（机械电子工程专业论文）低质量可见光图像的处理技术研究.pdf

摘要 摘要 本文所述的“低质量可见光图像”包含两类：1 感兴趣的特征信息不明显或者不 完整的可见光图像；2 分辨率很低的可见光图像。 对于低质量可见光图像相关处理技术的研究具有十分重要的意义。本文以两 类典型的低质量可见光图像：金属标牌中的压印字符图像和在模拟的高仿真太空 环境下采集到的卫星图像为例，对低质量可见光图像的有关处理技术进行了研究， 主要研究内容是低质量可见光图像的预处理、特征提取及识别分类。 提出了一种利用金属标牌规格进行压印字符区域分割的方法。金属标牌打印 机打印字符具有高精度的特点，因此金属标牌的规格特点属于稳定且可以信任的 信息，本文利用这个高稳定性的固定信息来完成对低质量压印字符区域的分割。 标牌在采集时容易受到标牌自身质量和自然条件( 如光照) 等因素的影响， 采集后的标牌容易存在随机亮斑和背景亮度不均的现象，提出了一种基于灰度分 布特征的提取算法。 对于利用c c s 光源采集得到的压印字符图像，存在亮度差异较大和光照分布 不均的问。首次提出了一种新颖的基于空域的自适应光照补偿算法。 在字符识别过程中，部分字符由于噪声、对比度和其他因素使得待识别字符 在预处理后产生断裂的现象。根据金属标牌字符的结构特征并结合待识别字符的 统计信息，提出了一种新的修补方法。 在模拟太空环境下采集到的低质量卫星图像，图像分辨率很低。目前常规的 一些分割算法已经不再适用。提出来一种基于灰度一梯度分布特征的低质量卫星 图像的分割算法。 对于利用c c s 光源采集得到的压印字符，很容易出现内部缺孔、边缘变形和 噪声的情况，这势必影响质心坐标，从而产生圆心定位出现偏差，影响了投影圆 周曲线，降低了字符识别率。对于这一问题，改进了原有圆周投影特征提取方法， 提出了一种基于改进的圆周投影进行特征提取的方法，并进行了有关实验。 研究发现，在压印字符的单级特征识别中，相似类字符( 如6 、9 ) 容易识别错误。 因此在单级特征识别后，需要对相似类字符进行二级识别。二级特征识别主要提 山东大学硕士学位论文 取了相似类字符的左、右边界特征识别这类相似类字符。 采用基于小波矩和b p 神经网络的识别方法对单幅空间目标图像进行了识别 实验，实验结果表明该方法具有一定的有效性，但是实用性却远远没有达到规定 的要求。本文将目前在数据融合方法中应用较多的d s 证据理论引入到本文的研 究课题中来，验证了一种基于d s 证据理论的序列空间目标图像的识别算法。 本课题受到教育部博士点基金( 2 0 0 6 0 4 2 2 0 11 ) 和国家8 6 3 计划的资助，在此表 示衷心感谢! 关键字：低质量可见光图像；压印字符；卫星识别： i i a b s t r a c t a b s t r a c t i no u rr e s e a r c h ，l o wq u a l i t yi m a g e si n c l u d e ： ( 1 ) i m a g e sc o n t a i n i n gu n c o m p l e t ei n f o r m a t i o no fi n t e r e s t ； ( 2 ) i m a g e so fl o w r e s o l u t i o n i ti sv e r yi m p o t a n tt od os o m er e s e a r c h e so nl o wq u a l i t yi m a g e s i nt h i sp a p e r , w es e l e c tt w ot y p i c a li m a g e s ：l o wq u l i t yc o n v e xa n dc o n c a v oc h a r a c t e r so nm e t a l l a b e la n ds a t e l l i t e s i m a g e sc a p t u r e di n s i m u l a t e do u t s p a c ee n v i r o n m e n t o u r r e s e a r c h e sf o c u