基于数字图像处理的障碍物识别.docx
- 文档编号:9617435
- 上传时间:2023-05-20
- 格式:DOCX
- 页数:46
- 大小:221.19KB
基于数字图像处理的障碍物识别.docx
《基于数字图像处理的障碍物识别.docx》由会员分享,可在线阅读,更多相关《基于数字图像处理的障碍物识别.docx(46页珍藏版)》请在冰点文库上搜索。
基于数字图像处理的障碍物识别
摘要
数字图像处理就是利用计算机对图像信息进行加工,以满足人的视觉心理或者应用需求。
图像识别所讨论的问题,是研究用计算机代替人〔1动地处理大量的物理信息,解决人类所不能识别的问题。
对于计算机来说,在实际匚作环境里,图像场景已有较大的变化。
因此要区分图像屈于哪一类,往往要通过一系列关键技术來实现。
由此产生的图像识别方法也有很多。
本文在较广泛地调研文献的基础上,对图像识别系统进行了较为全而的综述,并以较为大屋文字和具体的实例,通过使用常用的仿真语言和软件对基于数字图像处理的障碍物的识别进行了研究。
第一部分通过中值滤波、梯度法锐化和边缘检测进行处理后,将目标图像与背景图像差分;第二部分再进行形态学膨胀、最小外接矩形特征计算后,在分割的基础上选择需要提取的特征,对某些参数进行测最后,根据测量结果做分类和识别,通过对标记区域计算质心进行定位识别,最后通过MATLAB软件对其进行了仿真,获得了较理想的识别结果。
关键词:
数字图像处理:
图像识別;背景差分:
膨胀处理:
最小外接矩形
ABSTRACT
Thedigitalimageprocessingistousethecomputertocarryontheprocessingimageiiifomiation,tomeetthepersoiVsvisualpsychologyorapplicationrequirements.Tlieproblemsdiscussedimagerecognition,isthestudyusedcomputerinsteadofpeopleautomaticallywithtlieamountofphysicalinformation,solvetheproblemofhumanbeingscan'tidentify.Forcomputerspeaking,theachialworkenvironment,imagesceneforgreaterchange.Sotodistinguishbetweenimagewhatkind,oftentotluougliaseriesofkeytecluiology.Tlieresultingimagerecognitionmethodalsohasalotof.
Tliispaperinawidelyresearchliterature,andonthebasisofimagerecognitionsystemforacomprehensivereview,andtobealotofwrittenandaspecificexample,tlirouglitheuseofcommonlanguageandsoftwaresimulationbasedondigitalimageprocessingofobstaclesrecognition.Tliefirstparttluouglitliemedianfiltering,gradientmethodsharpenandedgedetectionafterprocessing,willtargetimageandthebackgroundimagedifference;Thesecondpartofmoiphologicalinflationagain^niiiiiiiiumcirciunscribedrectangularfeaturecalculation,inthedivisionofthebasisofthechoiceneedtoextractcharacteristicofsomeparametersformeasiirement,themeasmementresultsdoclassificationandidentification,tluouglitothemarkerareascalculationcentroidlocalizationrecognition,thelasttliroughthesoftwareMATLABsimulation,obtainedaidealrecognitionresults.
