计算机视觉发展史

前言：想要写出一篇令人眼前一亮的文章吗？我们特意为您整理了5篇计算机视觉发展史范文，相信会为您的写作带来帮助，发现更多的写作思路和灵感。

计算机视觉发展史范文第1篇

关键词：数字摄影测量 计算机视觉 多目立体视觉 影像匹配

引言

摄影测量学是一门古老的学科，若从1839年摄影术的发明算起，摄影测量学已有170多年的历史，而被普遍认为摄影测量学真正起点的是1851―1859年“交会摄影测量”的提出。在这漫长的发展过程中，摄影测量学经历了模拟法、解析法和数字化三个阶段。模拟摄影测量和解析摄影测量分别是以立体摄影测量的发明和计算机的发明为标志，因此很大程度上，计算机的发展决定了摄影测量学的发展。在解析摄影测量中，计算机用于大规模的空中三角测量、区域网平差、数字测图，还用于计算共线方程，在解析测图仪中起着控制相片盘的实时运动，交会空间点位的作用。而出现在数字摄影测量阶段的数字摄影测量工作站（digital　photogrammetry　workstation，DPW）就是一台计算机+各种功能的摄影测量软件。如果说从模拟摄影测量到解析摄影测量的发展是一次技术的进步，那么从解析摄影测量到数字摄影测量的发展则是一场技术的革命。数字摄影测量与模拟、解析摄影测量的最大区别在于：它处理的是数字影像而不再是模拟相片，更为重要的是它开始并将不断深入地利用计算机替代作业员的眼睛。[1-2]毫无疑问，摄影测量进入数字摄影测量时代已经与计算机视觉紧密联系在一起了[2]。

计算机视觉是一个相对年轻而又发展迅速的领域。其目标是使计算机具有通过二维图像认知三维环境信息的能力，这种能力将不仅使机器能感知三维环境中物体的几何信息，包括它的形状、位置、姿态、运动等，而且能对它们进行描述、存储、识别与理解[3]。数字摄影测量具有类似的目标，也面临着相同的基本问题。数字摄影测量学涉及多个学科，如图像处理、模式识别以及计算机图形学等。由于它与计算机视觉的联系十分紧密，有些专家将其看做是计算机视觉的分支。

数字摄影测量的发展已经借鉴了许多计算机视觉的研究成果[4]。数字摄影测量发展导致了实时摄影测量的出现，所谓实时摄影测量是指利用多台CCD数字摄影机对目标进行影像获取，并直接输入计算机系统中，在实时软件的帮助下，立刻获得和提取需要的信息，并用来控制对目标的操作[1]。在立体观测的过程中，其主要利用计算机视觉方法实现计算机代替人眼。随着数码相机技术的发展和应用，数字近景摄影测量已经成为必然趋势。近景摄影测量是利用近距离摄影取得的影像信息，研究物体大小形状和时空位置的一门新技术，它是一种基于数字信息和数字影像技术的数据获取手段。量测型的计算机视觉与数字近景摄影测量的学科交叉将会在计算机视觉中形成一个新的分支――摄影测量的计算机视觉，但是它不应仅仅局限于地学信息[2]。

1.　计算机视觉与数字摄影测量的差异

1.1　目的不同导致二者的坐标系和基本公式不同

摄影测量的基本任务是严格建立相片获取瞬间所存在的像点与对应物点之间的几何关系，最终实现利用摄影片上的影像信息测制各种比例尺地形图，建立地形数据库，为各种地理信息系统建立或更新提供基础数据。因此，它是在测绘领域内发展起来的一门学科。

而计算机视觉领域的突出特点是其多样性与不完善性。计算机视觉的主要任务是通过对采集的图片或视频进行处理以获得相应场景的三维信息，因此直到计算机的性能提高到足以处理大规模数据时它才得到正式的关注和发展，而这些发展往往起源于其他不同领域的需要。比如在一些不适合于人工作业的危险工作环境或人工视觉难以满足要求的场合，常用计算机来替代人工视觉。

