信号弹图像立体匹配算法研究

目录

摘 要.............................................                   3

第一章 绪论................................... 6

1.1  研究课题背景.......................... 6

1.2  立体匹配技术国内外发展现状............ 7

1.3  课题研究的目的........................ 9

1.4  课题的研究内容及章节安排.............. 9

第二章 立体匹配原理和算法介绍................ 11

2.1  立体匹配的原理....................... 11

2.2  相机标定............................. 12

2.3  图像校正............................. 13

2.4  立体匹配算法......................... 13

2.4.1  基于特征的立体匹配算法............. 13

2.4.2  基于局部的立体匹配算法............. 14

第三章 基于区域灰度图像特征的立体匹配技术.... 14

3.1  边缘特征立体匹配算法................. 15

第四章 信号弹立体匹配算法设计与仿真.......... 16

4.1  信号弹立体匹配算法设计与仿真......... 16

4.2  总结................................. 20

第六章  结束语............................... 20

参考文献..................................... 21

致    谢..................................... 22

摘 要

随着我国计算机视觉技术和立体匹配技术的不断发展，立体匹配技术被广泛地使用在人工智能、被动测距、虚拟三维重建等方面。立体匹配算法是计算机视觉方向最重要的技术之一，并已经推广到了很多的实际应用领域。本文详细介绍了立体匹配技术的理论基础，并结合信号弹图像处理、立体匹配等技术研究，分别详细设计了特征提取和立体匹配相关算法研究。针对区域灰度的特征提取相关立体匹配研究，逐渐成为视觉立体匹配中至关重要的研究方向之一，同时也是该方向的技术难点，需要我们去攻克。本文首先对信号弹左右图像进行对比，然后针对边缘特征进行相应的提取，然后设计立体视觉特征点匹配相关的方向的算法研究，最终完成针对目标图像的特征点进行立体匹配。

目前为止，在图像立体匹配算法研究方向仍然有很多的技术难题需要攻克，例如在立体匹配过程中有一定的遮挡、深度不连续和弱纹理等相关问题，解决方法也多种多样，但我们最终的目的是为了保证匹配过程中的准确度和匹配速度，这是需要我们努力攻克解决的难题。本次论文设计重点设计立体视觉的相关系统，从而研究立体匹配的相关设计算法和应用理论。采用基于区域灰度的匹配算法，以兴趣点邻域窗的灰度为匹配基元，以相关程度作为相似性测度，实现立体匹配的功能。

关键词：计算机视觉；立体匹配；边缘检测；特征提取

Abstract

With the continuous development of computer vision technology and stereo matching technology in China, stereo matching technology is widely used in artificial intelligence, passive ranging, virtual 3D reconstruction and other aspects.Stereo matching algorithm is one of the most important computer vision technology, and has been extended to many practical applications.This paper introduces the theoretical basis of stereo matching technology in detail, and combined with the signal bullet image processing, stereo matching and other technology research, respectively detailed design of feature extraction and stereo matching algorithms.The research on stereo matching related to feature extraction of regional gray level has gradually become one of the most important research directions in visual stereo matching, and it is also the technical difficulty in this direction, which needs to be solved by us.In this paper, the left and right images of the signal bomb are compared at first, and then the edge features are extracted accordingly. Then the algorithm of stereo vision feature points matching is designed, and the stereo matching of the feature points of the target image is finally completed.

So far, in stereo image matching algorithm research there are still many technical problems need to overcome, such as in the process of stereo matching has certain depth of shade, discontinuous and related problems such as weak texture, the solution is varied, but our ultimate goal is to guarantee the matching speed and accuracy in the process of matching, this is we need to work hard to overcome problem.This paper focuses on the design of stereo vision related systems, so as to study the stereo matching related design algorithms and application theory.A matching algorithm based on regional gray level is adopted to realize stereo matching, with the gray level of neighborhood window of interest points as the matching primitive and the correlation degree as the similarity measure.