Keywords:
Digitalimageprocessing;Imagerecognition;Backgiounddiffeience;Expansion
process;Minimumboundingrectangle
摘要1
关键词1
ABSTRACT2
Keywords2
1绪论1
1.1数字图像处理简介1
1.2数字图像处理的特点2
1.3课题目的和意义3
1.4论文结构安排4
2图像识别系统简介5
2.1图像预处理5
2.1.1灰度化和二值化5
2.1.2光照补偿6
2.1.3图像差分9
2.1.4图像平滑11
2.1.5图像锐化12
2.1.6边缘检测14
2.2形态处理17
2.3图像的识别18
2.4小结18
3基于数字图像处理的障碍物识别19
3.1仿真环境简介19
3.2预处理21
3.2.1灰度化21
3.2.2背景差分22
3.2.3二值化24
3.2.4中值滤波25
3.2.5Robcrt梯度算子锐化和边缘检测25
3.3膨胀处理和目标识别28
3.3.1膨胀处理28
3.3.2目标识别28
3.4小结30
4总结与展望32
致谢34
参考文献35
附录一(程序代码)36
附录二(程序运行结果)38
1绪论
1.1数字图像处理简介
数字图像处理一般是利用计算机或其它含有微处理器的嵌入式数字设备对图像进行处理。
由于计算机等数字设备只能处理离散数字信号,因此它所处理的对象也只能是数字图像。
而在我们II常生活中出现的图像信号绝大部分都是模拟信号,所以必须通过某种方式将模拟图像信号转化为数字图像信号。
这个过程称之为模数转换,需要用到采样、量化理论。
图像处理技术是20世纪60年代随着计算机技术和VLSI的发展而产生、发展和不断成熟起來的一个新兴技术领域,它在理论上和实际应用中都取得了巨大的成就。
视觉是人类最重要的感知手段,图像乂是视觉的基础。
早期图像处理的目的是改善图像质屋,它以人为对象,以改善人的视觉效果为目的。
图像处理中输入的是质量低的图像,输出的是改善质量后的图像。
常用的图像处理方法有图像增强、复原、编码、斥缩等。
酋次获得成功应用的是美国喷气推进实验室。
他们对空间探测器“徘徊者”7号在1964年发回的儿千张月球照片进行图像处理,如儿何校正、灰度变换、去除噪声等,并考虑了太阳位置和J]球环境的影响,由计算机成功地绘制出刀球表而地图,获得了巨大的成功。
在以后的宇航空间技术探测研究中,数字图像处理技术都发挥了巨大的作用。
图像处理技术取得的另一个巨大成就是在医学上。
1972年英国EMI公司工程师Hounsfield发明了用于头颅诊断的X射线计算机断层摄影装置,也就是我们通常所说的CToCTT的基本方法是根据人的头部截而的投影,经计算机处理來重建截而图像,称为图像重建。
1975年EMI公司乂成功研制出全身用的err装置,获得了人体各个部位鲜明清晰的断层图像。
1979年,这项无损伤诊断技术被授予诺贝尔奖,以表彰它对人类做出的划时代贡献。
从20世纪70年代中期开始,随着计算机技术和人工智能、思维科学研究的迅速发展,数字图像处理技术向更高、更深层次发展。
人们已开始研究如何用计算机系统解释图像,类似人类视觉系统理解外部世界,这被称为图像理解或计算机视觉。
其中代表性的成果是70年代末MIT的Mjht提出的视觉计算理论,这个理论成为计算机视觉领域其后十多年的主导思想。
20世纪80年代末期,人们开始将其应用于地理信息系统,研究海图的白动读入、门动生成方法。
数字图像处理技术的应用领域不断拓展。
图像处理技术的大发展是从20世纪90年代初开始的。
H1986年以来,小波理论与变换方法迅速发展,它克服了傅里叶分析不能用于局部分析等方而的不足之处,被认为是调和分析半个世纪以来工作之结晶。