so nt h ef o l l o w i n gt o p i c s ：i m a g ep r e p r o c e s s i n g ，f e a t u r e se x t r a c t i o na n d r e c o g n i t i o nc l a s s i f i c a t i o n w ep r o p o s e dam e t h o do nm e t a ll a b e lc h a r a c t e ra r e al o a c i o nb a s e do np r i o r i n f o r m a t i o n m e t a ll a b e l sa r em a d eb ys p e c i a ll a b e l - p r i n t e r , s om e t a ll a b e l sh a v ea r e l i a b l es t a n d a r dw h i c hc a nb eu s e df o rc o n v e xa n dc a n c a v oc h a r a c t e r sl o c a t i o n m e t a ll a b e li m a g e sa r ei n t e r f e r e db ys o m er a n d o mn a t u r a le l e m e n t s ，s ot h e c a p t u r e di m a g e s 伊a yd i s t r i b u t i o ni so f t e na s y m m e t r i c a l ，w h i c ht a k e sab a de f f e c to n t h en e x tp r o c e s s i n g t ot h i sp r o b l e m ，w ep r o p o s e dan e wm e t h o do nc h a r a t e r s s e g m e n t a t i o n f o ri m a g e sc a p t u r e db yc c sl i g h t i n g ，w ep r o p o s e dan e wm e t h o do n i l l u m i n a t i o n c o m p e n s a t i o nb a s e do ns p a t i a l d o m a i nt os o l v et h ep r o b l e mo f a s y m m e t r i c a l 伊a yd i s t r i b u t i o n i ni m a g ep r e p r o c e s s i n g ，s o m ec h a r a c t e r sa r eo f t e nb r o k e nw h i c ht a k e sab a d e f f e c to nn e x tr e c o g n i t i o n ，f o rt h i sw ep r o p o s e dan e wm e t h o do nm e n d i n gb r o k e n m e t a ll a b e lc h a r a c t e r sb a s e do ns t r u c t u r ea n dp r i o ri n f o r m a t i o n f o ri m a g e sc a p t u r e di ns i m u l a t e do u t s p a c ee n v i r o n m e n t ，r e s o l u t i o ni sv e r yl o w , s oi ti sn o tp r o p e rt ob ep r o c e s s e dw i t ho r d i n a r ys e g m e n t a t i o nm e t h o d f o rt h i s ，w e p r o p o s e dam e t h o do ns a t e l