彩色偽隨機編碼投影新方法及其解碼(共85頁)

1、PAGE J I A N G S U U N I V E R S I T Y本 科 畢 業(yè) 論 文 彩色偽隨機編碼投影(tuyng)新方法及其解碼The New Method of the Colored Pseudo-random Code Projection and the Decoding學院(xuyun)名稱： 專業(yè)(zhuny)班級： 學生姓名： 學 號： 指導教師： 指導小組： 2008年06月摘 要近三十年來，計算機視覺發(fā)展(fzhn)迅速，其應用的一個重要方面就是視覺檢測，它是計算機視覺技術在在線檢測領域中的應用，已成為儀器科學(kxu)的重要研究領域之一。而計算機視覺技術中

2、一個重要的問題就是如何從二維圖像中恢復出場景的三維坐標數(shù)據(jù)，重構三維場景的幾何結構和物體的三維幾何模型。其中又以場景圖像中的坐標點匹配問題為難點，通常解決該問題的一種有效(yuxio)方法是采用結構光主動視覺技術，如點結構光、線結構光掃描法以及編碼結構光法等。要想只利用一幅圖像來對三維場景進行歐氏空間重構，尤其是動態(tài)的三維場景，最有效的方法是采用編碼結構光照明主動視覺技術及其裝置，因此，研究合適的編碼結構光投影方法，解決三維場景圖像上的彩色偽隨機序列編碼模板的坐標點匹配問題，是計算機視覺技術中的一個極其重要的理論與技術問題。本論文主要研究彩色偽隨機編碼投影新方法及其解碼。即通過對三維場景表面進

3、行彩色偽隨機序列空間編碼，并根據(jù)偽隨機序列的一個重要屬性窗口特性，使三維場景表面上的每一個采樣點被唯一辨識，同時通過特征點提取算法提取采樣點的坐標，解決三維表面重構時圖像解碼難題?；谡n題中提出的研究目的與當前國內(nèi)外的研究現(xiàn)狀，論文主要就項目中涉及到的彩色偽隨機編碼投影技術與解碼方法進行研究，主要分以下幾個方面：（1）研究一個新的偽隨機彩色編碼投影模板，以解決特征點提取難的問題。通過對三維場景表面進行偽隨機彩色空間編碼，利用偽隨機編碼的窗口特性，使每一個特征點能被唯一辨識。（2）研究特征點、特征線提取方法。應用形態(tài)學處理方法，在拍攝到的圖像上對RGB圖層進行顏色區(qū)分，再通過濾波、膨脹、腐蝕等處

4、理方法進行特征點、特征線提取。（3）研究和這個偽隨機彩色編碼投影模板相對應的解碼方法。由攝像機拍攝到的彩色編碼二維圖像若要還原到三維場景，那么必須要對圖像進行有效的解碼，把圖像中提取出來的特征點和編碼模板中的點一一匹配起來。經(jīng)大量實驗并對比驗證，該方法可以實現(xiàn)特征點的自動提取與匹配，算法簡單、處理速度快，且匹配結果精確、可靠。關鍵詞：計算機視覺； 彩色偽隨機編碼； 偽隨機陣列； 數(shù)學形態(tài)學； 特征點提取AbstractIn recent 30 years, the computer vision has developed rapidly, and an important aspect of

5、 its application is visual inspection. It is the application of the computer vision technology in the on-line examination domain, and it has become one of the important research areas of instrument science. An important problem of the computer vision technology is that how to restore the three dimen

6、sional coordinate data of the scene from the two-dimensional picture and how to reconstruct three dimensional scene geometry structure and the stereo geometric model of the object. The most difficult problem among them is the problem of coordinate match in the scene image. Usually to solve this ques

7、tion, one of the effective methods is to use the structured light illumination, such as dot structured light, line structured light, encoded structured light pattern and so on. In order to use one image to reconstruct the three dimensional euclidean space scene, particularly the dynamic 3-D scenes,

8、the most effective method is to use the active visual technology of encoded structured light, as well as its device. Therefore, the research of the encoded structured light pattern to resolve the correspondence problem is very important in stereo vision inspection. This paper mainly focuses on the n

9、ew method of the colored pseudo-random code projection and its decoding. Through carrying on the colored pseudo-random sequence encoding to the 3-D scene surface, and according to an important attribute of pseudo-random sequence, the window characteristic, each sampling point on the three dimensiona

10、l scene surface is recognized solely. Simultaneously through the characteristic point extraction algorithm, the sampling points are extracts to solve the problem of 3-D surface restructuring image decoding. Based on the topic and the current domestic and foreign research situation, in the paper, the

11、 new method of the colored pseudo-random coding and the decoding which mentioned on the project are mainly studied. Following are several aspects of the research: (1) To solve the problem of extracting characteristic point by researching a new pseudo-random color coding projection template. Through

12、carrying on the pseudo-random color space code to the three dimensional scene surface and using pseudo-random code window characteristics, each characteristic point is recognized solely.(2) To research on the extraction method of the characteristic point and the characteristic curve. The color of th

13、e RGB chart level in the photography image are differentiated by applying morphology processing method. The characteristic point and the characteristic curve are extracted through the method of filter, dilation, cauterization and so on. (3) To research on the decoding method which corresponds with t

14、he colored pseudo-random code projection template. An effective method should be used to decode the image so as to reconstruct the three dimensional scene from the photography image. The characteristic point which extracted from the photography image should be matched to the point of encoded templat

15、e one to one.After a mass of experiments and contrasts, this method may achieve the extraction and match of characteristic point automatically. The algorithm is simple. The processing speed is quick. And the match result is precise and reliable. key words: computer vision; colored pseudo-random code

