導語：如何才能寫好一篇計算機視覺的主要任務，這就需要搜集整理更多的資料和文獻，歡迎閱讀由公務員之家整理的十篇范文，供你借鑒。

篇1

1計算機視覺的概述及基本體系結構

1.1計算機視覺概述

通過使用計算機和相關設備，對生物視覺進行模擬的方式，就是計算機視覺。對采集到的圖片或視頻進行相應的技術處理，從而獲得相應的三維信息場景，是計算機視覺的主要任務。計算機視覺是一門學問，它就如何通過計算機和照相機的運用，使人們獲得被拍攝對象的數據與信息所需等問題進行研究。簡單的說，就是讓計算機通過人們給其安裝上的“大腦”和“眼睛”，對周圍環(huán)境進行感知。計算機視覺是一門綜合性學科，在各個領域都有所作為，已經吸引了各個領域的研究者對其研究。同時，計算機視覺也是科學領域中一個具有重要挑戰(zhàn)性的研究。

1.2計算機視覺領域基本體系結構

提出第一個較為完善的視覺系統(tǒng)框架的是Marr，他從信息處理系統(tǒng)角度出發(fā)，結合圖像處理、心理物理學等多領域的研究成果，提出被計算機視覺工作者基本接受的計算機視覺系統(tǒng)框架。在此基礎上，研究者們針對視覺系統(tǒng)框架的各個角度、各個階段、各個功能進行分析研究，得出了計算機視覺系統(tǒng)的基本體系結構，如圖1。

2計算機視覺在交通領域的應用

2.1牌照識別

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

2.2車輛檢測

目前，城市交通路口處紅綠燈的間隔時間是固定不變的，但是受交通路口的位置不同、時間不同的影響，每個交通路口的交通流量也是持續(xù)變化的。此外，對于某些交通區(qū)域來說，公共資源的配備，比如交通警察、交通車輛的數量是有限的。如果能根據計算機視覺技術，對交通路口的不同時間、不同位置的交通情況進行分析計算，并對交通流量進行預測，有利于為交通警察縮短出警時間、為交通路口的紅綠燈根據實際情況設置動態(tài)變化等技術提供支持。

2.3統(tǒng)計公交乘客人數

城市公共交通的核心內容是城市公交調度問題，一個城市如何合理的解決公交調度問題，是緩解城市運力和運量矛盾，緩解城市交通緊張的有效措施。城市公交調度問題，為公交公司與乘客的平衡利益，為公交公司的經濟利益和社會效益的提高做出了巨大的貢獻。由于在不同的地域、不同的時間，公交客流會存在不均衡性，高峰時段的公交乘客過多，平峰時段的公交乘客過少，造成了公交調度不均衡問題，使有限資源浪費嚴重。在計算機視覺智能公交系統(tǒng)中，自動乘客計數技術是其關鍵技術。自動乘客計數技術，是對乘客上下車的時間和地點自動收集的最有效的技術之一。根據其收集到的數據，從時間和地點兩方面對客流分析，為城市公交調度進行合理的安排。

2.4對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。據相關數據顯示，因車道偏離導致的交通事故在40%以上。其中，駕駛員的疲勞駕駛就是導致車道偏離的主要原因。針對此種現(xiàn)象，為減少交通事故的發(fā)生，計算機視覺中車道偏離預警系統(tǒng)被研究開發(fā)并被廣泛應用。針對駕駛員眨眼頻率，利用計算機視覺對駕駛員面部進行圖像處理和分析，再根據疲勞駕駛關注度與眨眼頻率的關系，對駕駛員的工作狀態(tài)進行判斷。此外，根據道路識別技術，對車輛行駛狀態(tài)進行檢測，也是判斷駕駛員工作狀態(tài)的方法之一。這兩種方法，是目前基于計算機視覺的基礎上，檢測駕駛員疲勞狀態(tài)的有效方法。

2.5路面破損檢測

最常見的路面損壞方式就是裂縫。利用計算機視覺，及時發(fā)現(xiàn)路面破損情況，并在其裂縫程度嚴重之前進行修補，有利于節(jié)省維護成本，也避免出現(xiàn)路面坍塌，車輛凹陷的情況發(fā)生。利用計算機視覺進行路面檢測，相較于之前人工視覺檢測相比，有效提高了視覺檢測的效率，增強了自動化程度，提高了安全性，為市民的出行安全帶來了更高保障。

3結論

本文從計算機視覺的概述，及計算機視覺基本體系結構，和計算機視覺在交通領域中的應用三面進行分析，可見計算機視覺在交通領域中的廣泛應用，在交通領域中應用的有效性、顯著性，以此可得計算機視覺在現(xiàn)展過程中的重要性。隨著計算機視覺技術的越來越成熟，交通領域的檢測管理一定會加嚴格，更加安全。

作者:夏棟 單位:同濟大學軟件學院

參考文獻:

[1]段里仁.智能交通系境在我國道路空通管理中的應用[J].北方工業(yè)時報,2015(06).

[2]王豐元.計算機視覺在建筑區(qū)間的應用實例分析[J].河北電力學報,2015(04).

[3]李釗稱.主動測距技術在計算機數據分析中的作用探析[J].計算機應用,2015(08).

