導(dǎo)語(yǔ)：如何才能寫(xiě)好一篇計(jì)算機(jī)視覺(jué)的主要任務(wù)，這就需要搜集整理更多的資料和文獻(xiàn)，歡迎閱讀由公文云整理的十篇范文，供你借鑒。

篇1

1計(jì)算機(jī)視覺(jué)的概述及基本體系結(jié)構(gòu)

1.1計(jì)算機(jī)視覺(jué)概述

通過(guò)使用計(jì)算機(jī)和相關(guān)設(shè)備，對(duì)生物視覺(jué)進(jìn)行模擬的方式，就是計(jì)算機(jī)視覺(jué)。對(duì)采集到的圖片或視頻進(jìn)行相應(yīng)的技術(shù)處理，從而獲得相應(yīng)的三維信息場(chǎng)景，是計(jì)算機(jī)視覺(jué)的主要任務(wù)。計(jì)算機(jī)視覺(jué)是一門(mén)學(xué)問(wèn)，它就如何通過(guò)計(jì)算機(jī)和照相機(jī)的運(yùn)用，使人們獲得被拍攝對(duì)象的數(shù)據(jù)與信息所需等問(wèn)題進(jìn)行研究。簡(jiǎn)單的說(shuō)，就是讓計(jì)算機(jī)通過(guò)人們給其安裝上的“大腦”和“眼睛”，對(duì)周圍環(huán)境進(jìn)行感知。計(jì)算機(jī)視覺(jué)是一門(mén)綜合性學(xué)科，在各個(gè)領(lǐng)域都有所作為，已經(jīng)吸引了各個(gè)領(lǐng)域的研究者對(duì)其研究。同時(shí)，計(jì)算機(jī)視覺(jué)也是科學(xué)領(lǐng)域中一個(gè)具有重要挑戰(zhàn)性的研究。

1.2計(jì)算機(jī)視覺(jué)領(lǐng)域基本體系結(jié)構(gòu)

提出第一個(gè)較為完善的視覺(jué)系統(tǒng)框架的是Marr，他從信息處理系統(tǒng)角度出發(fā)，結(jié)合圖像處理、心理物理學(xué)等多領(lǐng)域的研究成果，提出被計(jì)算機(jī)視覺(jué)工作者基本接受的計(jì)算機(jī)視覺(jué)系統(tǒng)框架。在此基礎(chǔ)上，研究者們針對(duì)視覺(jué)系統(tǒng)框架的各個(gè)角度、各個(gè)階段、各個(gè)功能進(jìn)行分析研究，得出了計(jì)算機(jī)視覺(jué)系統(tǒng)的基本體系結(jié)構(gòu)，如圖1。

2計(jì)算機(jī)視覺(jué)在交通領(lǐng)域的應(yīng)用

2.1牌照識(shí)別

車輛的唯一身份是車輛牌照。在檢測(cè)違規(guī)車輛、稽查被盜車輛和管理停車場(chǎng)工作中，車輛牌照的有效識(shí)別與檢測(cè)具有重要的作用和應(yīng)用價(jià)值。然而在實(shí)際應(yīng)用工作中，雖然車牌識(shí)別技術(shù)相對(duì)成熟，但是由于受到拍攝角度、光照、天氣等因素的影響，車牌識(shí)別技術(shù)仍需改善。車牌定位技術(shù)、車牌字符識(shí)別技術(shù)和車牌字符分割技術(shù)是組成車牌識(shí)別技術(shù)的重要部分。

2.2車輛檢測(cè)

目前，城市交通路口處紅綠燈的間隔時(shí)間是固定不變的，但是受交通路口的位置不同、時(shí)間不同的影響，每個(gè)交通路口的交通流量也是持續(xù)變化的。此外，對(duì)于某些交通區(qū)域來(lái)說(shuō)，公共資源的配備，比如交通警察、交通車輛的數(shù)量是有限的。如果能根據(jù)計(jì)算機(jī)視覺(jué)技術(shù)，對(duì)交通路口的不同時(shí)間、不同位置的交通情況進(jìn)行分析計(jì)算，并對(duì)交通流量進(jìn)行預(yù)測(cè)，有利于為交通警察縮短出警時(shí)間、為交通路口的紅綠燈根據(jù)實(shí)際情況設(shè)置動(dòng)態(tài)變化等技術(shù)提供支持。

2.3統(tǒng)計(jì)公交乘客人數(shù)

城市公共交通的核心內(nèi)容是城市公交調(diào)度問(wèn)題，一個(gè)城市如何合理的解決公交調(diào)度問(wèn)題，是緩解城市運(yùn)力和運(yùn)量矛盾，緩解城市交通緊張的有效措施。城市公交調(diào)度問(wèn)題，為公交公司與乘客的平衡利益，為公交公司的經(jīng)濟(jì)利益和社會(huì)效益的提高做出了巨大的貢獻(xiàn)。由于在不同的地域、不同的時(shí)間，公交客流會(huì)存在不均衡性，高峰時(shí)段的公交乘客過(guò)多，平峰時(shí)段的公交乘客過(guò)少，造成了公交調(diào)度不均衡問(wèn)題，使有限資源浪費(fèi)嚴(yán)重。在計(jì)算機(jī)視覺(jué)智能公交系統(tǒng)中，自動(dòng)乘客計(jì)數(shù)技術(shù)是其關(guān)鍵技術(shù)。自動(dòng)乘客計(jì)數(shù)技術(shù)，是對(duì)乘客上下車的時(shí)間和地點(diǎn)自動(dòng)收集的最有效的技術(shù)之一。根據(jù)其收集到的數(shù)據(jù)，從時(shí)間和地點(diǎn)兩方面對(duì)客流分析，為城市公交調(diào)度進(jìn)行合理的安排。

2.4對(duì)車道偏離程度和駕駛員工作狀態(tài)判斷

交通事故的發(fā)生率隨著車輛數(shù)量的增加而增加。引發(fā)交通事故的重要因素之一就是駕駛員疲勞駕駛。據(jù)相關(guān)數(shù)據(jù)顯示，因車道偏離導(dǎo)致的交通事故在40%以上。其中，駕駛員的疲勞駕駛就是導(dǎo)致車道偏離的主要原因。針對(duì)此種現(xiàn)象，為減少交通事故的發(fā)生，計(jì)算機(jī)視覺(jué)中車道偏離預(yù)警系統(tǒng)被研究開(kāi)發(fā)并被廣泛應(yīng)用。針對(duì)駕駛員眨眼頻率，利用計(jì)算機(jī)視覺(jué)對(duì)駕駛員面部進(jìn)行圖像處理和分析，再根據(jù)疲勞駕駛關(guān)注度與眨眼頻率的關(guān)系，對(duì)駕駛員的工作狀態(tài)進(jìn)行判斷。此外，根據(jù)道路識(shí)別技術(shù)，對(duì)車輛行駛狀態(tài)進(jìn)行檢測(cè)，也是判斷駕駛員工作狀態(tài)的方法之一。這兩種方法，是目前基于計(jì)算機(jī)視覺(jué)的基礎(chǔ)上，檢測(cè)駕駛員疲勞狀態(tài)的有效方法。

2.5路面破損檢測(cè)

最常見(jiàn)的路面損壞方式就是裂縫。利用計(jì)算機(jī)視覺(jué)，及時(shí)發(fā)現(xiàn)路面破損情況，并在其裂縫程度嚴(yán)重之前進(jìn)行修補(bǔ)，有利于節(jié)省維護(hù)成本，也避免出現(xiàn)路面坍塌，車輛凹陷的情況發(fā)生。利用計(jì)算機(jī)視覺(jué)進(jìn)行路面檢測(cè)，相較于之前人工視覺(jué)檢測(cè)相比，有效提高了視覺(jué)檢測(cè)的效率，增強(qiáng)了自動(dòng)化程度，提高了安全性，為市民的出行安全帶來(lái)了更高保障。

3結(jié)論

本文從計(jì)算機(jī)視覺(jué)的概述，及計(jì)算機(jī)視覺(jué)基本體系結(jié)構(gòu)，和計(jì)算機(jī)視覺(jué)在交通領(lǐng)域中的應(yīng)用三面進(jìn)行分析，可見(jiàn)計(jì)算機(jī)視覺(jué)在交通領(lǐng)域中的廣泛應(yīng)用，在交通領(lǐng)域中應(yīng)用的有效性、顯著性，以此可得計(jì)算機(jī)視覺(jué)在現(xiàn)展過(guò)程中的重要性。隨著計(jì)算機(jī)視覺(jué)技術(shù)的越來(lái)越成熟，交通領(lǐng)域的檢測(cè)管理一定會(huì)加嚴(yán)格，更加安全。

作者:夏棟 單位:同濟(jì)大學(xué)軟件學(xué)院

參考文獻(xiàn):

[1]段里仁.智能交通系境在我國(guó)道路空通管理中的應(yīng)用[J].北方工業(yè)時(shí)報(bào),2015(06).

[2]王豐元.計(jì)算機(jī)視覺(jué)在建筑區(qū)間的應(yīng)用實(shí)例分析[J].河北電力學(xué)報(bào),2015(04).

[3]李釗稱.主動(dòng)測(cè)距技術(shù)在計(jì)算機(jī)數(shù)據(jù)分析中的作用探析[J].計(jì)算機(jī)應(yīng)用,2015(08).

[4]馬良紅.三維物體影像的攝取與分析[J].中國(guó)公路學(xué)報(bào),2014(05).