16、; pseudo-random array; mathematics morphology; characteristic point extraction目 錄緒論(xln)11.1 三維視覺(shju)檢測系統(tǒng)11.1.1 三維視覺檢測系統(tǒng)(xtng)的組成11.1.2 視覺傳感器的結構種類21.2 課題的研究內(nèi)容2 1.3 課題的國內(nèi)外研究概況31.4 論文的結構安排4第二章 彩色偽隨機編碼投影模板的原理與設計52.1偽隨機編碼原理5 2.1.1偽隨機序列的原理52.1.2 偽隨機陣列的構建方法72.2 三維歐氏重構中的偽隨機序列編碼投影方法102.2.1 幾種典型的偽隨機序列編碼方法1

17、02.2.2 偽隨機序列編碼方法的比較112.3 彩色偽隨機編碼模板的實現(xiàn)112.3.1 偽隨機編碼模板的構成112.3.2 偽隨機編碼模板色彩的選擇132.4 本章小節(jié)13第三章 彩色偽隨機編碼圖像的特征點提取和匹配143.1 形態(tài)學圖像處理相關知識143.1.1 二值圖像143.1.2 腐蝕(fsh)運算和膨脹運算143.1.3 開運算(yn sun)和閉運算153.1.4 細化與收縮(shu su)153.2 彩色偽隨機編碼圖像的特征點、特征線提取方法153.2.1 特征點的提取方法153.2.2 特征線的提取方法173.3 彩色偽隨機編碼圖像的特征點匹配173.4 本章小節(jié)19第四章

18、彩色偽隨機編碼投影實驗與圖像處理214.1 彩色偽隨機編碼投影實驗214.2 彩色偽隨機編碼圖像的特征點、特征線提取與圖像處理224.2.1 特征點、特征線提取的圖像處理224.2.2 特殊區(qū)域圖像處理的改進244.3 彩色偽隨機編碼圖像特征點匹配的數(shù)據(jù)處理254.4 本章小節(jié)28第五章 總結與展望295.1 總結295.2 展望30致謝31參考文獻32附錄34附錄一：程序清單34附錄二：數(shù)據(jù)表61插圖(cht)清單圖1.1 視覺測量(cling)系統(tǒng)的組成2圖2.1 線性移位(y wi)寄存器6圖2.2 構建偽隨機陣列的步驟圖8圖2.3 線性移位寄存器實例9圖2.4 偽隨機陣列9圖 2.5

19、偽隨機序列編碼投影模板組圖10圖2.6 彩色偽隨機序列編碼投影模板12圖 2.7 RGB顏色空間13圖 3.1特征點、特征線提取方法示意圖16圖3.2 特征點位置發(fā)生偏移18圖3.3 檢測窗口示意圖19圖3.4 特征點匹配程序流程圖20圖4.1 圓球石膏模型投影圖像21圖4.2 人像石膏模型投影圖像22圖 4.3彩色偽隨機編碼投影實驗的圖像處理組圖24圖4.4 人像模型特征線范圍25圖4.5 人像模型特征線26圖4.6 橙色區(qū)域放大圖26圖4.7 人像模型投影圖像（部分）27圖4.8 模板圖像（部分）27表格清單表2.1 移位寄存器的狀態(tài)數(shù)與狀態(tài)7表 2.2 Galois域的本原多項式7表 4

20、.1 RGB顏色范圍統(tǒng)計23表 4.2 人像坐標點匹配數(shù)據(jù)（部分）28江蘇大學2008屆本科生畢業(yè)設計（論文） PAGE 89江蘇大學2008屆本科生畢業(yè)設計（論文） PAGE 0緒論(xln)計算機視覺作為一門新興(xnxng)的學科，從八十年代以來發(fā)展迅速，人們對其研究已經(jīng)經(jīng)歷了從實驗室走向實際應用的發(fā)展階段。其中，計算機視覺應用的一個重要方面就是視覺檢測，它是計算機視覺技術在在線檢測領域中的應用 REF _Ref200181881 r h * MERGEFORMAT 9，已成為儀器科學的重要研究領域之一。雖然目前的視覺檢測技術仍未具有人類視覺的威力和智慧，但是由于視覺檢測系統(tǒng)可以快速獲取

21、大量信息，而且易于自動處理，也易于同設計信息以及加工控制信息集成，因此，在現(xiàn)代自動化生產(chǎn)(shngchn)過程中，人們將視覺檢測系統(tǒng)廣泛地用于工況監(jiān)視、成品檢驗和質(zhì)量控制等領域，其優(yōu)點是提高生產(chǎn)的柔性和自動化程度。在三維視覺場景重構過程中，一個眾所周知的難題就是場景圖像上的坐標點匹配問題。通常解決該問題的一種有效的方法是采用結構光主動視覺技術，如點結構光、線結構光掃描法以及編碼結構光法等。要想用一幅圖像在真正的三維歐氏空間重構三維場景 REF _Ref200180093 r h * MERGEFORMAT 1 REF _Ref200180094 r h * MERGEFORMAT 2，尤其是動