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

篇2

關鍵詞：對象輪廓；分水嶺；支持向量機；場景標注

DOIDOI：10.11907/rjdk.171167

中圖分類號：TP301

文獻標識碼：A 文章編號：1672-7800（2017）006-0015-04

0 引言

在計算機視覺領域，場景標注[1]作為圖像分析的一個重要環(huán)節(jié)受到廣泛關注。場景標注的主要任務是識別圖像中每個像素所屬類別。由于圖像常會受到不同光照強度、對象遮擋以及對象種類繁多和復雜的場景問題，導致像素標注錯誤，無法很好地標注對象輪廓，最終導致場景標注效果不理想。因此，如何有效提取圖像中對象的整體信息，描述圖像對象輪廓，一直都是值得研究的問題。

當前的場景標注方法是直接在圖像像素的基礎上訓練模型，而單純在像素上訓練模型很難描述對象輪廓，從而使場景標注難以獲得理想效果?；诖?，本文提出一種基于支持向量機的場景標注方法SVM-SLM（Scene labeling method based on support vector machine），通^訓練圖像塊，有效解決了基于圖像中對象輪廓的描述問題，在像素精確度上也有良好表現(xiàn)。

2 SVM-SLM方法描述

傳統(tǒng)的基于像素訓練的場景標注模型無法描述對象輪廓，會出現(xiàn)預測對象丟失和對象不完整的問題，從而影響像素精度。文獻[2]、[ 3]、[4]研究的場景標注方法時間開銷過大，并且精確度不高。針對以上問題本文提出了SVM-SLM方法，具體步驟如下：①采用結構森林方法[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度分割并且減少接下來的訓練開支，通過UCM算法選取閾值，優(yōu)化圖像塊；④對圖像塊提取特征，利用支持向量機訓練圖像塊得到場景標注結果，并實現(xiàn)具有良好精確度及輪廓效果的場景標注方法。

3 生成圖像塊

邊緣檢測是計算機視覺系統(tǒng)中的一個重要環(huán)節(jié)，包括對象檢測[6]、目標預測[7-8]以及場景分析[9]。邊緣形狀是目標對象幾何形態(tài)描述的重要表現(xiàn)內容，圖像中對象的輪廓往往來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鍵。

傳統(tǒng)的水平集模型需把輪廓曲線演化的能量方程轉化為微分方程，進而借助梯度下降法求得方程最優(yōu)解。這一過程不僅耗時，而且導致計算結果不穩(wěn)定?？紤]到一般圖像塊對圖像的局部特征表現(xiàn)效果很好，本文利用圖像塊對邊緣學習能力很強的特點，提出結構森林[5]與分水嶺相結合的方法。首先利用結構森林的學習方法建立隨機決策森林，學習每個像素的邊緣概率，生成邊緣概率圖，此過程不但解決了耗時問題還取得了良好的邊緣檢測效果；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（彩圖見封二）。圖2（a）和圖2（d）測試為圖像，圖2（b）和圖2（e）為對應的邊緣概率圖，圖2（c）和圖2（f）為初始圖像塊。

4 訓練SVM模型

傳統(tǒng)的像素訓練無法保留圖像中對象的輪廓信息，訓練時單純對像素提取特征，忽略了像素之間的局部空間信息，不能很好表達圖像中像素之間的區(qū)域結構信息。本文通過對帶有對象輪廓信息的圖像塊進行訓練，在進行語義標注的同時保留了對象輪廓信息。

采用核描述、核匹配方法，通過2*2網格模型提取像素的紋理特征、顏色特征和梯度特征，對應于同一圖像塊的像素特征加權合并為圖像塊特征。隨機提取10塊圖像塊生成特征圖，利用支持向量機算法對圖像塊進行訓練，如圖4所示。

5 實驗結果及分析

為了驗證方法的有效性，圖像數據集采用Stanford Background數據庫[11]，數據庫共715幅復雜的戶外場景圖片，每張圖像大小為320×240像素，附有標注好的正確語義圖片。每個像素劃分為一類，共8個類別，總計5 491萬多像素標記樣本，類別分別為天空、樹、馬路、草地、水、建筑物、山脈和前景對象。

實驗隨機提取五組訓練集和測試集依次帶入公共圖像塊閾值[0.1，0.2，0.3，0.4，0.5]進行評估，每組訓練集提取572個圖片，運用本文方法分割成若干圖像塊，平均每組圖片被分割成5萬多塊圖像塊，運用支持向量機對這些圖像塊進行訓練。用剩余143個圖片作為測試集，平均分割成1萬多個圖像塊進行測試，并對每個像素進行語義標注。實驗效果如圖5所示（彩圖見封二）。圖5（a）為部分測試圖像，圖5（b）為數據庫正確標注圖像，圖5（c）為本文方法的場景標注圖像，圖5（d）為標注失準圖，標注錯誤的像素呈黑色，正確的為白色。圖5下方8個色塊分別代表8個不同的類別。

利用結構森林生成邊緣概率圖，將圖像邊緣作為對象輪廓候選區(qū)，提高了場景標注對對象輪廓的標注能力。再通過UCM算法優(yōu)化圖像塊，最終場景標注結果如圖6所示。圖6表明，本文方法在人物、車輛、動物等重要的前景對象輪廓細節(jié)上有較好的描述。

6 結語

場景標注是計算機視覺技術的關鍵步驟。針對像素訓練模型容易忽略圖像空間結構信息，無法描述對象輪廓的問題，提出一種基于支持向量機的場景標注方法。通過結構森林/UCM生成圖像塊，構建支持向量機模型，訓練得到場景標注結果。實驗表明該方法較好地描述了圖像中的對象輪廓，獲得了良好的精確度和標注效果。但是，由于特征描述采用核描述提取特征，對部分圖像塊不能有效提取特征，導致部分圖像塊標注不正確，影響了總體精確度。下一步的工作目標是提高有效特征的提取，以獲取更高的精確度及場景標注效果。

