李靖+李杜+胡文花+李文進

摘 要 伴隨著信息技術(shù)的快速發(fā)展，計算機和機器人等都被賦予了視覺的功能，希望計算機能夠通過雙目視覺來觀察世界。這就是建立在人類視覺系統(tǒng)研究的基礎(chǔ)上，使得計算機通過二維圖像來認知三維的世界。而且與人工視覺相比，計算機在雙目視覺技術(shù)下，能夠更快速、準確和數(shù)字化的識別世界。而計算機對圖像的預處理又決定了其質(zhì)量，因此對雙目視覺圖像匹配領(lǐng)域的現(xiàn)有算法進行優(yōu)化，能夠在保證圖像匹配精度的前提下，盡可能提升系統(tǒng)效率。

關(guān)鍵詞 雙目視覺；圖像處理；圖像匹配

中圖分類號 TP3 文獻標識碼 A 文章編號 1674-6708（2017）182-0084-02

視覺模型及算法的基礎(chǔ)是利用兩張存在視差的二維圖形，構(gòu)造一個具有更深度信息的立體圖形。雙目視覺系統(tǒng)則是利用兩個攝像機來模擬人的雙眼，對場景進行識別和測量，然后通過一定的計算方法將場景結(jié)果（圖像）進一步處理，就可以獲得一個三維的圖像。因此雙目視覺系統(tǒng)在各行各業(yè)都得到了廣泛的應用，例如醫(yī)學檢查、制造業(yè)和軍工制造等領(lǐng)域，也成為目前研究的熱點。

1 雙目視覺系統(tǒng)圖像處理原理與現(xiàn)狀

1.1 圖像處理原理與流程介紹

雙目視覺具有使用成本低、利用方便、效率較高的有點，因此被廣泛應用于諸多領(lǐng)域。計算機視覺系統(tǒng)主要有圖像獲取、圖像處理和分析、輸出和顯示3個步驟組成的，細化之后，可以將之分為以下幾個步驟。

雙目攝像機標定是根據(jù)有效的攝像機成像模型，通過實驗和計算來確定攝像機的內(nèi)外參數(shù)，進而能夠正確建立物體表面點的集合位置，以及對應投影點坐標之間的關(guān)系。這是計算機雙目視覺系統(tǒng)不可缺少的關(guān)鍵步驟。

圖像獲取是雙目視覺系統(tǒng)的信息來源，攝像機在拍攝到場景后，轉(zhuǎn)化為數(shù)字信號然后生成二維圖形。進而在此基礎(chǔ)上形成三維圖形。但是光線條件、攝像機的性能等對所獲取圖像的品質(zhì)影響較大。

圖像處理技術(shù)將輸入的圖像經(jīng)過處理算法，對原始數(shù)據(jù)進行預處理操作，降低無用信息和其他信息的干擾，從而達到提高圖像質(zhì)量，使圖像能夠進行進一步的分析。

圖像匹配的目的在于尋找同一場景在左右像平面上的投影點，獲取位置關(guān)系并得到視差，這是雙目視覺系統(tǒng)中最為重要的一步。

獲取深度信息是在圖像匹配并得到視差后，可以根據(jù)三角測量方法計算目標物體的深度信息，從而獲得物體表面點的三維坐標。

在整個流程中，圖像的匹配工作是雙目視覺領(lǐng)域最為基礎(chǔ)的問題，也是為后續(xù)的圖像分析和理解奠定基礎(chǔ)的工作。但是由于雙目攝像機在不同的場景、不同的角度和位置拍攝，以及受到光線條件的影響，每一幅圖像存在較大的差異。例如灰度水平、場景位置、分辨率等等。而圖像匹配就是尋找這些因素具有不變性的特征，進而根據(jù)這些特征來對兩幅圖像進行匹配。

1.2 影響圖像匹配的因素分析

在雙目攝像機在獲取圖像時，由于攝像器材、光線充足、拍攝角度的不同，都會讓圖像產(chǎn)生一定的畸變，這些畸變導致的誤差會在進行圖像匹配時被放大，進而導致匹配結(jié)果錯誤的發(fā)生。首先是平移、旋轉(zhuǎn)等幾何變化時，會導致兩幅圖像的所有像素都產(chǎn)生位移，對圖像的匹配產(chǎn)生較大的影響。而旋轉(zhuǎn)則是由于攝像設(shè)備的視角差異，兩幅圖的相對關(guān)系發(fā)生旋轉(zhuǎn)。其次是光線條件，在對同一場景進行拍攝時，由于光線條件的差異也會導致圖像存在差異。例如在光線較強時，圖像的平均灰度高，會產(chǎn)生陰影。而在光線不足的情況下，所獲取的圖片分辨率就會降低，帶來部分遮擋現(xiàn)象，這些差異給圖像匹配帶來很大的難度。第三種是傳感器的噪聲產(chǎn)生的影響。傳感器是將獲取的信息轉(zhuǎn)換成電信號，因此在獲取圖像時、電磁輻射、傳感器件、開關(guān)器件等都會產(chǎn)生一定的成像噪聲。系統(tǒng)就會對信號進行離散化并編碼，以便進行計算機處理，但是在這個過程中就會出現(xiàn)量化誤差，給圖像匹配造成影響。

