检测与图形图像技术
高调爱国 · 2012-08-01 10:16 · 67722 次点击
好域安科技图像处理课题小组
**1、近景摄影测量构建3D模型**
在各种计量检测中,不可避免的需要对检测目标进行扫描,构建3D模型,用来对各种检测目标进行量测。
非接触构建3D模型有多种技术实现手段,包括激光扫描,照相式扫描等等等。不同检测条件下,对构建3D模型和量测的精度有着不同的要求,而各种3D模型构建方法,其成本和效率有着很大的差别。
随着计算机图像处理技术的发展,随着数码成像技术的精度提高,传统应用于测绘行业的立体成像技术,在计量检测非接触3D模型构建方面,开始呈现越来越强大的优势。
近景摄影测量技术,利用两台或多台姿态固定的相机,对同一物体进行多角度同时成像,然后利用影像之间的成像数学关系,能够构建成像方程,通过成像方程,能够计算观测物体表面距离相机之间的距离,从而构建观测物体表面的3D点云,最终完成观测物体的3D建模。
近景摄影测量技术,相对其他非接触3D模型构建技术,有着模型构建速度快,成本低廉的优势,在3D模型构建领域,有着广泛的前途。
近景摄影测量技术,存在的最大问题是其模型精度受相机的直接影像,低分辨率、镜头畸变较大的成像,将会极大的降低模型精度。当采用高精度、高分辨率、镜头畸变较小的相机时,构建的3D模型精度还是可以得到保证的。
3D模型构建速度快是近景摄影测量技术的最大的优势,在降低一定程度的模型精度的情况下,甚至能够做到实时(准实时)模型的构建。
**2、目标识别及自动分类**
在各种工业应用环境中,难免会对目标群体根据其外形进行挑选、分类,已适应生产环节的需要。
随着计算机图像处理技术的发展,特别是目标识别技术的发展,为群体检测分类提供了一个高效低成本的解决方案。
通过数码相机或者高精度摄像头,对目标群体表面进行拍摄,提取其纹理和结构特征,在通过与数据库中的目标库特征进行比较,达到识别的目的。
现在的图像目标识别技术,已经很好的解决了不同成像光照条件、不同成像时间、不同成像设备、不同视角等多种关键技术,已经能够实时(准实时)对目标群体进行识别。
结合双摄像头或者单摄像头影像序列,能够判断出识别出来的目标物体距离相机的距离和角度,通过该信息对机械臂进行控制,从而实现目标物体的自动挑选和分类,较好的解决目标群体分类问题。
利用图像目标识别技术构建的目标群体识别技术,有着识别速度快、识别准确、成本低廉等多种优势,将会成为一种应用广泛的目标群体分类技术。
图像目标识别技术主要是利用目标物体表面的数字图像分析技术,当目标群体表面缺乏纹理(或纹理一致),结构形状一致的情况下,将很难发挥其作用,所以在图像识别技术应用时,必须考虑目标群体的实际情况。
**3、影像自动配准**
在测量和医疗领域,存在大量的影像配准工作,需要对影像进行配准,才能进行后续的工作。
常规的影像配准方法是半人工半自动作业模式,在影像上选取一定量的目标点,再从参考资料中读取相关坐标参数,输入专用处理软件进行纠正。
影像自动配准,利用计算机图像处理技术,自动提取影像和参考影像中的特征点,按照对应关系建立两者映射数学方程,最后采用此数学方程,对影像进行逐点映射计算,得到配准后的影像,能够直接使用于各种后续应用中。
在影像数量庞大、对配准速度要求较高、图像需要实时分析的条件下,人工影像配准工作将无法胜任,影像配准环节成了该应用的瓶颈,严重影像了后续工作的开展。
影像自动配准技术,能够低成本的、高效的实现影像的全自动配准,并且能够实现实时(准实时)配准,配准精度高,能够达到0.3像元的配准精度。
**4、影像自动对比分析**
通过对比不同时期拍摄的影像,能够发现影像的变化情况,有着很大的实用价值。但是不同时期拍摄的影像,存在传感器不一致,分辨率不一致,拍摄角度不一致等多种因素的影像,传统的对比方法都是人工进行对比解读,发现影像目标的变化。这样的方法,不仅效率低,而且存在一定程度的漏判和误判,因此,在很大程度上限制了影像对比分析的使用。
利用影像特征自动提取技术,能够从需要对比的影像中分别提取数量巨大的特征点,然后利用数学映射关系,建立两者的映射方程,通过映射方程,能够自动发现产生变化的特征点,再利用这些特征点实现变化区域的提取,实现影像自动对比分析。
影像自动对比技术,可以广泛应用于测量、土地利用调查、医学影像分析、工业目标分析、军事目标打击分析、损毁分析等等多种领域,理论上讲,只要需要进行影像对比分析的应用,均可以利用该技术。
**5、相似图像检索**
基于图像内容的检索,一直是数据挖掘、互联网应用的一个重要方面。而相似图像检索,是其中的基础。目前互联网上也存在多种相似图像检索应用,包括谷歌、百度等,均提供了相应的应用模块。但这些相似检索应用,均存在一个较大的问题——误判和漏判。对待检索图像而言,返回的检索结果,基本上均是颜色分布相似的影像,因此检索结果中存在大量颜色分布近似,但图像内容完全不相关的图像。而对大量颜色分步存在差异,但图像内容非常相似的图像,却不能正确的检索出来。这样的图像包括缩放、旋转、剪裁、合成、篡改后的图像。
通过图像结构特征提取技术,能够从图像中提取大量结构特征点,能够较好的表达图像内容信息。利用结构特征检索到的图像,能够较好的解决包括图像缩放、旋转、剪裁、合成、篡改后的相似性判断问题,能够较为合理的检索出内容真正相似的影像。
结构特征检索检索技术,目前还存在检索效率问题,也即高维空间高效检索索引问题,通过深入分析,本课题组也采用了多种高维空间索引技术,在一定程度上提高了检索效率,对比顺序遍历查找,效率提高100倍左右。
**6、图像目标识别**
图像目标识别,包括人像识别,是图像内容检索的另一个重要应用分支,成功的图像目标识别,将会应用在多种行业。目前较为成功的应用是车牌自动识别技术。特征物体、人像识别,一直是图像应用的重点研究领域。
通过对图像进行结构特征提取,能够较好的对图像目标进行分割,再对分割后的目标,对比识别库中的结构特征。通过结构特征的相似性判断,判定是否存在已知目标,并对其进行识别标识。
基于以上技术实现的目标识别,技术难点在于结构特征能够较为准确的描述目标物体和识别库物体,同时,对海量的库物体,需要实现高效的高维空间索引技术。
通过对图像自动配准、图像相似性检索的研究,基本上掌握了目标自动识别的基础核心内容,对目标识别技术进行了初步的研究。
综合以上叙述,好域安科技有限公司积累了大量的实战经验,好域安科技部分高级研发人员早在十几年前就已经开始了针对中国市场的技术普及和推广工作,在此方面案例很多。我们诚恳希望有此方面技术服务需求的客户直接与我们联系沟通。