补充资料：图象理解系统

图象理解系统
image understanding systems

　　tux一angl一Jle xltong图象理解系统(imageunderstandingsys·抚“‘)由图象处理模块、三维物体模型库及相应的匹配与识别算法所组成的用以对摄取的二维图象进行解释的计算机视觉系统。 解释就是理解。解释的内容则是随着输人图象和理解的目的之不同而不同。例如，对于一张机场的航空照片，重要的也许是机场上有多少架飞机，是什么型号的等等，而对一张X光胸片，需要的解释也许是它是否正常，如不正常，可能是什么病等等。一个解释通常要包括识别出图象中有多少感兴趣的物体，它们是些什么物体以及它们之间有些什么关系等。图象解释系统则是能实现上述这种图象理解的计算机系统。它的主要功能是: (1)从二维的图象中提取出有意义的二维特征和它们的属性，例如区域、边缘、光流场以及它们的位置、大小、方向等属性。 (2)根据一定的知识和它们的属性，将上述这些二维特征分割成一些组，使每一组特征对应于一个三维物体或其组成部分，并提取出后者的属性，例如物体表面的类型，它的边界等等。 (3)将从二维图象中获得的物体及其属性与已存放在系统中的物体模型进行比较匹配，也就是识别和理解。当一个个物体全部被识别后，就可以完成对整个图象的解释了。 由于物体是三维的，而图象是二维的，三维物体的二维图象随着成象时的角度和光照条件的不同以及噪声等影响，使上述理解过程相当困难。而且在一般情况下，场景中往往有多个物体，前面的物体挡住后面的物体，更给解释工作增加了困难。因此，整个理解过程并不能像上面所说的那样从二维图象到三维场景一次完成。通常，都要经过若千次自底(二维图象)向上(三维场景)和自顶向下的多次反复才能得到较为满意的结果。 自70年代后期以来，许多研究工作者，针对某些特定的应用领域(航空照片、室外场景、室内场景、医学图象等)，研制了不少图象理解系统，下面是一些典型的例子。 (1)由美国Stan丘址d大学研制的ACRONYM系统，用于理解机场的航空照片，能识别出飞机、建筑物、道路、树木等。 (2)由美国Cam匆。Mellon大学研制的SPAM系统，也是用于理解机场的航空照片的。 (3)由美国Massa ellsetts大学研制的VlsION系统，用于识别室外的普通照片，能识别出房屋(包括分出其主要成分:墙壁、屋顶、门窗等)、汽车、草地、树木、天空等。 (4)由美国Stanford国际研究院研制的IGS系统，用于理解室内的照片，能识别出门窗、墙壁以及桌子、椅子等办公用品。 (5)由加拿大多伦多大学研制的ALVEN系统，用于理解人的左心室的X光电影(即一组连续的X光照片)，能识别出左心室，测出不同时刻左心室的体积、直径、宽度和长度的变化情况，以及给出某些初步的诊断供医生参考。 以上这些系统，在少量精心选择过的图象上都获得了较好的结果。但总的说来，与人的视觉系统相比，无论在通用性、可靠性(稳健性)，还是在处理速度等方面都还有很大的差距，需要进行大量的研究工作，才能研制出一个真正通用的图象理解系统。
　　

说明：补充资料仅用于学习参考，请勿用于其它任何用途。