篇2

關(guān)鍵詞：對(duì)象輪廓；分水嶺；支持向量機(jī)；場(chǎng)景標(biāo)注

DOIDOI：10.11907/rjdk.171167

中圖分類號(hào)：TP301

文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1672-7800（2017）006-0015-04

0 引言

在計(jì)算機(jī)視覺(jué)領(lǐng)域，場(chǎng)景標(biāo)注[1]作為圖像分析的一個(gè)重要環(huán)節(jié)受到廣泛關(guān)注。場(chǎng)景標(biāo)注的主要任務(wù)是識(shí)別圖像中每個(gè)像素所屬類別。由于圖像常會(huì)受到不同光照強(qiáng)度、對(duì)象遮擋以及對(duì)象種類繁多和復(fù)雜的場(chǎng)景問(wèn)題，導(dǎo)致像素標(biāo)注錯(cuò)誤，無(wú)法很好地標(biāo)注對(duì)象輪廓，最終導(dǎo)致場(chǎng)景標(biāo)注效果不理想。因此，如何有效提取圖像中對(duì)象的整體信息，描述圖像對(duì)象輪廓，一直都是值得研究的問(wèn)題。

當(dāng)前的場(chǎng)景標(biāo)注方法是直接在圖像像素的基礎(chǔ)上訓(xùn)練模型，而單純?cè)谙袼厣嫌?xùn)練模型很難描述對(duì)象輪廓，從而使場(chǎng)景標(biāo)注難以獲得理想效果。基于此，本文提出一種基于支持向量機(jī)的場(chǎng)景標(biāo)注方法SVM-SLM（Scene labeling method based on support vector machine），通^訓(xùn)練圖像塊，有效解決了基于圖像中對(duì)象輪廓的描述問(wèn)題，在像素精確度上也有良好表現(xiàn)。

2 SVM-SLM方法描述

傳統(tǒng)的基于像素訓(xùn)練的場(chǎng)景標(biāo)注模型無(wú)法描述對(duì)象輪廓，會(huì)出現(xiàn)預(yù)測(cè)對(duì)象丟失和對(duì)象不完整的問(wèn)題，從而影響像素精度。文獻(xiàn)[2]、[ 3]、[4]研究的場(chǎng)景標(biāo)注方法時(shí)間開(kāi)銷過(guò)大，并且精確度不高。針對(duì)以上問(wèn)題本文提出了SVM-SLM方法，具體步驟如下：①采用結(jié)構(gòu)森林方法[5]生成圖像的邊緣概率圖；②將上述生成的邊緣概率圖用分水嶺方法將圖像劃分為初始圖像塊；③為防止分水嶺方法過(guò)度分割并且減少接下來(lái)的訓(xùn)練開(kāi)支，通過(guò)UCM算法選取閾值，優(yōu)化圖像塊；④對(duì)圖像塊提取特征，利用支持向量機(jī)訓(xùn)練圖像塊得到場(chǎng)景標(biāo)注結(jié)果，并實(shí)現(xiàn)具有良好精確度及輪廓效果的場(chǎng)景標(biāo)注方法。

3 生成圖像塊

邊緣檢測(cè)是計(jì)算機(jī)視覺(jué)系統(tǒng)中的一個(gè)重要環(huán)節(jié)，包括對(duì)象檢測(cè)[6]、目標(biāo)預(yù)測(cè)[7-8]以及場(chǎng)景分析[9]。邊緣形狀是目標(biāo)對(duì)象幾何形態(tài)描述的重要表現(xiàn)內(nèi)容，圖像中對(duì)象的輪廓往往來(lái)自于圖像的邊緣信息，所以有效提取圖像邊緣信息方法是關(guān)鍵。

傳統(tǒng)的水平集模型需把輪廓曲線演化的能量方程轉(zhuǎn)化為微分方程，進(jìn)而借助梯度下降法求得方程最優(yōu)解。這一過(guò)程不僅耗時(shí)，而且導(dǎo)致計(jì)算結(jié)果不穩(wěn)定?？紤]到一般圖像塊對(duì)圖像的局部特征表現(xiàn)效果很好，本文利用圖像塊對(duì)邊緣學(xué)習(xí)能力很強(qiáng)的特點(diǎn)，提出結(jié)構(gòu)森林[5]與分水嶺相結(jié)合的方法。首先利用結(jié)構(gòu)森林的學(xué)習(xí)方法建立隨機(jī)決策森林，學(xué)習(xí)每個(gè)像素的邊緣概率，生成邊緣概率圖，此過(guò)程不但解決了耗時(shí)問(wèn)題還取得了良好的邊緣檢測(cè)效果；再將邊緣概率帶入分水嶺方法生成初始圖像塊，得到包含輪廓信息的初始圖像塊，效果如圖2所示（彩圖見(jiàn)封二）。圖2（a）和圖2（d）測(cè)試為圖像，圖2（b）和圖2（e）為對(duì)應(yīng)的邊緣概率圖，圖2（c）和圖2（f）為初始圖像塊。

4 訓(xùn)練SVM模型

傳統(tǒng)的像素訓(xùn)練無(wú)法保留圖像中對(duì)象的輪廓信息，訓(xùn)練時(shí)單純對(duì)像素提取特征，忽略了像素之間的局部空間信息，不能很好表達(dá)圖像中像素之間的區(qū)域結(jié)構(gòu)信息。本文通過(guò)對(duì)帶有對(duì)象輪廓信息的圖像塊進(jìn)行訓(xùn)練，在進(jìn)行語(yǔ)義標(biāo)注的同時(shí)保留了對(duì)象輪廓信息。

采用核描述、核匹配方法，通過(guò)2*2網(wǎng)格模型提取像素的紋理特征、顏色特征和梯度特征，對(duì)應(yīng)于同一圖像塊的像素特征加權(quán)合并為圖像塊特征。隨機(jī)提取10塊圖像塊生成特征圖，利用支持向量機(jī)算法對(duì)圖像塊進(jìn)行訓(xùn)練，如圖4所示。

5 實(shí)驗(yàn)結(jié)果及分析

為了驗(yàn)證方法的有效性，圖像數(shù)據(jù)集采用Stanford Background數(shù)據(jù)庫(kù)[11]，數(shù)據(jù)庫(kù)共715幅復(fù)雜的戶外場(chǎng)景圖片，每張圖像大小為320×240像素，附有標(biāo)注好的正確語(yǔ)義圖片。每個(gè)像素劃分為一類，共8個(gè)類別，總計(jì)5 491萬(wàn)多像素標(biāo)記樣本，類別分別為天空、樹(shù)、馬路、草地、水、建筑物、山脈和前景對(duì)象。

實(shí)驗(yàn)隨機(jī)提取五組訓(xùn)練集和測(cè)試集依次帶入公共圖像塊閾值[0.1，0.2，0.3，0.4，0.5]進(jìn)行評(píng)估，每組訓(xùn)練集提取572個(gè)圖片，運(yùn)用本文方法分割成若干圖像塊，平均每組圖片被分割成5萬(wàn)多塊圖像塊，運(yùn)用支持向量機(jī)對(duì)這些圖像塊進(jìn)行訓(xùn)練。用剩余143個(gè)圖片作為測(cè)試集，平均分割成1萬(wàn)多個(gè)圖像塊進(jìn)行測(cè)試，并對(duì)每個(gè)像素進(jìn)行語(yǔ)義標(biāo)注。實(shí)驗(yàn)效果如圖5所示（彩圖見(jiàn)封二）。圖5（a）為部分測(cè)試圖像，圖5（b）為數(shù)據(jù)庫(kù)正確標(biāo)注圖像，圖5（c）為本文方法的場(chǎng)景標(biāo)注圖像，圖5（d）為標(biāo)注失準(zhǔn)圖，標(biāo)注錯(cuò)誤的像素呈黑色，正確的為白色。圖5下方8個(gè)色塊分別代表8個(gè)不同的類別。

利用結(jié)構(gòu)森林生成邊緣概率圖，將圖像邊緣作為對(duì)象輪廓候選區(qū)，提高了場(chǎng)景標(biāo)注對(duì)對(duì)象輪廓的標(biāo)注能力。再通過(guò)UCM算法優(yōu)化圖像塊，最終場(chǎng)景標(biāo)注結(jié)果如圖6所示。圖6表明，本文方法在人物、車輛、動(dòng)物等重要的前景對(duì)象輪廓細(xì)節(jié)上有較好的描述。

6 結(jié)語(yǔ)

場(chǎng)景標(biāo)注是計(jì)算機(jī)視覺(jué)技術(shù)的關(guān)鍵步驟。針對(duì)像素訓(xùn)練模型容易忽略圖像空間結(jié)構(gòu)信息，無(wú)法描述對(duì)象輪廓的問(wèn)題，提出一種基于支持向量機(jī)的場(chǎng)景標(biāo)注方法。通過(guò)結(jié)構(gòu)森林/UCM生成圖像塊，構(gòu)建支持向量機(jī)模型，訓(xùn)練得到場(chǎng)景標(biāo)注結(jié)果。實(shí)驗(yàn)表明該方法較好地描述了圖像中的對(duì)象輪廓，獲得了良好的精確度和標(biāo)注效果。但是，由于特征描述采用核描述提取特征，對(duì)部分圖像塊不能有效提取特征，導(dǎo)致部分圖像塊標(biāo)注不正確，影響了總體精確度。下一步的工作目標(biāo)是提高有效特征的提取，以獲取更高的精確度及場(chǎng)景標(biāo)注效果。

參考文獻(xiàn)：

[1]顧廣華，韓晰瑛，陳春霞，等.圖像場(chǎng)景語(yǔ)義分類研究進(jìn)展綜述[J].系統(tǒng)工程與電子技術(shù)，2016 （4）：936-948.