由于摄影测量是测绘地形图的重要手段之一，为了测绘某一地区而摄影的所有影像，必须建立统一的坐标系。而计算机视觉是研究怎样用计算机模拟人的眼睛，因此它是以眼睛（摄影机中心）与光轴构成的坐标系为准。因此，摄影测量与计算机视觉目的不同，导致它们对物体与影像之间关系的描述也不同。

1.2　二者处理流程不同

2.　可用于数字摄影测量领域的计算机视觉理论――立体视觉

2.1　立体视觉

立体视觉是计算机视觉中的一个重要分支，一直是计算机视觉研究的重点和热点之一，在20多年的发展过程中，逐渐形成了自己的方法和理论。立体视觉的基本原理是从两个（或多个）视点观察同一景物，以获取在不同视角下的感知图像，通过三角测量原理计算像像素间的位置偏差（即视差）来获取景物的三维信息，这一过程与人类视觉的立体感知过程是类似的。一个完整的立体视觉系统通常可分为图像获取、摄像机定标、特征提取、影像匹配、深度确定及内插等6个大部分[5]。其中影像匹配是立体视觉中最重要也是最困难的问题，也是计算机视觉和数字摄影测量的核心问题。

2.2　影像匹配

立体视觉的最终目的是为了恢复景物可视表面的完整信息。当空间三维场景被投影为二维图像时，同一景物在不同视点下的图像会有很大不同，而且场景中的诸多因素，如光照条件，景物几何形状和物理特性、噪声干扰和畸变以及摄像机特性等，都被综合成单一的图像中的灰度值。因此，要准确地对包含了如此之多不利因素的图像进行无歧义的匹配，显然是十分困难的。

在摄影测量中最基本的过程之一就是在两幅或者更多幅的重叠影像中识别并定位同名点，以产生立体影像。在模拟摄影测量和解析摄影测量中，同名点的识别是通过人工操作方式完成的；而在数字摄影测量中则利用计算机代替人工解决同名点识别的问题，即采用影像匹配的方法。

2.3　多目立体视觉

根据单张相片只能确定地面某个点的方向，不能确定地面点的三维空间位置，而有了立体像对则可构成与地面相似的立体模型，解求地面点的空间位置。双目立体视觉由不同位置的两台或者一台摄像机（CCD）经过移动或旋转拍摄同一幅场景，就像人有了两只眼睛，才能看三维立体景观一样，然后通过计算空间点在两幅图像中的视差，获得该点的三维坐标值。现在的数字摄影测量中的立体像对技术通常是在一条基线上进行的，但是由于采用计算机匹配替代人眼测定影像同名像对时存在大量的误匹配，使自动匹配的结果很不可靠。其存在的问题主要是，对存在特殊结构的景物，如平坦、缺乏纹理细节、周期性的重复特征等易产生假匹配；在摄像机基线距离增大时，遮挡严重，能重建的空间点减少。为了解决这些问题，降低双目匹配的难度，自1986年以来出现了三目立体视觉系统，即采用3个摄像机同时摄取空间景物，通过利用第三目图像提供的信息来消除匹配的歧义性[5]。采用“多目立体视觉技术”可以利用摄影测量的空中三角测量原理，对多度重叠点进行“多方向的前方交会”，既能较有效地解决随机的误匹配问题，同时又能增加交会角，提高高程测量的精度[2]。这项技术的应用，将很大程度地解决自动匹配结果的不可靠性，提高数字摄影测量系统的准确性。

计算机视觉发展史范文第2篇

1机械电子工程

1.1机械电子工程的发展史

20世纪是科学发展最辉煌的时期，各类学科相互渗透、相辅相成，机械电子工程学科也在这一时期应运而生，它是由机械工程与电子工程、信息工程、智能技术、管理技术相结合而成的新的理论体系和发展领域。随着科学技术的不断发展，机械电子工程也变的日益复杂。

