反求測(cè)量過(guò)程中圖像特征信息的提?。▋H供參考）.doc

反求測(cè)量過(guò)程中圖像特征信息的提?。▋H供參考）摘要:反求測(cè)量中所采集的數(shù)據(jù)往往包含大量各種形式的噪聲干擾.在結(jié)構(gòu)光測(cè)量時(shí)應(yīng)用圖像特征提取技術(shù)提取出測(cè)量物體的輪廓特征,將采集圖像分割、二值化、細(xì)化等處理并最終提取出圖像所包含的特征點(diǎn)數(shù)據(jù).此方法能夠快速高效的去除環(huán)境和噪聲干擾.實(shí)現(xiàn)在反求測(cè)量過(guò)程中數(shù)據(jù)的并行處理,極大的簡(jiǎn)化了后續(xù)圖像匹配和圖像特征數(shù)據(jù)獲取的工作量.關(guān)鍵詞:反求測(cè)量;逆向工程;特征識(shí)別;深度圖像;結(jié)構(gòu)光The Study on Feature Information Detection Algorithm of Image in Reverse MeasuringAbstract:There always are varieties of noise jamming in the collection data of. In structural light measuring, using image feature extraction technology pick up the profile feature of the measured object, segment, binary-coding and thinning the image, finally scavenge the character points data in the image. This method can wipe off the environment and noise jamming quickly and efficiently, realize parallel processing data in the reverse measuring, much enormously predigest the load later image matching and feature data extraction.Key words:Reverse Measuring; Reverse Engineering; Features Identification; Range image; Structured Light引言快速而精確地獲取物理模型數(shù)據(jù)是逆向工程的基礎(chǔ),隨著光電技術(shù)和計(jì)算機(jī)技術(shù)的發(fā)展,特別是高分辨率CCD數(shù)字?jǐn)z像機(jī)的出現(xiàn)以及視頻影像技術(shù)的發(fā)展,基于光學(xué)測(cè)量的非接觸式測(cè)量由于其快捷方便等優(yōu)點(diǎn),已經(jīng)成為逆向工程領(lǐng)域的研究熱點(diǎn).在利用結(jié)構(gòu)光來(lái)獲取三維數(shù)據(jù)的技術(shù)中,帶有結(jié)構(gòu)光條紋的深度圖像是實(shí)現(xiàn)測(cè)量任務(wù)的信息源,它包含有被測(cè)量物體表面的三維形貌信息,對(duì)結(jié)構(gòu)光深度圖像的處理和計(jì)算是整個(gè)測(cè)量數(shù)據(jù)任務(wù)的關(guān)鍵環(huán)節(jié)之一1.實(shí)際采集到的深度圖像中大量的環(huán)境、以及各種形式的噪聲干擾大大增加了數(shù)據(jù)提取的難度.怎樣快速準(zhǔn)確的去除這些干擾,提取出圖像中結(jié)構(gòu)光條紋數(shù)據(jù)即成為結(jié)構(gòu)光深度圖像的處理和計(jì)算的關(guān)鍵.去除噪聲干擾的方法有很多種,其中圖像分割方法能夠較好的完成噪聲去除的要求.目前,關(guān)于圖像分割的多數(shù)研究工作集中在如何得到一個(gè)最佳的分割結(jié)果.然而,在實(shí)際應(yīng)用中常需要不同約束(例如,不同閾值)下的多個(gè)分割結(jié)果,這是由于所需信息往往散布在多個(gè)不同等級(jí)上,在相同約束下不能同時(shí)被較好地提取.將一種分割算法在不同約束下運(yùn)行多次可以滿足上面的要求,但卻是一個(gè)費(fèi)時(shí)和令人沮喪的方法.為此,Beucher2基于形態(tài)學(xué)流域變換提出了等級(jí)分割的思想,即計(jì)算過(guò)程中并不取閾值,而是按照某種標(biāo)準(zhǔn)計(jì)算所有區(qū)域輪廓線的顯著性.Najman* E-mail: Received February 26, 2004; revised June 3, 2004; accepted September 13, 2004.