反求測量過程中圖像特征信息的提取（僅供參考）.doc

反求測量過程中圖像特征信息的提取（僅供參考）摘要:反求測量中所采集的數(shù)據(jù)往往包含大量各種形式的噪聲干擾.在結構光測量時應用圖像特征提取技術提取出測量物體的輪廓特征,將采集圖像分割、二值化、細化等處理并最終提取出圖像所包含的特征點數(shù)據(jù).此方法能夠快速高效的去除環(huán)境和噪聲干擾.實現(xiàn)在反求測量過程中數(shù)據(jù)的并行處理,極大的簡化了后續(xù)圖像匹配和圖像特征數(shù)據(jù)獲取的工作量.關鍵詞:反求測量;逆向工程;特征識別;深度圖像;結構光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,隨著光電技術和計算機技術的發(fā)展,特別是高分辨率CCD數(shù)字攝像機的出現(xiàn)以及視頻影像技術的發(fā)展,基于光學測量的非接觸式測量由于其快捷方便等優(yōu)點,已經成為逆向工程領域的研究熱點.在利用結構光來獲取三維數(shù)據(jù)的技術中,帶有結構光條紋的深度圖像是實現(xiàn)測量任務的信息源,它包含有被測量物體表面的三維形貌信息,對結構光深度圖像的處理和計算是整個測量數(shù)據(jù)任務的關鍵環(huán)節(jié)之一1.實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.怎樣快速準確的去除這些干擾,提取出圖像中結構光條紋數(shù)據(jù)即成為結構光深度圖像的處理和計算的關鍵.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,關于圖像分割的多數(shù)研究工作集中在如何得到一個最佳的分割結果.然而,在實際應用中常需要不同約束(例如,不同閾值)下的多個分割結果,這是由于所需信息往往散布在多個不同等級上,在相同約束下不能同時被較好地提取.將一種分割算法在不同約束下運行多次可以滿足上面的要求,但卻是一個費時和令人沮喪的方法.為此,Beucher2基于形態(tài)學流域變換提出了等級分割的思想,即計算過程中并不取閾值,而是按照某種標準計算所有區(qū)域輪廓線的顯著性.Najman* E-mail: Received February 26, 2004; revised June 3, 2004; accepted September 13, 2004.黑龍江省自然科學基金(No. E200527)、黑龍江省教育廳科技項目(No. 10051066)資助.和Schmitt3進一步提出利用弧段動力學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的顯著性值,然后通過取不同閾值得到對應的顯著性等級的區(qū)域輪廓輸出.Beucher的等級分割算法必須多次運算直到收斂,而且等級無法做細,Najman和Schmitt的算法可以得到較精細分級,但在求取區(qū)域輪廓顯著性時效率較低(需要運行兩次相對費時的溢流過程).據(jù)此,本文提出在深度圖像采集過程中應用特征識別技術4分割圖像的圖像特征信息提取方法.將CCD采集到的圖像進行平滑、二值化、圖像分割等預處理,然后再將所得文件進行合理壓縮提取有效數(shù)據(jù)將對后續(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,實現(xiàn)數(shù)據(jù)的并行處理,減少測量過程人工干預,大大加快測量速度,為后續(xù)數(shù)據(jù)處理以及特征識別提供依據(jù).最后通過試驗對此方法進行了驗證.系統(tǒng)硬件組成圖像采集所使用的線結構光雙目三維視覺測量系統(tǒng)如圖1,主要由旋轉工作臺、測頭組件、以及計算機控制三部分組成.測頭組件水平移動結合旋轉工作臺旋轉運動來完成對被測物體的測量.測頭組件中兩個CCD平行放置采集激光器發(fā)出的線結構光條紋投射在被測物體表面的圖像.由于環(huán)境的光照以及被測物體材料、形狀、位置等的影響,實際結構光測量系統(tǒng)采集到的經常是干擾性很強的條紋圖像.如圖2所示實際圖像中包括環(huán)境干擾、還有噪聲干擾(有些在數(shù)據(jù)處理時很難去除),而且圖像中很多區(qū)域例如被測物體輪廓以外的部分對于實體數(shù)據(jù)提取是無用的.如何有效地提取出深度圖像中包含的空間數(shù)據(jù)信息示反求工程測量的關鍵技術.