專(zhuān)利名稱(chēng)：一種基于稀疏表示的立體測(cè)距方法
技術(shù)領(lǐng)域：
本發(fā)明涉及立體測(cè)距方法，特別涉及一種基于稀疏表示的立體測(cè)距方法。
背景技術(shù)：
隨著數(shù)字成像技術(shù)的不斷發(fā)展，如何高效率地分解、表示圖像信息成了圖像處理過(guò)程中的重要環(huán)節(jié)。常用的信號(hào)分解變換是選取一組完備的正交基，并對(duì)信號(hào)進(jìn)行投影和分解。經(jīng)典的Fourier分解及其變種DCT分解、短時(shí)Fourier變換、小波變換等都在圖像處理中有著重要應(yīng)用?？紤]到正交分解有一定局限性，近年來(lái)不少學(xué)者致力于非正交分解的研究。信號(hào)稀疏分解(Sparse decomposition)這一薪新的研究方向就是Mallat和Zhang 在小波分析的基礎(chǔ)上提出信號(hào)在過(guò)完備庫(kù)上分解的思想后逐漸形成的。信號(hào)的稀疏表示不同于傳統(tǒng)的正交分解，它可以實(shí)現(xiàn)對(duì)信號(hào)更加靈活、簡(jiǎn)潔和自適應(yīng)的表示。通過(guò)信號(hào)在過(guò)完備原子庫(kù)(over-complete dictionary of atoms)上的分解， 用來(lái)表示信號(hào)的基可以自適應(yīng)地根據(jù)信號(hào)本身的時(shí)頻特性靈活選取。最終得到信號(hào)的一個(gè)非常簡(jiǎn)潔的表達(dá)，即稀疏表示(Sparse representation)。得到信號(hào)稀疏表示的過(guò)程稱(chēng)為信號(hào)稀疏分解。針對(duì)不同的應(yīng)用范圍，前人提出了一系列的信號(hào)稀疏表不理論，如Wavelet、 Ridgelet、Curvelet、Brushlet、Wedgelet、Beamlet、Contourlet、Bandlet、Garbor 等。這些理論都是基于標(biāo)準(zhǔn)形式的原子，利用少數(shù)較大系數(shù)描繪原信號(hào)，即能夠用幾個(gè)較大的稀疏系數(shù)來(lái)逼近原信號(hào)。缺少針對(duì)性的同時(shí)又給計(jì)算帶來(lái)較大復(fù)雜度，時(shí)間消耗也較大。

發(fā)明內(nèi)容
本發(fā)明的目的是克服現(xiàn)有技術(shù)的不足，提供種基于稀疏表示的立體測(cè)距方法?；谙∈璞硎镜牧Ⅲw測(cè)距方法的步驟如下I)圖像預(yù)處理對(duì)兩攝像機(jī)的光軸進(jìn)行平行和等高標(biāo)定，采用張正友標(biāo)定法，得到基線、焦距、徑向畸變參數(shù)、切向畸變參數(shù)、光心成像坐標(biāo)、旋轉(zhuǎn)變換矩陣、平移變換矩陣這些攝像機(jī)內(nèi)外參數(shù)，并對(duì)圖像進(jìn)行極限校正，對(duì)校正后的圖像進(jìn)行目標(biāo)檢測(cè)，提取圖像中感興趣的目標(biāo)；2)增強(qiáng)目標(biāo)特征根據(jù)目標(biāo)檢測(cè)結(jié)果對(duì)目標(biāo)區(qū)域進(jìn)行直方圖均衡化，對(duì)直方圖均衡化后的區(qū)域進(jìn)行邊緣檢測(cè)，提取目標(biāo)區(qū)域部分圖像的高頻特征，將目標(biāo)檢測(cè)結(jié)果和邊緣檢測(cè)結(jié)果進(jìn)行加權(quán)融合，保留目標(biāo)的高、低頻信息，濾除光照和攝像機(jī)特性引起的圖像噪聲影響；3)整像素視差的求取針對(duì)上述融合圖，將左右視圖在垂直方向上對(duì)像素灰度值進(jìn)行累加，得到兩個(gè)空間域上的一維信號(hào)sigl和sig2 ;針對(duì)這兩個(gè)信號(hào)，做類(lèi)似于互相關(guān)算法的運(yùn)算，經(jīng)全局匹配，得到最佳An,滿(mǎn)足最大化E[ An] =E sig2[n+ An] X sigl [n], An即為整像素視差 Dis ；