黑龍江省自然科學(xué)基金(No. E200527)、黑龍江省教育廳科技項(xiàng)目(No. 10051066)資助.和Schmitt3進(jìn)一步提出利用弧段動(dòng)力學(xué)Arc Dynamics(AD)作為區(qū)域輪廓弧段的顯著性度量,首先得到所有輪廓點(diǎn)的顯著性值,然后通過(guò)取不同閾值得到對(duì)應(yīng)的顯著性等級(jí)的區(qū)域輪廓輸出.Beucher的等級(jí)分割算法必須多次運(yùn)算直到收斂,而且等級(jí)無(wú)法做細(xì),Najman和Schmitt的算法可以得到較精細(xì)分級(jí),但在求取區(qū)域輪廓顯著性時(shí)效率較低(需要運(yùn)行兩次相對(duì)費(fèi)時(shí)的溢流過(guò)程).據(jù)此,本文提出在深度圖像采集過(guò)程中應(yīng)用特征識(shí)別技術(shù)4分割圖像的圖像特征信息提取方法.將CCD采集到的圖像進(jìn)行平滑、二值化、圖像分割等預(yù)處理,然后再將所得文件進(jìn)行合理壓縮提取有效數(shù)據(jù)將對(duì)后續(xù)數(shù)據(jù)處理影響較大的部分事先去除.從而解決了在圖像信息中干擾信息不易去除的難題,實(shí)現(xiàn)數(shù)據(jù)的并行處理,減少測(cè)量過(guò)程人工干預(yù),大大加快測(cè)量速度,為后續(xù)數(shù)據(jù)處理以及特征識(shí)別提供依據(jù).最后通過(guò)試驗(yàn)對(duì)此方法進(jìn)行了驗(yàn)證.系統(tǒng)硬件組成圖像采集所使用的線結(jié)構(gòu)光雙目三維視覺(jué)測(cè)量系統(tǒng)如圖1,主要由旋轉(zhuǎn)工作臺(tái)、測(cè)頭組件、以及計(jì)算機(jī)控制三部分組成.測(cè)頭組件水平移動(dòng)結(jié)合旋轉(zhuǎn)工作臺(tái)旋轉(zhuǎn)運(yùn)動(dòng)來(lái)完成對(duì)被測(cè)物體的測(cè)量.測(cè)頭組件中兩個(gè)CCD平行放置采集激光器發(fā)出的線結(jié)構(gòu)光條紋投射在被測(cè)物體表面的圖像.由于環(huán)境的光照以及被測(cè)物體材料、形狀、位置等的影響,實(shí)際結(jié)構(gòu)光測(cè)量系統(tǒng)采集到的經(jīng)常是干擾性很強(qiáng)的條紋圖像.如圖2所示實(shí)際圖像中包括環(huán)境干擾、還有噪聲干擾(有些在數(shù)據(jù)處理時(shí)很難去除),而且圖像中很多區(qū)域例如被測(cè)物體輪廓以外的部分對(duì)于實(shí)體數(shù)據(jù)提取是無(wú)用的.如何有效地提取出深度圖像中包含的空間數(shù)據(jù)信息示反求工程測(cè)量的關(guān)鍵技術(shù).而在這些空間數(shù)據(jù)信息中包含的被測(cè)物體的特征信息提取更是反求工工程中多視數(shù)據(jù)拼接和CAD模型重建的重要依據(jù)信息.圖像特征信息提取的實(shí)現(xiàn)本文將特征信息提取技術(shù)應(yīng)用于結(jié)構(gòu)光測(cè)量設(shè)備圖像采集過(guò)程中,如圖2所示在深度圖像中既包括有用信息也包含環(huán)境影響和噪聲等無(wú)用信息,兩類信息將深度圖像分成兩大部分.而且兩部分有著明顯邊界.因此選擇出合適的特征識(shí)別算法,將邊界提取出來(lái)即可將兩部分區(qū)分開(kāi),以達(dá)到去除環(huán)境影響,降低噪聲,壓縮數(shù)據(jù)的目的.過(guò)程如下:差影法提取被測(cè)物體圖像如圖3所示在對(duì)測(cè)量環(huán)境沒(méi)有嚴(yán)格的要求時(shí),關(guān)閉激光器,采集沒(méi)有放置被測(cè)物體時(shí)的環(huán)境背景圖像圖3a,然后在同樣的條件下,采集放置了只進(jìn)行簡(jiǎn)單反差處理的被測(cè)物體時(shí)的測(cè)量圖像圖3b,再使用差影法用測(cè)量圖像圖3b減去背景圖像圖3a即可得到被測(cè)物體的圖像.此時(shí)圖像中除被測(cè)物體以外的部分灰度值為0(黑色)或者接近0,經(jīng)過(guò)反色處理后如圖3c.圖像域值變換得到被測(cè)物體的圖像(圖3(c)反色處理前的圖片)除被測(cè)物體外的區(qū)域灰度值接近0,與被測(cè)物體圖像灰度值差別很大.