双目视觉图像处理算法的优化.docVIP

双目视觉图像处理算法的优化 　　摘 要 伴随着信息技术的快速发展，计算机和机器人等都被赋予了视觉的功能，希望计算机能够通过双目视觉来观察世界。这就是建立在人类视觉系统研究的基础上，使得计算机通过二维图像来认知三维的世界。而且与人工视觉相比，计算机在双目视觉技术下，能够更快速、准确和数字化的识别世界。而计算机对图像的预处理又决定了其质量，因此对双目视觉图像匹配领域的现有算法进行优化，能够在保证图像匹配精度的前提下，尽可能提升系统效率。 　　关键词 双目视觉；图像处理；图像匹配 　　中图分类号 TP3 文献标识码 A 文章编号 1674-6708（2017）182-0084-02 　　视觉模型及算法的基础是利用两张存在视差的二维图形，构造一个具有更深度信息的立体图形。双目视觉系统则是利用两个摄像机来模拟人的双眼，对场景进行识别和测量，然后通过一定的计算方法将场景结果（图像）进一步处理，就可以获得一个三维的图像。因此双目视觉系统在各行各业都得到了广泛的应用，例如医学检查、制造业和军工制造等领域，也成为目前研究的热点。 　　1 双目视觉系统图像处理原理与现状 　　1.1 图像处理原理与流程介绍 　　双目视觉具有使用成本低、利用方便、效率较高的有点，因此被广泛应用于诸多领域。计算机视觉系统主要有图像获取、图像处理和分析、输出和显示3个步骤组成的，细化之后，可以将之分为以下几个步骤。 　　双目摄像机标定是根据有效的摄像机成像模型，通过实验和计算来确定摄像机的内外参数，进而能够正确建立物体表面点的集合位置，以及对应投影点坐标之间的关系。这是计算机双目视觉系统不可缺少的关键步骤。 　　图像获取是双目视觉系统的信息来源，摄像机在拍摄到场景后，转化为数字信号然后生成二维图形。进而在此基础上形成三维图形。但是光线条件、摄像机的性能等对所获取图像的品质影响较大。 　　图像处理技术将输入的图像经过处理算法，对原始数据进行预处理操作，降低无用信息和其他信息的干扰，从而达到提高图像质量，使图像能够进行进一步的分析。 　　图像匹配的目的在于寻找同一场景在左右像平面上的投影点，获取位置关系并得到视差，这是双目视觉系统中最为重要的一步。 　　获取深度信息是在图像匹配并得到视差后，可以根据三角测量方法计算目标物体的深度信息，从而获得物体表面点的三维坐标。 　　在整个流程中，图像的匹配工作是双目视觉领域最为基础的问题，也是为后续的图像分析和理解奠定基础的工作。但是由于双目摄像机在不同的场景、不同的角度和位置拍摄，以及受到光线条件的影响，每一幅图像存在较大的差异。例如灰度水平、场景位置、分辨率等等。而图像匹配就是寻找这些因素具有不变性的特征，进而根据这些特征来对两幅图像进行匹配。 　　1.2 影响图像匹配的因素分析 　　在双目摄像机在获取图像时，由于摄像器材、光线充足、拍摄角度的不同，都会让图像产生一定的畸变，这些畸变导致的误差会在进行图像匹配时被放大，进而导致匹配结果错误的发生。首先是平移、旋转等几何变化时，会导致两幅图像的所有像素都产生位移，对图像的匹配产生较大的影响。而旋转则是由于摄像设备的视角差异，两幅图的相对关系发生旋转。其次是光线条件，在对同一场景进行拍摄时，由于光线条件的差异也会导致图像存在差异。例如在光线较强时，图像的平均灰度高，会产生阴影。而在光线不足的情况下，所获取的图片分辨率就会降低，带来部分遮挡现象，这些差异给图像匹配带来很大的难度。第三种是传感器的噪声产生的影响。传感器是将获取的信息转换成电信号，因此在获取图像时、电磁辐射、传感器件、开关器件等都??产生一定的成像噪声。系统就会对信号进行离散化并编码，以便进行计算机处理，但是在这个过程中就会出现量化误差，给图像匹配造成影响。 　　1.3 图像匹配算法的研究现状 　　在国内外专家学者的研究中，是针对不同的应用目的为出发点，提出了许多具有针对性的匹配算法，具体来说可以分为基于图像灰度和基于图像特征两个类别。两种算法对比来看，基于灰度的匹配算法，是对图像的平均灰度水平、灰度直方图、平均绝对值以及平方差、协方差等进行统计，根据这些特点进行匹配具有精度高的优势。但是也存在计算量大、时间效率不高的问题，因此并不能满足现实生活的需求。而基于特征的图像匹配方法，在是针对图像中包含各种特征的信息进行提取，数据量相对较小，因此匹配效率更高，能够满足时时图像处理的需要。具体来说，基于灰度的图像匹配算法，是通过对图像的灰度信息进行分析，计算图像之间的相似度，进而寻找图像的最佳匹配。也就是说该方法所选取的特征即是图像的灰度。可见该方法思路十分简单，有利于在双目视觉中实现。但由于计算量较大，因此许多研究者提出了快速算法。例如FFT、SSDA等计算方法。而基于特征的图像匹配算法，则是通过对