1988年,小波分析被有效地应用于图像分解和重构。
小波分析被认为是信号与图像分析在数学方法上的重大突破。
随后数字图像处理技术迅猛发展,到丨1询为止,图像处理在图像通讯、办公自动化系统、地理信息系统、医疗设备、卫星照片传输及分析和工业自动化领域的应用越來越多。
进入21世纪,随着计算机技术的迅猛发展和相关理论的不断完善,图像处理技术在许多应用领域受到广泛重视并取得了觅大的开拓性成就。
属于这些领域的有航空航天、生物医学工程、工业检测、机器人视觉、公安司法、军事制导、文化艺术等。
该技术成为一门引人注目、前景远大的新型学科。
1.2数字图像处理的特点
根据数字图像处理所涉及到的数字设备、技术本身以及技术的具体实现形式一一软件,数字图像处理的特点可以分为以下几点:
(1)再现性好:
计算机图像处理与模拟图像处理的根本不同在于,它不会因图像的存储、传输或复制等一系列变换操作而导致图像质量的退化。
只要图像在数字化时准确地表现了原稿,则数字国像处理过程始终能保持国像的頁实再现;
(2)处理精度高:
按目前的技术,几乎可将一幅模拟图像数字化为任意大小的二维数组,这主要取决于图像数字化设备的能力。
现代扫描仪可以把每个像素的灰度等级量化为16位共至更高,这意味着图像的数字化精度可以满足任一应用需求。
从原理上讲不论图像的精度有多高,处理总是能实现的,只要在处理时改变程序中的数组参数就可以了;
(3)适用而宽:
图像可以來门多种信息源。
从图像反映的客观实体尺度看,可以小到电子显微镜图像,大到航空照片、遥感图像茯至天文祟远镜图像。
这些来白不同信息源的图像只要被变换为数字编码形式后,均是用二维数组表示的灰度图像组合而成,因而均可用计算机來处理;
(4)灵活性高,由于图像的光学处理从原理上讲只能进行线性运算.极大地限制了光学图像处理能实现的目标;而数字图像处理不仅能完成线性运算,且能实现非线性处理,即凡是可以用数学公式或逻辑关系来表达的一切运算均可用数字图像处理实现:
(5)信息压缩的潜力大:
计算机图像中各个像素不是独立的,其相关性大。
在图像画面上,经常有很多像素有相同或接近的灰度。
就电视画面而言,同一行中相邻两个像素或相邻两行间的像素,其相关系数可达0.9以上,而相邻两帧之间相关性比帧内相关性一般说还要大些。
因此,图像处理中信息床缩的潜力很大。
图像处理就是对图像信息加工以满足人的视觉心理或应用需求的方法。
图像处理方法有光学方法和电子学方法。
而数字图像处理就是利用数字计算机或其它的硬件设备对图像信息转换而得到的电信号进行某些数学处理以提高图像的实用性。
计算机进行图像处理一般有两个目的:
(1)产生更适合人观察和识别的图像。
(2)希琨能由计算机自动识别和理解图像。
总的來说,数字图像处理包括点运算、儿何处理、图像增强、图像复原、图像形态学处理、图像编码、图像重建、图像识别等。
本文的主要内容则是其中的图像识别。
图像识别所讨论的问题,是研究用计算机代替人门动地处理大星的物理信息,解决人类生理器官所不能识别的问题,从而部分代替人的脑力劳动。
人类识别图像的过程总是先找到它们外形或颜色的某些特征进行比较分析和判断,然后加以分门别类,即识别它们。
研究计算机识别图像时也借鉴人的思维活动,采取同样的办法。
然而图像的灰度与彩色是由光强和波长不同的光波引起的,与景物表面的特性、方向、光线条件以及干扰等多种因素有关。
因此要区分图像属于哪一类,往往要经过预处理、分割、特征提取、分析、分类、识别等一系列过程。
现在这些技术完全可以用计算机模拟、对图像信息进行处理來达到对它的识别。
1.3课题目的和意义