參考文獻：

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

[2]馬成虎，董洪偉.一種基于深度學習的多尺度深度網絡的場景標注算法[J].計算機工程與科學，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

關鍵詞：磁瓦 起級缺陷 缺陷識別 紋理分析

中圖分類號：TP391 文獻標識碼：A 文章編號：1007-9416(2011)12-0176-02

紋理特點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生的圖案(模式)。在磁瓦的生產過程中，由于在打磨時砂輪打滑引起的打磨不均勻容易產生起級缺陷。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主要是以目視檢測為主，效率不高；并且容易因為工人的視覺疲勞，進而引起缺陷的漏檢。計算機視覺技術的應用很好地解決了這個問題。它具有檢測速度快，效率高，漏檢率低，穩(wěn)定性好的特點。要進行起級缺陷的檢測，首先應用Laplacian算子進行圖像的預處理，獲得了較好的缺陷識別圖像，使缺陷得到銳化，從而有利于缺陷檢測與識別。然后，根據缺陷的紋理特點，求得基于局部范圍內的熵矩陣，然后對熵矩陣進行基于紋理的圖像分割，得到二值化圖像。最后，進行缺陷特征的提取,并利用缺陷檢測準則進行缺陷檢測和識別。

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的組合在一定空間內的組合。紋理特征是識別物體和缺陷的一個重要特征。目前紋理分析在空域和頻域主要有統(tǒng)計法、結構法和頻譜法。機械加工在工件表面形成了規(guī)則的紋理，內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別等方面具有很強的應用和研究價值。

基于熵的圖像紋理分析是基于空域統(tǒng)計原理的紋理分析方法。

科學家已經發(fā)明了測量無序的量，它稱作熵，熵也是混沌度，是內部無序結構的總量。熵值越大混沌程度越強，也就是圖像結構越復雜；反之圖像結構簡單?；诰植快刂稻仃嚨膱D像紋理分割方法就是利用了熵原理，對圖像求取N*N窗口內的局域上作為中心像素點的值，獲得熵值矩陣。選定恰當的窗口，在紋理邊緣處會有較大的熵值。選擇一定的閾值可以進行閾值分割，實現(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的實數；L灰度級，n，m圖像的長和寬； ni灰度級為i的像素的個數。

對于局部熵值的計算，m*n為模板窗口的大小。為減少計算量，窗口內灰度級出現(xiàn)的概率p的大小取區(qū)域內最大灰度值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，計算簡單，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。對于缺陷的識別，主要任務是確定是否存在缺陷以及定位缺陷的位置。按照統(tǒng)計學原理，抽取磁瓦內表面的一塊條形區(qū)域，如果存在起級缺陷，就可以確定磁瓦存在起級缺陷。這樣即減少了圖像處理的數據量和處理時間，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目標，磁瓦和背景。如果提取的抽樣區(qū)域存在背景會影響缺陷識別的效果。因此必須確定磁瓦存在的區(qū)域（如圖1.A中標示區(qū)域），在此最小區(qū)域內抽取樣本。為確定最小磁瓦區(qū)域坐標，先獲取圖像1/2寬x處的行數據，并繪制這個一維信號,縱坐標為灰度值，橫坐標為索引號，如圖2(a)?？梢园l(fā)現(xiàn)一維信號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生的結果。因此可以以此來獲取最小區(qū)域的縱坐標。設為y1,y2、抽樣寬度為h,則可以得到最小區(qū)域的兩個坐標(x,y1),(x,y2)。最終的抽樣區(qū)域以及抽樣區(qū)域的均值一維信號如圖2(c)。

雖然，圖像的一維信號可以顯示出缺陷的區(qū)域，但是由于磁瓦內表面容易存在污漬、暗斑等噪聲，也會引起灰度值的突變，表現(xiàn)為一個較長的谷。因此一維信號不能作為缺陷識別的依據，只能用來校正缺陷的識別結果。

2.3 基于熵的磁瓦圖像處理

利用公式(1)對取得的ROI圖像區(qū)域進行熵值處理?；叶日{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，不能根據亮區(qū)域，二值化后的區(qū)域標示缺陷邊界。必須經過灰度調整，然后選擇相應的閾值再二值化。增強結果如圖3(2);應用大律法選擇閾值，進行圖像二值化并利用數學形態(tài)學操作濾波去噪，結果如圖3(3),(4)：

該方法對于光照均勻，磁瓦表面無污漬缺陷明顯的圖像有良好的識別效果。但是對于有污漬或暗條紋形成了一定紋理，圖像預處理和形態(tài)學操作，邊界跟蹤，存在多個標示區(qū)域(如圖3(5))，對缺陷有誤識別。因此，必須對識別結果進行校正，結果如圖3(6)。具體方法：

(1)計算ROI抽樣信號的平均值，記為AverageROI。橫向掃描圖3(4)，記錄每個白色區(qū)域的起始坐標和終止坐標，獲得數組A；

(2)組合A中的坐標，取坐標記錄的第i，i+1個坐標（i=2，4，S-1，S為白色區(qū)域矩形邊的個數的個數）；

(3)獲得組合坐標之間的ROI中的圖像數據，求的平均灰度值Average，并與AverageROI比較。如果小于，則檢測組合坐標對應的點在ROI抽樣信號中是否是在圖2(c)中的一個長為Long的谷內。如果不在，則轉到下一個組合坐標。否則，標示組合坐標之間的區(qū)域，記錄缺陷位置。若i

