网站首页 | 澳门银河所有的网址 | 银河娱乐www1331zz | 澳门银河娱城官方网站
澳门银河所有的网址 > 澳门银河娱城官方网站 >
高级检索

对所拍摄的图像进行亚像素精度的边缘检测提取图像中的曲线段 并

2019-11-05/    澳门银河娱城官方网站

编者按:

对所拍摄的图像进行亚像素精度的边缘检测提取图像中的曲线段 并将所有图像中的曲线段加入到同样的一个集合中 对畸变参数 进行初始化 并逐步优化畸变参数 第一步 固定利用非线性

  对所拍摄的图像进行亚像素精度的边缘检测提取图像中的曲线段 并将所有图像中的曲线段加入到同样的一个集合中 对畸变参数 进行初始化 并逐步优化畸变参数 第一步 固定利用非线性最小二乘法优化的参数 第二步 以及上一步所得的值为初始值 固定 同样利用非线性最小二乘优化得到参数 以及上一步所得的值为初始值 利

  对所拍摄的图像进行亚像素精度的边缘检测提取图像中的曲线段 并将所有图像中的曲线段加入到同样的一个集合中 对畸变参数 进行初始化 并逐步优化畸变参数 第一步 固定利用非线性最小二乘法优化的参数 第二步 以及上一步所得的值为初始值 固定 同样利用非线性最小二乘优化得到参数 以及上一步所得的值为初始值 利用非线性最小二乘优化得到全部参数 本章小结本章首先给出了一种先校正畸变图像再计算摄像机其他内部参数的方法 在图像畸变校正的过程中 使用多图像、多方向的直线 并进行多步优化 该方法无需己知三维坐标 可以在视觉坐标测量机行进过程中执行。在本章的第一节对摄像机模型进行简要的描述。第二节给出了基于直线特征的摄像机镜头畸变校正方法。 青岛科技大学研究生学 论文第四章目标图像处理和图像双目立体匹配上一章介绍了摄像机标定方法。对摄像机进行标定后 便得到摄像机参数。下一步就要对目标图像进行预处理。摄像机分别从左、右两个不同的角度获得图像 我们要得到物体三维重建模型 首先要对两幅图像进行图像预处理。图像预处理的目的在于 提高图像的清晰度 改善图像的视觉效果 将图像转换成一种更适合于人或机器分析处理的形式。图像预处理包括图像背景与目标物体的分离 图像的平滑滤波 图像锐化 图像边缘检测和图像角点检测。预处理中出现的错误和偏差会直接影响到后续处理与决策的正确性。所以图像预处理在双目立体视觉三维重建的体系结构占据非常重要的地位。 去除背景和阴影本次三维重建实验 实验对象是帕萨特汽车。在拍摄的过程中不可避免的会有一些景物和汽车的阴影。所以为了将帕萨特汽车作为被测目标物体分离出来 如果要去除图像背景。可以选择背景差分法【 。所谓背景差分法【 实际是指图像间的相减运算是指把同一景物在不同波段的图像或同一景物在不同时间的图像相减。差值图像提供了图像间的差异信息 可以用在图像背景消除 目标物体识别和运动物体的检测与跟踪。在对帕萨特汽车进行拍摄的过程中会产生汽车阴影。事实上 在有阴影的情况下 会严重影响到对目标物体的跟踪 识别和图像场景的理解【 。按照阴影变化的快慢可以将它分为静态阴影和运动阴影两大类。静态阴影是由光线在静态目标物体上产生的 它变化较为缓慢 在一定的时间范围内可以认为是静止不动的 它会对静态场景的识别、分割和分析理解产生影响。运动阴影是光线在运动目标物体下产生的 它随运动目标物体而变化。本论文需要把帕萨特汽车从景物中分离出来和去除帕萨特汽车阴影。