l i t es e g m e n t a t i o nb a s e do n 鲈a ya n dg r i d sd i s t r i b u t i o n f o rc i r c u m f e r e n t i a l p r o j e c t i o n ，i t i s i m p o r t a n tt o l o c a t et h e p r o j e c t i o n c e n t e r o t h e r w i s e ，m e t a l l a b e lc h a r a c t e r so f t e nh a v eg a p s ，d e f o r m sw h e nb e i n g c a p t u r e d w h a ti sw o r s ei st h i sc a nt a k eab a de f f e c to nr e c o g n i t i o n ，f o rt h i sp r o b l e m ， w ei m p r o v e do r i g i n a lf e a t u r e se x t r a c t i o nb a s e do nc i r c u m f e r e n t i a lp r o j e c t i o n 山东大学硕十学位论文 i no u rr e s e a r c h e s ，w ef o u n ds o m es i m i l a rm e t a ll a b e lc h a r a c t e r sa r eo f t e n r e c o g n i z e dw r o n g l y s ow ep r o p o s e dt w ol e v e l sr e c o g t i o n i nt h es e c o n dl e v e l r e c o g n i t i o n ，s o m eb o u n d a r yf e a t u r e sa r ee x t r a c t e df o rr e c o g n i t i o n w et e s t i f i e dam e t h o no ns p a c et a r g e t sr e c o g n i t i o nb a s e do nw a v e l e tm o m e n t s a n db pn e t w o r k e x p e r i m e n t a lr e s u l t ss h o w e dw ec o u l dn o t g e ts a s t i s f a c t o r y r e c o g n i t i o nu s i n gt h i sm e t h o d s ow ed i ds o m er e s e a r c ho nf e a t u r e sc o m b i n a t i o na n d f u r t h m o r et e s t i f i e dam e t h o do ns p a c et a r g e t sr e c o g n i t i o nb a s e do ni m a g es e q u e n c e u s i n gd se v i d e n c et h e o r y o u rr e s e a r c hi s f i n a n c i a l l ys u p p o r t e db yag r a n tf r o mt h ep h d p r o g r a m s f o u n d a t i o n ( 2 0 0 6 0 4 2 2 0 11 ) a n d6 8 3s t a t ep l a n h e r ew ee x p r e s st h a n k sf r o mt h e b o t t o mo fh e a r tf o rt h e m k e y w o r d s ：l o wq u a l i t yi m a g e s ；c o n v e xa n dc o n c a v oc h a r a c t e r s ；s a t e l l i t er e c o g n i t o n 原创性声明 本人郑重声明：所呈交的学位论文，是本人在导师的指导下，独立进行研究 所取得的成果。