視頻輸入聽覺(jué)顯示的導(dǎo)盲系統(tǒng)關(guān)鍵技術(shù)研究.pdf

1、人自出生以來(lái)，即靠視覺(jué)來(lái)觀察周圍環(huán)境并獲取知識(shí)，人類有90％的信息來(lái)自視覺(jué)，視覺(jué)的損傷給人類的生活帶來(lái)極大的不幸。隨著全球人口的老齡化，盲人和視力低下的人數(shù)不斷攀升。因此研究人員一直在不斷探索用其他的感覺(jué)器官來(lái)獲得視覺(jué)信息的方法。通過(guò)其他感覺(jué)器官獲得視覺(jué)信息的關(guān)鍵是將視覺(jué)信息變成其他感覺(jué)器官能夠感知的信號(hào)，完成這一功能的裝置即為導(dǎo)盲系統(tǒng)。
　　隨著計(jì)算機(jī)視覺(jué)技術(shù)的進(jìn)步和數(shù)字圖像處理算法的完善，視頻輸入聽覺(jué)顯示（Video Inpu

2、t and Auditory Display，VIAD）的導(dǎo)盲系統(tǒng)以其輸入信息豐富、無(wú)創(chuàng)傷等優(yōu)點(diǎn)，得到了研究人員的廣泛關(guān)注。而現(xiàn)有的VIAD導(dǎo)盲系統(tǒng)的核心算法主要存在下面兩方面的問(wèn)題:第一，多數(shù)以障礙物的檢測(cè)為核心，忽視了圖像中非障礙物的信息，也忽略了盲人對(duì)“聽”到的信息的推理能力;第二，多數(shù)算法以圖像的初級(jí)特征為映射對(duì)象，這種初級(jí)特征映射的方式使合成的聲音很復(fù)雜，盲人很難學(xué)習(xí)和掌握。
　　針對(duì)上述問(wèn)題，本文以視頻序列中的靜態(tài)圖像

3、特征為映射對(duì)象，研究對(duì)于VIAD導(dǎo)盲系統(tǒng)更加有效的圖像處理方法和聽覺(jué)顯示方式，降低盲人學(xué)習(xí)和使用導(dǎo)盲系統(tǒng)的難度，為盲人提供更加豐富的圖像信息。本文主要完成了下列工作:
　　(1)針對(duì)圖像分割中目標(biāo)類和背景類數(shù)目的不平衡性，提出了具有動(dòng)態(tài)懲罰因子的支持向量機(jī)(Support Vector Machine with Dynamic Penalty Factors，DC-SVM)模型。將懲罰因子的選擇與每一類的訓(xùn)練樣本占總訓(xùn)練樣本的比率

4、直接相關(guān)。該模型能夠有效提高數(shù)目較少的類的分類正確率。應(yīng)用DC-SVM模型進(jìn)行圖像分割，去除圖像中的背景信息，將圖像中的目標(biāo)映射為復(fù)合頻率的聲音信號(hào)。盲人經(jīng)過(guò)學(xué)習(xí)和訓(xùn)練之后，能夠通過(guò)聽這種聲音感知來(lái)自外界環(huán)境的主要信息。
　　(2)針對(duì)各向異性擴(kuò)散沖擊濾波器(Anisotropic Diffusion with Shock Filter,ADSF)模型在圖像增強(qiáng)過(guò)程中產(chǎn)生的圖像細(xì)節(jié)模糊的問(wèn)題，提出了一種梯度控制的各向異性擴(kuò)散沖擊濾

5、波器(Gradient Controlled Anisotropic Diffusion with ShockFilter, GCADSF)模型。該模型通過(guò)一個(gè)隨梯度的模單調(diào)遞減的指數(shù)函數(shù)控制擴(kuò)散項(xiàng)沿垂直于圖像梯度方向的擴(kuò)散程度，在增強(qiáng)邊緣、濾除噪聲的同時(shí)很好的保護(hù)了圖像細(xì)節(jié)信息。為了滿足多尺度樂(lè)音顯示算法對(duì)圖像的要求，將提升小波變換與GCADSF算法相結(jié)合，實(shí)現(xiàn)了圖像的降維增強(qiáng)。降維增強(qiáng)后的圖像通過(guò)多尺度樂(lè)音顯示算法映射為電子音符。這

6、種導(dǎo)盲算法聽感良好，長(zhǎng)時(shí)間使用不會(huì)造成疲勞。
　　(3)根據(jù)初級(jí)視覺(jué)皮層的感受野特性，提出了一種基于邊緣基函數(shù)重構(gòu)的圖像邊緣檢測(cè)方法。將圖像分解為ICA基函數(shù)的線性組合，用典型的邊緣圖像進(jìn)行訓(xùn)練，獲得ICA邊緣基函數(shù)，利用邊緣基函數(shù)重構(gòu)獲得邊緣圖像。由于ICA基函數(shù)很好的模擬了初級(jí)視覺(jué)皮層的感受野特性，因此這種方法檢測(cè)的邊緣更加符合人眼的視覺(jué)特性。將小波變換和Canny算法相結(jié)合，提出了一種基于小波變換和Canny算法的邊緣檢測(cè)方

7、法。對(duì)圖像小波變換的低頻成分應(yīng)用Canny算法檢測(cè)圖像邊緣，在降低圖像維度的同時(shí)，有效的抑制了圖像中噪聲的影響。二值化的邊緣圖像通過(guò)MIDI樂(lè)音顯示算法映射為不同音色和音調(diào)的MIDI樂(lè)音。這種導(dǎo)盲算法在幫助盲人識(shí)別圖像中的幾何圖形時(shí)取得了較高的識(shí)別率。
　　(4)將Itti視覺(jué)注意模型引入到導(dǎo)盲算法的研究中，認(rèn)為引起人的視覺(jué)注意的區(qū)域(Region of Interest，ROI)包含圖像的重要信息。提取這些ROI區(qū)域的顏色、位置