(4)若檢測記錄存在缺陷，顯示缺陷位置標示圖像。否則，提示無缺陷。

3、結語

磁瓦起級缺陷是因打磨不均勻造成的缺陷，在磁瓦的制造過程中比較常見。本文使用基于圖像信息熵的理論對磁瓦圖像文理分析，制訂了缺陷識別和矯正規(guī)則，對缺陷進行識別，獲得了較好的識別效果，并用Matlab進行了仿真實驗。每片磁瓦的均處理時間為0.09秒，識別率達到了93%，能夠滿足實際生產的在線檢測要求。

參考文獻

[1]章毓晉.圖象工程[M].北京:清華大學出版社,2005.

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

篇4

關鍵詞：車牌識別系統(tǒng)； 智能交通； 技術

中圖分類號： TP391.4文獻標識碼：A文章編號：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

車牌識別系統(tǒng)是智能交通系統(tǒng)的關鍵部分，可廣泛應用于交通管理、監(jiān)控和電子收費等場合。車牌識別系統(tǒng)就是以車牌作為車輛的唯一標識，采用計算機視覺和模式識別技術對汽車車牌的自動識別。

1 車牌識別系統(tǒng)的組成

典型的車牌識別系統(tǒng)由車輛檢測、圖像采集、車牌識別等部分組成（圖1）。車輛檢測就是使用車輛傳感器或紅外線檢測等來判斷車輛是否通過某一位置。當車輛駛過探測部位時，CCD攝像機拍攝車輛圖像，由圖像采集卡采集圖像并輸入計算機。車牌識別部分由計算機和識別軟件組成，從由CCD攝像機采集的圖像中自動尋找車牌，然后對找到的車牌進行字符切分和識別，最后獲得車牌號碼，并將識別結果送至監(jiān)控中心等場合。

圖1車牌識別系統(tǒng)的組成

在整個識別系統(tǒng)中，以車牌識別最為關鍵。識別過程有兩個步驟，首先從圖像中找出確切的車牌位置，即車牌定位，然后對找出的車牌進行字符切分和識別。車牌識別過程包含兩大關鍵技術：1.車牌區(qū)域定位技術；2.車牌字符切分和識別技術。

2 車牌定位技術

圖像輸入計算機后，系統(tǒng)要自動找出車牌的準確位置。車牌區(qū)域定位是車牌字符切分和識別的基礎，是提高系統(tǒng)識別率的關鍵。車牌定位過程包括三個步驟：圖像預處理、車牌搜索和車牌糾偏。

2.1 圖像預處理

圖像預處理的作用：平滑去噪和車牌特征增強。

平滑去噪就是消除圖像上由于光照、車牌污損等產生的噪聲干擾。平滑方法主要有平均濾波、中值濾波和指數函數濾波等方法。中值濾波和指數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)域不同的獨有的特征，車牌特征增強使圖像中車牌區(qū)域明顯突出。通常有下述增強方法：邊緣檢測法、二值化法、量化法、數學形態(tài)學法。

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。邊緣檢測法就是要檢測出這些邊緣。有關邊緣檢測的算法很多，考慮實時性要求，采用簡單的微分算子，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現(xiàn)邊緣檢測。文獻[1]提出一種牌照字符邊緣特征增強的方法，該方法使用線性濾波器函數將每一行中多個連續(xù)的水平方向梯度值相加，使得字符的垂直邊緣增強。微分算子對噪聲較為敏感，因此在使用之前需要平滑去噪。LOG算子是高斯指數平滑法與Laplacian算子相結合的邊緣檢測方法，既能消除噪聲又能很好的突出車牌字符的邊緣。

二值化增強法先確定一個閾值，然后將圖像中各個像素的灰度值都與這個閾值比較，根據比較結果將整個圖像的像素點分為兩類，車牌區(qū)域歸為一類，便于車牌搜索。為了滿足實時性要求，采用簡單、快速的二值化法，如平均閾值法，反積分自適應閾值法等。

文獻[3]使用神經網絡來對彩色圖像量化，使得車牌區(qū)域的字符為一種特定的顏色，然后進行顏色過濾或線掃描，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顏色模式轉換為HSI模式，以HSI各分量值作為輸入對神經網絡進行訓練，再以訓練好的神經網絡對圖像的各像素點量化分類，該方法抗干擾能力強，量化前可不要求平滑，

數學形態(tài)學表示以形態(tài)為基礎對圖像進行分析的數學工具，它的基本思想使用具有一定形態(tài)的結構元素去量度和提取圖像中的對應形狀以達到對圖像分析和識別的目的。數學形態(tài)學有四種基本的運算：膨脹，腐蝕，開啟和閉合。出于以下兩個意圖而使用形態(tài)學方法：1.將開啟和閉合結合起來，消除二值化后的車牌區(qū)域中存在的細小空洞；2.采用水平線段的結構元素膨脹，使二值化后的車牌區(qū)域成為一連通區(qū)域。

需要說明的是，上述方法往往不是單獨使用，如二值化法是對邊緣檢測后的圖像進行，而形態(tài)學方法是在二值化圖上實現(xiàn)。不能簡單的評價圖像預處理方法的優(yōu)劣，因為這與所對應的車牌搜索方法緊密相關。