而在這些空間數(shù)據(jù)信息中包含的被測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現(xiàn)本文將特征信息提取技術應用于結構光測量設備圖像采集過程中,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別算法,將邊界提取出來即可將兩部分區(qū)分開,以達到去除環(huán)境影響,降低噪聲,壓縮數(shù)據(jù)的目的.過程如下:差影法提取被測物體圖像如圖3所示在對測量環(huán)境沒有嚴格的要求時,關閉激光器,采集沒有放置被測物體時的環(huán)境背景圖像圖3a,然后在同樣的條件下,采集放置了只進行簡單反差處理的被測物體時的測量圖像圖3b,再使用差影法用測量圖像圖3b減去背景圖像圖3a即可得到被測物體的圖像.此時圖像中除被測物體以外的部分灰度值為0(黑色)或者接近0,經過反色處理后如圖3c.圖像域值變換得到被測物體的圖像(圖3(c)反色處理前的圖片)除被測物體外的區(qū)域灰度值接近0,與被測物體圖像灰度值差別很大.先使用平均模版(3X3)對圖象進行平滑處理,再應用域值變換程序將參數(shù)設置為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),再經過反色處理后的圖像如圖4所示.識別被測物體圖像邊緣常用的邊緣檢測的算子是Canny邊緣算子和亞像素邊緣檢測算子.Canny 算法具有很好的背景抑噪的效果,基本上可以得到目標物體的輪廓.但是Canny 算法是試圖通過局部梯度的強度和方向來閉合邊緣,所以邊緣檢測的結果中會有大量的不閉合區(qū)域.這樣會對目標識別的后續(xù)處理帶來一定的困難5.而亞像素邊緣檢測算子提取圖像邊緣效果明顯,得到目標物體的輪廓更準確,能達到較好的噪聲去除效果.在程序中調用亞像素邊緣檢測的算子對圖4反色處理前的圖像提取特征邊緣,得到被測物體的邊緣深度圖像.如圖5,是經過反色后的圖像,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,應用這一特點在圖像采集過程中將邊緣曲線以外部分的圖像灰度值賦為0(黑色),而將邊緣曲線內的圖像動態(tài)顯示(圖6).可以看到線結構光被特征邊緣截取,顯示的正是測量中需要采集的測量數(shù)據(jù)部分.圖像采集區(qū)域分割能將除被測物體以外的所有噪聲干擾排除.此時圖像清晰,包含數(shù)據(jù)提取所需要的全部信息,不會影響數(shù)據(jù)提取精度.所得數(shù)據(jù)結構簡化,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部分即可)對其進行平滑處理后對圖像域值變換將其參數(shù)設置為250,再經過圖像反色處理得到如圖7所示圖像.此時圖像中線條寬度方向由十幾個像素組成,線條均勻,連續(xù)性好,沒有復雜噪聲干擾,數(shù)據(jù)處理簡單,人為干預少.大大簡化了數(shù)據(jù)的預處理工作.測量數(shù)據(jù)提取將圖7中得到的線條細化得到寬度為1個像素包含空間深度信息的連續(xù)的曲線.應用坐標提取程序提取出圖像中的像素坐標信息如圖8所示.至此被測物體點數(shù)據(jù)提取完成.結語實驗證明此方法對測量環(huán)境和被測物體材質要求不高、噪聲干擾比較強的圖像經本文提出的圖像處理過程的處理,可以快速去除噪聲干擾,對采集數(shù)據(jù)進行壓縮,并得到精確的特征數(shù)據(jù).利用開發(fā)的圖像特征提取模塊對采集圖像進行處理,可以快捷且效果的分割采集圖像數(shù)據(jù),對其精簡壓縮,處理后的圖像數(shù)據(jù)可直接提取不需要人工干預.整個測量過程只需要在數(shù)據(jù)采集前將測量過程要用到的背景圖像采集按順序存儲,再以同樣順序采集并保存放置被測物體時的圖像序列,再應用上面的圖像特征提取方法動態(tài)采集圖像即提取到被測物體的部分數(shù)據(jù),應用結構光測量儀軟件系統(tǒng)即可得到用點表示的空間曲面.圖像特征提取方法可以大大加快了條紋圖像處理速度,為實物快速反求提供方法及技術支持.參考文獻毛遲.基于結構光測量技術的反求系統(tǒng)關鍵技術的研究D.哈爾濱理工大學碩士論文,2004.3Serge BEUCHER. Images segmentation and mathematical morphology D. Paris:PhD thesis,Superior National School ofMines,1990.Laurent NAJMAN,M