“识别”这两个字分开來解释有“认识”和“区别”的含义。
说“识别某物体”包含有认识它而且能从一堆物件中把它与别的物件区别开来的意思。
通常我们说认识某事物,这一定是经历过中曾经见过或者接触过它,因而了解它的特性。
一旦你认识了它,自然也能把它与其他事物区别开来。
根据存储在大脑中的模式,就能对物体进行识别,这种识别就是“模式识别”。
图像识别,可以认为是图像的模式识别,它是在模式识别技术在图像领域中的具体运用。
模式识别的研究对象基本上可以概括为两大类,一类是有直觉形象的图像,如图像、相片、文字等;一类是没有直觉形象而只有数据或信息波形,如语音、心电脉冲、
地震波等。
模式识别研究的目的是研制能够自动处理某些信息的机器系统,以便代替人完成分类和辨识的任务。
所以,狭义地讲,图像识别所研究的模式就是图像。
本文的目的是通过对图像识别原理的研究,对障碍物识别技术的原理进行分析研究,通过中值滤波、背景差分、梯度法锐化与边缘检测进行预处理后,利用形态学的膨胀处理和最小外接矩形的计算与定位,对障碍物目标进行识别,并通过MATLAB软件仿真对其进行了仿真实现。
图像识别是立体视觉、运动分析、数据融合等实用技术的基础,在导航、地图与地形配准、自然资源分析、天气预报、环境监测、生理病变研究等许多领域重要的应用价值。
14论文结构安排
在本章中,我们首先总结归纳了图像的概念,数字图像处理发展的历程及其特点,以便对数字图像处理有一个感性的认识和把握,并对我们所研究的课题有一个较为客观的定位。
接下來就引入了本文所研究的课题的本质一一图像识别,按本文的思路对图像识别系统进行了较为完整的叙述。
接下來的章节中,将作如下安排:
第2章对图像识别系统的关键技术进行介绍;第3章介绍基于数字图像处理的障碍物识别的原理和算法。
这样的安排,是因为本文的定位是基于数字图像处理的图像识别,另外还要对目前图像识别领域的关键技术做一个比较全而的综述。
2图像识别系统简介
图像识别所讨论的问题,是研究用计算机代替人[|动地处理大量的物理信息,解决人类所不能识别的问题。
对于计算机來说,在各种恶劣的工作环境里,图像与景物已有较大的差别。
因此要区分图像属于哪一类,往往要通过预处理、形态学处理或特征提取、分析分类与识别等一系列关键技术來实现。
由此产生的图像识别方法也有很多。
本文所研究的图像识别系统的思路是预处理、形态学处理、提取特征最來对目标障碍物进行识别。
2.1图像预处理
图像预处理是相对于图像识别而言的一种前期处理。
不论采用何种装置,输入的图像往往不能令人满意。
例如图像中物体的轮廓过于鲜明而显得不协调;按检测对象大小和形状的要求看,图像的边缘过于模糊:
在相当满意的一幅图像上会发现多了一些不知来源的黑点或白点:
以及图像的失真、变形等等。
总之,输入的图像在视觉效果和识别方便性等方而可能存在诸多问题,这类问题不妨统称为“质量”问题。
尽管由于目的、观点、爱好等的不同,图像质量很难有统一的定义和标准,但是,根据应用要求改善图像质最却是一个共同的愿望。
改善图像质量的处理称Z为图像预处理,主要是指按需要对图像进行适当的变换突出某些有用的信息,去除或削弱无用的信息,如改变图像的对比度,去除噪声或强调边缘的处理等等。
2.1.1灰度化和二值化
在图像预处理阶段,都要把采集的图像进行灰度化处理,这样既可以提高后续算法速度,而且可以提高系统综合应用实效,达到更为理想的要求。
图像灰度化技术的研究具有重要意义。
颜色可分为黑白色和彩色。
黑白色指颜色中不包禽任何的色彩成分,仅由黑色和白色组成。
在RGB颜色模型中,如果R=G=B,则颜色(R,G,E)表示一种黑白颜色;其中R=G=B的值叫做灰度值,所以黑白色乂叫做灰度颜色。
