自動檢測系統畢業設計-資料下載頁

　　

【正文】 伴隨著噪聲，噪聲的存在不僅使圖像質量下降，而且也影響了圖像的復原效果，故此去除圖像噪聲也是本文的研究重點之一。本論文前邊已經很詳細敘述了這方面的內容。所以要取得較好的圖像復原效果，主要有三方面的工作要做，它們分別是退化模型的估計，噪聲的處理和選擇適當的復原算法。下面我們主要介紹退化模型的估計和復原的方法。(1)估計退化模型的參數要進行圖像復原必須要知道圖像退化模型，也就是說必須了解、分析圖像退化的機理并用數字模型表示出來，然后根據圖像退化的過程采取相反的過程以求得原始圖像。估計退化模型的參數并不是一件容易的事情，往往根據退化圖像中的一些特殊點、線、邊緣等進行估計，或者采用其它方法如圖像分割法等等進行估計。這些估計退化參數的方法并不是針對于運動模糊圖像提出的，它們通用的，適用于多種類型的退化參數估計。但是，由于這些方法的前提條件一般比較苛刻，實際的退化圖像未必能完全滿足這樣條件，故此其適用場合比較少。根據運動模糊圖像自身的特點，通過仔細分析其退化機理，在本論文中提出了一種專門應用于運動模糊圖像退化參數估計的方法，稱為零值點估計法，該方法是通過觀察運動模糊圖像的頻譜特征來估計運動模糊的程度，進而得到整個退化模型。(2)模糊圖像的復原最經典的圖像復原算法是Nathan所使用的逆濾波算法以及1967年Helstrom提出的維納濾波算法，然而逆濾波算法對有噪聲的圖像復原效果特別差，而維納濾波算法雖然對帶噪聲圖像復原有效，但它需要知道圖像的信噪比復原效果才比較好。通常要估計一幅實際的退化圖像的信噪比是很困難的。針對于勻速直線運動模糊圖像的特點，差分法復原方法被提出，它只對勻速直線運動模糊圖像復原有效，但是當圖像尺寸較大時，其處理時間較長。在此基礎上，通過分析該算法并通過大量試驗，本文簡化了差分復原方法，這種方法復原處理所花費的時間要比差分法明顯減小。圖像退化的形式有圖像模糊、失真、有噪聲等等。無論是由光學、光電或電子方法獲得的圖像都會有不同程度的退化。由于獲取圖像的方法不同，其退化形式是多樣的。如傳感器噪聲、攝像機焦距未對準、物體與攝像機之間的相對移動、隨機大氣湍流、光學系統相差。成像光源或射線的散射等，這些因素都會導致圖像失真或退化。系統是某些元件或部件以某種方式構造而成的整體。系統的分類方法很多，例如可以分為線性系統和非線性系統：時變系統和非時變系統等等。所謂線性系統指的是：任意兩個信號分別通過該系統輸出相加的結果等于這兩個信號先相加然后再通過該系統的結果。如果任意信號延遲后再通過一個系統，其輸出結果也發生了等量的延遲，則稱該系統為非時變系統。在圖像復原處理中，盡管非線性時變系統模型更具有普遍性和準確性，但是，它卻給處理工作帶來了巨大的困難，它常常沒有解或者很難用計算機來處理。因此，在圖像復原處理中，往往用線性和非時變系統模型來加以近似。這種近似的優點時使線性系統理論中的許多理論可以直接用于解決圖像復原問題，所以圖像復原處理特別時數字圖像復原處理主要采用線性的、非不變的復原技術。本文以后所提系統，如無特別說明，均指線性移不變系統。在用攝像機獲取縱梁圖像時，由于相機曝光期間縱梁和攝像機之間有相對運動，那么往往會使得到運動模糊圖像，解決運動模糊的方法一般有兩種，一是減少曝光時間，這樣可以減少模糊的程度。相機的曝光時間并不可能無限制地減小，而且隨著曝光時間減小，所得圖像信噪比減小，圖像的質量也就較低，所以這種方法用途及其有限。