除文中已经注明引用的内容外，本论文不包含任何其它个人或集 体已经发表或撰写过的科研成果。对本文的研究做出重要贡献的个人和集体，均 已在文中以明确方式标明。本声明的法律责任由本人承担。 论文作者签名： 日期： 关于学位论文使用授权的声明 本人完全了解山东大学有关保留、使用学位论文的规定，同意学校保留或 向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅；本 人授权山东大学可以将本学位论文的全部或部分内容编入有关数据库进行检索， 可以采用影印、缩印或其它复制手段保存论文和汇编本学位论文。 ( 保密论文在解密后应遵守此规定) 论文作者签名：签名 ：驾j 第1 章绪论 1 1 本课题研究背景和意义 第1 章绪论 随着计算机数字技术的不断发展和曰渐广泛的应用，现实中很多信息都用数 字化的形式进行表征和处理。数字图像就是一种数字技术的典型应用。根据有关 学者的统计研究，视觉信息占全部信息的6 0 ，听觉占2 0 ，触觉占1 5 ，味 觉占3 ，嗅觉占2 ，即人类所获取的信息一半以上为视觉信息。数字图像是 以二进制数字形式进行处理和存储的图像，数字图像处理( d i g i t a li m a g e p r o c e s s i n g ) 是用计算机对图像信息进行处理的一门技术，使利用计算机对图像 进行各种处理的技术和方法fi 。 本文对低质量可见光图像的处理技术进行了相关研究。在本文中，“低质量 可见光图像”包含两种内容： 1 感兴趣的特征信息不明显或者不完整的可见光图像，如金属标牌中的压 e 阜符图像，如图1 1 所示 图1 - 1 低质量的压印字符图像 由于金属标牌是绝大多数机电产品中不可缺少的重要标志，其内容主要包含 了不便内容和动态数据，而其中动态数据代表着产品性能、规格、出厂代号、国 家标准、生产日期等重要信息，对动态数据的识别以实现产品从生产、销售、入 库等环节的全过程信息化管理，对企业信息化建设都有着重要的意义【2 1 。 然而，动态数据属于压印字符。其与目前光学字符识别( o c r ) 研究的常规字 符相比，具有以下不同的特点1 3 1 ： ( 1 ) 字符手感凹凸不平，视觉上利用“反光差”产生字符图像，因此字符本身有 山东大学硕士学位论文 较大灰度差： ( 2 ) 压印字符与背景是同色字符图像质量不佳并受光照影响很大： ( 3 ) 压印字符有倾斜、字符间重叠、缺损等变形，字符周围有变形。 正是由于上述的特点使得压印字符在图像采集之后，可供有效分类的特征 提取较为困难，属于感兴趣的特征信息不明显或者不完整的可见光图像。 2 分辨率很低的可见光图像如太空环境下( 或在模拟的高仿真太空环境下) 采集到的卫星图像。如图1 2 所示。 圈1 - 2 低分辨率的卫星图像 一幅图像必须要在空间和灰度上都离散化才能被计算机处理。空间坐标的离 散化叫做空间采样( 简称采样) ，确定了图像的空间分辨率；而灰度值的离散化 叫做灰度量化( 简称量化) ，确定了图像的幅度分辨率。在模拟的高仿真太空环 境下采集到的卫星图像，在一些设计指标和要求下，卫星图像分辨率很低，一般 卫星本体( 除太阳能电池板) 的像素不能超过1 0 0 个像素。 目前对于低质量压印字符( 金属标牌) 图像的处理技术的研究，除山东大学 外，国内外的科研机构还未见有相关研究成果的报道；而对于基于可见光图像的 卫星识别技术的研究，国内外更是鲜有文章报道。鉴于此，本文低质量可见光圈 像的处理技术进行了相关研究，对该领域和相似领域的低质量可见光图像的处理 技术研究提供了重要的借鉴作用和指导意义。 