机械电子工程的发展可以分为3个阶段：第一阶段是以手工加工为主要生产力的萌芽阶段，这一时期生产力低下，人力资源的匮乏严重制约了生产力的发展，科学家们不得不穷极思变，引导了机械工业的发展。第二阶段则是以流水线生产为标志的标准件生产阶段，这种生产模式极大程度上提高了生产力，大批量的生产开始涌现，但是由于对标准件的要求较高，导致生产缺乏灵活性，不能适应不断变化的社会需求。第三阶段就是现在我们常见的现代机械电子产业阶段，现代社会生活节奏快，亟需灵活性强、适应性强、转产周期短、产品质量高的高科技生产方式，而以机械电子工程为核心的柔性制造系统正是这一阶段的产物。柔性制造系统由加工、物流、信息流三大系统组合而成，可以在加工自动化的基础之上实现物料流和信息流的自动化。

1.2机械电子工程的特点

机械电子工程是机械工程与电子技术的有效结合，两者之间不仅有物理上的动力连结，还有功能上的信息连结，并且还包含了能够智能化的处理所有机械电子信息的计算机系统。机械电子工程与传统的机械工程相比具有其独特的特点：

1)设计上的不同。机械电子工程并非是一门独立学科，而是一种包含有各类学科精华的综合性学科。在设计时，以机械工程、电子工程和计算机技术为核心的机械电子工程会依据系统配置和目标的不同结合其他技术，如：管理技术、生产加工技术、制造技术等。工程师在设计时将利用自顶向下的策略使得各模块紧密结合，以完成设计；2)产品特征不同。机械电子产品的结构相对简单，没有过多的运动部件或元件。它的内部结构极为复杂，但却缩小了物理体积，抛弃了传统的笨重型机械面貌，但却提高了产品性能。

机械电子工程的未来属于那些懂得运用各种先进的科学技术优化机械工程与电子技术之间联系的人，在实际应用当中，优化两者之间的联系代表了生产力的革新，人工智能的发展使得这一想法变成可能。

2人工智能

2.1人工智能的定义

人工智能是一门综合了控制论、信息论、计算机科学、神经生理学、心理学、语言学、哲学等多门学科的交叉学科，是21世纪最伟大的三大学科之一。尼尔逊教授将人工智能定义为：人工智能是关于怎样表示知识和怎样获得知识并使用知识的科学。温斯顿教授则认为：人工智能就是研究如何使计算机去做过去只有人才能做的智能工作。至今为止，人工智能仍没有一个统一的定义，笔者认为，人工智能是研究通过计算机延伸、扩展、模拟人的智能的一门科学技术。

2.2人工智能的发展史

2.2.1萌芽阶段

17世纪的法国科学家B.Pascal发明了世界上第一部能进行机械加法的计算器轰动世界，从此之后，世界各国的科学家们开始热衷于完善这一计算器，直到冯诺依曼发明第一台计算机。人工智能在这一时期发展缓慢，但是却积累了丰富的实践经验，为下一阶段的发展奠定了坚实的基础。

2.2.2第一个发展阶段

在1956年举办的“侃谈会”上，美国人第一次使用了“人工智能”这一术语，从而引领了人工智能第一个兴旺发展时期。这一阶段的人工智能主要以翻译、证明、博弈等为主要研究任务，取得了一系列的科技成就，LISP语言就是这一阶段的佼佼者。人工智能在这一阶段的飞速发展使人们相信只要通过科学研究就可以总结人类的逻辑思维方式并创造一个万能的机器进行模仿。

2.2.3挫折阶段

60年代中至70年代初期，当人们深入研究人工智能的工作机理后却发现，用机器模仿人类的思维是一件非常困难的事，许多科学发现并未逃离出简单映射的方法，更无逻辑思维可言。但是，仍有许多科学家前赴后继的进行着科学创新，在自然语言理解、计算机视觉、机器人、专家系统等方面取得了卓尔有效的成就。1972年，法国科学家发现了Prolog语言，成为继LISP语言之后的最主要的人工智能语言。

2.2.4第二个发展阶段

以1977年第五届国际人工智能联合会议为转折点，人工智能进入到以知识为基础的发展阶段，知识工程很快渗透于人工智能的各个领域，并促使人工智能走向实际应用。不久之后，人工智能在商业化道路上取得了卓越的成就，展示出了顽强的生命力与广阔的应用前景，在不确定推理、分布式人工智能、常识性知识表示方式等关键性技术问题和专家系统、计算机视觉、自然语言理解、智能机器人等实际应用问题上取得了长足的发展。