22、態(tài)的三維場景，最有效的方法是采用編碼結構光照明主動視覺技術及其裝置。因此，研究合適的編碼結構光照明方法，解決場景圖像上的坐標點匹配問題，是三維場景中的一個極其重要的理論與技術問題。本課題主要研究基于編碼投影技術自標定重構歐氏空間三維場景中的彩色偽隨機編碼投影新方法及其解碼。即通過對三維場景表面進行偽隨機彩色空間編碼，并根據(jù)偽隨機編碼的一個重要屬性窗口特性，使三維場景表面上的每一個采樣點被唯一辨識，同時通過特征點提取算法提取采樣點的坐標，解決三維表面重構時圖像解碼難題。1.1三維視覺檢測系統(tǒng)1.1.1 三維視覺檢測系統(tǒng)的組成一個比較典型的三維視覺測量系統(tǒng) REF _Ref200180462 r

23、h * MERGEFORMAT 14一般以計算機為中心，由光源系統(tǒng)、視覺傳感器、圖像采集系統(tǒng)以及圖像處理系統(tǒng)、控制系統(tǒng)等模塊組成，如圖1.1所示 REF _Ref200163622 r * MERGEFORMAT 29。三維視覺系統(tǒng)分為三部分:圖像的獲取、圖像的處理和分析、輸出或顯示。三維視覺系統(tǒng)的輸入裝置主要是相機，它把三維的影像作為輸入源，即輸入計算機的就是三維世界的二維投影。如果把三維客觀世界到二維投影像看作是一種正變換的話，則三維視覺系統(tǒng)所要做的是從這種二維投影圖像到三維客觀世界的逆變換，也就是根據(jù)這種二維投影圖像去重構三維的客觀世界。本課題在進行三維重構視覺實驗時，首先采用(ciyn

24、g)LCD投影儀將所設計的彩色偽隨機序列編碼投影模板投射到三維場景中，然后用CCD攝像機采集帶編碼信息的圖像，再對圖像進行一系列處理從而得到重構結果。圖1.1 視覺測量系統(tǒng)(xtng)的組成1.1.2視覺(shju)傳感器的結構種類視覺傳感器是機器視覺中最基本的組成要素，由于視覺檢測對象存在多樣性，使得相應存在多種視覺檢測方法，而不同的方法對視覺傳感器的要求不同，如檢測速度、檢測精度、檢測范圍和性價比等，從而形成了多種形式的視覺傳感器。根據(jù)照明方式和幾何結構關系的不同，可以分為被動視覺(Passive Vision)傳感器和主動視覺(Active Vision)傳感器兩大類 REF _Ref2

25、00163697 r * MERGEFORMAT 12。被動視覺傳感器的光源來自自然環(huán)境或者專用照明系統(tǒng)，然后根據(jù)被測空間在不同像面上的相互匹配關系來獲得空間點的三維坐標;相反，主動視覺傳感器采用了結構光照明技術，通過結構光在被測物體上的精確定位來獲取被測信息。其照明所用的光源多為激光，因為激光具有方向性好、亮度高、能量集中等優(yōu)點，它發(fā)射的能量和方向可以方便且嚴格的控制。在被動視覺系統(tǒng)的預標定三維重構方法中，至少需要用2幅以上的序列圖像才能重構三維場景12，而且序列圖像中匹配點如何識別與不確定性并不能得到很好地解決，尤其是對于自然場景和自由曲面物體的序列圖像中的匹配點識別仍是問題，不能在真正的

26、三維歐氏空間實現(xiàn)場景的三維重構，即重構的場景是一個相對的三維場景，得不到場景中兩點間的絕對距離。為了避免上述問題，一種有效的方法是采用結構光主動視覺技術，如點結構光、線結構光掃描法以及編碼結構光法等。然而掃描法必須使用精密標定裝置事先標定有關參數(shù)，而且它們只能適用于特定的場合，要做到在線實時標定或預標定重構三維場景，難度很大，有時甚至不可能。更重要的一點是它們不能用一幅圖像重構三維場景。所以要想用一幅圖像在真正的三維歐氏空間重構三維場景，尤其是動態(tài)的三維場景，一種很有效的方法是采用編碼結構光照明主動視覺技術 REF _Ref200185712 r h * MERGEFORMAT 18。1.2

27、課題的研究(ynji)內(nèi)容本論文研究(ynji)的主要內(nèi)容來源于江蘇大學(dxu)高級人才基金項目“基于編碼投影技術自標定重構歐式空間三維場景”（NO.04KJD005）?；谡n題中提出的研究目的與當前國內(nèi)外的研究現(xiàn)狀，論文主要就項目中涉及到的彩色偽隨機序列編碼投影技術與解碼方法進行研究，主要分以下幾個方面：（1）研究一個新的偽隨機彩色編碼投影模板，以解決特征點提取難的問題。通過對三維場景表面進行偽隨機彩色空間編碼，利用偽隨機編碼的窗口特性，使每一個特征點能被唯一辨識。（2）研究特征點、特征線提取方法。應用形態(tài)學處理方法，在拍攝到的圖像上對RGB圖層進行顏色區(qū)分，再通過濾波、膨脹、腐蝕等處理方

28、法進行特征點、特征線提取。（3）研究和這個偽隨機彩色編碼投影模板相對應的解碼方法。由攝像機拍攝到的彩色編碼二維圖像若要還原到三維場景，那么必須要對圖像進行有效的解碼，把圖像中提取出來的特征點和編碼模板中的點一一匹配起來。1.3 課題的國內(nèi)外研究概況本論文主要研究彩色偽隨機序列編碼投影技術與解碼方法，這種彩色偽隨機序列編碼技術是結構光編碼方法中的一種，另外還有時間空間編碼法 REF _Ref200180213 r h * MERGEFORMAT 3 REF _Ref200180216 r h * MERGEFORMAT 4、偽隨機序列黑白二元圖案空間編碼法 REF _Ref200163848 r