[2]馬成虎，董洪偉.一種基于深度學(xué)習(xí)的多尺度深度網(wǎng)絡(luò)的場(chǎng)景標(biāo)注算法[J].計(jì)算機(jī)工程與科學(xué)，2016，38（7）：58-63.

[3]MUNOZ D，BAGNELL J，HEBERT M.Stacked hierarchical labeling[C].European Conference on Computer Vision，2010：57-70.

[4]TIGHE J，LAZEBNIK S.Superparsing：scalable nonparametric image parsing with superpixels[J].European Conference on Computer Vision，2010，63（15）：352-365.

[5]DOLLAR P，ZITNICK C L.Structured forests for fast edge detection[C].The IEEE International Conference on Computer Vision （ICCV），2013：1841-1848.

[6]GALL J，LEMPITSKY V.Class-specific hough forests for object detection[C].The IEEE Conference on Computer Vision and Pattern Recognition，2009：143-157.

[7]ARBELAEZ P，JORDI P T，T BARRON J，et al.Multiscale combinatorial grouping[C].The IEEE Conference on Computer Vision and Pattern Recognition （CVPR），2014：328-335.

[8]JORDI P T，ARBELAEZ P，BARRON J，et al.Multiscale combinatorial grouping for image segmentation and object proposal generation[J].IEEE Transactions on Pattern Analysis and Machine Intelligence，2016.

[9]KUMAR P，KOLLER D.Efficiently selecting regions for scene understanding[C].The IEEE Conference on Computer Vision and Pattern Recognition （CVPR），2010：3217-3224.

篇3

關(guān)鍵詞：磁瓦 起級(jí)缺陷 缺陷識(shí)別 紋理分析

中圖分類號(hào)：TP391 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1007-9416(2011)12-0176-02

紋理特點(diǎn)是自然或人造物體所具有的在一定的尺度空間，以一定的形式變化而產(chǎn)生的圖案(模式)。在磁瓦的生產(chǎn)過(guò)程中，由于在打磨時(shí)砂輪打滑引起的打磨不均勻容易產(chǎn)生起級(jí)缺陷。缺陷部分具有典型的線性條紋紋理特征(如圖1)。這種缺陷影響了磁瓦的使用質(zhì)量，摩擦大，容易磨損，影響裝配后電器的穩(wěn)定。但由于目前缺陷檢測(cè)主要是以目視檢測(cè)為主，效率不高；并且容易因?yàn)楣と说囊曈X(jué)疲勞，進(jìn)而引起缺陷的漏檢。計(jì)算機(jī)視覺(jué)技術(shù)的應(yīng)用很好地解決了這個(gè)問(wèn)題。它具有檢測(cè)速度快，效率高，漏檢率低，穩(wěn)定性好的特點(diǎn)。要進(jìn)行起級(jí)缺陷的檢測(cè)，首先應(yīng)用Laplacian算子進(jìn)行圖像的預(yù)處理，獲得了較好的缺陷識(shí)別圖像，使缺陷得到銳化，從而有利于缺陷檢測(cè)與識(shí)別。然后，根據(jù)缺陷的紋理特點(diǎn)，求得基于局部范圍內(nèi)的熵矩陣，然后對(duì)熵矩陣進(jìn)行基于紋理的圖像分割，得到二值化圖像。最后，進(jìn)行缺陷特征的提取,并利用缺陷檢測(cè)準(zhǔn)則進(jìn)行缺陷檢測(cè)和識(shí)別。

1、圖像紋理分析方法

物體表面的粗糙程度反映的圖像上，由于光照以及光的反射形成了圖像中的紋理特征。紋理是具有相同或相似像素點(diǎn)的組合在一定空間內(nèi)的組合。紋理特征是識(shí)別物體和缺陷的一個(gè)重要特征。目前紋理分析在空域和頻域主要有統(tǒng)計(jì)法、結(jié)構(gòu)法和頻譜法。機(jī)械加工在工件表面形成了規(guī)則的紋理，內(nèi)部的一些缺陷也在工件表面表現(xiàn)為一定的紋理特征。紋理分析在工件表面的粗糙程度控制以及缺陷的識(shí)別等方面具有很強(qiáng)的應(yīng)用和研究?jī)r(jià)值。

基于熵的圖像紋理分析是基于空域統(tǒng)計(jì)原理的紋理分析方法。

科學(xué)家已經(jīng)發(fā)明了測(cè)量無(wú)序的量，它稱作熵，熵也是混沌度，是內(nèi)部無(wú)序結(jié)構(gòu)的總量。熵值越大混沌程度越強(qiáng)，也就是圖像結(jié)構(gòu)越復(fù)雜；反之圖像結(jié)構(gòu)簡(jiǎn)單?；诰植快刂稻仃嚨膱D像紋理分割方法就是利用了熵原理，對(duì)圖像求取N*N窗口內(nèi)的局域上作為中心像素點(diǎn)的值，獲得熵值矩陣。選定恰當(dāng)?shù)拇翱?，在紋理邊緣處會(huì)有較大的熵值。選擇一定的閾值可以進(jìn)行閾值分割，實(shí)現(xiàn)紋理的分割。

基于局域熵的圖像紋理分析原理：

熵值公式：

其中：，(i=1,2,......,L),是為保證p(i)不為0的實(shí)數(shù)；L灰度級(jí)，n，m圖像的長(zhǎng)和寬； ni灰度級(jí)為i的像素的個(gè)數(shù)。

對(duì)于局部熵值的計(jì)算，m*n為模板窗口的大小。為減少計(jì)算量，窗口內(nèi)灰度級(jí)出現(xiàn)的概率p的大小取區(qū)域內(nèi)最大灰度值max和最小灰度值min得差。也即：,(j=0,1,......,max-min)?；陟卦淼膱D像紋理分析，計(jì)算簡(jiǎn)單，能夠較快的獲得圖像的熵值矩陣。

2、缺陷磁瓦圖片處理

2.1 缺陷磁瓦圖像特征分析

磁瓦缺陷是由紋理基元按一定的規(guī)則排列組合而成的，并且缺陷縱貫磁瓦表面。對(duì)于缺陷的識(shí)別，主要任務(wù)是確定是否存在缺陷以及定位缺陷的位置。按照統(tǒng)計(jì)學(xué)原理，抽取磁瓦內(nèi)表面的一塊條形區(qū)域，如果存在起級(jí)缺陷，就可以確定磁瓦存在起級(jí)缺陷。這樣即減少了圖像處理的數(shù)據(jù)量和處理時(shí)間，又可減少磁瓦圖像受光照和噪聲等因素的影響，可以快速提取缺陷特征。

2.2 獲取感興趣區(qū)域(Region Of Interest,ROI)

由于磁瓦圖像中存在兩個(gè)目標(biāo)，磁瓦和背景。如果提取的抽樣區(qū)域存在背景會(huì)影響缺陷識(shí)別的效果。因此必須確定磁瓦存在的區(qū)域（如圖1.A中標(biāo)示區(qū)域），在此最小區(qū)域內(nèi)抽取樣本。為確定最小磁瓦區(qū)域坐標(biāo)，先獲取圖像1/2寬x處的行數(shù)據(jù)，并繪制這個(gè)一維信號(hào),縱坐標(biāo)為灰度值，橫坐標(biāo)為索引號(hào)，如圖2(a)?？梢园l(fā)現(xiàn)一維信號(hào)圖有兩處存在明顯的灰度階躍，這是由于在邊界處背景和磁瓦灰度突變產(chǎn)生的結(jié)果。因此可以以此來(lái)獲取最小區(qū)域的縱坐標(biāo)。設(shè)為y1,y2、抽樣寬度為h,則可以得到最小區(qū)域的兩個(gè)坐標(biāo)(x,y1),(x,y2)。最終的抽樣區(qū)域以及抽樣區(qū)域的均值一維信號(hào)如圖2(c)。

雖然，圖像的一維信號(hào)可以顯示出缺陷的區(qū)域，但是由于磁瓦內(nèi)表面容易存在污漬、暗斑等噪聲，也會(huì)引起灰度值的突變，表現(xiàn)為一個(gè)較長(zhǎng)的谷。因此一維信號(hào)不能作為缺陷識(shí)別的依據(jù)，只能用來(lái)校正缺陷的識(shí)別結(jié)果。

2.3 基于熵的磁瓦圖像處理

利用公式(1)對(duì)取得的ROI圖像區(qū)域進(jìn)行熵值處理。灰度調(diào)整后，圖像如圖3(1)。圖像中較亮的部分熵值較大，表明在這個(gè)區(qū)域信息變化劇烈。但是由于污漬等噪聲的影響，在兩線附近存在亮區(qū)域，不能根據(jù)亮區(qū)域，二值化后的區(qū)域標(biāo)示缺陷邊界。必須經(jīng)過(guò)灰度調(diào)整，然后選擇相應(yīng)的閾值再二值化。增強(qiáng)結(jié)果如圖3(2);應(yīng)用大律法選擇閾值，進(jìn)行圖像二值化并利用數(shù)學(xué)形態(tài)學(xué)操作濾波去噪，結(jié)果如圖3(3),(4)：