2.2 車牌搜索

車牌搜索就是根據車牌區(qū)域特征在圖像中尋找車牌的過程。根據搜索的方式可把車牌搜索方法分為以下幾種：投影統(tǒng)計法、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的車牌增強法配合使用(見表2)。

表2車牌增強法用于不同搜索法的情況

投影統(tǒng)計法對邊緣化或二值化圖像進行水平和垂直累加投影，根據投影直方圖呈現(xiàn)的連續(xù)峰、谷、峰的分布的特征來提取車牌，或對由形態(tài)學膨脹運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[24]提出的采用高斯指數函數對投影圖平滑，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邊緣化或二值化后的圖像逐行水平掃描，穿過車牌區(qū)域的掃描線因為字符邊緣的存在，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[3]用神經網絡對彩色圖像量化之后，再逐行水平掃描，分別獲取顏色向量和長度向量，能與標準車牌區(qū)域的顏色向量和長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，以與模板匹配的局部區(qū)域為車牌。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，來檢測車牌的邊框角點；倒“L”模板以倒“L”結構為模板來尋找車牌邊框的左上角；矩形框模板以一個與車牌長寬比例相當的矩形框作為模板，在整個圖像區(qū)域滑動，以符合某一判別函數值的區(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，先對圖像進行Hough變換，然后在Hough參數空間尋找車牌的四個端點。

上述搜索法可以結合使用，如文獻[25]提出的自適應邊界搜索法，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)計搜索法和線掃描搜索法處理速度快，能對大小不同的車牌識別，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確的找到車牌位置，但難以滿足實時性要求，可以采用神經網絡或遺傳算法來加快搜索進程。反Hough變換搜索法除了能準確找到車牌位置，還能確定車牌的傾斜角度，對噪聲、輪廓線中斷不敏感，但在有直線干擾下可能實效，文獻[28]提出的快速Hough變換的策略能滿足實時性要求。

2.3 車牌糾偏

由于車輛運行軌跡不定、攝像機位置偏斜等原因，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別，就須對車牌糾偏，使車牌達到規(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[22]提出使用Rodan 變換可用來確定傾斜角度。

3 車牌字符識別技術

車牌定位之后就要對車牌字符識別。這一過程包含下列幾個步驟（見圖2）：車牌二值化，字符切分，字符特征提取和字符識別。這里只討論后三個步驟。

圖2 車牌字符識別步驟

3.1 字符切分

字符切分把車牌上的字符分開，得到一個個的字符圖像。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，找到投影圖的各個谷就能把字符分開。模板匹配法以字符大小的矩形作為模板，根據字符的寬度初步確定每個字符的起始位置，然后以此模板在初定位置附近滑動，找到最佳匹配位置而切分字符。區(qū)域生長法對每個需要分割的字符找一個像素作為生長起點的種子，將種子像素周圍鄰域中與之相同或相近性質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作新的種子繼續(xù)進行上述過程，直到再沒有滿足條件的像素可被包含進來?；诰垲惙治龅姆椒▽嚺茍D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)計特征。計算字符圖像的多階原點矩，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，旋轉和尺度不變性，但運算量大；也有把字符在多個方向上的投影（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.基于結構特征。輪廓特征，粗網格特征，層次輪廓特征以及字符特征點.這類特征提取計算量較少，但對噪聲和位置變化比較敏感，需要去噪和對字符歸一化。3.基于變換。對原始特征（像素點矩陣）進行傅里葉變換、K-L變換或小波變換等，提取的特征向量反映字符的結構特征和統(tǒng)計特征，相似字符的特征矢量距離較大，效果較好。實際應用中往往是多種特征的提取，多種特征提取方法的使用。

對車牌字符特征提取之后，就把相應的特征值輸入分類器識別，目前對于車牌字符的分類識別方法歸納為下列幾種。（1）模板匹配。該方法首先對待識字符進行二值化并將其縮放為字符數據庫中模板大小，然后與所有的字符模板比較匹配，計算相似度，以最大相似度者為識別結果。（2）PCA子空間分類器。子空間分類器由訓練樣本相關矩陣的特征向量構成，單個模式的子空間建立彼此獨立，相互之間沒有聯(lián)系，以待識別字符的特征向量與所對應的子空間距離最小作為結果。（3）基于人工神經網絡。人工神經網絡有抗噪聲、容錯、自適應、自學習能力強的特點。多隱含層的BP神經網絡，BAM(Bidirectional association memories)神經網絡方法，自諧振ART神經網絡識別等是此方法的典范。（4）基于邏輯規(guī)則推理的識別方法。文獻[18]提出基于歸納推理的字符識別，該方法在訓練時自動生成識別規(guī)則。（5）基于隨機場圖像模擬的識別方法。該方法識別率高，并且可對灰度圖像直接提取字符特征，抗干擾性強。另外使用感知器的識別，通常感知器只用于相似字符對的識別，作為其他識別方法的補充。

4 總結與展望

從已有車牌識別系統(tǒng)的性能分析來看，正確識別率和識別速度兩者難以同時兼顧。其中原因包括目前的車牌識別技術還不夠成熟，又受到攝像設備、計算機性能的影響。

現(xiàn)代交通飛速發(fā)展，LPR系統(tǒng)的應用范圍不斷擴寬，對車牌識別系統(tǒng)的性能要求將更高。對現(xiàn)有的算法優(yōu)化或尋找識別精度高、處理速度快、應用于多種場合的算法將是研究的主要任務。

參考文獻：

[1] 廖金周,宣國榮.車輛牌照的自動分割[J].微型電腦應用,1999(7):32-34.