1 2 国内外研究现状 对于低质量的压印字符的研究，山东大学的有关课题组进行了大量的研究， 并且提出了大量实用性很强的研究成果：曹建海博士首次提出了基于灰度图像的 压印凹凸字符质量检测和字符识别的策略，重点研究在灰度图像上实现压印凹凸 字符质量检测和识别的具体方法i ”；李学勇博士对金属标牌压印凹凸字符的特征 第1 章绪论 提取和识别方法进行了广泛的研究4 1 ：李国平博士提出了基于摩尔技术的标牌凹 凸字符图像获取的新技术，并对采集到的凹凸字符进行了识别研究吲；李健美博 士利用l e d 红外光源对标牌字符进行采集并提出相应的凹凸字符识别算法6 1 ； 宋怀波等人提出了基于三叉点结构特征的标牌字符识别方法【7 8 】。 尽管山东大学的有关课题组对低质量压印字符进行了广泛而深入的研究，但 是仍然还有很多问题：如粘连字符的切分、断裂字符的修复、压印字符新的特征 提取方式等需要进一步的深入研究。 对于低质量图像的卫星识别，国外对于可见光卫星识别的报道却一直处于保 密阶段，可供查阅的资料相当少。目前关于采用成像方式进行卫星识别的研究还 主要集中在雷达成像和红外成像，与本文研究的基于可见光图像的卫星识别研究 相比具有较大的不同。国内陆续开展过一些基于可见光图像的飞机目标识别，由 于对本课题研究具有重要的借鉴意义，因此，本节对可见光飞机的目标识别作简 单的介绍： 从识别内容来看，目前对于飞机目标的识别主要集中在对飞机类型的识别、 飞行姿态的识别和对飞机具体部位的识别等。 对飞机的类型进行识别准确地识别出飞机的型号，有重要的军事意义。 飞机在空中飞行时，飞机的姿态是任意的，所以机载摄像机相对目标的位置和方位 也是变化的。由此可见一种目标识别方法要想投入实际的应用，就应该具有对平 移变化、比例变换和旋转变换的不变性。杨蕊红【9 】将小波不变矩用于三维飞机目 标的识别中，先采用c c d 成像传感器拍摄小角度变化的不同姿态的二维飞机图像， 建立完整的飞机图像模型库，然后对这些图像进行归一化处理，提取这些二维图像 的小波不变矩，针对小波不变矩维数较高的特点，采用离散度和顺序前进法相结合 的原则来对其进行特征优化选择，选择一组较优的特征组，最后用改进的b p 神经 网络为分类器进行三维飞机图像的识别。 对飞机飞行姿态进行识别飞机姿态识别对于确定瞄准点具有非常重要 的意义。黄金【l o 】提出了一种基于二维序列图像的三维目标自动识别算法。首先 以修正的h u 不变矩构造目标的图像识别特征，进而采用b p 神经网络分类器构造 关于目标融合识别的基本置信指派函数，以神经网络的训练误差构造证据理论不 3 山东大学硕士学位论文 确定性度量，采用基于吸收法的d s 证据理论实现高冲突证据的贯序式融合。对 各姿态飞机图像识别的仿真表明，该算法对飞机的空间姿态变化具有很强的鲁棒 性，能快速地准确识别飞机类型。 对飞机的部位进行识别。部位识别的主要任务是确定目标图像中是否存 在具攻击价值的目标部位，并精确定位。王克勇【l l 】在分析大量成像引信目标图像 的基础上，建立了飞机图像知识库，提出一种由上而下的知识驱动型图像识别算法； 建立由粗到细分层推进的识别原则，即模仿人眼观察由粗到细的过程。从尾喷焰 和背景去除开始一直获得其关键部位的图像。利用图像关键点和灰度分布特征设 立各部位的识别规则，实现对飞机部位的识别。具体识别技术和手段同一般图像 处理方法类似。 从识别方法来看，研究者更是提出了很多方法来对飞机类型或者飞机姿态进 行识别： 基于目标轮廓和区域的识别方法：对可见光图像的飞机识别，难点在于 目标本身并没有明显的共同灰度特征，且不同型号的飞机形状、尺寸、灰度差异 很大，所以通过灰度方法很难得到飞机的完整的、准确的外形，识别率低，难以进行 机型的判别。通过轮廓来识别飞机是一种比较好的方法【1 2 】，在可见光图像上， 飞机目标总是可以看作一个或多个相连的区域性质接近的面的集合，相对于跑道 背景有较明显的边缘，当图像质量和分辨率满足要求时，获取较完整飞机轮廓并定 位飞机是可行的，通过提取图像中的闭合轮廓，根据飞机几何特征进行目标定位， 并提取目标轮廓特征参数与模板特征数据库比较，实现机型判别。另外，还可以 通过提取轮廓的不变矩( 或边界矩) 【1 3 ，14 1 、傅立叶描述子【1 5 1 6 1 或几何不变量【1 7 】 等特征，然后通过模板匹配或神经网络等方法来对飞机型号或者飞行姿态来进行 识别。 基于角点特征的识别方法：对于模糊图像中飞机的识别，因为区域和轮 廓都很难提取，因而基于目标和区域的方法识别率较低。角点是目标的重要特征， 已被成功的应用到人脸识别等领域。