机器视觉技术文献综述和参考文献
2国外研究现状
机器视觉蓬勃发展的时期大致是在80年代中期，那时出现了很多新技术，新知识令人眼花缭乱[5]。机器视觉作为高科技产品的代表，发展迅速。如今灰点、森萨帕特、基恩士、康耐视等公司，都是该研究领域中的佼佼者。论文网
目前，该技术在发达国家的发展更快，应用也更为广泛。目前国外对机器视觉技术大致分为三个部分：底层开发、二次开发以及最终使用[6]。第一部分一般是指对视觉系统的开发，包括对软件和硬件产品的开发。第二部分是指在底层开发的基础之上，对其进行二次开发。第三部分是指将机器视觉系统应用在各领域，相当于是对前期开发的使用与检测。
参考文献
[1] 张中良.基于机器视觉的图像目标识别方法综述[J].科技与创新,2016(14):32-33.
[2] 余文勇,石绘.机器视觉自动检测技术[M].北京:化学工业出版社,2013,10:6-7.
[3] 蒋树强,闵巍庆,王树徽.面向智能交互的图像识别技术综述与展望[J].计算机研究与发展,2016,53(1):113-122.
[4] 秦亚航,苏建欢,余荣川.机器视觉技术的发展及其应用[J].科技视界,2016(25).
[5] Patil S B，Bodhe S K.Leaf disease severity measurement using image processing.International Journal of Engineering and Technology，2011，3（5）：297-301.
[6] Bartel D P.MicroRNAs：target recognition and recognition and regulatory functions. Cell，2009，136（2）：215-233.
[7] 茅云峰.视频流中图标检测与识别的方法研究及其应用[D].上海:上海交通大学,2009.
[8] 王卓.基于RGB三基色原理的颜色检测仪的设计[D].天津:天津大学,2006.
[9] 王浩, 许志闻, 谢坤,等. 基于OpenCV的双目测距系统[J].吉林大学学报信息科学版, 2014, 32(2):188-194.
[10] 黄山园. 基于颜色特征的图像检索技术研究[D].太原:山西大学, 2013.
[11] 周冬波. 颜色识别及其在智能机器人控制系统中的应用研究[D].郑州:郑州大学, 2013.
[12] 官倩宁, 覃团发, 帅勤,等. 综合MPEG-7中纹理和颜色特征的图像检索方法[J].计算机应用研究, 2008, 25(3):957-960.
[13] 侯宾, 张文志, 戴源成,等. 基于OpenCV的目标物体颜色及轮廓的识别方法[J].现代电子技术, 2014(24):76-79.
[14] 李洪海. 一种简便的双目摄像机标定方法[J].淮阴工学院学报, 2009, 18(3):56-61.
[15] 孙昆, 穆森, 邱桂苹,等. 一种基于OpenCV的摄像机标定算法的研究与实现[J].电子世界, 2012(14):18-19.
[16] 长青, 姜方正, 牛分中. 一种基于区域综合特征的图像检索方法[J].计算机工程与应用, 2008, 44(4):53-55.
[17] Zhang Z. A flexible new technique for camera calibration[J]. IEEE Transactions on Pattern Analysis & Machine Intelligence, 2000, 22(11):1330-1334.
[18] 马孝辉. 基于OpenCV的双目测距系统研究[D].武汉:武汉纺织大学, 2011.
[19] 周鹏. 基于OpenCV的双目立体视觉系统定标与三文重构技术研究[D].银川:宁夏大学, 2015.