[2] 劉智勇.車牌識別中的圖像提取及分割[J].中文信息文報,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].中國圖像圖形學報,2002,7(5):473-476.

[5] 章毓晉.圖像工程(上)――圖像處理與分析[M].清華大學出版社.

篇5

【關鍵詞】測繪；工程建設；數字化技術；量技術

測繪事業(yè)的跨越式發(fā)展，已成為國家重要的基礎地理信息產業(yè)，其服務領域也已滲透到社會的方方面面。它為國家建設和管理提供與地理位置有關的各種專題性和綜合性的基礎信息，其成果是進行環(huán)境監(jiān)測、農業(yè)建設、交通、水利等大型工程建設、城鄉(xiāng)規(guī)劃建設、重大災害監(jiān)測預報和科學研究以及國防建設等必不可少的基礎資料。

1. 測繪工程概述

測繪是采集、量測、處理、分析、解釋、描述、利用和評價與地理和空間分布有關數據的一門科學、工藝、技術和經濟實體，具有基礎性、前期性和公益性和特點。測繪產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，而這些信息是社會發(fā)展和經濟建設的各行各業(yè)需要利用和必須依賴的基礎。而工程測繪是把工程地區(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，依照規(guī)定的比例尺測繪成地形圖，或者用數字表示出來，為工程建設的規(guī)劃設計提供必要的圖紙和資料。要測繪的地球表面形態(tài)以及地物地貌雖然復雜多樣，但其形狀和大小均可看作是由一些特征點的平面位置和高程所決定的。測繪工程的主要任務有控制測量，碎部測繪，線路測繪，施工放樣，數據處理等工作。

1.1控制測量。

（1）制測量就是在測區(qū)范圍內建立統(tǒng)一的控制網，以便統(tǒng)一各局部的地形測量工作，使所測的地形圖能相互拼接構成整體，而且精度均勻?？刂凭W分為平面控制網和高程控制網兩類都遵循從整體到局部、分級布網，逐級加密的原則進行布設。平面控制網常規(guī)布設方法有兩種，即GPS測量和導線測量。高程控制網常規(guī)布設方法有三種，即GPS測量，三角高程測量和水準測量。

（2）平面控制點點位應選在土質堅實的地方或堅固穩(wěn)定的高建筑物頂面上，便于造標、埋石和觀測，并能永久保存。埋高永久性的標石坑底填以砂石，搗固夯實或澆灌混凝土底層。標志中心應具有明顯、耐久的中心點。GPS點宜取村名、山名、地名、單位名作為點名，并應向當地政府和人民群眾進行仔細調查后確定。同一測區(qū)有相同的點名應加以區(qū)別。

（3）高程控制網布設范圍應與平面控制網相適應。測區(qū)內只應建立一個統(tǒng)一的高程系統(tǒng)，應采用1985年國家高程基準或沿用1956年黃海高程系統(tǒng)。首級網應布設成閉合環(huán)線，加密網可布設成附合路線、結點網和閉合環(huán)。水準路線直以起止地點的簡稱為線名，起止地名的順序為“起西止東”或“起北止南”。環(huán)線名稱取環(huán)線內最大的地名后加“環(huán)”字命名。水準路線的等級，分別以II，III，IV書寫于線名之前表示。水準點編號應自路線的起點開始，按1，2，3……順序編定點號。

1.2碎部測繪。

（1）碎部測繪就是在測區(qū)內用精密的儀器和方法測量地形地物特征點的三維坐標，然后繪制出圖形來?，F(xiàn)代碎部測繪以數字測繪為主，即數據的采集，存儲，傳輸，計算，繪圖等以計算機為核心，人工干預為輔。數據采集過程是一個多源數據集成的過程。外業(yè)數據的采集與作業(yè)區(qū)的自然環(huán)境、人文環(huán)境、經濟發(fā)展狀況有著密切的關系。地形數據的采集遵循“先控制，后碎部”的原則，范圍的劃定應盡量以自然線狀地物的中心以及行政界線進行劃分，確保實地的測繪不重不漏，以保證地形圖數據的完整性和準確性。

（2）地形圖的繪圖要求：第一、繪制輪廓符號應符合下列規(guī)定：依比例繪制的輪廓符號，應保持輪廓位置的精度，輪廓內的說明符號，應按圖式規(guī)定配置。第二、圖面注記的配置，應符合下列規(guī)定：文字注記應使所指示的地物能明確判讀。一般情況下，字頭應朝北。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，應符合下列的規(guī)定：城鎮(zhèn)和農村的街區(qū)、房屋，均應按外輪廓線準確繪制；街區(qū)與道路的銜接處，應0.2mm的間隔。第四、水系的繪制，應符合下列規(guī)定：水系應先繪橋、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；當河流遇橋梁時應中斷；單線溝渠與雙線河相交時，應將水涯線斷開，彎曲交于一點。第五、道路網的繪制，應符合下列規(guī)定：當繪制道路時，應先繪鐵路，再繪公路及大車路等；當實線道路與虛線道路、虛線道路與虛線道路相交時，應實部相交；當公路遇橋梁時，公路與橋梁應0.2mm的間隔。第六、等高線的繪制，應符合下列規(guī)定：必須保證精度，不得跑線變形。當單色圖上的等高線遇雙線河、渠和不依比例繪制的符號時，應中斷；當多色圖上的等高線遇雙線河、渠時，應中斷，遇其他地物時，不得中斷。第七、境界線的繪制，應符合下列規(guī)定：凡繪制有國界線的圖，必須符合國務院批準的有關國境界線的繪制規(guī)定；境界線的轉角處，不得有間斷，并應在轉角上繪出點或曲折線。