先使用平均模版(3X3)對(duì)圖象進(jìn)行平滑處理,再應(yīng)用域值變換程序?qū)?shù)設(shè)置為40,即將灰度值大于40的圖像灰度值賦值255(白色),其余灰度值賦值為0(黑色),再經(jīng)過(guò)反色處理后的圖像如圖4所示.識(shí)別被測(cè)物體圖像邊緣常用的邊緣檢測(cè)的算子是Canny邊緣算子和亞像素邊緣檢測(cè)算子.Canny 算法具有很好的背景抑噪的效果,基本上可以得到目標(biāo)物體的輪廓.但是Canny 算法是試圖通過(guò)局部梯度的強(qiáng)度和方向來(lái)閉合邊緣,所以邊緣檢測(cè)的結(jié)果中會(huì)有大量的不閉合區(qū)域.這樣會(huì)對(duì)目標(biāo)識(shí)別的后續(xù)處理帶來(lái)一定的困難5.而亞像素邊緣檢測(cè)算子提取圖像邊緣效果明顯,得到目標(biāo)物體的輪廓更準(zhǔn)確,能達(dá)到較好的噪聲去除效果.在程序中調(diào)用亞像素邊緣檢測(cè)的算子對(duì)圖4反色處理前的圖像提取特征邊緣,得到被測(cè)物體的邊緣深度圖像.如圖5,是經(jīng)過(guò)反色后的圖像,其中黑色代表外部邊緣曲線.這條外部邊緣是分割圖像的重要依據(jù).圖像采集區(qū)域分割由圖5可知特征邊緣將整幅圖像分割成兩部分,應(yīng)用這一特點(diǎn)在圖像采集過(guò)程中將邊緣曲線以外部分的圖像灰度值賦為0(黑色),而將邊緣曲線內(nèi)的圖像動(dòng)態(tài)顯示(圖6).可以看到線結(jié)構(gòu)光被特征邊緣截取,顯示的正是測(cè)量中需要采集的測(cè)量數(shù)據(jù)部分.圖像采集區(qū)域分割能將除被測(cè)物體以外的所有噪聲干擾排除.此時(shí)圖像清晰,包含數(shù)據(jù)提取所需要的全部信息,不會(huì)影響數(shù)據(jù)提取精度.所得數(shù)據(jù)結(jié)構(gòu)簡(jiǎn)化,方便數(shù)據(jù)提取.采集圖像處理采集圖6所示圖像,(只需考慮圖像中邊緣以內(nèi)部分即可)對(duì)其進(jìn)行平滑處理后對(duì)圖像域值變換將其參數(shù)設(shè)置為250,再經(jīng)過(guò)圖像反色處理得到如圖7所示圖像.此時(shí)圖像中線條寬度方向由十幾個(gè)像素組成,線條均勻,連續(xù)性好,沒(méi)有復(fù)雜噪聲干擾,數(shù)據(jù)處理簡(jiǎn)單,人為干預(yù)少.大大簡(jiǎn)化了數(shù)據(jù)的預(yù)處理工作.測(cè)量數(shù)據(jù)提取將圖7中得到的線條細(xì)化得到寬度為1個(gè)像素包含空間深度信息的連續(xù)的曲線.應(yīng)用坐標(biāo)提取程序提取出圖像中的像素坐標(biāo)信息如圖8所示.至此被測(cè)物體點(diǎn)數(shù)據(jù)提取完成.結(jié)語(yǔ)實(shí)驗(yàn)證明此方法對(duì)測(cè)量環(huán)境和被測(cè)物體材質(zhì)要求不高、噪聲干擾比較強(qiáng)的圖像經(jīng)本文提出的圖像處理過(guò)程的處理,可以快速去除噪聲干擾,對(duì)采集數(shù)據(jù)進(jìn)行壓縮,并得到精確的特征數(shù)據(jù).利用開(kāi)發(fā)的圖像特征提取模塊對(duì)采集圖像進(jìn)行處理,可以快捷且效果的分割采集圖像數(shù)據(jù),對(duì)其精簡(jiǎn)壓縮,處理后的圖像數(shù)據(jù)可直接提取不需要人工干預(yù).整個(gè)測(cè)量過(guò)程只需要在數(shù)據(jù)采集前將測(cè)量過(guò)程要用到的背景圖像采集按順序存儲(chǔ),再以同樣順序采集并保存放置被測(cè)物體時(shí)的圖像序列,再應(yīng)用上面的圖像特征提取方法動(dòng)態(tài)采集圖像即提取到被測(cè)物體的部分?jǐn)?shù)據(jù),應(yīng)用結(jié)構(gòu)光測(cè)量?jī)x軟件系統(tǒng)即可得到用點(diǎn)表示的空間曲面.圖像特征提取方法可以大大加快了條紋圖像處理速度,為實(shí)物快速反求提供方法及技術(shù)支持.參考文獻(xiàn)毛遲.基于結(jié)構(gòu)光測(cè)量技術(shù)的反求系統(tǒng)關(guān)鍵技術(shù)的研究D.哈爾濱理工大學(xué)碩士論文,2004.3Serge BEUCHER. Images segmentation and mathematical morphology D. Paris:PhD thesis,Superior National School ofMines,1990.Laurent NAJMAN,M