另外一種方法就是建立運動圖像的復原模型，通過數學模型來解決圖像的復原問題。這種方法具有普遍性，因而也是研究解決運動模糊的主要手段。在所有的運動模糊中，由勻速直線運動造成的模糊圖像的復原問題更具有一般性和普遍意義。因為變速的、非直線運動在某些條件下可以被分解為分段勻速直線運動。本文以下只討論由水平勻速直線運動而產生的運動模糊。假設圖像，f(x，y)有一個平面運動，令Xo(t)和Yo(t)分別為在x和Y方向上運動的變化分量，T表示運動的時間。記錄介質的總曝光量是在快門打開后到關閉這段時間的積分。則模糊后的圖像為(333)式中g(x，y)為模糊后的圖像。以上就是由于目標與攝像機相對運動造成的圖像模糊的連續函數模型。如果模糊圖像是由景物在x方向上作勻速直線運動造成的，則模糊后圖像任意點的值為(334)式中xo(t)是景物在X方向上的運動分量，若圖像總的位移量為口，總的時間為T，則運動的速率為Xo(t)=at/T。則上式變為：(335)以上討論的是連續圖像，對于離散圖像來說，對上式進行離散化得：(336)其中L為照片上景物移動的像素個數的整數近似值。△t是每個像素對模糊產生影響的時間因子。由此可知，運動模糊圖像的像素值是原圖像相應像素值與其時問的乘積的累加。從物理現象上看，運動模糊圖像實際上就是同一景物圖像經過一系列的距離延遲后再疊加，最終形成的圖像。所以，如果我們要由一幅清晰圖像模擬出水平勻速運動模糊圖像+可按下式進行：(337)這樣我們可以理解此運動模糊與時間無關，而只與運動模糊的距離有關，在這種條件下，使試驗得到簡化。因為對一幅實際的運動模糊圖像，由于攝像機不同，很難知道其曝光時間和景物運動速度。我們也可用卷積的方法模擬出水平方向勻速運動模糊。其過程可表示為：(338)其中稱為模糊算子或點擴散函數，木表示卷積，f(x，y)表示原始(清晰)圖像，g(x，力表示觀察到的退化圖像。由公式(3—37)和公式(3—38)模擬出的運動模糊圖像效果是一樣的，但這兩種方法最終得到的圖像尺寸可能有所不同。由公式(337)得到的g(x，y)與f(x，y)尺寸相同，由公式(3—38)得到的g(x，y)與f(x，y)尺寸大些。因為兩個離散信號做卷積運算后其結果的長度是這兩個信號長度之和減一。圖像復原的目的就是盡可能重現已經退化了的圖像的本來面目。圖像復原試圖利用退化現象的某種先驗知識(即退化模型)，把已經退化了的圖像加以重建和重構。圖像復原主要取決于對圖像退化過程的先驗知識掌握的精確程度。引起圖像退化的原因很多，有大氣湍流效應、傳感器特性的非線性、光學系統的像差、成像設備與景物之間的相對運動等等。為特定圖像退化類型而提出的復原方法只對該類型的退化圖像復原有效，而有些復原算法則是通用的，對多種類型的退化圖像復原有效。本章討論了二種復原方法，它們有各自的特點和適用范圍。在本文中: (339)其中G(x，y)，F(u，v)，H(u，v)，N(u，v)分別是g(x，y), f(x，y)，h(u，v)，n(u，v)的二維傅立葉變換，而g(x，y)，f(x,y)，h(u，v)，n(u，v)分別表示退化圖像、原始圖像、退化因子和加性噪聲。由公式(4—76)可得： (340)由(3—40)式可知，如果己知G(x，y)，F(u，v)，H(u，v)，N(u，v)就能得到F(u，v)，將F(u，v)進行傅立葉反變換，就能得到就可以得到f(u，v)，也就是復原圖像。以上過程就是逆濾波算法的基本處理過程。