29、 h * MERGEFORMAT 5 REF _Ref200180227 r h * MERGEFORMAT 6、彩色譜編碼法 REF _Ref200180239 r h * MERGEFORMAT 7 REF _Ref200180240 r h * MERGEFORMAT 8等。但事實上要想得到比較理想的數(shù)據(jù)，很多國內(nèi)外研究表明上述的幾種方法都不是太理想，即使是采用偽隨機序列編碼投影技術，當編碼圖案不同時，得到的效果也大相徑庭。但由于偽隨機序列具有良好的窗口特性，只要知道窗口中子序列的情況，就能知道它在整個周期序列中的位置，所以彩色偽隨機序列編碼投影技術還是當今結構光編碼方法中研究的重點。在

30、彩色偽隨機序列編碼投影技術中，特征點的提取是關鍵。特征點提取的越是準確、完整，匹配結果就越是精確，最后的三維歐氏重構就越是逼真。而在計算機分辨特征點的時候，從目前國內(nèi)外的研究水平來看，這并不是一件容易的事。主要問題有如下幾個方面：首先，還沒有一個普遍的原理來指導分辨、提取過程，這就使得提取方法太過零散、隨意，影響結果精度；其次，沒有一個統(tǒng)一的標準來對提取結果進行比較，也就很難說出到底哪種提取方法比較理想；再次，目前的所有研究方法都或多或少的有一定的局限性，可能某種方法在某個場景中處理效果不錯，但一旦換個環(huán)境效果就會變的很不理想。目前通過對國內(nèi)外相關研究的了解，發(fā)現(xiàn)特征點提取主要有兩種研究方法：

31、模板匹配法和角檢測法 REF _Ref200185563 r h * MERGEFORMAT 10 REF _Ref200180500 r h * MERGEFORMAT 15。其中模板匹配法是一種較早的方法，在很多領域已經(jīng)有很成熟的運用，但由于在較復雜的三維場景下特征點可能變形會很嚴重，并且也由于特征點較小，匹配精度將不是很高。而角檢測法雖然算法簡單，速度也處理的比較快，但如果三維場景由于不連續(xù)而產(chǎn)生陰影或由于攝像機拍攝角度不同使圖像中一部分編碼圖案被覆蓋導致圖像中編碼圖案錯位，或者三維表面太復雜、表面顏色不單一，就會產(chǎn)生大量偽拐角，需要用手工來消除，不利于特征點自動準確匹配，而且特征點匹配

32、很容易出錯。因此需要考慮用一種新的方法來對特征點進行提取，由于圖像形態(tài)學基本算法如今已經(jīng)很成熟，并且在Matlab中有大量基于數(shù)學形態(tài)學的操作函數(shù)，所以用它來對特征點進行提取具有速度快、定位準確等特點，因此論文將著重研究基于形態(tài)學算法的特征點提取方法。1.4 論文的結構(jigu)安排根據(jù)課題的研究(ynji)內(nèi)容，本論文的各章節(jié)安排如下：緒論。主要介紹了三維視覺檢測系統(tǒng)的組成與傳感器結構的種類，課題研究的意義(yy)與目的以及課題研究的主要內(nèi)容。彩色偽隨機編碼投影模板的原理與設計。根據(jù)偽隨機編碼原理，針對當前主要的幾種彩色偽隨機編碼投影模板各自的優(yōu)缺點進行分析，研究出一種新的彩色偽隨機編碼模

33、板，以使特征點能精確可靠的進行提取。彩色偽隨機編碼圖像的特征點提取和匹配。對于這個新的編碼模板，研究如何運用形態(tài)學原理進行特征點、特征線提取。同時利用偽隨機序列的窗口特性研究如何對特征點進行匹配，要求匹配結果準確。彩色偽隨機編碼投影實驗與圖像處理。針對球和頭像模型兩個實驗進行數(shù)據(jù)處理，通過實驗驗證特征點、特征線提取和匹配的效果與準確性。總結與展望?？偨Y全文取得的研究成果，并指出課題中存在的一些問題以待今后解決。彩色(cis)偽隨機編碼投影模板的原理與設計要想從一幅圖像中提取數(shù)據(jù)重構三維場景，首先要考慮的問題就是采用何種結構光來對三維場景進行調(diào)制，即采用何種編碼方法來編制投影模板，以便用模板對整

34、個三維場景進行覆蓋然后(rnhu)提取圖像。編碼模板要求圖像中的每一個特征點能被唯一辨識，能準確和模板中的點進行匹配。由于偽隨機序列具有良好(lingho)的窗口特征，即對于每一個偽隨機陣列，都可以確定一個尺寸很小的窗口，當這個窗口沿著這個陣列滑動時，透過該窗口所看到的任何一個子陣列均不可能完全相同，因此本論文采用偽隨機序列編碼投影技術，利用偽隨機序列來編制投影模板。本章將重點討論如何設計這種投影模板。2.1偽隨機編碼原理偽隨機編碼是指一個預先確定、并可重復實現(xiàn)的具有某種隨機特性的編碼，可表示為偽隨機序列和偽隨機陣列的形式，本文采用的是偽隨機陣列的形式。偽隨機編碼既有隨機信號所具有的優(yōu)良的相關