2.2.5平稳发展阶段

由于国际互联网技术的普及，人工智能逐渐由单个主体向分布式主体方向发展，直到今天，人工智能已经演变的复杂而实用，可以面向多个智能主体的多个目标进行求解。

3人工智能在机械电子工程中的应用

物质和信息是人类社会发展的最根源的两大因素，在人类社会初期，由于生产力水平低，人类社会以物质为首要基础，仅靠“结绳记事”的方法传递信息，但随着社会生产力的不断发展，信息的重要性不断被人们发现，文字成为传递信息最理想的途径，最近五十年间，网络的普及给信息传递带来了新的生命，人类进入到了信息社会，而信息社会的发展离不开人工智能技术的发展。不论是模型的建立与控制，还是故障诊断，人工智能在机械电子工程当中都起着处理信息的作用。

由于机械电子系统与生倶来的不稳定性，描述机械电子系统的输入与输出关系就变得困难重重，传统上的描述方法有以下几种：1)推导数学方程的方法；2)建设规则库的方法；3)学习并生成知识的方法。传统的解析数学的方法严密、精确，但是只能适用于相对简单的系统，如线性定常系统，对于那些复杂的系统由于无法给出数学解析式，就只能通过操作来完成。现代社会所需求的系统日益复杂，经常会同时处理几种不同类型的信息，如传感器所传递的数字信息和专家的语言信息。由于人工智能处理信息时的不确定性、复杂性，以知识为基础的人工智能信息处理方式成为解析数学方式的替代手段。

通过人工智能建立的系统一般使用两类方法：神经网络系统和模糊推理系统。神经网络系统可以模拟人脑的结构，分析数字信号并给出参考数值；而模糊推理系统是通过模拟人脑的功能来分析语言信号。两者在处理输入输出的关系上有相同之处也有不同之处，相同之处是：两者都通过网络结构的形式以任意精度逼近一个连续函数；不同之处是：神经网络系统物理意义不明确，而模糊推理系统有明确的物理意义；神经网络系统运用点到点的映射方式，而模糊推理系统运用域到域的映射方式；神经网络系统以分布式的方式储存信息，而模糊推理系统则以规则的方式储存信息；神经网络系统输入时由于每个神经元之间都有固定联系，计算量大，而模糊推理系统由于连接不固定，计算量较小；神经网络系统输入输出时精度较高，呈光滑曲面，而模糊推理系统精度较低，呈台阶状。

随着社会的不断发展，单纯的一种人工智能方法已经不能满足日益增长的社会需要，许多科学家开始研究综合性的人工智能系统。综合性的人工智能系统采用神经网络系统与模糊推理系统相结合的方法，取长补短，以获得更全面的描述方式，模糊神经网络系统便是一成功范例。模糊神经网络系统做到了两者功能的最大融合，使信息在网络各层当中找到一个最适合的完全表达空间。逻辑推理规则能够对增强节点函数，为神经网络系统提供函数连结，使两者的功能达到最大化。

4结论

计算机视觉发展史范文第3篇

1.1不同的设计方法

与传统的机械工程相比，机械电子工程已经超越了单一的学科，显而易见，机械电子工程是一个交叉学科，它充分的融合机械技术与信息技术，这就要求其在进行设计的过程之中必须充分考虑和应用自己的设计方法，在实际的设计过程之中，设计人员往往采用自上而下的设计方法，这种设计方法是机械电子工程设计之有的方法。

1.2产品上的差异

机械电子工程的另一个特点就是其产品上的与众不同，与一般的产品不同，机械电子产品的结构看似简单，但是在实际的设计与开发过程之中却融入了很多先进的技术与理念，这就远远的超越了传统的机械，这就是产品的外观更加的轻盈小巧，同时可以实现更加的智能化与现代化，是生产力飞跃的具体体现。