彩色和灰度Z间可以互相转化,由彩色转化为灰度的过程叫做灰度化处理;由灰度化转为彩色的过程称为伪彩色处理。
相应地,数字图像可分为灰度图像和彩色图像。
通过灰度化处理和伪彩色处理,可以使伪彩色图像与灰度图像相互转化。
图像灰度化就是使彩色的R,G,B分暈值相等的过程。
二值图像就是指只有两个灰度级的图像。
在数字图像处理中,二值图像占有非常重要的地位,特别是在实用的图像处理中,以二值图像处理实现而构成的系统是很多的,耍进行二值图像的处理与分析,首先要把灰度图像二值化,得到二值化图像,这就不再涉及像素的多级値,使处理变得简单,而且数据的处理和压缩量小。
二值图像具有存储空间小,处理速度快。
更重要的是,在二值图像的基础上,还可以进一步对图像处理,获得该图像的一些儿何特征或者其他更多特征。
二值化分为全局二值化和局部自适应二值化。
一幅图像包括目标物体、背景还有噪声,要想从多值的数字图像中直接提取出目标物体,最常用的方法就是设定一个全局的阈值T,用T将图像的数据分成两部分:
大于T的像素群和小于T的像素群。
将大于T的像素群的像素值设定为白色(或者黑色),小于T的像素群的像素值设定为黑色(或者白色)。
这样就做到了全局二值化。
全局二值化在表现图像细节方面存在很大缺陷。
为了弥补这个缺陷,出现了局部二值化方法。
局部二值化的方法就是按照一定的规则将整幅图像划分为N个窗口,对这N个窗口中的每一个窗口再按照一个统一的阈值T将该窗口内的像素划分为两部分,进行二值化处理。
局部二值化也有一个缺陷。
这个缺陷存在于那个统一阈值的选定。
这个阈值是没有经过合理的运算得來,一般是取该窗口的平均值。
这就导致在每一个窗口内仍然出现的是全局二值化的缺陷。
为了解决这个问题,就出现了局部自适应二值化方法。
周部1'1适应二值化,该方法就是在局部二值化的基础Z上,将阈值的设定更加合理化。
该方法的阈值是通过对该窗口像素的平均值E、像素之间的差平方P、像素之间的均方根值Q等各种局部特征,设定一个参数方程进行阈值的计算。
二值化是图像处理的基本操作,任何图像处理基本离不开二值化的操作。
其应用非常广泛。
2.1.2光照补偿
在图像的获取过程中,由于拍摄环境的复杂性,当光照条件(包括强度和光谱组成)变化时,采集的图像差别较大,影响图像的定性和定量分析,因而必须对图像进行光照
补偿。
光照强度补偿主要是消除由于实际光照条件不均匀,偏光、侧光、高光等导致的过亮、过暗、阴影的影响。
在光照强度补偿算法中,对于均匀的光照变化,常使用直方图均衡法、Gamma校正和对数变换等方法:
对于非均匀的光照变化,代表性的方法有基于频域的同态滤波方法和双立方插值法等。
同态滤波能减少光照并锐化边缘和细节,广泛应用于不均匀光照下图像的补偿,且只能直接对灰度图像进行处理。
所以,这里介绍同态滤波法。
图像f(x,y)可以用它的入射分星i(x,y)与反射分量r(x,y)的乘积來表示,即:
f(x,y)=i(x,y)r(x,y)式(2.1)
不均匀光照体现在入射分Si(x,y)中,属于变化缓慢的低频成分:
而图像的细节等特性则主要反映在图像的反射分ftr(x,y)中,属于高频成分。
对于照明不均匀的图像的处理,就是要尽星削减入射分量的影响,即压制图像的低频分星,同时增强物体的反射分帚:
,即放大图像的高频分量⑴。
同态滤波是增强图像对比度和床缩图像亮度范围的滤波方法,减少低频成分并增加高频成分,从而减少光照变化并锐化边缘或细节,但不影响图像像素变化,所以在灰度化之后进行同态滤波,然后才进行中值滤波。
同态滤波的主要过程描述如下:
(1)首先对图像函数f(xy)取对数,
Zn/(x,y)=Zn[/;(x,y)^(x,y)]=lnft(xfy)+lnfr(x,y)式(2.2)