該方法對(duì)于光照均勻，磁瓦表面無(wú)污漬缺陷明顯的圖像有良好的識(shí)別效果。但是對(duì)于有污漬或暗條紋形成了一定紋理，圖像預(yù)處理和形態(tài)學(xué)操作，邊界跟蹤，存在多個(gè)標(biāo)示區(qū)域(如圖3(5))，對(duì)缺陷有誤識(shí)別。因此，必須對(duì)識(shí)別結(jié)果進(jìn)行校正，結(jié)果如圖3(6)。具體方法：

(1)計(jì)算ROI抽樣信號(hào)的平均值，記為AverageROI。橫向掃描圖3(4)，記錄每個(gè)白色區(qū)域的起始坐標(biāo)和終止坐標(biāo)，獲得數(shù)組A；

(2)組合A中的坐標(biāo)，取坐標(biāo)記錄的第i，i+1個(gè)坐標(biāo)（i=2，4，S-1，S為白色區(qū)域矩形邊的個(gè)數(shù)的個(gè)數(shù)）；

(3)獲得組合坐標(biāo)之間的ROI中的圖像數(shù)據(jù)，求的平均灰度值A(chǔ)verage，并與AverageROI比較。如果小于，則檢測(cè)組合坐標(biāo)對(duì)應(yīng)的點(diǎn)在ROI抽樣信號(hào)中是否是在圖2(c)中的一個(gè)長(zhǎng)為L(zhǎng)ong的谷內(nèi)。如果不在，則轉(zhuǎn)到下一個(gè)組合坐標(biāo)。否則，標(biāo)示組合坐標(biāo)之間的區(qū)域，記錄缺陷位置。若i

(4)若檢測(cè)記錄存在缺陷，顯示缺陷位置標(biāo)示圖像。否則，提示無(wú)缺陷。

3、結(jié)語(yǔ)

磁瓦起級(jí)缺陷是因打磨不均勻造成的缺陷，在磁瓦的制造過(guò)程中比較常見(jiàn)。本文使用基于圖像信息熵的理論對(duì)磁瓦圖像文理分析，制訂了缺陷識(shí)別和矯正規(guī)則，對(duì)缺陷進(jìn)行識(shí)別，獲得了較好的識(shí)別效果，并用Matlab進(jìn)行了仿真實(shí)驗(yàn)。每片磁瓦的均處理時(shí)間為0.09秒，識(shí)別率達(dá)到了93%，能夠滿足實(shí)際生產(chǎn)的在線檢測(cè)要求。

參考文獻(xiàn)

[1]章毓晉.圖象工程[M].北京:清華大學(xué)出版社,2005.

[2]任仙怡,張桂林,陳朝陽(yáng)等.基于紋理譜的紋理分割方法[J].中國(guó)圖象圖形學(xué)報(bào),1998,3(12):983～986.

篇4

關(guān)鍵詞：車牌識(shí)別系統(tǒng)； 智能交通； 技術(shù)

中圖分類號(hào)： TP391.4文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1009-3044(2008)18-20ppp-0c

Research on Licence Plate Recognition System

YI Lian-jie

(Loudi Vocational and Technical College Loudi Huanan417000)

Abstract: The licence plate recognition system has an importantrole of morden intelligent traffic system. This paper narrated the key technology ofthe licence plate recognition system and discussed the existing problems and development of the licence plate recognition system.

Keywords: the licence plate recognition system; intelligent traffic system; technology

車牌識(shí)別系統(tǒng)是智能交通系統(tǒng)的關(guān)鍵部分，可廣泛應(yīng)用于交通管理、監(jiān)控和電子收費(fèi)等場(chǎng)合。車牌識(shí)別系統(tǒng)就是以車牌作為車輛的唯一標(biāo)識(shí)，采用計(jì)算機(jī)視覺(jué)和模式識(shí)別技術(shù)對(duì)汽車車牌的自動(dòng)識(shí)別。

1 車牌識(shí)別系統(tǒng)的組成

典型的車牌識(shí)別系統(tǒng)由車輛檢測(cè)、圖像采集、車牌識(shí)別等部分組成（圖1）。車輛檢測(cè)就是使用車輛傳感器或紅外線檢測(cè)等來(lái)判斷車輛是否通過(guò)某一位置。當(dāng)車輛駛過(guò)探測(cè)部位時(shí)，CCD攝像機(jī)拍攝車輛圖像，由圖像采集卡采集圖像并輸入計(jì)算機(jī)。車牌識(shí)別部分由計(jì)算機(jī)和識(shí)別軟件組成，從由CCD攝像機(jī)采集的圖像中自動(dòng)尋找車牌，然后對(duì)找到的車牌進(jìn)行字符切分和識(shí)別，最后獲得車牌號(hào)碼，并將識(shí)別結(jié)果送至監(jiān)控中心等場(chǎng)合。

圖1車牌識(shí)別系統(tǒng)的組成

在整個(gè)識(shí)別系統(tǒng)中，以車牌識(shí)別最為關(guān)鍵。識(shí)別過(guò)程有兩個(gè)步驟，首先從圖像中找出確切的車牌位置，即車牌定位，然后對(duì)找出的車牌進(jìn)行字符切分和識(shí)別。車牌識(shí)別過(guò)程包含兩大關(guān)鍵技術(shù)：1.車牌區(qū)域定位技術(shù)；2.車牌字符切分和識(shí)別技術(shù)。

2 車牌定位技術(shù)

圖像輸入計(jì)算機(jī)后，系統(tǒng)要自動(dòng)找出車牌的準(zhǔn)確位置。車牌區(qū)域定位是車牌字符切分和識(shí)別的基礎(chǔ)，是提高系統(tǒng)識(shí)別率的關(guān)鍵。車牌定位過(guò)程包括三個(gè)步驟：圖像預(yù)處理、車牌搜索和車牌糾偏。

2.1 圖像預(yù)處理

圖像預(yù)處理的作用：平滑去噪和車牌特征增強(qiáng)。

平滑去噪就是消除圖像上由于光照、車牌污損等產(chǎn)生的噪聲干擾。平滑方法主要有平均濾波、中值濾波和指數(shù)函數(shù)濾波等方法。中值濾波和指數(shù)濾波平滑效果好且能較好保持牌照和字符邊緣，但在平滑效果和處理速度方面不如平均濾波。

通常的車牌定位算法是依據(jù)車牌特征從圖像中找出車牌，因此必須使車牌區(qū)域顯示出與非車牌區(qū)域不同的獨(dú)有的特征，車牌特征增強(qiáng)使圖像中車牌區(qū)域明顯突出。通常有下述增強(qiáng)方法：邊緣檢測(cè)法、二值化法、量化法、數(shù)學(xué)形態(tài)學(xué)法。

具有不同灰度的相鄰區(qū)域之間存在邊緣，在車牌區(qū)域存在車牌邊框邊緣和車牌字符邊緣。邊緣檢測(cè)法就是要檢測(cè)出這些邊緣。有關(guān)邊緣檢測(cè)的算法很多，考慮實(shí)時(shí)性要求，采用簡(jiǎn)單的微分算子，如一階微分算等。這些算子采用小區(qū)域模板與圖像卷積實(shí)現(xiàn)邊緣檢測(cè)。文獻(xiàn)[1]提出一種牌照字符邊緣特征增強(qiáng)的方法，該方法使用線性濾波器函數(shù)將每一行中多個(gè)連續(xù)的水平方向梯度值相加，使得字符的垂直邊緣增強(qiáng)。微分算子對(duì)噪聲較為敏感，因此在使用之前需要平滑去噪。LOG算子是高斯指數(shù)平滑法與Laplacian算子相結(jié)合的邊緣檢測(cè)方法，既能消除噪聲又能很好的突出車牌字符的邊緣。

二值化增強(qiáng)法先確定一個(gè)閾值，然后將圖像中各個(gè)像素的灰度值都與這個(gè)閾值比較，根據(jù)比較結(jié)果將整個(gè)圖像的像素點(diǎn)分為兩類，車牌區(qū)域歸為一類，便于車牌搜索。為了滿足實(shí)時(shí)性要求，采用簡(jiǎn)單、快速的二值化法，如平均閾值法，反積分自適應(yīng)閾值法等。

文獻(xiàn)[3]使用神經(jīng)網(wǎng)絡(luò)來(lái)對(duì)彩色圖像量化，使得車牌區(qū)域的字符為一種特定的顏色，然后進(jìn)行顏色過(guò)濾或線掃描，借此提取車牌。該方法首先必須選取車牌樣本圖像，并且要把RGB顏色模式轉(zhuǎn)換為HSI模式，以HSI各分量值作為輸入對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，再以訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)對(duì)圖像的各像素點(diǎn)量化分類，該方法抗干擾能力強(qiáng)，量化前可不要求平滑，

數(shù)學(xué)形態(tài)學(xué)表示以形態(tài)為基礎(chǔ)對(duì)圖像進(jìn)行分析的數(shù)學(xué)工具，它的基本思想使用具有一定形態(tài)的結(jié)構(gòu)元素去量度和提取圖像中的對(duì)應(yīng)形狀以達(dá)到對(duì)圖像分析和識(shí)別的目的。數(shù)學(xué)形態(tài)學(xué)有四種基本的運(yùn)算：膨脹，腐蝕，開(kāi)啟和閉合。出于以下兩個(gè)意圖而使用形態(tài)學(xué)方法：1.將開(kāi)啟和閉合結(jié)合起來(lái)，消除二值化后的車牌區(qū)域中存在的細(xì)小空洞；2.采用水平線段的結(jié)構(gòu)元素膨脹，使二值化后的車牌區(qū)域成為一連通區(qū)域。

