39、机器视觉技术的多领域应用

机器视觉技术的多领域应用

1. 医学领域的自动化/辅助诊断

机器视觉技术在医学领域的应用日益广泛。例如，Tagari等人利用Voronoi图开发基于图的表示方法，以理解心脏各组成部分的拓扑结构，并关联二维和三维视图。测量射血分数，即单次心跳排出的液体量与心室总容量（特别是左心室）的比值，受到了广泛关注，相关方法包括使用核医学图像和多个传统X光图像的方法。

某些表示方法在表示特定身体部位和运动方面很方便，例如谐波表示法在表示心脏方面有广泛应用。Gong和Kulikowski使用规划策略来识别MRI图像中的特征。

热成像技术在20世纪70年代初曾备受关注，因为它似乎有潜力识别和诊断如乳腺癌等疾病。然而，由于其准确性不够高且假阳性率过高，该方法的实用性大打折扣，在医学领域的应用也随之减少。但近年来，有多项研究重新评估了热红外（IR）成像在医学中的应用，主要基于以下三个原因：
- 红外技术有了很大改进：得益于陆军夜视系统的发展，新一代红外相机的准确性大大提高。
- 图像处理能力增强：包括图像增强、恢复和分割等先进技术已被有效应用于处理红外图像。
- 对红外图像与人体病理生理学关系的理解加深。

2. 制造检验与质量控制

人们可能认为制造检验领域会得到深入研究，因为工业界都在努力利用最新技术获取竞争优势。然而，实际情况并非如此。例如，2000年春季美国国家科学基金会主办了一场会议，讨论工业界和大学如何更有效地合作，邀请了两百多位机器视觉公司（其中大多数涉及制造检验）的首席执行官，但出席人数不到30人。

造成这种情况的一个可能原因是大多数机器视觉公司规模较小。设立一家机器视觉公司所需的资本投资实际上相