2.机械电子工程的发展过程

前文已经讲过，机械电子工程并不是一个简单的孤立学科，它是一个涉及机械与信息技术的交叉学科，又受到人工智能理念的影响，因此是一个典型的交叉学科。正是由于该学科的复杂性造成该学科在形成的过程之中并不是一蹴而就的，相反，该学科在形成的过程之中经过了很多阶段，经过相关的发展才最终形成现阶段的机械电子工程：

2.1机械电子工程学的开端

机械电子工程学的起步阶段是传统的手工生产，在这个阶段，机械电子工程学的发展十分的缓慢，这是由于此社会的平均劳动生产率相对较为低下，劳动力资源相对也较为匮乏，生产力的发展与进步比较缓慢，但是在一次次的尝试之中，机械电子工程还是逐步的发展起来了。

2.2机械电子工程学的高速发展阶段

机械电子工程学的高速发展阶段主要是流水线生产线的成功应用，这一时期的生产过程已经具有了相应的标准，在很大程度上促进了生产力的发展与进步，并不断的拓展机械电子工程产品的种类，逐步满足社会的发展与需求。

2.3机械电子工程的成熟阶段

进入21世纪，机械电子工程逐步走入其成熟阶段，逐步的形成了其特有的生产体系与发展体系，并实现了与现代信息技术与人工智能技术的完美融合，进入了现代机械电子工程的成熟阶段，不断的促进现代生产的发展与社会的进步。

3.人工智能的发展史

3.1萌芽阶段

人工智能的萌芽阶段起源于法国，当时法国科学家首先研制出了第一部计算器，从此世界开始了人工智能的研究之路，直至冯诺依曼发明第一台计算机。人工智能在其萌芽阶段和其他技术一样，发展打偶较为缓慢，但是却为后来的发展积累了丰富的经验，为之后的发展奠定了坚实的基础。

3.2第一个发展阶段

1956年美国人第一次提出“人工智能”的命题，并进行了相关的研究，这是引起人工智能第一发展高峰期的标志。这一阶段的人工智能属于较为简单的发展阶段，主要针对的的任务是：博弈、计算以及证明等任务。在这一阶段的确取得了一定的成就，这一阶段的主要贡献是大大的解放了人们的思想，使人们认识并了解了人工智能的可行性，对人工智能后期的发展起到了巨大的促进作用。

3.3第二个发展阶段

1977年全球召开了第五届人工智能会议，这是人工智能发展的第二个阶段的开始，由此之后，人们认识到知识工程对于人工智能领域的重要意义与价值，并不断的进行相关的发展与研究，促使人工智能与实际生产相结合，逐步的推进了人工智能的快速发展与进步。也正是在这个阶段，人工智能获得了巨大的飞跃，并表现出广阔的市场前景，在不确定推理、分布式人工智能、常识性知识表示方式等关键性技术问题和专家系统、计算机视觉、自然语言理解、智能机器人等实际应用问题上取得了长足的发展。

4.机械电子工程与人工智能的关系

机械电子系统具有不稳定性，这就使得机械电子系统在输入与输出关系的处理上比较困难。推导数学方程的方、建设规则库的方法以及学习并生成知识的传统方法,虽然在解析数学方面具有精密性,但是这些传统的方法还只能适用于一些相对简单的系统。然而现代社会所需求的系统是纷繁复杂的，往往会需要一个系统能够处理多种信息类型。人工智能建立系统所采取的方法中，主要使用的是神经网络系统和模糊推理系统。神经网络系统能够实现对人脑结构的模拟人，能够分析数字信号并给出参考数值。而模糊推理系统则是通过模拟人脑的功能,来实现对语言信号的有效分析。在处理输入输出的关系上，这两种方法既有共同之处，也存在各自的差异性。神经网络系统在信息的储存上是采用分布式的方式，而模糊推理系统则采用规则方式实现信息的储存。神经网络系统输入时由于每个神经元之间都有固定联系所以计算量一般都很大，而模糊推理系统的连接是不固定的，所以其计算量相对较小。人工智能系统的建立于发展在很大程度上促进了现代机械电子工程发展与进步。在实际的机械电子工程的设计工作之中，我们必须依靠相应的人工智能技术植入，只有这样才能更好的促进机械电子工程的发展，与此同时最大限度的促进人工智能功能的实现。很显然这个过程相互促进的过程，只有在发展之中充分的考虑两只之间的相互结合，不断的开拓出全新的技术，促进两者之间的更好的融合才能不断的促进两者的共同发展，不断的促进其进步，实现机械电子工程的不断发展，推进人工智能的持续进步。

