(kuò)展等。

3.2 開(kāi)發(fā)思想和技術(shù)

3.2.1原型開(kāi)發(fā)模型

首先，需進(jìn)行快速分析。在相關(guān)人員和用戶的共同合作下，可準(zhǔn)確確定出系統(tǒng)的需求，再結(jié)合原型的特征描述需求，來(lái)滿足開(kāi)發(fā)原型的需求。其次，原型的建構(gòu)。在經(jīng)過(guò)分析的基礎(chǔ)上，結(jié)合需求快速建構(gòu)一可行性較高的系統(tǒng)。在此情況下，需要有相應(yīng)的軟件工具提供可靠的技術(shù)支持，同時(shí)不考慮系統(tǒng)細(xì)節(jié)方面的具體要求。再次，原型的運(yùn)行。此環(huán)節(jié)是為及時(shí)發(fā)現(xiàn)問(wèn)題，從而快速消除問(wèn)題的一個(gè)關(guān)鍵環(huán)節(jié)。最后，對(duì)原型的評(píng)價(jià)。原型運(yùn)行的前提下，對(duì)原型的特性予以科學(xué)性的考核，對(duì)運(yùn)行結(jié)果能否滿足用戶期望而進(jìn)行分析。而針對(duì)該過(guò)程中存在的錯(cuò)誤或是增添的新要求等，提供合理性的修改建議和意見(jiàn)。

3.2.2基于WSGI規(guī)范的開(kāi)發(fā)

通過(guò)分析可知，在基于WSGI規(guī)范基礎(chǔ)上的開(kāi)發(fā)具有很多的優(yōu)勢(shì)。其根本目的是提升系統(tǒng)的可用性和實(shí)現(xiàn)跨平臺(tái)性操作。因此，基于WSGI規(guī)范的實(shí)現(xiàn)遠(yuǎn)比傳統(tǒng)的C/S模塊使用簡(jiǎn)單的多。用戶通過(guò)對(duì)瀏覽器來(lái)訪問(wèn)系統(tǒng)，同時(shí)增加了用戶的終端的可選擇性。此外，由于WSGI規(guī)范是在Python的語(yǔ)言環(huán)境下而實(shí)現(xiàn)的。而該種語(yǔ)言屬于一種跨平臺(tái)性開(kāi)發(fā)語(yǔ)言。這樣一來(lái)，不管是把已開(kāi)發(fā)的系統(tǒng)放置到云計(jì)算平臺(tái)上還是在本地開(kāi)發(fā)應(yīng)用都是極其方便的。

3.3 開(kāi)發(fā)步驟

3.3.1算法模塊插件系統(tǒng)

算法模塊主要涉及到數(shù)據(jù)集清洗算法、數(shù)據(jù)挖掘算法、結(jié)果可視化算法等多種。而一個(gè)完整的執(zhí)行過(guò)程必須在原始數(shù)據(jù)集的噪聲及不規(guī)則數(shù)據(jù)的情況下借助數(shù)據(jù)集清洗算法把數(shù)據(jù)集統(tǒng)一進(jìn)行整理。也或者是由異狗、分布式等數(shù)據(jù)源中轉(zhuǎn)化而得到，再自動(dòng)生成規(guī)則的數(shù)據(jù)集。將這些規(guī)則的數(shù)據(jù)集利用數(shù)據(jù)挖掘算法予以處理，進(jìn)而獲得數(shù)據(jù)挖掘結(jié)果信息，再經(jīng)過(guò)可視化算法的處理，最終將數(shù)據(jù)信息傳遞給用戶。其中，任何一個(gè)環(huán)節(jié)數(shù)據(jù)的調(diào)用都必須利用REST接口而實(shí)現(xiàn)，并且接口間的數(shù)據(jù)信息轉(zhuǎn)換和傳遞都是采用XML格式。特別是近年來(lái)，由于數(shù)據(jù)挖掘平臺(tái)各種算法模塊插件的出現(xiàn)，這樣一來(lái)，云計(jì)算平臺(tái)下的數(shù)據(jù)挖掘平臺(tái)所提供的功能也會(huì)逐步增多。

3.3.2數(shù)據(jù)集訪問(wèn)模塊

該模塊的實(shí)現(xiàn)和上述算法模塊插件系統(tǒng)實(shí)現(xiàn)具有很多相同點(diǎn)。它也是通過(guò)插件方式進(jìn)行維護(hù)和調(diào)用的。尤其是在訪問(wèn)數(shù)據(jù)集的過(guò)程中，其訪問(wèn)模塊文件被索引處在被用戶調(diào)用的狀態(tài)。而和算法模塊插件系統(tǒng)的不同之處是在調(diào)用數(shù)據(jù)集訪問(wèn)模塊前，系統(tǒng)自動(dòng)把數(shù)據(jù)機(jī)實(shí)例文件解析成若干個(gè)元數(shù)據(jù)組合及物理訪問(wèn)地址，最后把此類(lèi)數(shù)據(jù)組合成字典類(lèi)型結(jié)構(gòu)的參數(shù)傳遞到數(shù)據(jù)機(jī)訪問(wèn)模塊中。

4 結(jié)束語(yǔ)

總體來(lái)說(shuō)，在云計(jì)算平臺(tái)下的數(shù)據(jù)挖掘系統(tǒng)逐步趨于完善，增強(qiáng)了數(shù)據(jù)規(guī)約的功能，從而更好地解決異構(gòu)數(shù)據(jù)訪問(wèn)的問(wèn)題。同時(shí)在App Engin開(kāi)發(fā)平臺(tái)上，設(shè)計(jì)出一套更為完善的數(shù)據(jù)挖掘系統(tǒng)，提升了云計(jì)算和數(shù)據(jù)挖掘技術(shù)結(jié)合的可靠性與高效性。文章主要針對(duì)基于云計(jì)算的數(shù)據(jù)挖掘平臺(tái)架構(gòu)設(shè)計(jì)與實(shí)現(xiàn)予以深入的研究，并且對(duì)今后云計(jì)算環(huán)境下的數(shù)據(jù)挖掘系統(tǒng)的延伸發(fā)展予以展望，希望能夠通過(guò)論述對(duì)讀者產(chǎn)生一些積極影響。

參考文獻(xiàn)

[1] 楊慶平.基于云計(jì)算的數(shù)據(jù)挖掘平臺(tái)架構(gòu)及其關(guān)鍵技術(shù)研究[J].中興通訊技術(shù)，2013，19（1）；122-123.

[2] 黃章樹(shù).基于云計(jì)算服務(wù)模式的數(shù)據(jù)挖掘應(yīng)用平臺(tái)的構(gòu)建[J].電信科學(xué)，2012，28（1）；138-139.

[3] 莊福振.基于云計(jì)算的大數(shù)據(jù)挖掘平臺(tái)[J].中興通訊技術(shù)，2013，19（4）；130-131.

作者簡(jiǎn)介：