需要說(shuō)明的是，上述方法往往不是單獨(dú)使用，如二值化法是對(duì)邊緣檢測(cè)后的圖像進(jìn)行，而形態(tài)學(xué)方法是在二值化圖上實(shí)現(xiàn)。不能簡(jiǎn)單的評(píng)價(jià)圖像預(yù)處理方法的優(yōu)劣，因?yàn)檫@與所對(duì)應(yīng)的車牌搜索方法緊密相關(guān)。

2.2 車牌搜索

車牌搜索就是根據(jù)車牌區(qū)域特征在圖像中尋找車牌的過(guò)程。根據(jù)搜索的方式可把車牌搜索方法分為以下幾種：投影統(tǒng)計(jì)法、線掃描法、模板匹配法和反Hough變換法等。車牌搜索法要與相應(yīng)的車牌增強(qiáng)法配合使用(見(jiàn)表2)。

表2車牌增強(qiáng)法用于不同搜索法的情況

投影統(tǒng)計(jì)法對(duì)邊緣化或二值化圖像進(jìn)行水平和垂直累加投影，根據(jù)投影直方圖呈現(xiàn)的連續(xù)峰、谷、峰的分布的特征來(lái)提取車牌，或?qū)τ尚螒B(tài)學(xué)膨脹運(yùn)算后的圖像水平和垂直投影，在投影圖上尋找波峰和波谷而確定車牌位置。文獻(xiàn)[24]提出的采用高斯指數(shù)函數(shù)對(duì)投影圖平滑，能有效消除投影圖的毛刺，使車牌位置為明顯的波峰，提高車牌定位的精度。

線掃描搜索法則是對(duì)邊緣化或二值化后的圖像逐行水平掃描，穿過(guò)車牌區(qū)域的掃描線因?yàn)樽址吘壍拇嬖?，灰度呈現(xiàn)起伏的峰、谷、峰的變化，或頻繁交替出現(xiàn)亮基元、暗基元的特征，以提取車牌。文獻(xiàn)[3]用神經(jīng)網(wǎng)絡(luò)對(duì)彩色圖像量化之后，再逐行水平掃描，分別獲取顏色向量和長(zhǎng)度向量，能與標(biāo)準(zhǔn)車牌區(qū)域的顏色向量和長(zhǎng)度向量匹配的為車牌區(qū)域。

模板匹配搜索法是以特定的模板在圖像區(qū)域滑動(dòng)，以與模板匹配的局部區(qū)域?yàn)檐嚺?。使用的模板有線模板、倒”L”角模板、矩形框模板。線模板以水平線段或垂直線段為模板，來(lái)檢測(cè)車牌的邊框角點(diǎn)；倒“L”模板以倒“L”結(jié)構(gòu)為模板來(lái)尋找車牌邊框的左上角；矩形框模板以一個(gè)與車牌長(zhǎng)寬比例相當(dāng)?shù)木匦慰蜃鳛槟０?，在整個(gè)圖像區(qū)域滑動(dòng)，以符合某一判別函數(shù)值的區(qū)域作為車牌區(qū)域。

反Hough變換搜索法是基于車牌形狀特征的方法，先對(duì)圖像進(jìn)行Hough變換，然后在Hough參數(shù)空間尋找車牌的四個(gè)端點(diǎn)。

上述搜索法可以結(jié)合使用，如文獻(xiàn)[25]提出的自適應(yīng)邊界搜索法，先用倒”L”模板尋找車牌邊框的左上角，然后用水平線掃描和垂直線掃描找出下邊框和右邊框。投影統(tǒng)計(jì)搜索法和線掃描搜索法處理速度快，能對(duì)大小不同的車牌識(shí)別，但定位精度不高和出現(xiàn)虛假車牌的情況，需要提高定位精度和去除虛假車牌的后續(xù)工作。模板匹配搜索法能比較準(zhǔn)確的找到車牌位置，但難以滿足實(shí)時(shí)性要求，可以采用神經(jīng)網(wǎng)絡(luò)或遺傳算法來(lái)加快搜索進(jìn)程。反Hough變換搜索法除了能準(zhǔn)確找到車牌位置，還能確定車牌的傾斜角度，對(duì)噪聲、輪廓線中斷不敏感，但在有直線干擾下可能實(shí)效，文獻(xiàn)[28]提出的快速Hough變換的策略能滿足實(shí)時(shí)性要求。

2.3 車牌糾偏

由于車輛運(yùn)行軌跡不定、攝像機(jī)位置偏斜等原因，使得圖像中車牌扭曲，為了后續(xù)正確的車牌字符切分和識(shí)別，就須對(duì)車牌糾偏，使車牌達(dá)到規(guī)范的位置和大小。采用的糾偏方法通常先是用Hough變換確定水平邊框傾斜角度和垂直邊框傾斜角度，然后糾偏。文獻(xiàn)[22]提出使用Rodan 變換可用來(lái)確定傾斜角度。

3 車牌字符識(shí)別技術(shù)

車牌定位之后就要對(duì)車牌字符識(shí)別。這一過(guò)程包含下列幾個(gè)步驟（見(jiàn)圖2）：車牌二值化，字符切分，字符特征提取和字符識(shí)別。這里只討論后三個(gè)步驟。

圖2 車牌字符識(shí)別步驟

3.1 字符切分

字符切分把車牌上的字符分開(kāi)，得到一個(gè)個(gè)的字符圖像。常用的字符切分方法有投影法、模板匹配法、區(qū)域生長(zhǎng)法、聚類分析法等。

投影法把車牌圖像垂直累加投影，形成峰谷交替的投影直方圖，找到投影圖的各個(gè)谷就能把字符分開(kāi)。模板匹配法以字符大小的矩形作為模板，根據(jù)字符的寬度初步確定每個(gè)字符的起始位置，然后以此模板在初定位置附近滑動(dòng)，找到最佳匹配位置而切分字符。區(qū)域生長(zhǎng)法對(duì)每個(gè)需要分割的字符找一個(gè)像素作為生長(zhǎng)起點(diǎn)的種子，將種子像素周圍鄰域中與之相同或相近性質(zhì)的像素合并到種子像素所在的區(qū)域，然后將這些新像素當(dāng)作新的種子繼續(xù)進(jìn)行上述過(guò)程，直到再?zèng)]有滿足條件的像素可被包含進(jìn)來(lái)?；诰垲惙治龅姆椒▽?duì)車牌圖像從上到下逐行掃描，如屬于字符類的兩像素間距離小于閾值，可認(rèn)為兩像素為同一字符，由此而得字符像素的聚類。

3.2 字符特征提取和車牌字符識(shí)別

目前使用的車牌字符特征提取的方法可歸納為下述三種：1.基于字符統(tǒng)計(jì)特征。計(jì)算字符圖像的多階原點(diǎn)矩，多階中心矩以及中心慣性矩，以中心矩與中心慣性矩的比值作為字符特征向量，這樣提取的特征量具有平移，旋轉(zhuǎn)和尺度不變性，但運(yùn)算量大；也有把字符在多個(gè)方向上的投影（如水平方向，垂直方向，右斜方向，左斜方向）和二階中心矩的比值作為特征向量。2.基于結(jié)構(gòu)特征。輪廓特征，粗網(wǎng)格特征，層次輪廓特征以及字符特征點(diǎn).這類特征提取計(jì)算量較少，但對(duì)噪聲和位置變化比較敏感，需要去噪和對(duì)字符歸一化。3.基于變換。對(duì)原始特征（像素點(diǎn)矩陣）進(jìn)行傅里葉變換、K-L變換或小波變換等，提取的特征向量反映字符的結(jié)構(gòu)特征和統(tǒng)計(jì)特征，相似字符的特征矢量距離較大，效果較好。實(shí)際應(yīng)用中往往是多種特征的提取，多種特征提取方法的使用。

對(duì)車牌字符特征提取之后，就把相應(yīng)的特征值輸入分類器識(shí)別，目前對(duì)于車牌字符的分類識(shí)別方法歸納為下列幾種。（1）模板匹配。該方法首先對(duì)待識(shí)字符進(jìn)行二值化并將其縮放為字符數(shù)據(jù)庫(kù)中模板大小，然后與所有的字符模板比較匹配，計(jì)算相似度，以最大相似度者為識(shí)別結(jié)果。（2）PCA子空間分類器。子空間分類器由訓(xùn)練樣本相關(guān)矩陣的特征向量構(gòu)成，單個(gè)模式的子空間建立彼此獨(dú)立，相互之間沒(méi)有聯(lián)系，以待識(shí)別字符的特征向量與所對(duì)應(yīng)的子空間距離最小作為結(jié)果。（3）基于人工神經(jīng)網(wǎng)絡(luò)。人工神經(jīng)網(wǎng)絡(luò)有抗噪聲、容錯(cuò)、自適應(yīng)、自學(xué)習(xí)能力強(qiáng)的特點(diǎn)。多隱含層的BP神經(jīng)網(wǎng)絡(luò)，BAM(Bidirectional association memories)神經(jīng)網(wǎng)絡(luò)方法，自諧振ART神經(jīng)網(wǎng)絡(luò)識(shí)別等是此方法的典范。（4）基于邏輯規(guī)則推理的識(shí)別方法。文獻(xiàn)[18]提出基于歸納推理的字符識(shí)別，該方法在訓(xùn)練時(shí)自動(dòng)生成識(shí)別規(guī)則。（5）基于隨機(jī)場(chǎng)圖像模擬的識(shí)別方法。該方法識(shí)別率高，并且可對(duì)灰度圖像直接提取字符特征，抗干擾性強(qiáng)。另外使用感知器的識(shí)別，通常感知器只用于相似字符對(duì)的識(shí)別，作為其他識(shí)別方法的補(bǔ)充。