35、性，又有隨機信號所不具備的規(guī)律性，而且還具有良好的窗口特性。對于每一個偽隨機陣列，都可以確定一個尺寸很小的窗口，當這個窗口沿著這個陣列滑動時，透過該窗口所看到的任何一個子陣列均不可能完全相同。根據(jù)偽隨機陣列的這種特性，只要知道窗口中的子陣列，就可以準確地知道它在整個陣列中的位置。下面主要介紹下偽隨機陣列的原理和如何實現(xiàn)偽隨機陣列15。2.1.1偽隨機序列的原理如果一個序列，一方面它是可以預先確定的，并且是可以重復地生產(chǎn)和復制的；一方面它又具有某種隨機序列的隨機特性 REF _Ref200180536 r h * MERGEFORMAT 21（即統(tǒng)計特性），于是便稱這種序列為偽隨機序列。因此可以

36、說，偽隨機序列是具有某種隨機特性的確定的序列。偽隨機序列可以通過線性反饋移位寄存器（linear feedback shift register）產(chǎn)生 REF _Ref200164262 r * MERGEFORMAT 21，也可以通過計算機編程的方法實現(xiàn)。因為它具有隨機特性，無法從一個已經(jīng)產(chǎn)生的序列的特性中判斷是真隨機序列還是偽隨機序列，只能根據(jù)序列的產(chǎn)生辦法來判斷。偽隨機序列系列具有良好的隨機性和接近于白噪聲的相關函數(shù)，并且有預先的可確定性和可重復性。m階線性反饋移位寄存器具有m個存儲器，設每個存儲器有q個狀態(tài)，即q個基元（primitive element）。如圖2.1所示, 當時鐘脈沖

37、到來時，各個寄存器的狀態(tài)依次向右輸出，排成一個周期為的循環(huán)序列，即偽隨機序列。圖 2.1 線性移位(y wi)寄存器在這個過程中，最左邊的寄存器的值必須不斷得到補充，這需要一個邏輯(lu j)傳遞函數(shù)來不斷地生成新的值，它可以表示為： （2.1.1）相應(xingyng)的多項式可寫為 （2.1.2）因為是一個整系數(shù)多項式, 且公因子只有1, 所以稱為線性反饋移位寄存器的本原多項式（primitive polynomial），它與整個偽隨機序列是密切相關的。該本原多項式中的m個系數(shù)是Galois域GF(q)=0,1,A, 中的元素。只有選定了本原多項式，才能知道邏輯傳遞函數(shù)，再設定一個非全零初

38、始狀態(tài)作為激勵源，根據(jù)模q(mod q)運算規(guī)則，就可以唯一地確定線性反饋移位寄存器所產(chǎn)生的偽隨機序列，這也是引入本原多項式的意義。如圖2.1所示，對于模2偽隨機序列而言，基元為2個值：0和1，如果選定一個4（m=4）階的本原多項式,那么它所對應的邏輯傳遞函數(shù)為： （2.1.3）若其初始狀態(tài)設為，則將產(chǎn)生序列：（一個周期），如表2.1。其中，任何一段長度為連續(xù)子序列均是一個偽隨機序列。由于遞歸循環(huán)中，初始值不同，總共會有個不同的偽隨機序列（不能以全0為初始狀態(tài)），但只有m個是線性無關的。偽隨機序列具有良好的窗口(chungku)特性，即一個寬度為m的窗口沿著序列移動的過程(guchng)中，通

39、過窗口所看到的同一個周期中的個子序列(xli)彼此并不完全相同。表2.1 移位寄存器的狀態(tài)數(shù)與狀態(tài)以上主要介紹了基元數(shù)為2的模2偽隨機序列。對于基元數(shù)大于2的序列（但基元數(shù)必須是素數(shù)或素數(shù)的q次冪），稱為非二進制的模q偽隨機序列，對應的本原多項式如表2.2所示 REF _Ref200164262 r * MERGEFORMAT 21。表 2.2 Galois域的本原多項式2.1.2 偽隨機陣列的構建方法在實際的制作編碼模板的應用中，并不是使用偽隨機序列，而用到的是偽隨機陣列，那么如何把偽隨機序列變換到偽隨機陣列是本小節(jié)中所關心的問題。舉個例子，令偽隨機序列的周期為，其中，稱為偽隨機陣列的窗口參

40、數(shù)，偽隨機陣列的大小為，其中 （2.1.4） （2.1.5）將該偽隨機序列轉換(zhunhun)為偽隨機陣列其實很簡單，首先建立一個的表格(biog)，把序列的第一個值填入左上角的空格中，然后按照主對角線依次把序列的值一個個填下去，當填到表格邊沿時跳到對邊繼續(xù)填直到全部數(shù)值都填完為止，具體參見圖2.2的例子。000第一次填入010000第二次填入011110011001001第三次填入圖2.2 構建(u jin)偽隨機陣列的填表步驟圖下面介紹下如何構建彩色偽隨機編碼模板相對應的偽隨機陣列，由窗口大小可以算出陣列大小為，具體計算方法在2.3節(jié)中會提到，選擇6階線性反饋移位寄存器，每個寄存器有4個

41、狀態(tài)，于是查表2.2得出GF(q)域上的本原多項多項式為： （2.1.6）其中A為GF(4)的本原元，約束條件為，而，其反饋移位寄存器如圖2.3。首先用Matlab軟件編制一個腳本文件以000010為初值生成一段有4095個值的偽隨機序列，再按照上面說到的轉換方法用相應的算法構成一個的偽隨機陣列，其中3代表A，7代表，如圖2.4。圖2.3 線性移位(y wi)寄存器實例通過觀察可以發(fā)現(xiàn)，這段偽隨機陣列如果拿掉最后全為零的一列，整個(zhngg)陣列其實是左右對稱的，這也能很容易檢查出偽隨機陣列是否正確。圖2.4 偽隨機(su j)陣列2.2 三維歐氏重構中的偽隨機序列(xli)編碼投影方法2.