在本次三维重建系统中 选择帕萨特汽车作为测量对象。选择差值法无法去除汽车阴影 并且进行汽车背景分离效果也不好 所以需要在图像处理软件中进行目标物体与背景景物相分离 并且去除阴影。 基于计算机立体视觉的三维重建系统研究 目标图像预处理 图像滤波隧戮茹蚕蚤 从摄像机拍摄的图像叫做原始图像任何一幅未经处理的原始图像 由于各种 扰因素的影响 都会存在一定程度的噪声 扰。噪声恶化了图像质量 使图像模糊 甚至歪曲了图像特征。对于图像分析带来很大困难 因此去除图像中的噪声具有很重要的意义。把去除图像噪声就称为图像滤波。图像滤波绎常要 到模糊处理的办法米减小图像噪声。一幅图像可能存在着各种各样的噪声。这些噪声可能在传输过程中产生 也可能在量化处理过程中产生。图像滤波可以减少或消掉这些噪卢 但却使图像的边缘轮廓和线条变得略微模糊。这种模糊可以减小图像灰度中的一些噪声带来的变化。在提取大的目标物体之前 图像滤波可以去除图像中的桥接直线或是曲线的缝隙等 使图像看起柬更加柔和。实际上 图像的荻度信息是连续变化 如果出现了与相邻像素的灰度信息相差别很大的点 就可以认为是扶度究变点 灰度突变点在频域中代表了种高频分量。低通滤波器的作用就是滤掉高频分量 完成图像滤波。青岛科技大学研究生学位论文中值滤波是一种非线性处理技术 能抑制图像中的噪声。中值滤波优于领域平均之出在于它不仅像邻域平均一样可以抑制噪声 而且可以使边缘模糊效应大大降低。由于在实际运算中不需要图像的统计特性 所以使用起来比较方便。在一定条件下 中值滤波可以克服线性滤波器带来的图像细节模糊 而且对颗粒噪声和滤除脉冲干扰最为有效。在一维情况下 中值滤波器是一个含有奇数个像素点的滑动窗口【 】。经过中值滤波器处理后 位于窗口正中的像素灰度值 可以用窗口内各像素灰度的中值代替。数学描述如下 对于一维序列 取窗口长度为奇数 对此序列中值滤波 即从输入序列中顺序取出 个元素 。。其中为窗口中心位置 个元素按数值—二大小排列位于正中间的那个数值作为滤波输出 二二维中值滤波器【】的窗口形式可以是正方形的、矩形的或十字形的。不管哪种形状 随着窗口的增大有效信号的损失也将明显增加 因此窗口大小的选择以能兼顾两者为佳。另外随着窗口的移动 一个像素要参与重复计算多次 处理时间较长 且窗口越大出来时间就越长 这便导致要对中值滤波进行快速算法的研究。一个二维的 中值滤波器比用 的两个一维滤波器分别顺序进行垂直和水平的处理更能抑制噪声但同时也带来了对信号的抑制。中值滤波的工作步骤 如下 将模板在图中滑动 并将模板中心与图像某个像素位置重合 读取模板下各对应像素的灰度值 将这些灰度值从 大排列 找出中间值 将这个中间值赋给对应模板中心位置的像素。由以上步骤可以看出 中值滤波器的主要功能就是让与周围像素灰度值的差比较大的像素改取与周围像素值接近的值 从而可以消除孤立的噪声点。由于它不是简单的取均值 所以产生的模糊比较少。下面要对图像进行中值滤波处理。下面要对目标图像帕萨特汽车图像进行灰度化处理 图像灰度化后在对它进行中值滤波。汽车图像变换是在 中编程实现。基于甜算机立体视啦的二维巫建系统研究 图像锐化图 图像灰度化 图像中值滤波图像锐化和图像滤波刚好相反。图像锐化的主要目的是突出图像中的细节或增强图像中被模糊的细节。