4 總結(jié)與展望

從已有車牌識(shí)別系統(tǒng)的性能分析來(lái)看，正確識(shí)別率和識(shí)別速度兩者難以同時(shí)兼顧。其中原因包括目前的車牌識(shí)別技術(shù)還不夠成熟，又受到攝像設(shè)備、計(jì)算機(jī)性能的影響。

現(xiàn)代交通飛速發(fā)展，LPR系統(tǒng)的應(yīng)用范圍不斷擴(kuò)寬，對(duì)車牌識(shí)別系統(tǒng)的性能要求將更高。對(duì)現(xiàn)有的算法優(yōu)化或?qū)ふ易R(shí)別精度高、處理速度快、應(yīng)用于多種場(chǎng)合的算法將是研究的主要任務(wù)。

參考文獻(xiàn)：

[1] 廖金周,宣國(guó)榮.車輛牌照的自動(dòng)分割[J].微型電腦應(yīng)用,1999(7):32-34.

[2] 劉智勇.車牌識(shí)別中的圖像提取及分割[J].中文信息文報(bào),2000(3):29-34.

[3] Wu Wei,Mingjun Wang.An Automatic Method of Location for Number_Plate Using Color Features IEEE 2001.

[4] 郭捷,施鵬飛.基于顏色和紋理分析的車牌定位方法[J].中國(guó)圖像圖形學(xué)報(bào),2002,7(5):473-476.

[5] 章毓晉.圖像工程(上)――圖像處理與分析[M].清華大學(xué)出版社.

篇5

【關(guān)鍵詞】測(cè)繪；工程建設(shè)；數(shù)字化技術(shù)；量技術(shù)

測(cè)繪事業(yè)的跨越式發(fā)展，已成為國(guó)家重要的基礎(chǔ)地理信息產(chǎn)業(yè)，其服務(wù)領(lǐng)域也已滲透到社會(huì)的方方面面。它為國(guó)家建設(shè)和管理提供與地理位置有關(guān)的各種專題性和綜合性的基礎(chǔ)信息，其成果是進(jìn)行環(huán)境監(jiān)測(cè)、農(nóng)業(yè)建設(shè)、交通、水利等大型工程建設(shè)、城鄉(xiāng)規(guī)劃建設(shè)、重大災(zāi)害監(jiān)測(cè)預(yù)報(bào)和科學(xué)研究以及國(guó)防建設(shè)等必不可少的基礎(chǔ)資料。

1. 測(cè)繪工程概述

測(cè)繪是采集、量測(cè)、處理、分析、解釋、描述、利用和評(píng)價(jià)與地理和空間分布有關(guān)數(shù)據(jù)的一門(mén)科學(xué)、工藝、技術(shù)和經(jīng)濟(jì)實(shí)體，具有基礎(chǔ)性、前期性和公益性和特點(diǎn)。測(cè)繪產(chǎn)品是反映地表上的自然、人工要素及其在地理空間的位置和屬性信息的，而這些信息是社會(huì)發(fā)展和經(jīng)濟(jì)建設(shè)的各行各業(yè)需要利用和必須依賴的基礎(chǔ)。而工程測(cè)繪是把工程地區(qū)各種地面物體的位置和形狀，以及地面的起伏狀態(tài)，用各種圖例符號(hào)，依照規(guī)定的比例尺測(cè)繪成地形圖，或者用數(shù)字表示出來(lái)，為工程建設(shè)的規(guī)劃設(shè)計(jì)提供必要的圖紙和資料。要測(cè)繪的地球表面形態(tài)以及地物地貌雖然復(fù)雜多樣，但其形狀和大小均可看作是由一些特征點(diǎn)的平面位置和高程所決定的。測(cè)繪工程的主要任務(wù)有控制測(cè)量，碎部測(cè)繪，線路測(cè)繪，施工放樣，數(shù)據(jù)處理等工作。

1.1控制測(cè)量。

（1）制測(cè)量就是在測(cè)區(qū)范圍內(nèi)建立統(tǒng)一的控制網(wǎng)，以便統(tǒng)一各局部的地形測(cè)量工作，使所測(cè)的地形圖能相互拼接構(gòu)成整體，而且精度均勻?？刂凭W(wǎng)分為平面控制網(wǎng)和高程控制網(wǎng)兩類都遵循從整體到局部、分級(jí)布網(wǎng)，逐級(jí)加密的原則進(jìn)行布設(shè)。平面控制網(wǎng)常規(guī)布設(shè)方法有兩種，即GPS測(cè)量和導(dǎo)線測(cè)量。高程控制網(wǎng)常規(guī)布設(shè)方法有三種，即GPS測(cè)量，三角高程測(cè)量和水準(zhǔn)測(cè)量。

（2）平面控制點(diǎn)點(diǎn)位應(yīng)選在土質(zhì)堅(jiān)實(shí)的地方或堅(jiān)固穩(wěn)定的高建筑物頂面上，便于造標(biāo)、埋石和觀測(cè)，并能永久保存。埋高永久性的標(biāo)石坑底填以砂石，搗固夯實(shí)或澆灌混凝土底層。標(biāo)志中心應(yīng)具有明顯、耐久的中心點(diǎn)。GPS點(diǎn)宜取村名、山名、地名、單位名作為點(diǎn)名，并應(yīng)向當(dāng)?shù)卣腿嗣袢罕娺M(jìn)行仔細(xì)調(diào)查后確定。同一測(cè)區(qū)有相同的點(diǎn)名應(yīng)加以區(qū)別。

（3）高程控制網(wǎng)布設(shè)范圍應(yīng)與平面控制網(wǎng)相適應(yīng)。測(cè)區(qū)內(nèi)只應(yīng)建立一個(gè)統(tǒng)一的高程系統(tǒng)，應(yīng)采用1985年國(guó)家高程基準(zhǔn)或沿用1956年黃海高程系統(tǒng)。首級(jí)網(wǎng)應(yīng)布設(shè)成閉合環(huán)線，加密網(wǎng)可布設(shè)成附合路線、結(jié)點(diǎn)網(wǎng)和閉合環(huán)。水準(zhǔn)路線直以起止地點(diǎn)的簡(jiǎn)稱為線名，起止地名的順序?yàn)椤捌鹞髦箹|”或“起北止南”。環(huán)線名稱取環(huán)線內(nèi)最大的地名后加“環(huán)”字命名。水準(zhǔn)路線的等級(jí)，分別以II，III，IV書(shū)寫(xiě)于線名之前表示。水準(zhǔn)點(diǎn)編號(hào)應(yīng)自路線的起點(diǎn)開(kāi)始，按1，2，3……順序編定點(diǎn)號(hào)。

1.2碎部測(cè)繪。

（1）碎部測(cè)繪就是在測(cè)區(qū)內(nèi)用精密的儀器和方法測(cè)量地形地物特征點(diǎn)的三維坐標(biāo)，然后繪制出圖形來(lái)?，F(xiàn)代碎部測(cè)繪以數(shù)字測(cè)繪為主，即數(shù)據(jù)的采集，存儲(chǔ)，傳輸，計(jì)算，繪圖等以計(jì)算機(jī)為核心，人工干預(yù)為輔。數(shù)據(jù)采集過(guò)程是一個(gè)多源數(shù)據(jù)集成的過(guò)程。外業(yè)數(shù)據(jù)的采集與作業(yè)區(qū)的自然環(huán)境、人文環(huán)境、經(jīng)濟(jì)發(fā)展?fàn)顩r有著密切的關(guān)系。地形數(shù)據(jù)的采集遵循“先控制，后碎部”的原則，范圍的劃定應(yīng)盡量以自然線狀地物的中心以及行政界線進(jìn)行劃分，確保實(shí)地的測(cè)繪不重不漏，以保證地形圖數(shù)據(jù)的完整性和準(zhǔn)確性。