42、2.1 幾種(j zhn)典型的偽隨機序列編碼方法一般來說，應用于偽隨機編碼(bin m)序列的編碼投影模板主要有六種 REF _Ref200164659 r * MERGEFORMAT 18，如圖2.5所示。第一種為細線編碼，是由水平和垂直方向上的窄細的彩色編碼線條相交形成的，它的特征點為這些細線的交叉中心；第二種為粗線編碼，是由第一種細線條派生而來的編碼，它的特征點為水平與垂直方向上兩粗線條交叉處的四個角點。這兩種編碼模板中每一行或每一列上的特征點都在同一種顏色的編碼線上。在其對應的解碼算法中，需要先確定各點所在的水平和垂直線條的序號，然后才能確定特征點在整個編碼模板中的位置。 （a） （

43、b） （c） （d） （e） （f）圖2.5偽隨機序列編碼投影模板組圖（a）細線編碼；（b）粗線編碼；（c）圓編碼；（d）菱形編碼；（e）離散方形編碼；（f）連續(xù)方形編碼第三種為圓編碼，是由一些彩色實心圓呈離散狀構成的陣列，其中以各圓心為特征點。但是，由于這些圓投射到未知三維物體上將隨其表面發(fā)生變形，因此，該種編碼只適宜于變化平緩或由平面構成的三維物體表面，而不適宜于有陡變的表面或與投射方向夾角較大的平面。第四種為菱形編碼，是以單個彩色菱形模塊表示每一個編碼符號，每一個菱形的四個角點就是編碼模板的特征點，各菱形均以其四個角點與周圍的其他菱形保持接觸。采用這種編碼模板可以首先依據(jù)色彩信息感知菱形

44、塊的位置，然后可以比較容易的追蹤并確定各特征點的位置。所以這種編碼對任意變化的三維物體表面具有更強的適應性。但其特征點坐標是交錯排列的，這在圖像解碼算法的處理中不是很方便。第五種為離散方形編碼，它以離散分布的彩色的方形塊來表示編碼符號，編碼模板的特征點就是這些方形塊的四個頂點(dngdin)。這種編碼可以使特征點數(shù)量增加四倍，但這也很容易出現(xiàn)漏點，而且離散方形編碼與圓編碼存在一個同樣的缺點，即各編碼顏色單元都是孤立的，這不利于在其解碼算法中對特征點位置的準確確定。第六種為連續(xù)方形編碼，它與前者的區(qū)別(qbi)在于各方形之間是通過四個頂點聯(lián)系在一起的。這種編碼既能使特征點數(shù)量增加約三倍，來更細致

45、地特征化三維空間，又可以使后續(xù)的解碼算法中的特征點定位比較容易、可靠。但是它與菱形編碼存在一個同樣的缺點，就是在圖像中編碼密度比較高的時候，會由于編碼形狀的擴大而增加大量的偽拐點，這些偽拐點往往需要手工來消除，不利于特征點自動準確匹配。2.2.2 偽隨機(su j)序列編碼方法的比較通過比較發(fā)現(xiàn)以上六種編碼投影模板 REF _Ref200164659 r * MERGEFORMAT 18通常只能用于表面為連續(xù)的三維場景，在投影時，如果三維場景由于不連續(xù)而產(chǎn)生陰影或由于攝像機拍攝角度不同使圖像中一部分編碼圖案被覆蓋導致圖像中編碼圖案錯位，特征點匹配就很容易出錯。所以要找一種新的辦法，可以使特征點

46、精確的匹配。分析下來，編碼圖形一般由特征點和特征線這兩種基本元素組成，上面提到的六種典型的編碼方法中如果加入特征線的話那它的特征點就會少很多，精度就不高；沒有加入特征線的，雖然特征點會大量的增加，但一旦編碼圖案發(fā)生錯位，特征點就很難匹配，同樣最終也影響到了重構的精度。但如果能把兩者結合起來，在保證特征點不減少的情況下引入特征線，用特征線把獨立的一個個特征點聯(lián)系起來，即使編碼圖案有一定的錯位，也能利用特征線很容易找出附近相連的特征點，這樣就應該可以解決特征點匹配難的問題。本論文針對當前的偽隨機編碼投影方法存在的缺點，運用新思路提出了一種新的方法。這種方法極易實現(xiàn)特征點檢測自動化，且具有很高的匹配

47、準確度。2.3 彩色偽隨機編碼模板的實現(xiàn)2.3.1 偽隨機編碼模板的構成基于偽隨機編碼原理和性質(zhì)，利用它來設計一個彩色偽隨機編碼投影模板來對三維空間場景(chng jng)進行投影。編碼模板的大小由窗口的大小決定，若窗口很大，那么所拍攝下來的圖像上完整的窗口的數(shù)量會變少，同時也會降低特征點匹配的成功率；而如果窗口太小，其相應的編碼陣列也會變小，即模板大小會變小，這樣降低了三維空間的可覆蓋范圍，所以經(jīng)過對比發(fā)現(xiàn)編碼的窗口大小定為是比較理想(lxing)的。于是令基元q=4，則,，。由此可以產(chǎn)生一個有4095個元素的偽隨機(su j)陣列，大小為?；猶=4對應Galois域中的0，1，A，四個元