從式(3—40)我們也可以看出，當H(u，v)很小時，N(u，v)/H(u，v)會變的很大，這相當于把噪聲放大了很多，使得復原圖像效果很差。另外，如果日∞，功有零點，那么在H(u，v)零點處，G(u，v)/H(u，v)等于無窮大，所以圖像在這些點處無法正確復原。 1967年Helstrom對逆濾波復原法進行了改進，提出了維納濾波復原法，也稱維納濾波器，公式為： (341)其中即噪聲和信號的功率之比，H*（u,v）是H（u，v）的共軛復數。可以看出，維納濾波器不存在極點，即使當H(u，v)等于0時，維納濾波器的分母至少等于Y，而且H（u，v)的零點也轉換成了維納濾波器的零點，所以對噪聲有抑制作用。大量試驗證明維納濾波抗噪性較直接逆濾波有顯著提高。通常我們并不知道信號和噪聲的功率，但Y往往可以用一個常量來代替。我們可以看到，當Y=0時，維納濾波器就轉化為標準的逆濾波器，而逆濾波器是嚴格的從退化模型(339)反推出來的。所以當Y不等于0時，雖然能抑制了噪聲的擴大，但復原的模型沒有去卷積濾波器精確，造成復原的失真。Y越大，抑制噪聲效果越好，但復原不準確，從現象上看復原后的圖像比較模糊。Y越小，復原越準確，然而噪聲抑制效果不好。所以Y的選取原則是：噪聲大，則Y適當增加，噪聲小則Y適當減小。一般取0．10．001之間，視具體情況而定。需要指出的是，逆濾波復原與維納濾波復原并不僅僅用于運動模糊復原。任何己知模糊因子的模糊圖像均可用它們進行復原。圖像復原技術就是要將圖像退化的過程模型化，并據此采取相反的過程以求得原始(清晰)圖像。所以圖像復原一般要分為兩步：首先通過系統辨識方法，估計出退化參數，或PSF。然后根據圖像退化的逆過程，采取相應算法由g(x，y)和h(x，y)來復原出f(x，y)。第四章 圖像拼接技術研究圖像拼接是指對于給定的圖像序列，根據相鄰圖像重疊區域內像素點的信息進行圖像的配準定位，隨后進行圖像的拼接，生成一幅逼真大型場景圖像的過程與技術。其目的是將一系列真實世界的圖像拼接成一幅單一的、更大的、更復雜的大型場景圖像。它主要應用于視頻檢索、‘圖像的穩定性、變化檢測、視頻壓縮、虛擬現實環境、增大相機的視野和分辨率及簡單的照片編輯。本檢測系統中由于汽車縱梁面積比CCD攝像機視角要大，所采集的每幅圖像都不能反映目標的全貌，在實際中可采集多幅圖像，通過圖像拼接技術，將目標不同部分拼接到一幅圖像中來反映目標的整體特征。因此圖像拼接技術是本汽車縱梁在線檢測系統的重要部分。目前圖像拼接己經成為圖像處理領域的一個重要研究方向。提高圖像的分辨率和獲得更大視野是進行圖像拼接的兩個直接的和主要的目的。關于圖像拼接的原理和方法國內外已有不少的論文發表，但是現在還沒有通用的拼接軟件使人們可以很方便地捕獲和拼接圖像。國內圖像拼接處理技術相對起步較晚，但近幾年來，在我國的一些科研院所和高等院校，有不少科研人員在從事這方面的研究。中國科學院力學研究所的趙唯、李端義和湖南大學的劉政權等對基于小波變換的圖像拼接方法進行了研究，小波變換的方法有匹配準確率高和拼接效果好等優點，但也有計算量大和受噪聲干擾影響大的缺點。北京航空航天大學的侯在克、西安電子科技大學的劉金根、吳志鵬等則對基于輪廓特征的圖像拼接算法進行了研究，基于特征的方法在一般情況下具有速度快、精度高的優點，但是由于受到特征量的選擇、特征提取、幾何變形校正等因素的影響，使這種方法的使用受到限制，主要應用于純粹的圖像配準應用中。