1.2 国内外研究现状和实现功能

目前，国内外对基于机器视觉的研究已经较为深入，各方面的技术也趋近成熟。自从20世纪80年代以来,机器视觉的研究一直属于现代高科技研究中一块非常活跃的研究领域,并且逐渐从实验室研究转向实际的应用。到90年代,计算机视觉在工业环境中得到广泛应用,同时,基于多视几何的视觉理论也得到迅速发展。目前,在欧美、日本等发达国家机器视觉技术发展的相对较快,相应的应用也较为成熟,其应用则主要集中在电子行业和半导体行业。在国外,机器视觉技术已经可以清楚分为三个部分:底层开发部分、二次开发部分、最终使用部分。

Wang[3]为了克服高分辨率的直方图包含较多冗余信息，而低分辨率的直方图又无法对颜色特征进行准确的描述的问题，建立量化方案与图像类型的交互信息，提出基于信息的颜色直方图，针对不同类型的图像使用不同分辨率的直方图，在图像检索方面有较好的应用。

Sticker和Orengo[4]提出一种简单高效的颜色特征表示方法一一颜色矩，有一阶矩(均值，mean)、二阶矩(方差，viarance)和三阶矩(斜度，skewness)等，该方法具有特征维度低，无需颜色空间量化等优点，并且能有效表述图像的颇色分布。

徐少平[5]提出一种基于HSV颜色空间直方图的图像直觉模糊模型，通过比对HSV空间不同的量化级数对相似度度量正确率的影响，并使用直觉模糊集合距离表述图像相似性度量进行图像的检索。

Weijer[6]将均匀颜色空间划分成若干个小立方体区域，将这些立方体的区域映射到11种基础颜色中去，通过统计图像中这11中基础颜色出现的频率

构建图像的颜色特征描述子，实验证明在图像检索中取得较好的效果。

苏清华[7]针对彩色图像颜色聚类模型，设计了基于差分演化的随机优化方法，在保持图像质量以及色彩准确性的同时使用尽可能少的颜色替换原图像中的颜色，对颜色复杂的材料进行颜色聚类，能有效降低高层次图像分析处理的难度及复杂度。