48、素，并令這四個元素為四種顏色，具體顏色的選擇將在下小節(jié)討論。模板中選擇4095個小正方形來代表4095個元素，分別涂上這四種顏色加以區(qū)分，小正方形的中心為特征點，用白色的特征線全部串連起來，整個模板的底色選擇黑色，因為黑色和其他顏色相比是比較容易區(qū)分的。由此用一定算法利用matlab軟件生成了一個彩色偽隨機編碼模板，如圖2.6。對于設計完成后的彩色偽隨機模板樣圖，當大小為的窗口在彩色編碼圖案上滑動時，透過該窗口所看到的任何一個編碼小圖案都不可能完全相同。根據(jù)偽隨機陣列的這種特性，只要知道窗口中的六個元素的顏色組成情況，就可以準確的知道它在整個編碼模板中的位置。圖2.6 彩色偽隨機(su j)序

49、列編碼投影模板2.3.2 偽隨機編碼模板(mbn)色彩的選擇在設計(shj)的編碼模板中由于q=4，因此要選擇4種顏色對應0，1，A，這四個元素，這4種顏色唯一的要求是在CCD攝像機拍攝后的圖像中能很容易區(qū)分出來。所以在選擇這四種顏色之前先來簡單介紹下彩色圖像和顏色空間 REF _Ref200164869 r * MERGEFORMAT 27 REF _Ref200163622 r * MERGEFORMAT 29的有關知識。一幅彩色圖像實際上就是一幅RGB圖像 REF _Ref200180596 r h * MERGEFORMAT 16，它本質(zhì)是彩色像素的一個數(shù)組，其中每一個彩色像素點都是在

50、特定空間位置的彩色圖像相對應的紅、綠、藍三個分量，一幅RGB彩色圖像分為紅、綠、藍三幅分量圖像，即一幅彩色圖像實際上是由三幅分量圖像組成的，其中每幅對應一種分量。如圖2.7中所示，紅、綠、藍分別在各自的坐標軸上，RGB范圍很明顯沒有任何的交叉，因此在計算機識別拍攝下來的編碼圖像上的特征點時，理論上能很容易區(qū)分這三種顏色 REF _Ref200185942 r h * MERGEFORMAT 22。從另一個角度來說，紅、綠、藍的標準RGB值分別為（255，0，0）、（0，255，0）、（0，0，255），由此也能很清楚的看出這3種顏色的取值范圍任意兩個都不會交叉。對于第四種顏色，通過比發(fā)現(xiàn)黃色合

51、適，它的標準RGB值為（255，255，0），也能很好的符合上述要求，這樣選擇的四種顏色來代表0，1，A，這四個元素，對于計算機來說還是比較容易識別區(qū)分開來的。圖 2.7 RGB顏色(yns)空間2.4 本章(bn zhn)小節(jié)本章先通過介紹偽隨機編碼原理，引出了如何設計彩色偽隨機序列編碼投影模板。其中對比了前人研究過的幾種投影模板，分析了它們各自的優(yōu)缺點，在此基礎上設計了新投影模板。對于在模板設計過程中如何利用偽隨機序列編制(binzh)模板、顏色的選擇、編碼模板的各種參數(shù)的確定等問題做了詳細的介紹。彩色偽隨機編碼圖像的特征(tzhng)點提取和匹配彩色偽隨機序列編碼投影技術的關鍵在于特征點

52、的提取。要從一幅調(diào)制圖像中提取有效數(shù)據(jù)來進行三維重構，其關鍵就是如何提取其中的特征點。特征點的提取過程其實就是對數(shù)字圖像進行處理的過程，本論文采用形態(tài)學圖像處理技術來對特征點進行提取。下面先介紹下有關(yugun)形態(tài)學的相關知識。3.1 形態(tài)學圖像處理相關(xinggun)知識形態(tài)學一詞通常指生物學的一個分支，它用于處理動物和植物的形狀和結構。在數(shù)學形態(tài)學的語境種也使用該詞來作為提取圖像分量的一種工具，這些分量在表示和描述區(qū)域形狀時是很有用的 REF _Ref200185981 r h * MERGEFORMAT 25。數(shù)學形態(tài)學是以形態(tài)結構元素為基礎對圖像進行分析的數(shù)學工具。它的基本思想是

53、用具有一定形態(tài)的結構元素去度量和提取圖像中的對應形狀以達到對圖像分析和識別的目的。數(shù)學形態(tài)學的應用可以簡化圖像數(shù)據(jù)，保持它們基本的形狀特征，并除去不相干的結構。數(shù)學形態(tài)學的基本運算有四個：膨脹、腐蝕、開啟和閉合。它們在二值圖像中和灰度圖像中各有特點?；谶@些基本運算還可以推導和組合成各種數(shù)學形態(tài)學實用算法。數(shù)學形態(tài)學圖像處理基本算法 REF _Ref200181112 r h * MERGEFORMAT 24 REF _Ref200181115 r h * MERGEFORMAT 27當前已經(jīng)比較成熟，在Matlab中有大量基于數(shù)學形態(tài)學的操作函數(shù)。 3.1.1 二值圖像二值圖像在形態(tài)學處理中

54、具有非常特殊的意義。一幅二值圖像是一個取值只有0和1的邏輯數(shù)組，一般也稱為黑白圖像。由于本質(zhì)上這種圖像中的像素只包含了兩種離散值，所以用開和閉這兩種方式來操作圖像可以更加容易地識別出圖像的結構特征。3.1.2 腐蝕運算和膨脹運算數(shù)學形態(tài)學定義了2種基本的變換, 即腐蝕與膨脹,形態(tài)學的其他運算都是由這2種基本運算復合而成的。設為原始圖像, 為結構元素, 且和都是由二維整數(shù)空間的元素組成的集合。圖像被結構元素腐蝕, 用表示。圖像被結構元素膨脹, 用表示, 分別定義為：其中(qzhng)，；，而為二維整數(shù)(zhngsh)空間的點。3.1.3 開運算(yn sun)和閉運算基于形態(tài)學的開運算可完全刪除