图像平滑减弱了图像狄度数中尖锐部分的变化 使图像变得模糊 锐化则是增强丁图像灰度级的变化 使图像丰要特征看起柬更加鲜明。图像、 滑抑制图像的高频部分 使用低通滤波 然而图像锐化足增强图像的高频部分 使用高通滤波器。蚓像滤波减小了噪声 图像锐化则在增强图像的同时也增强了噪声。图像锐化使图像罹得更加清晰 轮廓更加清楚。 以选择一幅图像列它进行图像锐化处理。经过图像锐化处理 这幅图像的特征信息便得到增强。下图 图像边缘检测图图像锐化 图像最基本的特征信息是边缘 所谓图像边缘是指图像灰度发生空问突变或者在梯度方向上发生突变的像素集合。它广泛存存于目标与背景 目标与目标 区域与区域之 。罔像边缘检测 性要用于罔像处理 寺体视觉和模式 足至今末得到圆满解决的经典技术难题之一它的解决对于进行高层次的特征描述 泌别和理解有着重大影响。由于边缘检测在许多方面都有着非常重要的实用价值 所以人们一直在研究如何构造出具有良好性质的边缘检测算子。通常 我们将信号中的突变点或奇异点认为是图像中的边缘点 利用图像边缘点处的扶度阶跃变化进行边缘检测 然后提取图像的边缘信息。其中一些经典的边缘检测算子有 算子 算子 算子等。相比而言 算子在图像边缘检测叶 应用最为广泛 它能在图像的噪声抑制和图像边缘检测之间取得较好的平衡。 算子可以用高斯函数的梯度来近似”” 描于具有平滑功能的一阶算子 在实际应用 得到了满意的结果 由于 算子的良好特性 它已经成为根多边缘检测器设计的比较标准。以 将主要介绍 种经典的边缘检测算子进行理论分析 并对各自的性能特点做出了比较和评价。图像处理对象仍然选择帕萨特汽车。 边缘检测掉子由于任意一对相互垂直方向上的差分都可以用米估引梯度 梯度采用对角方向相邻两像素之差【删 计算机立体视赏的二维蛙建系统研究算子的表达式为 襁容易地算出梯度的幅值。 梯度实际上是以 为中心的应当把它们看成在这个 心点上连续梯度的近似。在 实际中常片 小区域模板眷积来近似计算 对水平和垂直方向上各用一个模板 所以需要丌 个模板组合起来以构成 个梯度算子。 算予采用对角线方向十日邻曲像素之差近似梯度幅值检测边缘。检测水平和垂直边缘的效果好于斜向边缘 定位精度高 对噪声敏感。下图是用 算法来提取帕萨特汽车罔 边缘检测算子梯度算子是先做加权平均 然后再微分 算了很容易在空间上实现边缘检测方法不但产生较好的边缘检测效果 而且受噪芦的影响也较小。当使用大的邻域时 抗噪声性能会更好 但这样做会增加计算量 并且得出的边缘也较粗。 利用像素点上下和左右邻点的扶度加权算法根据在边缘点处达到极值这一现象进行边缘的检测。 算子对噪声具有平滑作用 提供较为精确的边缘方向信息 但它同时也会检测出许多伪边缘 边缘定位精度不够高。当对精度要求不是很高时 足一种较为常用的边缘检测方法 算法来提墩帕萨特汽三图片。青岛乖 技大学研究生学位论文图 边缘椅测算于边缘榆测是一种比较新的边缘检测箅子 具有很好的边缘检测性能 得到了越来越广泛的应用。 边缘检测法利用高斯函数的阶微分 能在嵘声抑制和边缘检测之间取得较好的甲衡。具体步骤”“如下 用高斯滤波器柬对图像滤波 去除图像的噪声。 用高斯算子的一阶微分埘罔像进行滤波 得到每个像素梯度的大小 为滤波后的图像。对梯度进行“非极大抑制” 梯度方向可以定义属于 各个区用小刚的邻近像素来进行比较以决定局部极大值。 刘梯度取两次削值得到两个闽值 。