logo资料库

基于机器视觉的全景图像拼接.docx

发布时间：2022-06-09 发布人：admin 分类：说明书 资料大小：0.06M 资料格式：docx 举报 版权申诉
第1页 / 共6页
第2页 / 共6页
第3页 / 共6页
第4页 / 共6页
第5页 / 共6页
第6页 / 共6页
资料共6页，全文预览结束
    基于机器视觉的全景图像拼接 摘要：全景图像拼接是近年在机器视觉计算机图像处理领域一个研究的热点课题，是基 于图像的绘制技术中的重要研究方向。目前，机器视觉技术在农业在的应用有着广泛的前景。 运用全景图像拼接技术对整颗玉米的籽粒进行计数、分析等，从而可以挑选出优良的种子和 玉米的生长情况。 关键字：机器视觉，图像拼接，玉米籽粒 种子是农产品再生产最关键的因素，也是能蕴藏优良遗传特性，满足不同需要的农产品 新技术的载体。为了选择出优良的玉米种子，就必须对玉米种子进行分析判别，做出相应的 鉴定。现在主要是利用一些简单的测量工具如卡尺、天平等进行手工测量和人们的主观判断， 测量工作非常繁琐且准确性不能保证。因此基于机器视觉技术为种子品种识别和品质检测提 供了使其实现检测自动化的技术要求。 为了更好的呈现玉米籽粒的生长状态，于是便提出了将若干张连续拍摄的玉米图像进行 拼接处理，从而得到一整颗玉米的全景图像，以便于进行整颗玉米的分析。全景图像相当于 观察者从一个固定试点向四周转一圈所能看到的景象，它可以完整的表达真实环境的信息。 全景图像是图像的绘制技术中的重要研究方向。 将它运用到玉米种子精选中有相当广阔的前景。 数字图像处理技术领域一个非常重要的研究分支技术就是图像拼接技术，其实质就是对 真实空间取得更多幅图像，而且这些图像序列之间存在重叠部分，通过这些图像序列的重叠 部分对这些图像进行空间匹配对准，重采样融合等处理之后，使得各图像序列的信息都包含 在高清晰的、完整的、宽视角场景的全景图像中。 一、 研究背景及其意义 种子是最基本的农业生产资料，种植优良的种子是丰收的关键，直接影响着农民的收益 和国家粮食产量。在农民购买种子的高峰时节，时常听到报道一些不法经销点以其它的品种 来冒充当前较为俏销的品种，以谋取高利。这类假冒种子影响农民的增收，给农民和农业发 展造成一定的经济损失；同时损害了正规种子经营单位的合法权益。所以，对于农作物种子 品种质量监督和检验，能够保护农民的利益，促进我国农村经济的发展。另外，通过对玉米 籽粒的分析，计数，可以对土地的育种能力进行分析，从而通过有效的措施对土壤进行优化 处理。 在“十二五规划”中，种子板块再获得亲睐。农业部公布《农业科技"十二五"规划》， 将"具有重大应用价值和自主知识产权的品种培育取得重大突破，农作物种业核心竞争力明 显提高"作为首要发展目标，将"动植物新品种培育"作为重大关键技术攻关，鼓励规模大、 实力强、成长性好的"育繁推一体化"种子企业做大做强。目前我国玉米种子需求量巨大，价
    格稳定，供应充足的情况。玉米作为国内粮食基础作物，玉米种植面积广大，在农业经济中 地位重要。未来随着人口增长和深加工的产业的发展，需求量必将呈增长趋势。 玉米是我国的主要粮食作物和饲料作物，在我国的农业生产中占有重要地位。我国玉 米面积和总产量都居世界第二位。研究证明，玉米优良种的推广使我国玉米增产 40%。种子 质量直接关系到玉米产量高低及玉米质量和品质的优劣，所以有效快速地对玉米种子进行类 型判别与精选，将伪种、假种以及不合格种子分辨出来，精选出优质种子，是农业和工业生 产高产、优质、高效的保障的先决条件，也是必要条件。 