基于圖像的圖像構(gòu)建繪制和對象辨識.pdf

1、基于圖像的構(gòu)建及繪制技術(shù)是實現(xiàn)真實感場景繪制的一種新穎方法，它綜合應(yīng)用了計算機圖形學(xué)、計算機視覺、圖像處理、攝影測量等學(xué)科領(lǐng)域的理論和成果，成為一個倍受關(guān)注的研究熱點，它以預(yù)先采集的離散圖像作為基礎(chǔ)表示，通過一系列的處理后，在計算機顯示設(shè)備上再現(xiàn)出場景原貌的過程，較之基于幾何模型的方法，它生成的景物真實自然，繪制速度不依賴于場景的復(fù)雜程度，但目前尚有許多方面有待進一步探討，利用視覺敏感的特征進行自動匹配和相關(guān)處理以提高圖像的視覺質(zhì)量是其

2、中之一。 基于圖像的辨識技術(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。在流通過程中，有效地辨識出淀粉類食品中原料淀粉的種類和組分，對其安全和經(jīng)濟都具有現(xiàn)實的意義，目前，技術(shù)監(jiān)督和商品檢驗檢疫部門的做法是依據(jù)對產(chǎn)品的感官感覺進行評判，這種方法受主觀因素和經(jīng)驗知識的制約，易于造成誤判，且缺乏堅實的理論根據(jù)。利用顯微圖像所反映出來的微觀形貌特征對其進行自動辨

3、識是一種可行的實現(xiàn)途徑。 圖像特征是事物本質(zhì)屬性在圖像上的客觀反映、是人類視覺感受外部世界的重要依據(jù)、也是計算機區(qū)分不同事物的原始輸入。依據(jù)這一客觀事實，本文分析研究了適合上述問題的圖像特征及檢測方法，并應(yīng)用于相關(guān)應(yīng)用中。以幾何邊緣上的角點為視覺敏感點、以分維數(shù)和灰度共生統(tǒng)計特征為微觀形貌的描述。角點特征在圖像旋轉(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定位準確且為邊緣的嚴格子集，較適合人類

4、視覺感受規(guī)律。形貌統(tǒng)計特征可很貼近地描述自然紋理圖像的形貌特點，特征的相應(yīng)統(tǒng)計值由灰度共生矩陣和分形維理論方法提取。 特征點匹配是圖像拼接和視圖合成的一項基礎(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定相機完成。本文在尺度空間中，運用相位一致方法檢測特征點集，以LOG算子確定選取的特征點及其特征尺度，以特征點及其特征尺度構(gòu)造特征點鄰域的特征區(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，通過視覺一致幾何約束條件剔除了誤匹配點而獲得特征點的精確匹配。該方法實現(xiàn)了圖像特征點的自動匹配，用于存在較大尺度差異的寬基線圖像時效果較好。 基于全景圖像的場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)核心是獲取表示場景的全景圖像。對利用手持普通數(shù)碼相機原地旋轉(zhuǎn)拍攝的序列場景圖像，本文研究以圖像特征匹配和目標函數(shù)優(yōu)化完成了平面全景圖像拼接，改進了Szeliski算法。方法的具體實現(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特征，對特征角點進行初始匹配，然后利用初始匹配的角點計算變換矩陣的初始參數(shù)，再以光強度差的平方和為優(yōu)化目標函數(shù)，在優(yōu)化的過程中逐步獲得變換矩陣的最佳參數(shù)，最后對重疊區(qū)域運用漸入漸出的方法實現(xiàn)了光強或顏色的自然過渡。以預(yù)先采集的不同視點的場景離散圖像，生成對應(yīng)于當(dāng)前虛擬視點的圖像是基于圖像繪制技術(shù)的一個研究熱點。不同于相機需要標定、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定普通數(shù)碼像機前向運動拍攝

7、的序列圖像，生成對應(yīng)于當(dāng)前虛擬視點圖像的方案。該方案在僅知兩幅二維圖像的條件下處理了邊緣可見性和無對應(yīng)點區(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對應(yīng)點的區(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，計算其深度值，并在新圖像中由該值判別虛擬圖像中的可見性；再由關(guān)鍵點恢復(fù)極線約束，通過極線間的位置和顏色插值生成虛擬圖像中有對應(yīng)區(qū)域的一般點；在確定極線位于無對應(yīng)點區(qū)域段后，利用加權(quán)平均或放大插值

8、的方法實現(xiàn)了源圖像無對應(yīng)點區(qū)域在虛擬圖像中的自然過渡。該算法不需要圖像的其他先驗知識，完全可以使用實拍圖像。 圖像是客觀對象的光能記錄，它以顏色或灰度分布的形式反映了被記錄對象的特有形貌或本質(zhì)屬性，利用計算機對象辨識分析技術(shù)對圖像的顏色分布模式進行分析，可實現(xiàn)研究對象的自動辨識歸類。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題的一種辨識方法，即運用由灰度共生矩陣及分形維理論檢測的統(tǒng)計特征為描述向量，通過神經(jīng)網(wǎng)