在人脸识别中，通过提取嘴、眼等角点来定 位人脸( 甚至判断表情变化) 的方法不依赖模板等先验信息，但仍可达到较好的检 测效果，得到广泛地应用。飞机的机头、机翼和机尾也有很明显的角点，这些角点 可以作为识别飞机的一个重要依据。因此文献 1 8 1 把角点特征引入到飞机识别 4 第1 章绪论 中。提取飞机的角点特征，然后对角点进行自适应核聚类，根据聚类结果识别飞机 的角点，完成飞机的定位识别。 基于信息融合的识别方法：为了增加目标识别的可靠性和准确性，需要采 用来自不同传感器的图像信息进行融合识别。彭晓明【1 9 1 基于多传感器信息融合 的飞机识别和跟踪方法，采用可见光c c d 相机和7 1 4 m 长波红外相机( 包含 8 1 2 m 波段) 作为传感器，利用视觉( 可见光传感器) 和温度觉( 长波红外传感器) 两 种传感器分别获取飞机的可见光图像和红外光图像，然后分别提取两种图像的不 变特征。最后通过特征级和决策级两个不同层次上实现了信息融合，进而实现对 飞机的识别。 1 3 本文主要工作内容 本文在充分调研相关领域的研究成果基础上，对低质量可见光图像的处理技 术进行了研究，主要工作内容如下： 1 低质量可见光图像目标数据库的建立 主要讲述了低质量压印字符图像和低质量卫星图像的特点，并且较为详细的 介绍了样本数据库的建立方法，从而为后续的处理技术的研究提供了基础条件。 2 低质量可见光图像预处理技术的研究 主要分析了低质量的压印字符图像和低质量卫星图像在处理中遇到的问题， 并且提出了相应的图像预处理方法。 3 f 氐质量可见光图像目标特征提取的研究 为了降低图像数据的维数和减小噪声的干扰，分别对低质量的压印字符图像 和低质量卫星图像提取出了有效的图像特征，改进了原有的特征提取方式并且给 出了实验结果和结论。 4 低质量可见光图像多级特征融合的研究 鉴于采用单级识别，识别率不满足实用性要求的问题，提出了多级特征融合 的方法，给出了实验结果和结论。 山东大学硕士学位论文 2 1 前言 第2 章低质量可见光图像目标数据库的建立 测试一个数字图像处理算法，首先就要建立一个有效的数据样本库。一般来 说，一个理想的数据样本库要有两个前提：完备性和不可重复性。在一个理想数 据库下，通过测试识别算法来证明算法的可行性和有效性。 2 2 低质量压印字符图像的数据库 在第一章中，本文已经叙述了金属标牌的特点，由于金属标牌压印字符图像 在采集时受环境影响( 尤其是光照影响) 很大，为了使建立完备的压印字符图像数 据库，利用三种方法分别对金属标牌压印图像进行了采集，从而建立了较为完备 的数据库。 2 2 1 自然光条件下采集压印字符图像 虽然金属标牌图像采集受自然环境尤其是光照因素影响很大，但是为了保证 建立的压印字符数据库的完备性，数据库中也需要一些在自然光条件下采集得到 的压印字符图像。 图2 - 1 为在自然光条件下采集到的压印字符图像。 图2 - 1 自然光条件下采集到的压印字符图像 2 2 2 利用c c s 光源采羹压印字符图像 照明是影响机器视觉系统输入的重要因素，它直接影响输入数据的质量 第2 章低质量可见光图像目标教据厍的建立 和应用效果。因此，在一个完整的机器视觉装置中，需要有照明装置一光源。 由于没有通用的机器视觉照明设备，所以针对每个特定的应用实例，要选 择相应的照明装置，以达到最佳效果。c c s 是电流控制光源( c u r r e n tc o n t r o l s o u r c e ) 的缩写，c c s 工业用光源的特点如下： ( 1 ) 形状的自由度； ( 2 ) 使用寿命畏； ( 3 ) 响应速度快； ( 4 ) 可自由地选择颜色； ( 5 、综合性运转成本很低。 图2 - 2 所示为几款c c s 光源，图2 - 3 为利用c c s 采集到的压印字符图像， 可见与在自然条件下采集到的压印字符图像相比，图像质量得到了提升。 幽22 几款c c s 光源 曲金属标牌圈像 b 1 分隔出来的压印字符 削2 - 3 利崩c c s 光源采集到的压印字符图像 当垒垒兰堡圭兰堡坠塞 2 2 3 利用自主研发的压印字符图像专用设备采集图像 在自然光条件下采集到的压印字符图像质量太差，而利用专用的机器视觉光 源设计采集图像，虽然获得了较高质量的压印宁符图像但是成本太高。