现今，种子品种质量的检验方法主要有：（1）田间种植鉴定方法。该方法准确率高，但 费工、费时、周期长，且检测场所是在田间；（2）利用检测设备的方法，主要包括：电泳技 术、色谱分析技术、荧光扫描技术、遗传物质 DNA 分析技术等。该方法的准确率较高，但设 备昂贵、检测花费时间较长，并且这些检测方法都不能脱离试验室设备条件。 目前主要是通过各级农业、林业主管部门的种子检验机构及其委托单位负责种子质量 的检验工作，检验程序复杂，种子形态检验（利用卡尺、天平等进行手工测量和主观判断） 依赖于检验员的经验，主观性很强且需要大量有经验的检验人员，准确性和应用范围有很大 的局限性。随着我国农业自动化的发展，要求对种子品质进行大批量的实时检测，如果能采 用一种快速、有效的方法对种子的品质进行检测，将会有力地促进我国种子检验事业的发展。 基于图像处理的玉米种子类型判断及精选，就是利用数字图像处理技术及相关知识， 根据玉米种子形态、颜色对玉米种子进行识别研究。将计算机视觉这一高新技术引入到种子 检验中，可增加我国种子质量检验的技术手段，提高种子检验的技术水平，能有效解决传统 的种子检测周期长、实效性差、效率低、准确性差且劳动强度高、受主客观因素影响较大等 问题；对实现农产品检测的自动化和智能化有重要意义；有利于准确评价玉米种子质量等级， 是促进农业生产持续优质、高产、稳产的有效手段，对保护农民利益，保障国家粮食安全具 有重要意义。 目前，全景拼接技术运用到了摄像领域，可以通过对某一地况或风景按不同角度拍摄 系列图像，图像之间有重叠区域，利用图像处理，可以将此系列图像拼接成一幅全景图像； 在广告领域，需要将有重叠的图像拼接成更大的图像，显示在大屏幕上；在医学领域，利用 图片对器官整体研究时，需要将具有重叠区域的多源信道所采集到的关于同一器官的图像进 行图像拼接。因此，基于机器视觉的全景拼接技术在农业上，尤其在种子精选上有着非常重 要的地位。依靠这种技术，可以获得玉米更大范围的图像，以便玉米颗粒的检测。 二、 研究现状 机器视觉技术是近几十年来发展起来的一门智能技术。机器视觉不仅是人眼的延伸，也 具有人脑的部分功能，所以广泛应用于生产、生活、科研等诸多领域，尤其在需要重复、单 调的依靠视觉获取信息的场合，如大批量的产品质量检验、分级、能够收到快速、准确、无 损等人工无法比拟的效果。现在，随着图像处理技术的专业与计算机硬件成本的下降和速度
    的提高，在农产品品质自动检测和分级领域应用机器视觉系统已变得越来越具有吸引力。70 年代末以来国际上许多研究人员已为开发用于农产品品质自动识别和分级的机器视觉系统 倾注了大量的心血。农产品在其生产过程中由于受到人为和自然等复杂因素的影响， 产品 品质差异很大，如形状、大小、色泽等都是变化的，很难整齐划一，故在农产品品质检测与 分析时要有足够的应变能力来适应情况的变化。 从七十年代起，美国、日本等国家开始在农产品的检测领域进行研究，八十年代，这一 领域的研究已经向实用化迈进了一大步。农产品检测的对象范围极其广泛，从早期的植物种 类的鉴别，谷物谷粒表面的裂纹检铡，到农作物种子的分级，表面损伤检测等。计算机视觉 技术的特点是速度快、信息量大、功能多。以种子为例，可一次性完成种子的形状、尺寸、 颜色等多个信息的测量，根据其数值大小进行分类。计算机视觉技术适宜于设计制造自动分 级流水线，把人从繁重的体力劳动中解放出来。 至于图像拼接技术，最早在 1975 年由 Kuglin 和 Hines 提出，具有场景无关性，能够将 纯粹二维平移的图像精确地对齐，是一种基于傅氏功率谱的频域相关技术，多用于航空照片 和卫星遥感图像的配准等领域。