基于圖像的圖像構(gòu)建繪制和對(duì)象辨識(shí).pdf

1、基于圖像的構(gòu)建及繪制技術(shù)是實(shí)現(xiàn)真實(shí)感場(chǎng)景繪制的一種新穎方法，它綜合應(yīng)用了計(jì)算機(jī)圖形學(xué)、計(jì)算機(jī)視覺(jué)、圖像處理、攝影測(cè)量等學(xué)科領(lǐng)域的理論和成果，成為一個(gè)倍受關(guān)注的研究熱點(diǎn)，它以預(yù)先采集的離散圖像作為基礎(chǔ)表示，通過(guò)一系列的處理后，在計(jì)算機(jī)顯示設(shè)備上再現(xiàn)出場(chǎng)景原貌的過(guò)程，較之基于幾何模型的方法，它生成的景物真實(shí)自然，繪制速度不依賴于場(chǎng)景的復(fù)雜程度，但目前尚有許多方面有待進(jìn)一步探討，利用視覺(jué)敏感的特征進(jìn)行自動(dòng)匹配和相關(guān)處理以提高圖像的視覺(jué)質(zhì)量是其

2、中之一。 基于圖像的辨識(shí)技術(shù)在自然景物分類、醫(yī)學(xué)輔助診斷、木材缺陷判別、金相組織分析、生物和文字辨識(shí)等領(lǐng)域已獲得廣泛應(yīng)用，但應(yīng)用在食品方面還不多見(jiàn)。在流通過(guò)程中，有效地辨識(shí)出淀粉類食品中原料淀粉的種類和組分，對(duì)其安全和經(jīng)濟(jì)都具有現(xiàn)實(shí)的意義，目前，技術(shù)監(jiān)督和商品檢驗(yàn)檢疫部門的做法是依據(jù)對(duì)產(chǎn)品的感官感覺(jué)進(jìn)行評(píng)判，這種方法受主觀因素和經(jīng)驗(yàn)知識(shí)的制約，易于造成誤判，且缺乏堅(jiān)實(shí)的理論根據(jù)。利用顯微圖像所反映出來(lái)的微觀形貌特征對(duì)其進(jìn)行自動(dòng)辨

3、識(shí)是一種可行的實(shí)現(xiàn)途徑。 圖像特征是事物本質(zhì)屬性在圖像上的客觀反映、是人類視覺(jué)感受外部世界的重要依據(jù)、也是計(jì)算機(jī)區(qū)分不同事物的原始輸入。依據(jù)這一客觀事實(shí)，本文分析研究了適合上述問(wèn)題的圖像特征及檢測(cè)方法，并應(yīng)用于相關(guān)應(yīng)用中。以幾何邊緣上的角點(diǎn)為視覺(jué)敏感點(diǎn)、以分維數(shù)和灰度共生統(tǒng)計(jì)特征為微觀形貌的描述。角點(diǎn)特征在圖像旋轉(zhuǎn)、縮放、平移及光照變化的條件下仍具有較高的重復(fù)被檢率，相位一致提取方法可使角點(diǎn)定位準(zhǔn)確且為邊緣的嚴(yán)格子集，較適合人類

4、視覺(jué)感受規(guī)律。形貌統(tǒng)計(jì)特征可很貼近地描述自然紋理圖像的形貌特點(diǎn)，特征的相應(yīng)統(tǒng)計(jì)值由灰度共生矩陣和分形維理論方法提取。 特征點(diǎn)匹配是圖像拼接和視圖合成的一項(xiàng)基礎(chǔ)而關(guān)鍵內(nèi)容，也是比較困難的一步，通常由交互方式或標(biāo)定相機(jī)完成。本文在尺度空間中，運(yùn)用相位一致方法檢測(cè)特征點(diǎn)集，以LOG算子確定選取的特征點(diǎn)及其特征尺度，以特征點(diǎn)及其特征尺度構(gòu)造特征點(diǎn)鄰域的特征區(qū)域，用顏色矩參數(shù)作為特征區(qū)域的描述向量，采用歐氏距離度量特征向量之間的相似性得到