1.3線路測繪。“線路”是管道、道路、渠道及輸電線路等的總稱。線路測量包括兩方面的任務：一是為線路工程設計提供地形圖和斷面圖；二是進行線路工程施工測量。具體內容有：中線測量，根據規(guī)劃設計的平面位置，將線路工程的中線包括起點、轉折點和終點標定于實地，并測定其轉向角，設置里程樁，有的還要測設曲線；縱橫斷面圖，以了解其縱向及橫向的地面起伏情況；測繪線路沿線一定寬度的帶狀地形圖，供設計和施工用；施工測量，根據施工要求，為不同的施工階段提供各種測量定位標志；測繪竣工圖，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計好的建筑物等按設計要求在現(xiàn)場標定出來，作為施工的依據。

1.5數據處理。數據處理包括控制測量的觀測數據的整理，計算，平差等；碎部測繪的原始數據的整理，計算，修改等；屬性數據采集后的整理等。

2. 測繪工程的特點及發(fā)展趨勢

2.1現(xiàn)代測繪工程的特點?，F(xiàn)代測繪工程的主要特點概括起來就是“六化”和“十六字”?！傲奔礈y量內外業(yè)作業(yè)的一體化、數據獲取及處理的自動化、測量過程控制和系統(tǒng)行為的智能化、測量成果和產品的數字化、測量信息管理的可視化、信息共享和傳播的網絡化。“十六字”是精確、快速、可靠、實時（動態(tài)）、遙測（遙控、遙傳）、集成、簡便、安全。組織測繪工作應遵循的原則是“從整體到局部”、“先控制后碎部”，這樣可以減少誤差的累積，保證測圖的精度，可以分幅或分區(qū)測繪，加快測圖進度。

2.2現(xiàn)代測繪工程的發(fā)展趨勢。

2.2.1現(xiàn)代測繪工程的發(fā)展趨勢：

（1）以測量機器人為代表的智能和自動化系統(tǒng)的廣泛應用； （2）基于知識和數據挖掘的工程信息系統(tǒng)； （3）從土木工程測量和三維工業(yè)測量到人體醫(yī)學測量； （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技術集成與融合； （6）大面積空間數據的快速采集和處理； （7）精密數據處理和海量數據處理方面的數學物理建模； （8）信息服務的網絡化和可視化。

2.2.2傳統(tǒng)工程測量技術的服務領域主要包括水利、交通、建筑等行業(yè)，隨著計算機、網絡技術的發(fā)展、測量儀器的智能化，數字化測繪技術得到了廣泛的應用，而全球定位系統(tǒng)（GPS）、地理信息系統(tǒng)（GIS）、攝影測量與遙感（RS）以及數字化測繪和地面測量先進技術的發(fā)展，測量數據采集和處理的逐漸自動化、實時化和數字化，工程測量的服務領域也應進一步延伸，以滿足不斷提高的社會需要。

3. 數字化技術在原圖處理中的應用

3.1原圖數字化處理。

在建立各種GIS 系統(tǒng)時，需要對原有地圖進行數字化處理，對于原始地圖，若其現(xiàn)勢性、精度和比例尺能滿足要求，就可以利用數字化儀對其進行數字化處理工作。當前主要有手扶跟蹤數字化和掃描矢量化、GPS數據輸入三種方法，手扶跟蹤數字化需要的儀器為計算機，數字化儀及相關軟件，是較早的一種數字化輸入方法，輸入速度較慢，勞動強度也較大。掃描矢量化是通過掃描儀輸入掃描圖像，然后通過矢量跟蹤，確定實體的空間位置。隨著掃描儀的普及和矢量化軟件的不斷升級，其作業(yè)方法越來越趨于自動化，它是一種省時，高效的數據輸入方法。GPS輸入是依據GPS工具能確定地球表面圖形精確位置， 由于它測定的是三維空間位置的數字，因此不需作任何轉換，可直接輸入數據庫，目前主要是應用RTK（Real Time Kinematics-實時動態(tài)）技術，它是在GPS 基礎上發(fā)展起來的、能夠實時提供流動站在指定坐標系中的三維定位結果，并在一定范圍內達到厘米級精度的一種新的GPS 定位測量方式，通過將1臺GPS 接收機安裝在已知點上對GPS 衛(wèi)星進行觀測，將采集的載波相位觀測量調制到基準站電臺的載波上，再通過基準站電臺發(fā)射出去；流動站在對GPS 衛(wèi)星進行觀測并采集載波相位觀測量的同時，也接收由基準站電臺發(fā)射的信號，經解調得到基準站的載波相位觀測量，流動站的GPS 接收機再利用0TF（運動中求解整周模糊度）技術由基準站的載波相位觀測量和流動站的載波相位觀測量來求解整周模糊度，最后求出厘米級精度流動站的位置。應用這種測量方法測量可以不布設各級控制點，僅依據一定數量的基準控制點，便可以高精度快速地測定圖根控制點、界址點、地形點、地物點的坐標，利用測圖軟件可以在野外一次生成電子地圖。同時，也可以根據已有的數據成果快速地進行施工放樣。而實際應用得較多的主要是數字掃描矢量化軟件，針對大比例尺地形圖，大多數掃描矢量化軟件能自動提取多邊形信息，高效、便捷、保真的對地圖進行數字化處理。下面簡單介紹MAPCAD軟件的原圖數字化處理作業(yè)流程。