1.3 圖像匹配算法的研究現(xiàn)狀

在國內(nèi)外專家學者的研究中，是針對不同的應用目的為出發(fā)點，提出了許多具有針對性的匹配算法，具體來說可以分為基于圖像灰度和基于圖像特征兩個類別。兩種算法對比來看，基于灰度的匹配算法，是對圖像的平均灰度水平、灰度直方圖、平均絕對值以及平方差、協(xié)方差等進行統(tǒng)計，根據(jù)這些特點進行匹配具有精度高的優(yōu)勢。但是也存在計算量大、時間效率不高的問題，因此并不能滿足現(xiàn)實生活的需求。而基于特征的圖像匹配方法，在是針對圖像中包含各種特征的信息進行提取，數(shù)據(jù)量相對較小，因此匹配效率更高，能夠滿足時時圖像處理的需要。具體來說，基于灰度的圖像匹配算法，是通過對圖像的灰度信息進行分析，計算圖像之間的相似度，進而尋找圖像的最佳匹配。也就是說該方法所選取的特征即是圖像的灰度?？梢娫摲椒ㄋ悸肥趾唵?，有利于在雙目視覺中實現(xiàn)。但由于計算量較大，因此許多研究者提出了快速算法。例如FFT、SSDA等計算方法。而基于特征的圖像匹配算法，則是通過對兩幅圖像的特征和內(nèi)容進行對比，對特征進行參數(shù)描述，然后根據(jù)計算得出的相似度進行匹配，完成圖像匹配。優(yōu)勢在于該方法的計算過程不會因為幾何位置、光線強度等因素的差異而影響匹配結(jié)果，數(shù)據(jù)量較小，極大地提高了計算效率。

2 雙目視覺圖像處理算法的優(yōu)化

圖像的特征，主要包括輪廓特征和區(qū)域特征，輪廓特征是指場景或物體的外部邊界，而區(qū)域特征則是圖像某一區(qū)域中所獨有的屬性。從內(nèi)容上看，圖像的特征包括形狀、空間、顏色和紋理等；從結(jié)構(gòu)看，圖像特征又可以分為點、線、面。因此優(yōu)化特征圖像匹配算法，就要用以下幾個方面衡量，一是圖像特點的檢測和提取是否快捷；二是圖像特征描述向量維樹是否適合；三是特征點數(shù)是否適合。

在本文的研究中，主要采用了SURF特征圖像匹配算法。提取圖像特征的具體步驟如下。

第一步是特征點檢驗。利用Hessian矩陣的行列式的值的正負來判斷該點是否為極值點，此過程中采用方框濾波替代二階高斯濾波來減少構(gòu)建尺度空間的計算量，并引入積分圖像來加速圖像卷積的計算；

第二步是特征點的精確定位。根據(jù)檢測所得到的極點值與周圍的26個像素點進行比較，進而確定特征點，比周圍26個像素的值都大或者都小的即是特征點。

第三步是生成特征描述向量，通過計算得出特征點處圓形領(lǐng)域內(nèi)的Haar小波響應，然后劃出扇形模板，并計算扇形范圍的內(nèi)的Haar小波響應，根據(jù)這些特征點來構(gòu)建特征描述向量。

最后采用SURF特征算法提取，其函數(shù)原型如下。

cvExtractSURF（image，0，&Keypoints，&Descriptors，storage，params）；？

其中image為圖像，Keypoints和Descrip tors是兩個隊列，用來保存圖像的關(guān)鍵點位置信息和特征點的描述向量，storage？為圖像進行特征提取時開辟的暫存區(qū)域，params為SURF參數(shù)。

3 結(jié)論

在本文的研究中，對圖像匹配算法的兩類常用方法進行了分析，可見目前特征點提取算法更加適合現(xiàn)代社會的需要，計算量小而且效率高。同時在圖像進行平移、選擇等因素的影響后，具有不變性的特點，這也提高了圖像匹配的魯棒性。在基于SURF特征算法下，提高了圖像計算和匹配效率，更加適合雙目視覺系統(tǒng)的需要。

參考文獻

[1]郝捧華，龔國慶，陳勇.雙目視覺圖像處理算法的優(yōu)化[J].北京信息科技大學學報，2012（5）：64-67.

[2]戴玉艷.一種基于圖像處理的雙目視覺校準方法[J].電子設(shè)計工程，2015（16）：178-181.

[3]楊陽.基于雙目感知的立體視覺集成[J].現(xiàn)代計算機，2016（5）：63-66.

[4]張曉會，張鳳生，王立偉.雙目視覺法測量接觸線幾何參數(shù)的圖像處理方法研究[J].青島大學學報：自然科學版，2016（2）：80-85.