仅是一个 普通型号的c c s 光源都要上千元。因此，迫切需要研究一种具有自主知识产权 的压印字符图像专用采集设备。 如2 - 4 为自主研发的压印字符图像专用采集装置原理简图，该装置已经成功 申请了国家实用新型专利印】。图2 - 5 为利用该装置采集得到的金属标牌的压印 字符图像。 图2 - 4 自主研发的压印字符图像专用采集设备原理简圈 图2 - 5 利用自主设计的专用设备采集得到的压印字符圉像 2 3 低质量卫星图像的数据库 对于空间目标识别来说，获得符合实际情况的大量目标图像是非常困难的。 目前在飞机目标的自动识别中，常采用的模板库建立方法有两种：第一种是 图形学方法，即根据飞机制造蓝图，建立精确的三维表示，通过软件生成飞机在 第2 章低质量可见光圈像目标数据库的建立 不同姿态下的二维投影模型库。该方法建模速度快，准确性高。第二种方法是模 型成像法，该方法利用飞机模型和c c d 图像采集系统进行，更接近于实际应用 环境而且能比较完整地保持飞机的形状信息。本章里介绍了为了验证本文识别 算法而建立的两种数据样本库。 所选取的三类空间目标原型是：k h l 2 卫星，l a c r o s s e 卫星和华卫2 号卫星。 如图2 - 6 所示。 a ) k l - 1 1 2c o ) l a c r o s s e( 时华卫2 号卫星 圈2 - 6 测试样本库中的三类空问目标 2 3 1 利用c a d 技术建立的卫星图像数据库一 本数据库共由1 5 颗卫星组成。这些卫星包括i k n o s ，k h l l ，l a c r o s s e ， m a g e l l a n ，e r s 一1 ，h u b b l e ，e r b s 。d s p 等共1 5 类比较典型的卫星，每一颗卫 星的姿态均按照以下方法制作： 根据搜集到的1 5 类卫星资料及其主要尺寸，采用p r o e 软件造型，各造型均 采用自动光照处理。 a 卫星俯仰角和滚动角的确定 根据卫星最终设计指标所规定的姿态测量精度要求，俯仰角为1 3 0 m r a d ，滚 动角为2 5 0m m d ，因此，这建立姿态库时设定卫星的俯仰角为等间隔6 。，滚动 角为等间隔1 2 0 。完全满足设计指标的要求。姿态库中的俯仰角和滚动角设计如 下： 每一颗卫星的姿态包吉6 0 个俯仰角，分g q 从0 0 开始，等间隔6 0 改变一次俯 仰角，全部6 0 个俯仰角如下所示： 0 。，6 0 ，1 2 。，1 8 。，2 4 。，3 0 。，3 6 。，4 2 。，4 8 。，5 4 。，6 0 。，6 6 。，7 2 。7 8 。， 8 4 。，9 0 0 ，9 6 。1 0 2 。，1 0 8 。，1 1 4 。，1 2 0 0 ，1 2 6 。，1 3 2 。，1 3 8 。，1 4 4 0 ，1 5 0 0 ，1 5 6 0 ， 1 6 2 0 ，1 6 8 。，1 7 4 。，1 8 0 。，1 8 6 0 ，1 9 2 。，1 9 8 ，2 0 4 。，2 1 0 。，2 1 6 。，2 2 2 。，2 2 8 。， 山来人学硕士学 t 论文 2 3 4 。，2 4 0 。，2 4 6 。，2 5 2 。，2 5 8 0 ，2 6 4 。，2 7 0 。，2 7 6 。，2 8 2 。，2 8 8 。，2 9 4 。，3 0 0 。， 3 0 6 。，3 1 2 0 ，3 1 8 。，3 2 4 0 ，3 3 0 。，3 3 6 。，3 4 2 0 ，3 4 8 。，3 5 4 。 在每一个确定的俯仰角度下包含3 0 个滚动角，分别从o o 开始，等间隔1 2 。 改变一次滚动角，全部的滚动角如下所示： 0 。，1 2 。，2 4 。，3 6 。，4 8 。，6 0 。，7 2 。，8 4 。，9 6 。，1 0 8 。，1 2 0 。，1 3 2 。，1 4 4 0 ， 1 5 6 。，1 6 8 。，1 8 0 。，1 9 2 。，2 0 4 。，2 1 6 。，2 2 8 。，2 4 0 。，2 5 2 。，2 6 4 。，2 7 6 。，2 8 8 0 3 0 0 。