Key words:  Computer vision;Stereo matching;Edge detection;Feature extraction

第一章 绪论

1.1  研究课题背景

人类使用眼睛通过视觉的方式和方法来感知识别外面的世界，然后通过大脑内部的视觉神经传输给大脑。随着科学技术和社会的发展进步，各行各业都在使用视觉相关的算法研究，成为当今时代特别的景观。然而，随着市场对视觉立体匹配算法的需求急剧增加，立体匹配算法的精确化化、快捷化、人性化越来越受人们的关注。因此，只依靠摄像机或计算机其自身的结构来提高立体匹配的性能是完全不够的，更是不现实的，因此我们必须加强图像立体匹配算法相关技术的学习，给视觉行业带来革命性的影响，而且要以一定的技术指标来考核目前的技术状况，定量而又科学地判断立体匹配算法的技术状况，给予正确的评价。作为二十一世纪的我们，对立体匹配行业有自己独特的见解和好奇心，更希望能够探索视觉算法行业，为其尽一份自己的绵薄之力[1]。

计算机视觉研究是基于计算机模拟人类视觉系统的快捷技术，目前主要使用在在三维场景中的目标进行识别、跟踪和测量上，同时朝着图形图像处理方向不断革新。起初，由于各国人工智能对计算机视觉的需求极高，对计算机视觉控制设备给予了很多优秀的设想和建议，而且研究出了很多至关重要的新技术。后来由于立体匹配技术的出现，科学家在计算机视觉信息化化、智能化方面取得了很大的进步，最终成功设计出多种图像立体匹配的算法。如今，由于视觉算法水平的不断改进，计算机视觉应用在很广的范围，分别在军工业、互联网、医学、信息娱乐等主流行业，具有很大的市场需求和研究前景。而且在学科方面，包含了计算机科学、信号处理、数学及统计理论、视觉生理学、视觉心理学以及人工智能等等[2]。因为世界科学技术和人类文明的不断发展和创新，计算机视觉不管是在功能上还是在性能上都得到了前所未有的的发展和提高，逐渐变成当今社会人们必不可缺的智能工具，从而改善了人们的生活方式。

计算机视觉从20世纪50年代开始就已经出现在人们的生活中，同时伴随着世界的计算机技术和科技水平不断改善，早期的研究方向重点放在对二维图像上，最后能够满足计算机代替人类。目前为止，计算机视觉领域，特别是立体匹配算法领域得到了快速发展，世界各国的相关研究人员都在该方面做出了特殊的贡献。早在20世纪60年代，在美国的大多数城市，伴随着人口数量和人口流动量也在不断提升，对三维场景立体匹配分析的相关研究设计需求及要求更高，因此，美国MIT的Roberts公司，针对三维场景中的立体目标进行了相关研发设计，从而开始对三维空间视觉算法的相关研究，也为世界各国指明了方向。现如今，随着世界各国在计算机技术、集成电路以及立体匹配技术的迅猛发展，立体视觉领域获得了长足的进步，并应用在了诸多科研技术领域，例如：工业精密检测、农业、军事、医疗诊断、商用电子、机器人导航、虚拟三维重建以及无人机操控等。这些领域的技术已经得到了前所未有的进步，同时也具有一定的应用价值和市场潜力。计算机立体视觉在消防领域的重视度也越来越高，通过图像识别技术及特征提取等技术判断火情情况。另一方面，由于立体匹配技术的不断革新，促使人工智能、机器人技术等相关行业不断地壮大和发展，在给这些研究领域带来技术变革的同时，也明确了研究方向，有效地推动人类现代化进程[3]。

计算机立体视觉一般可以分为以下六个步骤分别是：图像的采集、摄像机建模、特征的提取、立体匹配、深度确定以及内插。随着这几年立体匹配技术的不断革新，计算机视觉更加智能化，经过有效的数据采集分析和处理，现如今计算机视觉及立体匹配技术逐渐成为各行各业中重要一员。同时立体匹配技术和功能一直在发展，这也为计算机视觉在技术上得到不断突破，这也为计算机视觉引领了方向。