3.2數字化原圖作業(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、易于轉換等特點一般外設精度都能滿足，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，所以必須在加強作業(yè)人員基本技能培訓上下工夫，要求工作人員嚴格按矢量化方案作業(yè)，確保圖件的精度和質量高于國家現(xiàn)行數字化測圖規(guī)范所規(guī)定的數字化精度和質量。在工程測量實踐中，要做好地形圖外業(yè)測點與數字化圖縮放相結合、符號圖層的劃分子圖、線型符號庫的設計等工作保證滿足工程進度的同時又節(jié)約項目經費，設計出的數字地圖簡單易用、美觀整潔、易于使用地形圖的工作人員判讀。

4. 數字化繪圖

4.1數字化繪圖的特點。

4.1.1大比例尺地形圖和工程圖的測繪是傳統(tǒng)工程測量的重要內容，數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)程序復雜，煩瑣的內業(yè)數據處理和繪圖工作，成圖周期長，產品單一等缺點，符合現(xiàn)代飛速發(fā)展的工程需要。目前，數字化成圖技術主要有內外業(yè)一體化和電子平板兩種模式。內外業(yè)一體化是一種外業(yè)數據采集方法，主要設備是全站儀、電子手簿等，其特點是精度高、內外業(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：

（1）一測多用：如在一些綜合性較強的工程中需要對同一地形圖繪制不同比例尺的地形圖，過去的平板測圖方法則需要重復工作，而數字化測圖則可以同時根據完成的地形圖繪制不同比例尺的多個地形圖，因為往往小比例尺包含了大比例尺地形圖測圖范圍。僅需先測大比例尺圖范圍，再補充小比例尺測圖范圍即可滿足各不同專業(yè)人員對不同比例尺的地形圖的需要。

（2）精度高：數字化成圖系統(tǒng)在外業(yè)采集數據時，利用全站儀現(xiàn)場自動采集地形地物點的三維坐標，并自動存儲，在內業(yè)數據處理時，完全保持了外業(yè)測量的精度，消除了人為的錯誤及誤差來源，而且外業(yè)工作省略了讀數、計算、展點繪圖等外業(yè)工序，減少了作業(yè)人員，外業(yè)工效大大提高，時間縮短，直接生產成本大幅度下降。

（3）勞動強度：小數字化成圖的過程，減輕了作業(yè)人員的勞動強度，使生產周期大大縮短，能及時滿足用戶的要求。

（4）便于保存管理及更新方便：數字化產品既可以存儲在軟盤上，也可以通過繪圖儀繪在所需的圖紙上，線條、線劃粗細均勻，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)勢性和不變形性，避免重復測繪造成的浪費，增加地形圖的實用性和用戶的廣泛性。

4.2外業(yè)數據的采集。

在采集數據時，數據采集人員要準確應用地物代碼，以免在內業(yè)成圖時出現(xiàn)錯誤；在觀測開始時，相關工作人員需嚴格按照要求應對測站點進行檢查，跑尺人員應嚴格按照自動成圖的要求作業(yè)，確保能完整地描述地形地貌的特征點，必須通過繪制草圖來表明各個地物碎部點的屬性及相互關系，測量坎子時，要量取坎子比高，坎下也要進行地形點采集。當一個測區(qū)完成后，如果有必要可把數據備份。

4.3繪制內業(yè)數據處理。

無論是工程進程各階段的測量工作，還是不同工程的測量工作，都需要根據誤差分析和測量平差理論選擇適當的測量手段，并對測量成果進行處理和分析。

5. 工程測量中的數字攝影測量技術

（1）數字攝影測量是基于數字影像與攝影測量的基本原理，應用計算機技術、數字影像處理、影像匹配、模式識別等多學科的理論與方法。就攝影測量本身而言，從測繪的角度上來看數字攝影測量還是利用影像來進行測繪的科學與技術；而從信息科學和計算機視覺科學的角度來看，它是利用影像來重建三維表面模型的科學與技術，也就是在“室內”重建地形的三維表面模型，然后在模型上進行測繪，從本質上來說， 它與原來的攝影測量沒有區(qū)別。因而，在數字攝影測量系統(tǒng)中，整個的生產流程與作業(yè)方式，和傳統(tǒng)的攝影測量差別似乎不大，但是它給傳統(tǒng)的攝影測量帶來了重大的變革。

（2）目前通過在空中利用數字攝影機所獲得的數字影像，內業(yè)使用專門的航測軟件處理，進行的航空攝影測量是大面積、大比例尺地形測圖、地籍測量的重要手段與方法，在計算機上對數字影像進行像對匹配，建立地面的數字模型，再通過專用的軟件來獲得數字地圖。該方法的特點是可將大量的外業(yè)測量工作移到室內完成，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。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，如果一個測區(qū)較小，它的成本就顯得較高。但可以說是今后數字測圖的一個重要發(fā)展方向，未來社會要求的是可以提供數字的、影像的、線劃的等多種形式的地圖產品。并且隨著全數字攝影工作站的出現(xiàn)，加上GPS 技術在攝影測量中的應用，使得攝影測量向自動化、數字化方向邁進。

6. 結語