后来 De Castro 和 Morandi 发现用傅立叶变换确定旋转对 齐就像确定平移对齐一样。此后，具有代表性的研究人员有微软研究院的 Richard Szehski 教授和匹兹堡大学的 Sevket Gumustekin 博士等人。 1996 年，Richard Szeliski 教授提出 了基于运动的全景图像拼接模型，采用 Levenberg 一 Marquardi 迭代非线性最小化方法(简 称 L 一 M 算法)，通过求出图像间的几何变换关系来进行图像配准，由于此方法效果较好， 收敛速度快，且可处理具有平移，旋转，仿射等多种变换的待拼接图像，因此也成为图像拼 接领域的经典算法，Richardszehski 也因此成为图像拼接领域的奠基人。同年，Reddy 和 Chaterji 改进了 Decastroi 的算法，大大减少了需要转换的数量。两幅图像的平移矢量可 以通过它们互功率谱的相位直接计算出来。Sevket Gumustekin 博士主要对消除在固定点旋 转摄像机拍摄自然景物时形成的透视变形，和将捕获的图像拼接为全景图进行了研究。其主 要的研究成果是通过标定摄像机来建立成像模型，再利用成像模型将捕获到的图像投影到统 一的高斯球面上，从而获得拼接图像。用这种基于投影模型的方法来完成图像拼接，拼接的 效果好且可靠性高。但是该方法要求对摄像机进行精确的标定，同时要求摄像机透镜本身的 畸变参数引起的图像变形可以忽略不计。1997 年，Szeliski 教授又提出通过迭代求精每幅 图像对应的旋转矩阵和摄像机焦距，来实现图像的拼接。这种方法在一定程度上减少了拍摄 图像时对摄像机运动的限制，但计算量却大量增加，拼接结果也不稳定。2002 年，Shmuel Peleg(member IEEE)， Benny Rousso，AlexRav 一 Aeha，和 Assaf Zomet 提出了自适应的 图像拼接模型，它是根据相机的不同运动，自适应选择拼接模型，通过把图像分成狭条进行 多重投影来完成图像的拼接。这一研究成果无疑推动了图像拼接技术的进一步发展，自适应 问题也从此成为图像拼接领域研究的新热点。 在国内，图像拼接技术起步相对较晚，但很快迅速发展起来。浙江大学 CAD&CG 国家重
    点实验室和中国科学院自动化所模式识别国家重点实验室在图像匹配和拼接方面做了较多 的研究工作。研究的成果主要是利用模板匹配的方法进行搜索来确定重叠区边界或最佳匹配 位置，从而获得拼接图像。他们分别对微血管循环的图像拼接和集成电路的图像拼接进行了 研究。该方法的优点是原理比较直观，相对来说容易实现，缺点是计算量大，容易发生误匹 配。浙江大学的许雷、张恒义等利用基于傅立叶变换的相位相关法对眼底图像的拼接进行了 研究。香港大学的 Paul Bao 和西北工业大学的张素等则对基于小波变换的图像拼接方法进 行了研究。基于傅立叶变换和小波变换的方法有匹配精确率高和拼接结果好等优点，但是也 有计算量大和受噪声干扰影响大的缺点。国防科技大学的孙立峰、张茂军等人构建了基于全 景图的虚拟现实系统。目前，这样的系统己在国内的多家公司得到成功的商业应用。 关于图像拼接的原理和方法国内外己经有大量的论文发表，但是现在还没有通用的拼接 软件。而在已使用拼接图像的领域(如对卫星图片的拼接)要实现图像的拼接，则对获取图像 的设备要求很高，一般情况下要对摄像机的有关参数进行标定和控制，这就使得拼接图像的 应用因为设备成本高、操作复杂而受到很大限制。与此同时，也说明了图像拼接技术仍具有 很大的发展空间。 