我们把梯度值小于的像素的灰度设为 得到图像 。然后把梯度值小于 得到图像。由于图像 的刚值较高 去除了人部分噪声 但同时也损失了有用的边缘信息。罔像 的闽值较低 保留了较多的图像信息。我们以图像 为基础 以图像 为补充柬连接图像的边缘。 连接图像边缘的具体步骤如下 对图像 进行扫描 当遇到一个非零扶度的像素 跟踪以为开始点的轮廓线 直到垃轮廓线的终点 ‘计算机立体视觉的二维重建系统研究考察图像 中与图像 一邻近区域。如果在口点的邻近区域中有非零像素尺存在 则将其包括到图像 开始重复第 直到我们在图像】和图像中都无法继续为止。 当完成对包含 的轮廓线的连接之后 将这条轮廓线标记为已访问。回到第 直到图像中找不到新轮廓线为止。下图足用 算法来提取帕萨特汽车图片。 图像角点检测图 算法 图像中的角点是指两条边界以定的角度相交的地方 边界方向发生变化较大的地方以及图像狄度梯度变化较大的地方。它不同于边缘像素扶度只在一个方向上变化。角点检测算法大致有两种 第一种是提取图像的边缘并以链码形式表示 然后寻找具有最大曲率的点作为角点 第二种是直接对灰度图像进行操作 计算图像灰度分如的曲率 以最大曲率的点作为角点 。本课题中用到的 角点检测法 即属于第二种方法。在图像中往往用自相关函数捕述局部罔像灰度的变化程度 而图像中的角点与自相关函数的曲率有关。自相关函数表示为 在上式中是两个图像窗口偏移 后图像狄度的平均变化 为图像窗口 为图像扶度 随着窗的偏移将有显著变化。 存像素点 赴可近似表示为 的极值曲率可由矩阵的特征值近似表示。当矩阵 的两个特征值都较大时 可认为该点为角点。矩阵 行列式的值正比于两个正交方向上的极值曲率的乘积 故定义 角点探测器【 建议取值为 以获得比较好的结果。 角点探测器可以有效提取目标物体的特征点。在第五章三维重建中 可以用到 角点提取算法来对摄像机进行标定。 图像双目立体匹配图像双目立体匹配是在两幅图像之间进行匹配 由于观察的角度不同 两幅图像会存在几何大小 灰度畸变和噪声干扰等问题。所以要进行图像的双目立体匹配就是要寻找同一空间物体在不同视点下投影图像的不同像素的对应关系 即选定第一幅图像中的一个点 寻找另一幅图像中的对应点 这两点为空间同一物体在图像中的投影点 进而可以得到两点在视觉上的差别 用以恢复图像的深度信息 并可以进一步得到物体某些特征点的空间坐标 并形成物体的特征线 并最终可以恢复整个物体的表面。图像双目立体匹配的研究一般上是从实际应用的角度出发 根据具体的情况和环境来设计特定的匹配算法。通过对景物中被测物体的已知信息 来增加约束条件 降低匹配难度 从而达到提高系统实用性的目的。前面介绍了摄像机线性模型 摄像机标定和目标图像处理是进行图像双目立体匹配的必要准备工作。最终经过标定好的视觉坐标测量机对测量物体可以进行双目立体匹配 来实现物体的三维重建。立体匹配有三个基本步骤 首先从立体图像对中的任意一幅图像中选择一个图像特征 要求它与实际景物中物体的特征信息相对应 在另外的一幅图像中找出与第一幅图像相对应图像特征

  基于计算机立体视觉的三维重建系统研究基于,计算,研究,计算机,立体视觉,计算机视觉,三维重建,立体视觉的,系统的研究,维重建

版权所有©澳门银河所有的网址 京ICP备01027212号
关于我们  网站地图   Tags
Baidu