1.2  立体匹配技术国内外发展现状

近几年，我国很多研究单位、高等学府以及设计公司，特别是做人工智能及智能机器人的相关公司，针对立体匹配技术的研究和创新投入很大的财力和人力。国外针对立体匹配技术的研究相对较早，在20世纪中后期，麻省理工学院就开始了对立体匹配技术的研究，并成功完成对三维积木模型的重建，更令人骄傲的是Huffman、Waltz等将二维图像的处理技术延伸到三维视图，从而有效地处理了阴影等难题，成为立体视觉匹配研究方向的重要里程碑[4]。

随着立体匹配技术在国内外的不断发展，世界各国的相关技术人员都在立体匹配方面提供了众多的技术发明，从而使立体匹配技术得到全方位的发展，给各行各业带来了很大的便利。不同的技术基础，可以分为很多层的分类。因此，从不同的匹配基元角度出发，能够把立体匹配技术分为三个方向，分别是基于区域、基于特征以及基于相位的匹配方法。

1.2.1 基于区域的匹配方法

这类方法利用图像的灰度信息，进行两幅图像的相似性度量，得到视差图。基于区域的匹配方法的基本原理是以基准图的待匹配点为中心，建立子窗口，以邻域灰度值分布表征中心像素点；同样的，在对准图中，以中心像素点建立子窗口，以邻域灰度值表征中心像素点。两子窗口的相似性差异若满足设定的阈值，则其匹配的对准图中的对应像素点为基准图的匹配点。该方法最重要的两个问题是，1)相似性准则的选取，2)窗口的选取。基于区域的匹配方法的优点包括[5]：

a) 算法简单有效，方便系统实现；

b) 直接利用图像灰度信息，无需特征提取，确保较高精度和良好鲁棒性；

c) 基于子窗口的图像灰度的相似性进行匹配，针对细节丰富的图像较为有效。

然而，该方法同样存在以下缺点：

a) 对于具有弱纹理或大面积平滑区域的图像，匹配效果不佳；

b) 对于具有剧烈深度变化的场景，容易失效；

c) 难点在于子窗口的大小以及相似性准则的选取；

d) 计算量太大，不适于实时应用场景；

e) 由于直接利用灰度信息进行相似性判断，对仿射畸变等失真较为敏感。

1.2.2 基于特征的匹配方法

这类方法提取图像中目标物体的边缘、线、轮廓、兴趣点、角点和几何基元等几何特征信息进行匹配。通常包括特征提取和定位、描述特征、匹配特征三步。基于特征的匹配方法主要优点在于[6]：

a) 通过图像特征而非灰度信息进行匹配操作，运算量较小，匹配算法更加快速高效；

b) 充分利用目标图像中的几何结构信息，对于弱细节目标的匹配效果较好；

c) 由于利用图像特征进行描述，受光照变化和仿射畸变等失真影响较小，算法具有良好的鲁棒性；

d) 相对于基于区域的匹配方法，具有更好的精确性。

然而，基于特征的匹配方法也同样存在一定缺陷：

a) 在进行图像的特征提取时易受遮挡和重复纹理等影响，造成匹配精度不准；

b) 特征具有稀疏性，需要差值过程得到密集视差场，差值过程较为复杂。

c) 特征提取精度影响匹配结果。

1.3  课题研究的目的

目前，立体视觉技术广泛应用于智能机器人导航、人机交互、医学诊断、虚拟三维重建、工业检测和无人机等，存在极大的商业价值和军事价值，所以立体视觉技术的研究受到各个国家的高度重视。就军事领域而言，随着科学技术飞速发展，现代战争已经发展成为诸兵种、全天候、多维度海，陆，空，天、跨平台的高度信息化战争。纵观近年来的局部高科技战争，除了更为优的武器装备，战胜方通过各种技术手段掌握战场信息远远超过对手，对取得现代战争胜利有着至关重要的作用。例如，伊拉克战争期间，以美军为符的多国部队利用侦杳卫星和其他技术手段，对伊拉克境内进行了虚拟三维重建，模拟出了战场环境和地形数据，为作战部队提供了强有力的信息支持[7]。

完整版论文及matlab建模仿真请点击如下链接下载：

https://download.csdn.net/download/weixin_45905610/80598004https://download.csdn.net/download/weixin_45905610/80598004