（2）地形圖的繪圖要求：第一、繪制輪廓符號(hào)應(yīng)符合下列規(guī)定：依比例繪制的輪廓符號(hào)，應(yīng)保持輪廓位置的精度，輪廓內(nèi)的說(shuō)明符號(hào)，應(yīng)按圖式規(guī)定配置。第二、圖面注記的配置，應(yīng)符合下列規(guī)定：文字注記應(yīng)使所指示的地物能明確判讀。一般情況下，字頭應(yīng)朝北。道路河流名稱，可隨線狀彎曲的方向排列。第三、居民地的繪制，應(yīng)符合下列的規(guī)定：城鎮(zhèn)和農(nóng)村的街區(qū)、房屋，均應(yīng)按外輪廓線準(zhǔn)確繪制；街區(qū)與道路的銜接處，應(yīng)0.2mm的間隔。第四、水系的繪制，應(yīng)符合下列規(guī)定：水系應(yīng)先繪橋、閘，其次繪雙線河、湖泊、渠、海岸線、單線河，然后繪堤岸、陡岸、沙灘和渡口等；當(dāng)河流遇橋梁時(shí)應(yīng)中斷；單線溝渠與雙線河相交時(shí)，應(yīng)將水涯線斷開(kāi)，彎曲交于一點(diǎn)。第五、道路網(wǎng)的繪制，應(yīng)符合下列規(guī)定：當(dāng)繪制道路時(shí)，應(yīng)先繪鐵路，再繪公路及大車路等；當(dāng)實(shí)線道路與虛線道路、虛線道路與虛線道路相交時(shí)，應(yīng)實(shí)部相交；當(dāng)公路遇橋梁時(shí)，公路與橋梁應(yīng)0.2mm的間隔。第六、等高線的繪制，應(yīng)符合下列規(guī)定：必須保證精度，不得跑線變形。當(dāng)單色圖上的等高線遇雙線河、渠和不依比例繪制的符號(hào)時(shí)，應(yīng)中斷；當(dāng)多色圖上的等高線遇雙線河、渠時(shí)，應(yīng)中斷，遇其他地物時(shí)，不得中斷。第七、境界線的繪制，應(yīng)符合下列規(guī)定：凡繪制有國(guó)界線的圖，必須符合國(guó)務(wù)院批準(zhǔn)的有關(guān)國(guó)境界線的繪制規(guī)定；境界線的轉(zhuǎn)角處，不得有間斷，并應(yīng)在轉(zhuǎn)角上繪出點(diǎn)或曲折線。

1.3線路測(cè)繪?！熬€路”是管道、道路、渠道及輸電線路等的總稱。線路測(cè)量包括兩方面的任務(wù)：一是為線路工程設(shè)計(jì)提供地形圖和斷面圖；二是進(jìn)行線路工程施工測(cè)量。具體內(nèi)容有：中線測(cè)量，根據(jù)規(guī)劃設(shè)計(jì)的平面位置，將線路工程的中線包括起點(diǎn)、轉(zhuǎn)折點(diǎn)和終點(diǎn)標(biāo)定于實(shí)地，并測(cè)定其轉(zhuǎn)向角，設(shè)置里程樁，有的還要測(cè)設(shè)曲線；縱橫斷面圖，以了解其縱向及橫向的地面起伏情況；測(cè)繪線路沿線一定寬度的帶狀地形圖，供設(shè)計(jì)和施工用；施工測(cè)量，根據(jù)施工要求，為不同的施工階段提供各種測(cè)量定位標(biāo)志；測(cè)繪竣工圖，供日后管理和維修用。

1.4施工放樣。施工放樣是把圖紙上己設(shè)計(jì)好的建筑物等按設(shè)計(jì)要求在現(xiàn)場(chǎng)標(biāo)定出來(lái)，作為施工的依據(jù)。

1.5數(shù)據(jù)處理。數(shù)據(jù)處理包括控制測(cè)量的觀測(cè)數(shù)據(jù)的整理，計(jì)算，平差等；碎部測(cè)繪的原始數(shù)據(jù)的整理，計(jì)算，修改等；屬性數(shù)據(jù)采集后的整理等。

2. 測(cè)繪工程的特點(diǎn)及發(fā)展趨勢(shì)

2.1現(xiàn)代測(cè)繪工程的特點(diǎn)?，F(xiàn)代測(cè)繪工程的主要特點(diǎn)概括起來(lái)就是“六化”和“十六字”?！傲奔礈y(cè)量?jī)?nèi)外業(yè)作業(yè)的一體化、數(shù)據(jù)獲取及處理的自動(dòng)化、測(cè)量過(guò)程控制和系統(tǒng)行為的智能化、測(cè)量成果和產(chǎn)品的數(shù)字化、測(cè)量信息管理的可視化、信息共享和傳播的網(wǎng)絡(luò)化?！笆帧笔蔷_、快速、可靠、實(shí)時(shí)（動(dòng)態(tài)）、遙測(cè)（遙控、遙傳）、集成、簡(jiǎn)便、安全。組織測(cè)繪工作應(yīng)遵循的原則是“從整體到局部”、“先控制后碎部”，這樣可以減少誤差的累積，保證測(cè)圖的精度，可以分幅或分區(qū)測(cè)繪，加快測(cè)圖進(jìn)度。

2.2現(xiàn)代測(cè)繪工程的發(fā)展趨勢(shì)。

2.2.1現(xiàn)代測(cè)繪工程的發(fā)展趨勢(shì)：

（1）以測(cè)量機(jī)器人為代表的智能和自動(dòng)化系統(tǒng)的廣泛應(yīng)用； （2）基于知識(shí)和數(shù)據(jù)挖掘的工程信息系統(tǒng)； （3）從土木工程測(cè)量和三維工業(yè)測(cè)量到人體醫(yī)學(xué)測(cè)量； （4）多傳感器的集成和混合系統(tǒng)； （5）GPS、GIS、RS，TPS和激光掃描系統(tǒng)等多S技術(shù)集成與融合； （6）大面積空間數(shù)據(jù)的快速采集和處理； （7）精密數(shù)據(jù)處理和海量數(shù)據(jù)處理方面的數(shù)學(xué)物理建模； （8）信息服務(wù)的網(wǎng)絡(luò)化和可視化。

2.2.2傳統(tǒng)工程測(cè)量技術(shù)的服務(wù)領(lǐng)域主要包括水利、交通、建筑等行業(yè)，隨著計(jì)算機(jī)、網(wǎng)絡(luò)技術(shù)的發(fā)展、測(cè)量?jī)x器的智能化，數(shù)字化測(cè)繪技術(shù)得到了廣泛的應(yīng)用，而全球定位系統(tǒng)（GPS）、地理信息系統(tǒng)（GIS）、攝影測(cè)量與遙感（RS）以及數(shù)字化測(cè)繪和地面測(cè)量先進(jìn)技術(shù)的發(fā)展，測(cè)量數(shù)據(jù)采集和處理的逐漸自動(dòng)化、實(shí)時(shí)化和數(shù)字化，工程測(cè)量的服務(wù)領(lǐng)域也應(yīng)進(jìn)一步延伸，以滿足不斷提高的社會(huì)需要。

3. 數(shù)字化技術(shù)在原圖處理中的應(yīng)用

3.1原圖數(shù)字化處理。

在建立各種GIS 系統(tǒng)時(shí)，需要對(duì)原有地圖進(jìn)行數(shù)字化處理，對(duì)于原始地圖，若其現(xiàn)勢(shì)性、精度和比例尺能滿足要求，就可以利用數(shù)字化儀對(duì)其進(jìn)行數(shù)字化處理工作。當(dāng)前主要有手扶跟蹤數(shù)字化和掃描矢量化、GPS數(shù)據(jù)輸入三種方法，手扶跟蹤數(shù)字化需要的儀器為計(jì)算機(jī)，數(shù)字化儀及相關(guān)軟件，是較早的一種數(shù)字化輸入方法，輸入速度較慢，勞動(dòng)強(qiáng)度也較大。掃描矢量化是通過(guò)掃描儀輸入掃描圖像，然后通過(guò)矢量跟蹤，確定實(shí)體的空間位置。隨著掃描儀的普及和矢量化軟件的不斷升級(jí)，其作業(yè)方法越來(lái)越趨于自動(dòng)化，它是一種省時(shí)，高效的數(shù)據(jù)輸入方法。GPS輸入是依據(jù)GPS工具能確定地球表面圖形精確位置， 由于它測(cè)定的是三維空間位置的數(shù)字，因此不需作任何轉(zhuǎn)換，可直接輸入數(shù)據(jù)庫(kù)，目前主要是應(yīng)用RTK（Real Time Kinematics-實(shí)時(shí)動(dòng)態(tài)）技術(shù)，它是在GPS 基礎(chǔ)上發(fā)展起來(lái)的、能夠?qū)崟r(shí)提供流動(dòng)站在指定坐標(biāo)系中的三維定位結(jié)果，并在一定范圍內(nèi)達(dá)到厘米級(jí)精度的一種新的GPS 定位測(cè)量方式，通過(guò)將1臺(tái)GPS 接收機(jī)安裝在已知點(diǎn)上對(duì)GPS 衛(wèi)星進(jìn)行觀測(cè)，將采集的載波相位觀測(cè)量調(diào)制到基準(zhǔn)站電臺(tái)的載波上，再通過(guò)基準(zhǔn)站電臺(tái)發(fā)射出去；流動(dòng)站在對(duì)GPS 衛(wèi)星進(jìn)行觀測(cè)并采集載波相位觀測(cè)量的同時(shí)，也接收由基準(zhǔn)站電臺(tái)發(fā)射的信號(hào)，經(jīng)解調(diào)得到基準(zhǔn)站的載波相位觀測(cè)量，流動(dòng)站的GPS 接收機(jī)再利用0TF（運(yùn)動(dòng)中求解整周模糊度）技術(shù)由基準(zhǔn)站的載波相位觀測(cè)量和流動(dòng)站的載波相位觀測(cè)量來(lái)求解整周模糊度，最后求出厘米級(jí)精度流動(dòng)站的位置。應(yīng)用這種測(cè)量方法測(cè)量可以不布設(shè)各級(jí)控制點(diǎn)，僅依據(jù)一定數(shù)量的基準(zhǔn)控制點(diǎn)，便可以高精度快速地測(cè)定圖根控制點(diǎn)、界址點(diǎn)、地形點(diǎn)、地物點(diǎn)的坐標(biāo)，利用測(cè)圖軟件可以在野外一次生成電子地圖。同時(shí)，也可以根據(jù)已有的數(shù)據(jù)成果快速地進(jìn)行施工放樣。而實(shí)際應(yīng)用得較多的主要是數(shù)字掃描矢量化軟件，針對(duì)大比例尺地形圖，大多數(shù)掃描矢量化軟件能自動(dòng)提取多邊形信息，高效、便捷、保真的對(duì)地圖進(jìn)行數(shù)字化處理。下面簡(jiǎn)單介紹MAPCAD軟件的原圖數(shù)字化處理作業(yè)流程。