综上所述，国内外学者对农产品品种资源做了大量的研究，在许多方面取得了显著成效。 在根据玉米种子形态特征进行品种识别方面，也达到了较好的识别效果。 三、 研究内容与目标 全景图生成技术的基本思想是通过普通相机或摄像机等手持设备，对场景信息进行照片 图像或视频图像采样，在固定的视点，使相机在水平面内旋转一周拍摄场景，得到一组具有 重叠区域的连续的环视图像序列。由于将相机旋转一周的设备较复杂，且占地面积较大。所 以采取将玉米旋转，然后相机固定拍摄。全景图像的生成过程如下图 1 所示: 图 1 全景图生成过程 其中，图像配准算法是全景图拼接技术的核心和关键，这也是研究的重点。图像配准算
    法的好坏将直接影响到全景图的拼接质量。基本思想是对重叠图像采用一定的匹配策略，以 确定相邻两图像间的拼接位置。 由于图像配准技术在众多领域中起着非常重要作用，因此国内外的研究者们对其进行了 深入的研究并提出了很多种配准方法，但是目前还存在着很多问题。 这主要是因为相机在拍摄图像序列时由于拍摄时间、拍摄角度、自然环境的变化、多种传感 器的使用和传感器本身的缺点，使得拍摄的图像序列不仅受噪声的影响而且存在着严重的灰 度失真和几何畸变，在这种条件下，相机所获取的待配准图像序列之间就必然存在着差异。 因此如何统一这种差异，以及配准精度的提高、速度的提高、匹配正确率的提高、鲁棒性和 抗干扰性的增强以及并行实现等问题都是制约配准技术发展的重要因素。 目前，比较典型的图像配准方法有：模板匹配法、基于图像灰度的配准法、基于图像特 征的配准方法、相位相关法以及其他配准方法。 研究工作从以下五个方面展开: (1)查阅并学习国内外大量图像拼接技术的相关文献，掌握了图像配准技术的基本理论 和主要方法，并对当前图像拼接领域的发展及现状有了一个总体的认识; (2)查阅并学习国内外大量机器视觉理论的相关文献，了解机器视觉在农业上的运用的 发展概况，着重学习机器视觉解决问题的思路、机器视觉技术的原理； (3)深入研究图像拼接技术的具体步骤，重点分析了图像拼接技术的核心问题一一图像 配准算法，总结了现有的几类图像配准算法，分析每类算法的优点和不足，并对一种传统的 基于特征的算法进行仿真; (4)在以上工作的基础上，提出了一种基于机器视觉理论的图像拼接算法，进行算法仿 真，分析了此算法的运算速度和效率，并与传统的的基于特征的配准算法进行比较; (5)总结基于粒计算的图像配准算法的优缺点，并对所做工作进行总结，对下一步研究 提出展望。
    参考文献 【1】蔡静。粒计算在图像拼接中的应用研究，华北电力大学，2009。 【2】J. W. Goodrum, R. T. Elster。Machine Vision for Crack Detection in Rotating Eggs，Transactions of the ASAE Vol. 35(4): 1323-1328。 【3】陈水艳。玉米种子品种识别与品质检测专家系统，山东理工大学，2004。
    分享到：
    赞 收藏

    相关推荐

    资料库

    课程资源

    共收录17145份资料，累计13个分类，关注成员有19位，主要包括：PHP,网络管理,网页制作,Java,.Net,数据库,3G/移动开发,C/C++,游戏开发,嵌入式,讲义,软件测试,专业指导

    热门标签

    PHP 网络管理 网页制作 Java .Net 数据库 3G/移动开发 C/C++ 游戏开发 嵌入式 讲义 软件测试 专业指导

    最新资料