55、不能包含結構元素的對象區(qū)域, 平滑對象的輪廓, 斷開狹窄的間斷和去掉細小的突出部分；基于形態(tài)學的閉運算可以平滑對象輪廓、將狹窄的缺口連接起來形成細長的彎口、消除比結構元素小的洞、并填補輪廓線中的斷裂。開運算和閉運算定義分別為：3.1.4 細化與收縮細化算法就是重復地剝離二值圖象的邊界象素，但是剝離邊界象素必須保持目標的連通性而且使之最終成為單象素寬的圖象骨架，即細化就是將一個曲線形物體細化為一條單像素寬的線。本文引入細化是將其應用于特征線的提取。收縮是指一種以不觸及單像素物體的執(zhí)行方式進行腐蝕。當物體總數(shù)必須保持不變時,這種方法很有用。本文引入收縮是將其應用于特征點的提取。3.2彩色偽隨機編碼

56、圖像的特征點、特征線提取方法本論文主要是引入了數(shù)學形態(tài)學算法來提取編碼圖像中的特征點與特征線。圖3.1大致說明了特征點、特征線提取的總體思路。下面將結合圖3.1詳細說明下具體提取的方法。3.2.1 特征點的提取方法首先對CCD攝像機拍攝到的三維場景圖像中的四種顏色的特征點進行初步的RGB顏色范圍統(tǒng)計，找到各自的RGB顏色范圍的上下限，對這些范圍進行顏色區(qū)分，以提取出各自顏色特征點的范圍。提取出的結果分成4幅分量圖像，分別表示紅、黃、藍、綠特征點范圍，尤其注意的是提取的過程其實也是二值化的過程，因為用形態(tài)學方法來處理圖像都必須在二值圖像中進行。在特征點范圍提取出來后，此時得到的那些圖像中都包含一

57、定的噪聲，因此利用數(shù)學形態(tài)學中的開運算可以去除圖像中的外部噪聲，利用閉運算去除特征區(qū)域的內(nèi)部漏洞。如果噪聲比較大，可先多腐蝕幾次再進行膨脹，但腐蝕的次數(shù)應該以不丟失特征點為界限。對去除了噪聲后的特征點圖像進行收縮運算，使特征區(qū)域收縮為特征點，并提取各特征點的位置。在四幅圖像都提取出了特征點后，對這四幅圖像分別乘以不同的系數(shù)來對這些點進行膨脹。不同的系數(shù)代表了不同的顏色(yns)，即用系數(shù)來對二值圖像上不同顏色的點進行區(qū)分。膨脹后用邏輯或把四幅圖像合并到一幅二值圖像中，就得到了一幅只包含有所有三維圖像特征點的二值圖像。CCD拍攝到的圖像特征點范圍提取紅色特征點范圍特征線范圍提取綠色特征點范圍黃色

58、特征點范圍藍色特征點范圍紅色特征點綠色特征點黃色特征點藍色特征點特征點特征線圖3.1 特征(tzhng)點、特征線提取方法示意圖以上的方法用于處理絕大部分理想的特征點，但在實際情況中會碰到一些復雜的情況，比如在投影時，如果三維場景由于不連續(xù)而產(chǎn)生陰影或三維場景中物體表面顏色不單一或者投影光線不均勻、柔和等，會影響到實際采集下來圖像中特征點的RGB顏色范圍，比如黃色和綠色，它們的標準RGB值為（255，255，0）和（0，255，0），一般對這兩種顏色范圍的取值為100,255，200，255，0，100和0，90，200，255，0，100，顯然，這兩種顏色范圍沒有交叉，即兩種顏色能很容易區(qū)分

59、出來。但當投影時由于光線問題黃色特征點處于較暗的環(huán)境下，很有可能它的RGB顏色范圍會受到影響變?yōu)?0，255，120，255，0，80，對比綠色特征點RGB范圍發(fā)現(xiàn)(fxin)顏色出現(xiàn)了交叉，即通過計算機會把一些黃色特征點誤認為綠色特征點進行提取，所以不能只用一般的方法處理整幅圖像。對于上面提到的問題，考慮對圖像引入特殊區(qū)域進行補償?shù)姆椒▉硖幚磉@些問題，即對比較暗的部分采用另一種顏色范圍進行提取，對于這些較暗的部分，應該對它們進行單獨的顏色范圍統(tǒng)計，統(tǒng)計出各特征點顏色范圍的上下限，然后(rnhu)補充到之前的一般范圍中，這幾種范圍使用邏輯或組合起來對特征點區(qū)域進行提取。特征點的提取直接關系到后

60、面特征點匹配的精度，甚至關系到整個三維歐氏重構的精度。而依照上述方法，一般(ybn)都能很理想地提取出絕大部分的特征點，并且都把這四種顏色特征點區(qū)分開來，能保證足夠的精度要求。3.2.2 特征線的提取(tq)方法特征線的提取方法和特征點的提取方法類似，但一般無需用到特殊區(qū)域的補償方法，只需對整個圖像進行處理。在具體的提取過程中，不是像特征點提取那樣對提取的范圍設置為白色（值為1），而其余背景設置為黑色（值為0），而是反過來對圖像中的非黑色區(qū)域設置為白色，即背景色為白色。簡單的說，在特征點提取中是在黑色背景上涂上白色特征區(qū)域（或特征點）來構造二值圖像的，而在特征線提取中是在白色背景上涂上黑色區(qū)域