4)建立過(guò)完備原子庫(kù)根據(jù)整像素視差Dis,將一維信號(hào)sigl進(jìn)行平移得sigl' [n] = sigl [n-An]； 此時(shí)的sigl'和一維信號(hào)sig2在理想情況下只相差亞像素級(jí)的視差，即sigl' [n]= sigl' (nT) = sig2(nT-At), | At < T，其中T是信號(hào)采樣間隔；分別對(duì)sigl'和一維信號(hào)sig2進(jìn)行FFT變換把空間域一維信號(hào)變換成頻域的幅頻信號(hào)和相頻信號(hào)，令SIG1 = FFT (sigl' )，SIG2 = FFT (sig2)，則有SIG1Wu) = e_J"At/TXSIG2(eJ"), | co | < Ji，| A 11 < T由上式可得JSIG1(Z) I = I SIG2(eju)|，，At < T,令左右一維信號(hào)的相頻特性分別為小sigl和小sig2 ；讓空間域一維信號(hào)sig2通過(guò)一組數(shù)字分?jǐn)?shù)延時(shí)器，延時(shí)器的頻率響應(yīng)如下Hd(j w) = e_JuiAt/T, I w I < Ji , NtX At = T, _Nt/2 ( i < Nt/2得到一系列響應(yīng)，取FFT變換后的相頻信號(hào)為過(guò)完備原子庫(kù)的原子LibSigi = (SIG2 (eJU))-w (i_Nt/2)/Nt，w < Ji , NtX A t = T,0 ^ i < Nt= (HSIG2 (eJU) )-3i XnX (i-Nt/2)/(NXNt)其中 0彡n < N，NtX At = T，0彡i < Nt, Nt為原子個(gè)數(shù)，N為信號(hào)長(zhǎng)度，且滿(mǎn)足Nt > > N，將 LibSigi的值限定在0 2 Ji以?xún)?nèi)；5)信號(hào)的稀疏分解采用匹配跟蹤算法實(shí)現(xiàn)信號(hào)的稀疏分解將步驟4)中的原子組合成集合D = (LibSigi, 0 ^ i <Nt}，即為(tsig2擴(kuò)展生成的過(guò)完備原子庫(kù)，且滿(mǎn)足Nt >> N;對(duì)于信號(hào)小sigl，匹配跟蹤首先從過(guò)完備原子庫(kù)中選擇最為匹配的一個(gè)，即滿(mǎn)足
權(quán)利要求
1.一種基于稀疏表示的立體測(cè)距方法，其特征在于它的步驟如下1)圖像預(yù)處理對(duì)兩攝像機(jī)的光軸進(jìn)行平行和等高標(biāo)定，采用張正友標(biāo)定法，得到基線、焦距、徑向畸變參數(shù)、切向畸變參數(shù)、光心成像坐標(biāo)、旋轉(zhuǎn)變換矩陣、平移變換矩陣這些攝像機(jī)內(nèi)外參數(shù)， 并對(duì)圖像進(jìn)行極限校正，對(duì)校正后的圖像進(jìn)行目標(biāo)檢測(cè)，提取圖像中感興趣的目標(biāo)；2)增強(qiáng)目標(biāo)特征根據(jù)目標(biāo)檢測(cè)結(jié)果對(duì)目標(biāo)區(qū)域進(jìn)行直方圖均衡化，對(duì)直方圖均衡化后的區(qū)域進(jìn)行邊緣檢測(cè)，提取目標(biāo)區(qū)域部分圖像的高頻特征，將目標(biāo)檢測(cè)結(jié)果和邊緣檢測(cè)結(jié)果進(jìn)行加權(quán)融合， 保留目標(biāo)的高、低頻信息，濾除光照和攝像機(jī)特性引起的圖像噪聲影響；3)整像素視差的求取針對(duì)上述融合圖，將左右視圖在垂直方向上對(duì)像素灰度值進(jìn)行累加，得到兩個(gè)空間域上的一維信號(hào)sigl和sig2 ;針對(duì)這兩個(gè)信號(hào)，做類(lèi)似于互相關(guān)算法的運(yùn)算，經(jīng)全局匹配，得到最佳An,滿(mǎn)足最大化E[ An] =E sig2[n+ An] X sigl [n], An即為整像素視差Dis ;4)建立過(guò)完備原子庫(kù)根據(jù)整像素視差Dis，將一維信號(hào)sigl進(jìn)行平移得sigl' [n] = sigl[n-An];此時(shí)的sigl'和一維信號(hào)sig2在理想情況下只相差亞像素級(jí)的視差，即sigl' [n]= sigl' (nT) = sig2(nT-At)，I At| < T，其中T是信號(hào)采樣間隔；分別對(duì)sigl'和一維信號(hào)sig2進(jìn)行FFT變換把空間域一維信號(hào)變換成頻域的幅頻信號(hào)和相頻信號(hào)，令 SIG1 = FFT (sigl' )，SIG2 = FFT (sig2)，則有 SIGJeju) = e^'"At/TXSIG2(eJ"), | co | < Ji，| A 11 < T 