(2)对上式进行傅里叶变换,得到:
F加(u,v)=FT[lnfQctyy]=FT[lnft(xfy)+lnfr(%,y)]式(2.3)
(3)将上式乘以同态滤波函数H(u,v),作滤波处理:
Gin(ufV)=Ftn(ufv)H(u,v)=GiJn(u,v)+Grln(uf17)式(2.4)
(4)求傅里叶反变换:
FT~l[Gin(u,v)]=FT~l[Gifln(u,v)+Grln(u,v)]=ln[gt(xt刃g,(Xy)]式(2.5)
(5)最后求指数变换,得到同态滤波处理的图像,BP:
g(x,y)=exp{ln[gt(%,y)gr(x,y)]}=i2nuF(ufv)式(2.6)
同态滤波增强图像的效果与滤波曲线的分布形状有关,实际应用中,需要根据不同图像的特性和增强的需要,选用不同的滤波曲线,可以达到满意的效果。
同态滤波过程如图2.1所示,图中H(ii,v)成为同态滤波函数。
图2.1同态滤波过程
根据图像特性和需要,选用不同的滤波器传递函数H(u,v),它能以不同的方法影响傅立叶变换的高、低频成分,同态滤波函数关系如图2.2所示。
图中:
心代表高频増益,弘代表低频增益,D(u,v)表示频率(ii,v)到滤波器中心(I/。
,%)的距离。
D(u,v)
同态滤波器是通过高通滤波器进行修改紂到与其对应的同态滤波器,常用的巴特沃
斯同态滤波器滤波函数为:
H(utv)=
E叫+船小式S
式中,Do为(”o,v0)=(0,0)时D(u,v)的值,表示截止频率。
常熟c被引入用来控制滤波器函数斜面的锐化,它在R/,和心之间过渡,当心>1、心VI时,减小低频和增强高
频,使得动态范闱压缩和对比度增强。
Do的选择较困难,它与照度场和反射系数场对应的频谱幅度对比度有关,需大量实践比较选择合适的值。
图像差分运算乂称为图像相减运算,常用于检测变化及运动物体。
差分方法可以分为控制环境下的简单差分方法和基于背景模型的差分方法。
在可控制环境下,或者在很短的时间内,可以认为背景是固定不变的,可以直接使用差分运算检测变化或运动的物体。
背景图像差分是最直接、最简单的一种方法。
差分运算的方法是,首先将选定的背景图片储存,再计算目标图像和设定的场景背景模型的差,然后通过比较计算的差和根据实际情况设定的阈值的不同來检测目标,所得结果直接反映了目标的位置、大小、形状等信息。
对于背景静止的目标,图像的背景差分能很好的实现目标的检测。
使用背景差分的前提是预先知道背景,除了直接获取背景之外,获取背景还可以使用统计半均法,它是通过对连续的图像序列进行统计平均來获得背景的。
在摄像机固定的情况下,背景的变化是缓慢的。
比如,当背景中固定对象的移动和外界光照条件变化、背景物体出现扰动(如树枝、树叶的摇动等),或者固定的摄像机出现抖动等,概括起來,可分为两类变化:
场景的光照变化和场景构成的改变。
背景图像出现变化后,待识别图像的背景与背景图像就不是完全相同的了,而是部分相同。
背景国像发生缓慢变化情况时,需要对背景图像进行更新,以消除上述干扰,使得背景国像也能适应后來的图像的差分运算。
利用背景估计算法或高斯模型可以很好地解决背景出现变化的问题。
简单•的背景更新算法就是将背景图像与当前帧图像取均值,将结果作为新的背景估计,实际应用中往往是给背景图像和当前图像赋予不同的权值,求它们的加权平均。
进行差分运算时,若差值小于某个阈值,则用该点当前像素值更新背景图像,否则该点的背景图像值不变。
实际应用中这种方法运算量少,对背景
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 数字图像 处理 障碍物 识别