5.结束语

计算机视觉发展史范文第4篇

关键词：小波变换，小波分析，损伤检测，小波神经网络

对小波分析法的简述

小波变换的概念是由法国从事石油信号处理的工程师J.Morlet在1974年首先提出的，通过物理的直观和信号处理的实际需要经验的建立了反演公式，当时未能得到数学家的认可。1986年著名数学家Y.Meyer偶然构造出一个真正的小波基，并与S.Mallat合作建立了构造小波基的同意方法枣多尺度分析之后，小波分析才开始蓬勃发展起来，其中比利时女数学家I.Daubechies撰写的《小波十讲》对小波的普及起了重要的推动作用，通过伸缩和平移等运算功能对函数或信号进行多尺度细化分析，解决了Fourier变换不能解决的许多困难问题。从而小波变化被誉为“数学显微镜”，它是调和分析发展史上里程碑式的进展。

“小波”就是小的波形。“小”是指它具有衰减性；而称之为“波”则是指它的波动性，其振幅正负相间的震荡形式。与Fourier变换相比，小波变换是时间(空间)频率的局部化分析，它通过伸缩平移运算对信号(函数)逐步进行多尺度细化，最终达到高频的时间细分，低频处频率细分，能自动适应时频信号分析的要求，从而可聚焦到信号的任意细节，解决了Fourier变换的困难问题，成为继Fourier变换以来在科学方法上的重大突破。有人把小波变换称为“数学显微镜”。小波分析的应用是与小波分析的理论研究紧密地结合在一起地。现在，它已经在科技资讯产业领域取得了令人瞩目的成就。 电子资讯技术是六大高新技术中重要的一个领域，它的重要方面是影像和信号处理。现今，信号处理已经成为当代科学技术工作的重要部分，信号处理的目的就是：准确的分析、诊断、编码压缩和量化、快速传递或存储、精确地重构（或恢复）。从数学地角度来看，信号与影像处理可以统一看作是信号处理（影像可以看作是二维信号），在小波分析地许多分析的许多应用中，都可以归结为信号处理问题。现在，对于其性质随实践是稳定不变的信号，处理的理想工具仍然是傅立叶分析。但是在实际应用中的绝大多数信号是非稳定的，而特别适用于非稳定信号的工具就是小波分析。

小波分析法的应用领域

长期以来，傅立叶分析一直被认为是最完美的数学理论和最实用的方法之一。1946年Gabor提出的加窗傅立叶变换就是其中的一种，但是傅立叶变换还没有从根本上解决傅立叶分析的固有问题。用傅立叶分析只能获得信号的整个频谱，而难以获得信号的局部特性，特别是对于突变信号和非平稳信号难以获得希望的结果。为了克服经典傅立叶分析本身的弱点，人们发展了信号的时频分析法，但是傅立叶变换还没有从根本上解决傅立叶分析的固有问题。小波变换的诞生，正是为了克服经典傅立叶分析本身的不足，现在小波分析法的应用是十分广泛的，它包括：数学领域的许多学科；信号分析、影像处理；量子力学、理论物理；军事电子对抗与武器的智能化；电脑分类与识别；音乐与语言的人工合成；医学成像与诊断；地震勘探数据处理；大型机械的故障诊断等方面；例如，在数学方面，它已用于数值分析、构造快速数值方法、曲线曲面构造、微分方程求解、控制论等。在信号分析方面的滤波、去噪声、压缩、传递等。在影像处理方面的影像压缩、分类、识别与诊断，去污等。在医学成像方面的减少B超、CT、核磁共振成像的时间，提高解析度等。(1)小波分析用于信号与影像压缩是小波分析应用的一个重要方面。它的特点是压缩比高，压缩速度快，压缩后能保持信号与影像的特征不变，且在传递中可以抗干扰。基于小波分析的压缩方法很多，比较成功的有小波包的方法，小波网域纹理模型方法，小波变换零树压缩，小波变换向量压缩等。(2)小波在信号分析中的应用也十分广泛。它可以用于边界的处理与滤波、时频分析、信噪分离与提取弱信号、求分形指数、信号的识别与诊断以及多尺度边缘侦测等。(3)在工程技术等方面的应用。包括电脑视觉、电脑图形学、曲线设计、湍流、远端宇宙的研究与生物医学方面。