5、初始匹配的特征點(diǎn)，通過(guò)視覺(jué)一致幾何約束條件剔除了誤匹配點(diǎn)而獲得特征點(diǎn)的精確匹配。該方法實(shí)現(xiàn)了圖像特征點(diǎn)的自動(dòng)匹配，用于存在較大尺度差異的寬基線圖像時(shí)效果較好。 基于全景圖像的場(chǎng)景表示是圖像繪制技術(shù)中具有代表性的應(yīng)用之一，它的技術(shù)核心是獲取表示場(chǎng)景的全景圖像。對(duì)利用手持普通數(shù)碼相機(jī)原地旋轉(zhuǎn)拍攝的序列場(chǎng)景圖像，本文研究以圖像特征匹配和目標(biāo)函數(shù)優(yōu)化完成了平面全景圖像拼接，改進(jìn)了Szeliski算法。方法的具體實(shí)現(xiàn)為：首先利用相位一致方

6、法提取各圖像中邊緣上的角點(diǎn)特征，對(duì)特征角點(diǎn)進(jìn)行初始匹配，然后利用初始匹配的角點(diǎn)計(jì)算變換矩陣的初始參數(shù)，再以光強(qiáng)度差的平方和為優(yōu)化目標(biāo)函數(shù)，在優(yōu)化的過(guò)程中逐步獲得變換矩陣的最佳參數(shù)，最后對(duì)重疊區(qū)域運(yùn)用漸入漸出的方法實(shí)現(xiàn)了光強(qiáng)或顏色的自然過(guò)渡。以預(yù)先采集的不同視點(diǎn)的場(chǎng)景離散圖像，生成對(duì)應(yīng)于當(dāng)前虛擬視點(diǎn)的圖像是基于圖像繪制技術(shù)的一個(gè)研究熱點(diǎn)。不同于相機(jī)需要標(biāo)定、源圖像的分辨率基本相同的常規(guī)方法，本文研究了一種利用未標(biāo)定普通數(shù)碼像機(jī)前向運(yùn)動(dòng)拍攝

7、的序列圖像，生成對(duì)應(yīng)于當(dāng)前虛擬視點(diǎn)圖像的方案。該方案在僅知兩幅二維圖像的條件下處理了邊緣可見(jiàn)性和無(wú)對(duì)應(yīng)點(diǎn)區(qū)域的生成。算法的步驟為：利用傅立葉變換方法確定相鄰源圖像無(wú)對(duì)應(yīng)點(diǎn)的區(qū)域；然后，利用尺度空間和相位一致原理在共同區(qū)域提取及匹配邊緣上的關(guān)鍵點(diǎn)，計(jì)算其深度值，并在新圖像中由該值判別虛擬圖像中的可見(jiàn)性；再由關(guān)鍵點(diǎn)恢復(fù)極線約束，通過(guò)極線間的位置和顏色插值生成虛擬圖像中有對(duì)應(yīng)區(qū)域的一般點(diǎn)；在確定極線位于無(wú)對(duì)應(yīng)點(diǎn)區(qū)域段后，利用加權(quán)平均或放大插值

8、的方法實(shí)現(xiàn)了源圖像無(wú)對(duì)應(yīng)點(diǎn)區(qū)域在虛擬圖像中的自然過(guò)渡。該算法不需要圖像的其他先驗(yàn)知識(shí)，完全可以使用實(shí)拍圖像。 圖像是客觀對(duì)象的光能記錄，它以顏色或灰度分布的形式反映了被記錄對(duì)象的特有形貌或本質(zhì)屬性，利用計(jì)算機(jī)對(duì)象辨識(shí)分析技術(shù)對(duì)圖像的顏色分布模式進(jìn)行分析，可實(shí)現(xiàn)研究對(duì)象的自動(dòng)辨識(shí)歸類。本文以龍口粉絲組織的顯微圖像為素材，研究了淀粉類食品粉絲攙雜問(wèn)題的一種辨識(shí)方法，即運(yùn)用由灰度共生矩陣及分形維理論檢測(cè)的統(tǒng)計(jì)特征為描述向量，通過(guò)神經(jīng)網(wǎng)