【文章內(nèi)容簡(jiǎn)介】 光源。但是不可見光不利于檢測(cè)系統(tǒng)的操作，且價(jià)格較高，所以，目前在實(shí)際應(yīng)用中，仍多用可見光作為光源。機(jī)器視覺系統(tǒng)中，視覺信息的處理技術(shù)主要依賴于圖像處理方法，它包括圖像增強(qiáng)、數(shù)據(jù)編碼和傳輸、平滑、邊緣銳化、分割、特征抽取、圖像識(shí)別與理解等內(nèi)容。經(jīng)過這些處理后，輸出圖像的質(zhì)量得到相當(dāng)程度的改善，既改善了圖像的視覺效果，又便于計(jì)算機(jī)對(duì)圖像進(jìn)行分析、處理和識(shí)別。圖像的增強(qiáng)用于調(diào)整圖像的對(duì)比度，突出圖像中的重要細(xì)節(jié)，改善視覺質(zhì)量。通常采用灰度直方圖修改技術(shù)進(jìn)行圖像增強(qiáng)。圖像的灰度直方圖是表示一幅圖像灰度分布情況的統(tǒng)計(jì)特性圖表，與對(duì)比度緊密相連。圖像的數(shù)據(jù)編碼和傳輸，數(shù)字圖像的數(shù)據(jù)量是相當(dāng)龐大的，一幅512*512個(gè)像素的數(shù)字圖像的數(shù)據(jù)量為256 K字節(jié)，若假設(shè)每秒傳輸25幀圖像。高信道速率意味著高投資，也意味著普及難度的增加。因此，傳輸過程中，對(duì)圖像數(shù)據(jù)進(jìn)行壓縮顯得非常重要，數(shù)據(jù)的壓縮主要通過圖像數(shù)據(jù)的編碼和變換壓縮完成。圖像邊緣銳化處理主要是加強(qiáng)圖像中的輪廓邊緣和細(xì)節(jié)，形成完整的物體邊界，達(dá)到將物體從圖像中分離出來或?qū)⒈硎就晃矬w表面的區(qū)域檢測(cè)出來的目的。圖像分割是將圖像分成若干部分，每一部分對(duì)應(yīng)于某一物體表面，在進(jìn)行分割時(shí)，每一部分的灰度或紋理符合某一種均勻測(cè)度度量。圖像的識(shí)別過程實(shí)際上可以看作是一個(gè)標(biāo)記過程，即利用識(shí)別算法來辨別景物中已分割好的各個(gè)物體，給這些物體賦予特定的標(biāo)記，它是機(jī)器視覺系統(tǒng)必須完成的一個(gè)任務(wù)。在本世紀(jì)四、五十年代發(fā)展起來的線性濾波器以其完善的理論基礎(chǔ)，數(shù)學(xué)處理方便，易于采用FFT和硬件實(shí)現(xiàn)等優(yōu)點(diǎn)，一直在圖像濾波領(lǐng)域占有重要地位，其中以WIENER濾波器理論和卡爾曼濾波理論為代表。但是線性濾波器存在著計(jì)算復(fù)雜度高，不便于實(shí)時(shí)處理等缺點(diǎn)。雖然它對(duì)高斯噪聲有良好的平滑作用，但對(duì)脈沖信號(hào)干擾和其它形式的噪聲干擾抑制效果差，信號(hào)邊緣模糊。為此，1971年，著名學(xué)者TUKEY提出非線笥濾波器——中值濾波器，即把局部區(qū)域中灰度的中值作為輸出灰度，并將其與統(tǒng)計(jì)學(xué)理論結(jié)合起來，使用迭代方法，比較理想地將圖像從噪聲中恢復(fù)出來，并且能保護(hù)圖像的輪廓邊界，不使其變模糊。近年來，非線性濾波理論在機(jī)器視覺、醫(yī)學(xué)成像、語音處理等領(lǐng)域有了廣泛的應(yīng)用，同時(shí)，也反過來促使該理論的研究向縱深方向發(fā)展。第三篇：前沿講座智能控制及其應(yīng)用院 － 系： 信息工程與自動(dòng)化學(xué)院 專 業(yè)： 模式識(shí)別與智能系統(tǒng) 年 級(jí)： 2011 級(jí) 學(xué)生姓名： 朱 丹 學(xué) 號(hào)： 2011204082 任課教師： 楊承志、馮麗輝、萬舟2011年11月摘要智能控制是自動(dòng)控制發(fā)展的高級(jí)階段，是人工智能、控制論、信息論、系統(tǒng)論、仿生學(xué)、進(jìn)化計(jì)算和計(jì)算機(jī)等多種學(xué)科的高度綜合與集成，是一門新興的邊緣交叉學(xué)科。智能控制的主要方法有人工神經(jīng)網(wǎng)絡(luò)、模糊控制與專家系統(tǒng)，為解決那些用傳統(tǒng)方法難以解決的復(fù)雜系統(tǒng)的控制問題提供了有效的理論和方法。目前，智能控制已經(jīng)被廣泛應(yīng)用于工業(yè)、農(nóng)業(yè)、服務(wù)業(yè)、軍事航空等眾多領(lǐng)域，具有廣闊的發(fā)展前景。關(guān)鍵詞： 智能控制 人工神經(jīng)網(wǎng)絡(luò) 模糊控制 專家系統(tǒng)ABSTRACTIntelligent automatic control is the advanced stage of development of automatic control．