（三）小波分析法在土木工程中的应用

随着大型土木工程的兴建,采用先进的仪器和科学的方法来进行在线监测和诊断对结构健康状况的评估起着越来越重要的作用.但无论是基于固有频率变化,还是振型变化,以及基于柔度或刚度变化的测量方法,都存在着一个共同的局限性,就是对微小损伤和疲劳损伤的识别,由于其探测灵敏度不够,显得力不从心,因此需要寻找一种更有效的损伤检测手段.小波变换作为一种新的信号处理方法,综合了时域分析方法和频域分析方法的优点,属于多分辨率的时频分析方法,具有伸缩、平移和放大功能,可以用不同的尺度或分辨率来观察信号,实现既在时域又在频域的高分辨局部定位,对于非平稳信号的处理是非常适合和必要的,正是结构损伤检测的基本要求.给出了结构整体进行损伤判别的方法,将各层能量在各频段进行分解,通过能量变化情况给出了结构损伤程度的判定方法,并且在三层钢筋混凝土框架结构的损伤判别试验中得到应用,试验结果与理论分析吻合较好,从而证明了提出的损伤判别方法的可行性与准确性.在施工过程中结构发生损伤后，某些线性连接点变为非线性，造成其固有频率和刚度的改变，进而使得结构的动力响应发生变化。线性和非线性系统动力特性的主要差别之一是非线性系统具有高次谐波和亚谐波。利用小波变换分析结构损伤前后的时域和频域响应，可以确定诸如高次谐波、亚谐波以及混沌现象等系统响应的动力学特性，进而检测结构的非线性 。通过小波分析局部扩大和局部压缩的特性，可以对微弱信号进行检测，这在结构损伤初期的检测中是非常重要的。（1）直接利用小波分析检测损伤，利用小波分析进行损伤检测较多的集中在复合材料损伤研究上 。复合材料由于其重量轻、刚性好，已广泛应用于航空航天结构和许多民用工程结构，其损伤可导致结构性能的严重下降，因此发展连续健康监测和自动报警技术尤为重要。一般采用在复合材料结构模型（如悬臂梁）上粘贴压电材料，分别作为作动器（产生激励）和传感器（感受振动信号）。利用有限元数值仿真，假定在仿真过程中某些单元发生损伤，将被测点动力响应，如位移、速度或加速度，进行小波分解。通过小波分解后各阶信号波形上的突变点能够准确的判断损伤的发生。由于小波分解后的信号比原始信号的分辨率高的多，利用小波分解信号的奇变性，可以识别原始信号中无法直接识别的突变。利用小波变换对结构在地震作用下带有噪声的位移响应信号进行低周疲劳信号提取。低周疲劳模型采用结构在随机时刻点上某些构件由于承受冲击荷载而导致的刚度下降来模拟，得到了以下研究成果：A）用序号N较大的正交小波可以很好的估计有噪声条件下疲劳破坏的发生时刻，B）用小波分析可以精确的识别诸如下降刚度等系统参数。利用时程分析程序计算结构动力响应，并在其过程中允许结构中某些构件发生损伤如支撑刚度突然全部消失或部分消失。这些损伤造成了加速度的不连续，而这种不连续在加速度曲线中是难以观察的。将得到的加速度响应信号进行离散小波变换，通过分解后高频波形上的突起来判断损伤的发生和发生的时刻。分析过程将对多个结点加速度进行小波分解并通过分解后带有突起的结点在整个结构中所处的空间位置来判断损伤的位置。