圖像拼接(Image Mosaic)是指將兩幅或兩幅以上相鄰圖像問具有部分景物重合的圖像進行無縫拼合，生成一張具有較寬視角的高分辨率圖像或360。視角的全景圖像的技術。51是一個簡單的示意圖。圖像拼接的目的就是從一些相互重疊的照片中拼接出一幅無縫的全景圖。對于用普通相機拍攝的全景圖來說，圖像拼接的好壞直接關系到全景圖的質量。拼接的基本思想是相鄰的照片存在一些重疊，拼接工具識別出這些重疊區域，把相鄰的照片拼接在一起。重疊區域的大小取決于重疊部分圖像特征。圖像特征明顯的，重疊區域可以小一些，反之，就要大一些。一般來說，相鄰兩幅圖像的重疊區域一般要在30％左右。由于相鄰照片存在亮度差，所以在圖像拼接完成之后，還要作亮度的平滑處理，以做到真正的無縫拼接。圖像拼接的主要相關技術包括下面幾個方面：1．特征點的提取和匹配；2．圖像間點變換的估計；3．圖像融合及拼縫的消除；圖像拼接技術研究的核心問題是圖像的配準技術，有時也稱之為圖像的對齊技術。所謂圖像配準，即是要準確的找到相鄰圖像間重疊區域的位置以及范圍，以便將相鄰的具有重疊區域的圖像“縫合”成一個新的更大畫面的視圖。和通常的算法研究一樣，我們關心的也是兩個問題，精度和速度。由于照片獲取的復雜度不同以及算法本身的限制，很多的圖像序列并不能成功的被拼接起來，因此需要研究一種成功率較高的圖像拼接算法；另外，由于圖像拼接技術大范圍的被應用在虛擬漫游系統及全景圖瀏覽中，因此其實時性問題也是研究中的一個關鍵問題。具體來說，圖像拼接技術的一般步驟為：(1)借助攝像設備拍攝場景圖像序列；(2)將所有圖像幀數字化，以便計算機進行處理；(3)先將從真實世界中拍攝的一組照片以一定方式投影到統一的空間面中，空間面有立方體、圓柱體和球體表面等，這樣這組照片就具有統一的參數空間坐標；(4)在這個統一的空間面對相鄰圖像進行比較，以確定可匹配的區域位置：(5)將圖像重疊區域進行融合處理，拼接成全景圖；圖像拼接一般是一個多步驟的過程。總的來說，大概可分成有用信息提取、信息匹配、效果評估、圖像融合和生成目標圖像等步驟。由于采用的方法各異，不同的算法之間步驟也會有很大不同，但它們的大致過程是相同的。下面用一張圖來說明圖像拼接的大體過程，圖52是圖像拼接的流程圖。圖像配準(Image Registration)就是在反映同一場景的一對圖像間建立視覺相關性。通過圖像配準技術，我們可以把兩幅圖像合成為同一坐標系下的一幅圖像，進而再把這幅得到的新圖像與另一幅圖像合成一幅圖像，最終把一個同一場景的序列圖像合成為同一坐標系下的全維場景。圖像配準問題的核心是：尋找一個變換，使相鄰圖像之間相重疊的部分對準并“縫合”成一個新的更大畫面的視圖。這就涉及到圖像間匹配部分的對應關系和實現對應部分對準所需的變換。圖像的配準不但是圖像拼接技術中的難點，而且還是進行圖像拼接時最為關鍵的一步，它直接影響到整個圖像拼接過程中的拼接效果和拼接速度。圖像配準技術的研究己有很長的歷史，其主要方法有兩種：特征無關的方法和基于特征的方法。(1)特征無關的方法：首先建立描述兩幅圖像相似程度的方差函數，這個函數中包含兩幅圖像的變換參數，通過求得此函數的最小值來確定圖像間的變換關系。這類方法主要考慮兩幅相鄰圖像的亮度一致性，并不依賴于圖像中的明顯特征，所以它不需要考慮圖像的特征提取和特征匹配問題。這類方法由于亮度匹配的局部性，不適合像素偏移很大的情況，因此要求一幅圖像到另一幅的變換(平移、旋轉等)幅度要小