It is prehensive and integrated subject of artificial intelligence, cybernetics, information theory, system theory, bionics, evolutionary putation, puter and so is a new edge of the overlapping main method of intelligent control are following：artificial neural network , fuzzy control and expert order to solve the plex control problem which is difficult to solve by the traditional provides effective theory and present, the intelligent control has been widely used in industry, agriculture, services, military aviation, etc, and has a broad development : intelligent automatic control artificial neural network fuzzy control expert system引言隨著信息技術(shù)的發(fā)展，許多新方法和技術(shù)進(jìn)入工程化、產(chǎn)品化階段，這對(duì)自動(dòng)控制技術(shù)提出了新的挑戰(zhàn)，促進(jìn)了智能控制理論在控制技術(shù)中的應(yīng)用，以解決用傳統(tǒng)的方法難以解決的復(fù)雜系統(tǒng)的控制問題。智能控制不僅包含了自動(dòng)控制、人工智能、系統(tǒng)理論和計(jì)算機(jī)科學(xué)的內(nèi)容，而且還從生物學(xué)等學(xué)科汲取豐富的營養(yǎng)，正在成為自動(dòng)化領(lǐng)域中最興旺和發(fā)展最迅速的一個(gè)分支學(xué)科。一、智能控制的基本概念和特點(diǎn)傳統(tǒng)的控制方法是建立在被控對(duì)象的精確數(shù)學(xué)模型之上的，而智能控制是針對(duì)系統(tǒng)的復(fù)雜性、非線性、不確定性等提出來的。IEEE控制系統(tǒng)協(xié)會(huì)把智能控制歸納為：智能控制系統(tǒng)必須具有模擬人類學(xué)習(xí)和自適應(yīng)的能力。一個(gè)智能控制系統(tǒng)一般應(yīng)具有以下一些特點(diǎn)：，系統(tǒng)能以知識(shí)表示非數(shù)學(xué)廣義模型和以數(shù)學(xué)表示的混合控制過程，采用開閉環(huán)控制和定性決策及定量控制相結(jié)合的多模態(tài)控制方式；、被控對(duì)象及環(huán)境的有關(guān)知識(shí)以及運(yùn)用這些知識(shí)的能力；、自適應(yīng)、自組織能力，能從系統(tǒng)的功能和整體優(yōu)化的角度來分析和綜合系統(tǒng)，以實(shí)現(xiàn)預(yù)期的控制目標(biāo)； ；(如非線性、多變量、時(shí)變、環(huán)境擾動(dòng)等)進(jìn)行有效的全局控制，并具有較強(qiáng)的容錯(cuò)能力。二、智能控制的主要方法 模糊控制模糊控制是基于模糊推理和模仿人的思維方法，對(duì)難以建立精確數(shù)學(xué)模型的對(duì)象實(shí)施的一種控制，其成功應(yīng)用的根源在于模糊邏輯本身提供了由專家構(gòu)造語言信息并將其轉(zhuǎn)化為控制策略的一種系統(tǒng)的推理方法，以模糊集合、模糊語言變量與模糊邏輯推理為基礎(chǔ)，以先驗(yàn)知識(shí)和專家經(jīng)驗(yàn)為控制規(guī)則。其基本思想是用機(jī)器模擬人對(duì)系統(tǒng)的控制,就是在被控對(duì)象的模糊模型的基礎(chǔ)上運(yùn)用模糊控制器近似推理等手段,實(shí)現(xiàn)系統(tǒng)控制。在實(shí)現(xiàn)模糊控制時(shí)主要考慮模糊變量的隸屬度函數(shù)的確定,以及控制規(guī)則的制定二者缺一不可。 專家控制專家控制是智能控制的一個(gè)重要部分，它在將人工智能中專家系統(tǒng)的理論和技術(shù)同自動(dòng)控制的理論和方法有機(jī)結(jié)合的基礎(chǔ)上，在未知環(huán)境下模仿專家的智能，實(shí)現(xiàn)對(duì)系統(tǒng)的有效控制。專家系統(tǒng)一般由知識(shí)庫、推理機(jī)、解釋機(jī)制和知識(shí)獲取系統(tǒng)等組成。知識(shí)庫用于存儲(chǔ)某一領(lǐng)域?qū)＜业慕?jīng)驗(yàn)性知識(shí)、原理性知識(shí)、可行操作與規(guī)則等，可通過知識(shí)獲取系統(tǒng)對(duì)原有知識(shí)進(jìn)行修改和擴(kuò)充。推理機(jī)根據(jù)系統(tǒng)信息并利用知識(shí)庫中知識(shí)按一定的推理策略來解決當(dāng)前的問題。解釋機(jī)制對(duì)找到的知識(shí)進(jìn)行解釋，為用戶提供了一個(gè)人機(jī)界面。通過對(duì)知識(shí)的獲取與組織,按某種策略適時(shí)選用恰當(dāng)?shù)囊?guī)則進(jìn)行推理,以實(shí)現(xiàn)對(duì)控制對(duì)象的控制。專家控制可以靈活地選取控制率,靈活性高。可通過調(diào)整控制器的參數(shù),適應(yīng)對(duì)象特性及環(huán)境的變化,適應(yīng)性好。通過專家規(guī)則,系統(tǒng)可以在非線性、大偏差的情況下可靠地工作,魯棒性強(qiáng)。 神經(jīng)網(wǎng)絡(luò)控制神經(jīng)網(wǎng)絡(luò)是模擬人腦神經(jīng)元的活動(dòng),利用神經(jīng)元之間的聯(lián)結(jié)與權(quán)值的分布來表示特定的信息,通過不斷修正連接的