機器人視覺中的退化不變量研究.pdf

1、移動機器人在生活、國防和科學(xué)探索中的應(yīng)用越來越廣泛，而視覺系統(tǒng)是其智能化的重要實現(xiàn)手段。在室外非結(jié)構(gòu)化環(huán)境中，圖像退化是普遍現(xiàn)象，因此本文致力于解決視覺系統(tǒng)中的圖像退化問題。首先研究了退化圖像的質(zhì)量評價，然后系統(tǒng)分析了退化圖像的恢復(fù)技術(shù)，進而引入圖像的退化不變量及其分析和應(yīng)用。論文的主要內(nèi)容和創(chuàng)新點如下： 1．回顧了機器人視覺的研究歷程，指出圖像退化問題的重要性和現(xiàn)有研究的局限性。 2．分析了非結(jié)構(gòu)化環(huán)境中的圖像退化

2、類型，拓展了圖像退化的含義，除了傳統(tǒng)的灰度退化，還包含幾何退化，具體包括圖像噪聲、圖像運動模糊、光照變化與陰影、攝像機畸變、空間變換等；針對圖像的這些退化，拓展了圖像質(zhì)量評價的概念，考慮了圖像的不同尺寸，然后提出了基于奇異值分解和感興趣區(qū)域加權(quán)的圖像質(zhì)量評價方法，并以實驗證實和分析了其與人類視覺系統(tǒng)評價的一致性。 3．拓展了圖像恢復(fù)的含義，除了傳統(tǒng)的灰度退化的恢復(fù)，還包含幾何退化的恢復(fù)，然后系統(tǒng)分析了各種圖像退化的恢復(fù)算法，用

3、實驗的方法分析了各自的優(yōu)缺點，指出每種恢復(fù)算法的精度都有限，且需要退化類型的先驗知識，否則圖像恢復(fù)會造成不期望的結(jié)果；因而提出了圖像的退化不變量的概念，即對各種圖像退化都保持不變的特征量，這樣避開了圖像恢復(fù)的問題，直接把退化圖像作為視覺系統(tǒng)的處理對象。 4．分析了圖像退化不變量的構(gòu)造，并對一些傳統(tǒng)的幾何不變量，分析其退化不變性；實驗表明Harris-Affine興趣點、Hessian-Affine興趣點和SIFT不變量可作為圖

4、像退化不變量；鑒于運動模糊的普遍性，特別提出了圖像運動模糊不變量的概念，并對實驗得到的幾個圖像運動模糊不變量進行了比較，指出各自的適用場合。 5．分析改進了SIFT不變量的實現(xiàn)過程，減少了SIFT的計算時間；提出了基于SIFT的雙向匹配算法，提高了圖像匹配結(jié)果的正確率。 6．通過實驗分析了圖像退化對機器人視覺中的立體匹配和目標跟蹤的影響，并應(yīng)用圖像退化不變量理論來處理；實驗顯示了論文提出的退化不變量的有效性和工程價值