3.2數(shù)字化原圖作業(yè)流程。

由于MAPCAD軟件掃描矢量化輸入方法具有圖像清晰、編輯方便、易于轉(zhuǎn)換等特點(diǎn)一般外設(shè)精度都能滿足，所以地形圖的精度主要取決于人工跟蹤精度和輸出設(shè)備精度，而人工跟蹤精度主要取決于作業(yè)人員的技能掌握熟練程度和工作態(tài)度，所以必須在加強(qiáng)作業(yè)人員基本技能培訓(xùn)上下工夫，要求工作人員嚴(yán)格按矢量化方案作業(yè)，確保圖件的精度和質(zhì)量高于國(guó)家現(xiàn)行數(shù)字化測(cè)圖規(guī)范所規(guī)定的數(shù)字化精度和質(zhì)量。在工程測(cè)量實(shí)踐中，要做好地形圖外業(yè)測(cè)點(diǎn)與數(shù)字化圖縮放相結(jié)合、符號(hào)圖層的劃分子圖、線型符號(hào)庫(kù)的設(shè)計(jì)等工作保證滿足工程進(jìn)度的同時(shí)又節(jié)約項(xiàng)目經(jīng)費(fèi)，設(shè)計(jì)出的數(shù)字地圖簡(jiǎn)單易用、美觀整潔、易于使用地形圖的工作人員判讀。

4. 數(shù)字化繪圖

4.1數(shù)字化繪圖的特點(diǎn)。

4.1.1大比例尺地形圖和工程圖的測(cè)繪是傳統(tǒng)工程測(cè)量的重要內(nèi)容，數(shù)字化繪圖克服了手工繪圖存在的許多弊端，如工作量大，作業(yè)艱苦，作業(yè)程序復(fù)雜，煩瑣的內(nèi)業(yè)數(shù)據(jù)處理和繪圖工作，成圖周期長(zhǎng)，產(chǎn)品單一等缺點(diǎn)，符合現(xiàn)代飛速發(fā)展的工程需要。目前，數(shù)字化成圖技術(shù)主要有內(nèi)外業(yè)一體化和電子平板兩種模式。內(nèi)外業(yè)一體化是一種外業(yè)數(shù)據(jù)采集方法，主要設(shè)備是全站儀、電子手簿等，其特點(diǎn)是精度高、內(nèi)外業(yè)分工明確、便于人員分配，從而具有較高的成圖效率。

4.1.2具有以下的特點(diǎn)：

（1）一測(cè)多用：如在一些綜合性較強(qiáng)的工程中需要對(duì)同一地形圖繪制不同比例尺的地形圖，過(guò)去的平板測(cè)圖方法則需要重復(fù)工作，而數(shù)字化測(cè)圖則可以同時(shí)根據(jù)完成的地形圖繪制不同比例尺的多個(gè)地形圖，因?yàn)橥”壤甙舜蟊壤叩匦螆D測(cè)圖范圍。僅需先測(cè)大比例尺圖范圍，再補(bǔ)充小比例尺測(cè)圖范圍即可滿足各不同專業(yè)人員對(duì)不同比例尺的地形圖的需要。

（2）精度高：數(shù)字化成圖系統(tǒng)在外業(yè)采集數(shù)據(jù)時(shí)，利用全站儀現(xiàn)場(chǎng)自動(dòng)采集地形地物點(diǎn)的三維坐標(biāo)，并自動(dòng)存儲(chǔ)，在內(nèi)業(yè)數(shù)據(jù)處理時(shí)，完全保持了外業(yè)測(cè)量的精度，消除了人為的錯(cuò)誤及誤差來(lái)源，而且外業(yè)工作省略了讀數(shù)、計(jì)算、展點(diǎn)繪圖等外業(yè)工序，減少了作業(yè)人員，外業(yè)工效大大提高，時(shí)間縮短，直接生產(chǎn)成本大幅度下降。

（3）勞動(dòng)強(qiáng)度：小數(shù)字化成圖的過(guò)程，減輕了作業(yè)人員的勞動(dòng)強(qiáng)度，使生產(chǎn)周期大大縮短，能及時(shí)滿足用戶的要求。

（4）便于保存管理及更新方便：數(shù)字化產(chǎn)品既可以存儲(chǔ)在軟盤(pán)上，也可以通過(guò)繪圖儀繪在所需的圖紙上，線條、線劃粗細(xì)均勻，注記、字體工整，圖面整齊、美觀。且便于修改，能更好地保證圖形的現(xiàn)勢(shì)性和不變形性，避免重復(fù)測(cè)繪造成的浪費(fèi)，增加地形圖的實(shí)用性和用戶的廣泛性。

4.2外業(yè)數(shù)據(jù)的采集。

在采集數(shù)據(jù)時(shí)，數(shù)據(jù)采集人員要準(zhǔn)確應(yīng)用地物代碼，以免在內(nèi)業(yè)成圖時(shí)出現(xiàn)錯(cuò)誤；在觀測(cè)開(kāi)始時(shí)，相關(guān)工作人員需嚴(yán)格按照要求應(yīng)對(duì)測(cè)站點(diǎn)進(jìn)行檢查，跑尺人員應(yīng)嚴(yán)格按照自動(dòng)成圖的要求作業(yè)，確保能完整地描述地形地貌的特征點(diǎn)，必須通過(guò)繪制草圖來(lái)表明各個(gè)地物碎部點(diǎn)的屬性及相互關(guān)系，測(cè)量坎子時(shí)，要量取坎子比高，坎下也要進(jìn)行地形點(diǎn)采集。當(dāng)一個(gè)測(cè)區(qū)完成后，如果有必要可把數(shù)據(jù)備份。

4.3繪制內(nèi)業(yè)數(shù)據(jù)處理。

無(wú)論是工程進(jìn)程各階段的測(cè)量工作，還是不同工程的測(cè)量工作，都需要根據(jù)誤差分析和測(cè)量平差理論選擇適當(dāng)?shù)臏y(cè)量手段，并對(duì)測(cè)量成果進(jìn)行處理和分析。

5. 工程測(cè)量中的數(shù)字?jǐn)z影測(cè)量技術(shù)

（1）數(shù)字?jǐn)z影測(cè)量是基于數(shù)字影像與攝影測(cè)量的基本原理，應(yīng)用計(jì)算機(jī)技術(shù)、數(shù)字影像處理、影像匹配、模式識(shí)別等多學(xué)科的理論與方法。就攝影測(cè)量本身而言，從測(cè)繪的角度上來(lái)看數(shù)字?jǐn)z影測(cè)量還是利用影像來(lái)進(jìn)行測(cè)繪的科學(xué)與技術(shù)；而從信息科學(xué)和計(jì)算機(jī)視覺(jué)科學(xué)的角度來(lái)看，它是利用影像來(lái)重建三維表面模型的科學(xué)與技術(shù)，也就是在“室內(nèi)”重建地形的三維表面模型，然后在模型上進(jìn)行測(cè)繪，從本質(zhì)上來(lái)說(shuō)， 它與原來(lái)的攝影測(cè)量沒(méi)有區(qū)別。因而，在數(shù)字?jǐn)z影測(cè)量系統(tǒng)中，整個(gè)的生產(chǎn)流程與作業(yè)方式，和傳統(tǒng)的攝影測(cè)量差別似乎不大，但是它給傳統(tǒng)的攝影測(cè)量帶來(lái)了重大的變革。

（2）目前通過(guò)在空中利用數(shù)字?jǐn)z影機(jī)所獲得的數(shù)字影像，內(nèi)業(yè)使用專門(mén)的航測(cè)軟件處理，進(jìn)行的航空攝影測(cè)量是大面積、大比例尺地形測(cè)圖、地籍測(cè)量的重要手段與方法，在計(jì)算機(jī)上對(duì)數(shù)字影像進(jìn)行像對(duì)匹配，建立地面的數(shù)字模型，再通過(guò)專用的軟件來(lái)獲得數(shù)字地圖。該方法的特點(diǎn)是可將大量的外業(yè)測(cè)量工作移到室內(nèi)完成，它具有成圖速度快、精度高而均勻、成本低，不受氣候及季節(jié)的限制等優(yōu)點(diǎn)。特別適合于城市密集地區(qū)的大面積成圖。但是該方法的初期投入較大，如果一個(gè)測(cè)區(qū)較小，它的成本就顯得較高。但可以說(shuō)是今后數(shù)字測(cè)圖的一個(gè)重要發(fā)展方向，未來(lái)社會(huì)要求的是可以提供數(shù)字的、影像的、線劃的等多種形式的地圖產(chǎn)品。并且隨著全數(shù)字?jǐn)z影工作站的出現(xiàn)，加上GPS 技術(shù)在攝影測(cè)量中的應(yīng)用，使得攝影測(cè)量向自動(dòng)化、數(shù)字化方向邁進(jìn)。

6. 結(jié)語(yǔ)