（四）小波分析与其他方法联合运用

此方法多是把小波分析作为前置处理手段，可先利用小波变换的消噪性能对原始信号进行除噪，再对信号进行奇异性检测等其他处理 。小波分析可以单独定位损伤，但都不够精确。此方法是先利用损伤后构件各阶振型的残余量，求出曲率模态，再通过小波分析得到曲率模态的小波分解灰度图 ，进而推断出损伤位

置。这种联合方法提高了损伤识别的灵敏性和精确度，但只运用到一维梁构件上，对于更复杂的情况需要进一步研究。小波分析可以聚焦到信号的任意细节进行时频域处理，因此适用于非平稳信号振动波形特征提取。故可以先利用小波分析对原始信号进行分解，提取各水平的小波细节的能量特征参数等与损伤相关联的特征量或小波重构系数的统计特性，如：波形指标，峰值指标，能量指标等，输入BP神经网络或小波神经网络，作为网络的输入参数，利用神经网络的识别功能判断损伤情况 。采用小波分析和神经网络算法，通过将测得的原始结构和损伤后结构的振动数据比较，估计损伤发生的位置及程度。首先利用小波分析的时频定位特性提取突变发生位置，而模态形状变化的大小反应损伤程度，故它可以预测结构的完整性。神经网络则通过映像小波分析中提取出的振动特征的函数来量化健康状态参数。

3.小波变换在结构振动方面的应用。结构抗震分析中的应用 地震动属于非平稳信号，而小波变换在处理非平稳信号上具有不可比拟的优势。国外有一些研究者已经将小波分析应用于结构震动方面，国内也有一些研究者应用小波分析法地震作用下结构的动力响应 。主要利用小波变换对地震作用下结构的动力反应进行了分析和计算，并利用能量分配关系分析了各频段范围内地震输入分量对结构反应的作用程度。通过算例知道，小波变换可以对提取的任意频率范围内的输入进行动力分析，且较傅里叶变换有明显的优点。

3，小波分析法在工程图像压缩中的应用。小波分析法的膨胀和平移运算可以对信号进行多尺度的细致的动态分析，从而能够解决Fourier变换不能解决的许多困难问题。利用小波变换可以一次变换整幅图像，不仅可以达到很高的压缩比，而且不会出现JPEG重建图像中的"方块"效应，但编码器复杂，有潜像问题。 由于小波及小波包技术可以将信号或图像分层次按小波基展开，所以可以根据图像信号的性质以及事先给定的图像处理要求确定到底要展开到哪一级为止，从而不仅能有效地控制计算量，满足实时处理的需要，而且可以方便地实现通常由子频带、层次

编码技术实现的累进传输编码（即采取逐步浮现的方式传送多媒体图像）。这样一种工作方式在多媒体数据浏览、医学图片远程诊断时是非常必要的。另外，利用小波变换具有放 大、缩小和平移的数学显微镜的功能，可以方便地产生各种分辨率的图像，从而适应于不同分辨率的图像I/O设备和不同传输速率的通信系统。相比之，利用KL变换进行压缩编码，只能对整幅图像进行；而利用小波变换则能够比较精确地进行图像拼接，因此对较大的图像可以进行分块处理，然后再进行拼接。显然，这种处理方式为图像的并行处理提供了理论依据。由于小波变换继承了Fourier分析的优点，同时又克服它的许多缺点，所以它在静态和动态图像压缩领域得到广泛的应用，并且已经成为某些图像压缩国际标准的重要环节。由于小波分析克服了Fourier分析的许多弱点，因此它不仅可以用于图像压缩，还可以用于许多其他领域，如信号分析、静态图像识别、计算机视觉、声音压缩与合成、视频图像分析、CT成像、地震勘探和分形力学等领域。所以许多工程在施工过程中会运用此类方法。

参考文献：

[1] 彭玉华.小波变换与工程应用[M]. 北京：科学出版社，1999.

[2] 胡昌华，张军波等.基于 MATLAB 的系统分析与设计――小波分析[M]. 西安：西安电子科技大学出

版社，1999.