基于C 的特征量识别系统的研究与实现文献综述

文献综述

课题现状与发展趋势

计算机视觉作为对人工智能研究有重大推动与帮助作用的一大领域，在这些年也是受到了更多的关注与研究。而本课题探究的就是计算机视觉领域的一个小小分支—直线检测。国外关于直线检测的研究主要集中在上世纪80年代左右，国内的研究在这个时间段相对较少，理论基础较为薄弱。90年代以来，随着该领域各项技术的迅速发展，如计算机技术，人工智能理论研究等等，直线检测的研究得到了很多新颖方法的实验。直线检测方法多元化，在不同的应用范围不断有不同的方法出现。

如今直线检测的方法主要有两种，一种是Hough变换方法，二是radon变换方法，目前的研究重点在于改进这两种方法的精度和计算量。在Hough变换的基础上，song等人提出了在原始图像空间上，通过预测支线的梯度特征加速累计过程来验证直线，因此还开发出了直线粗细的检测算法。而shaoiro则开发出了Hough-green算法，其精度远远超过了原有的Hough变换的精度。

Radon变换是一种能够检测直线并且反应直线目标的结构的一种变换方法。赵博士根据目标先验知识的生成规则，有效分析了图像的radon变换的结果，然后假设检验策略，通过你和的方法得到支线的精确位置，从而快速的检测机场，港口中的直线结构的目标。

课题研究的意义与价值

计算的存储同类越来越大，并行运算使得图像处理变得更加的简单。与此同时，人工智能技术和图像处理的研究也在不断的发展，使得机器视觉技术变得越来越先进，在工业检测，机器人技术，智能视频监控，航空航天，医学图像检测等许多领域得到了广泛的应用。军事领域的图像采集和识别同样非常重要，例如实施的图像处理技术是确保导弹精确命中目标的一个很重要的组成部分。