由上式可得I SIGJeju) = SIG2 (eJU) I,，I At < T，令左右一維信號(hào)的相頻特性分別為C^Sigl和(j5Sig2;讓空間域一維信號(hào)sig2通過(guò)一組數(shù)字分?jǐn)?shù)延時(shí)器，延時(shí)器的頻率響應(yīng)如下Hd(j ) = e_juiAt/T，co I < 3i，NtX At = T，_Nt/2 彡 i < Nt/2 得到一系列響應(yīng)，取 FFT變換后的相頻信號(hào)為過(guò)完備原子庫(kù)的原子LibSigi = (SIG2(eJU))-w (i_Nt/2)/Nt， w < Ji , NtX A t = T,0 ^ i < Nt =(SIG2(eJU))-3i XnX (i-Nt/2)/(NXNt)其中0彡n < N，NtX At = T，0彡i < Nt, Nt為原子個(gè)數(shù)，N為信號(hào)長(zhǎng)度，且滿(mǎn)足Nt > > N，將 LibSigi的值限定在0 2 Ji以?xún)?nèi)；5)信號(hào)的稀疏分解采用匹配跟蹤算法實(shí)現(xiàn)信號(hào)的稀疏分解將步驟4)中的原子組合成集合D = (LibSigi, 0 ^ i <Nt}，即為(tsig2擴(kuò)展生成的過(guò)完備原子庫(kù)，且滿(mǎn)足Nt >> N;對(duì)于信號(hào)小sigl，匹配跟蹤首先從過(guò)完備原子庫(kù)中選擇最為匹配的一個(gè)，即滿(mǎn)足 |< <f>sig\，LibSigi() >| = max |< (psig\，LibSigi >|11 0<z<A^ 11這樣信號(hào)^Sigl就可以分解為如下形式sigl = < sigl, LibSigi0 > LibSigi0+! 1 由 sigl 繼續(xù)上述分解過(guò)程進(jìn)行迭代運(yùn)算直至n階，得到(psig\ = [ < Rk(psig\ LibSigik > LibSigik + Rn(f)sig\k=Q其中ik表示第k次迭代選取的原子號(hào)；當(dāng)逼近誤差Rnct sigl的能量小于一定值，即 I I Rnsigl I I2 < e時(shí),停止迭代,分解完成；6)、亞像素級(jí)整體視差的求取和深度計(jì)算根據(jù)信號(hào)sigl在D= (LibSigi, 0 : i < Nj上的稀疏表達(dá)式,進(jìn)一步求得4>sigl 和c^Sig2之間的亞像素視差，表達(dá)式如下M-IsubDis - < Rk(psig\LibSigik > (ik-NJ 2)!Ntk=Q得到整體視差 totalDis = Dis-subDis最后結(jié)合雙目立體視覺(jué)原理，由公式Z = f X (1+B/D),其中B為基線距離，D為視差，f 為焦距，求得目標(biāo)物體的深度位置。
全文摘要
本發(fā)明公開(kāi)了一種基于稀疏表示的立體測(cè)距方法，采用雙目攝像機(jī)系統(tǒng)獲取遠(yuǎn)距離同一場(chǎng)景下的目標(biāo)物體圖像，其中目標(biāo)物體自身的深度變化相對(duì)于拍攝距離可以忽略不計(jì)進(jìn)行雙目攝像機(jī)遠(yuǎn)距離標(biāo)定，采集圖像并作極限校正；分別檢測(cè)左右圖像目標(biāo)進(jìn)行特征增強(qiáng)，投影得兩個(gè)一維信號(hào)，求出整像素視差；利用數(shù)字分?jǐn)?shù)延時(shí)器，將一個(gè)信號(hào)在頻域擴(kuò)展成一個(gè)過(guò)完備原子庫(kù)，再對(duì)另一個(gè)信號(hào)的相頻信號(hào)實(shí)現(xiàn)稀疏分解并由分解系數(shù)求取亞像素視差；結(jié)合整像素視差和亞像素視差，由立體視覺(jué)原理，求得目標(biāo)物體的深度信息。本發(fā)明通過(guò)求取亞像素級(jí)精度的視差實(shí)現(xiàn)遠(yuǎn)距離目標(biāo)測(cè)距，精度高；擴(kuò)展得到的過(guò)完備原子庫(kù)，針對(duì)性較高，簡(jiǎn)化運(yùn)算，執(zhí)行速度快。
文檔編號(hào)G01C3/00GK102607510SQ20121000937
公開(kāi)日2012年7月25日 申請(qǐng)日期2012年1月12日 優(yōu)先權(quán)日2012年1月12日
發(fā)明者于慧敏, 王一葉 申請(qǐng)人:浙江大學(xué)