，3 1 2 。，3 2 4 。，3 3 6 。，3 4 8 。 b 造型后处理 对造型后得到的各个姿态样本均进行了以下处理： 1 将卫星的深空背景改换为黑色，更加接近实际情况。 2 每一颗卫星的姿态均进行了尺度变换各个卫星的最大尺寸不大于1 0 0 个像素，与实际的太空可见光卫星图像相符合。 c 数据库容量及其部分实例 由上可知，每类卫星共有1 8 0 0 个姿态样本，每类卫星的姿态基本可以涵盖 所有的俯仰角和滚动角，1 5 类卫星的可见光姿态库总共包含2 7 0 0 0 个姿态。 部分姿杰库样本宴例如下： 幽2 7 卫星l 的可见光姿态样本实例 r 力 f i _ i i i 同i i i 山 图2 - 8 卫星2 的可见光姿态样本实例 豳国豳 图2 - 9 卫星3 的可见光姿态样本实例 堑：塞! ! 星塞里丝垄里堡! 墼蝥耋耋墼塞三 2 3 2 利用c a d 技术建立的卫星图像数据库二 该数据库以华卫2 号卫星、k h l 2 卫星和l a c r o s s e 卫星为例，制作了三颗卫 星的可见光姿态库。三颗卫星均按照其实际尺寸，采用p r o e 软件进行了卫星实 体设计。 实验时所采用的数据库由两个库组成：测试样本库和训练样本库。 根据最终的设计指标要求，对每一个姿态样本都进行了处理，卫星本体的最 大尺寸不超过6 4 个像素。 a 测试样本库的建立 测试样本库分别选取三颗卫星的六个俯仰角： 4 0 。，8 0 。，1 3 0 。，1 6 0 。，1 5 0 。，3 0 2 。 3 0 个滚动角： 6 。，1 8 。，3 0 0 ，4 2 。，5 4 。，6 6 。，7 8 。，9 0 。，1 0 2 。，1 1 4 。，1 2 6 。，1 3 8 。，1 5 0 。， 1 6 2 。，1 7 4 0 。1 8 6 。，1 9 8 0 ，2 1 0 。，2 2 2 0 ，2 3 4 。，2 4 6 。，2 5 8 0 ，2 7 0 。，2 8 2 。，2 9 4 。， 3 0 6 。3 1 8 。3 3 0 。3 4 2 6 ，3 5 4 0 因此，测试样本库每类卫星包含1 8 0 个姿态，三类卫星共5 4 0 个姿态。 b 训练样本库的建立 训练样本库的建立方法与第一节所述方法相同分别从0 。开始，等间隔6 。 建立其俯仰角姿态，从o 。开始，等间隔1 2 。建立其滚动角姿态。 c 数据库容量及其部分实例 由上述模型姿态的建立方法可以看出，测试样本中，每类卫星包含1 8 0 个姿 态，三类卫星总共有5 4 0 个测试姿态。训练样本库中，每类样本包含1 8 0 0 个姿 态，三类卫星总麸包含5 4 0 0 个训练姿态样本。根据最终的设计指标要求，训练 样本基本涵盖了所有的俯仰角和滚动角，相邻角度间的间隔符合最终设计指标的 要求。 由样本库可以看出，测试样本中的各个姿态均与训练样本库不同，能够起到 测试的效果。测试样本和训练样本库的部分实例如图2 - 1 0 、图2 - 1 l 所示。 。_ 昌昌墨臣_ 圆日图日 瑚2 1 0 渊试样本中的部分姿态实例 当垒查兰堡圭茎堡兰三 。= 。置i i | m 国d 口 图2 - 1 1 训练样本中的部分姿态实例 2 3 3 高仿真条件下获取的卫星图像数据库三 卫星视频来源于中科院提供的模拟太空环境下采集到的卫星图像。视频包括 三颗卫星：k h l 2 卫星，l a c r o s s e 卫星和华卫2 号卫星。截取出来的卫星视频图 像如图2 1 2 所示。 ( 砷k h l 2 卫星( 砷l a c r o s s e 卫星( 0 华卫2 号卫星 图2 - 1 2 三类卫星的视频图像 从提供的模拟真实太空环境下的视频流中，截取出空间目标图像，从而构建 起本文所需的空间目标样本库三。 2 4 本章小结 本章根据样本数据库的完备性和不可重复性的考虑原则，分别建立了低质量 压印字符数据库和低质量的卫星图像数据库。从而为后续的图像处理算法的设计 提供了基础条件。 第3 章低质量可见光图像预处理技术的研究 3 1 前言 第3 章低质量可见光图像预处理技术的研究 图像预处理的主要目的是消除图像中无关的信息，恢复有用的真实信息，增 强有关信息的可检测性和最大限度地简化数据，从而改进特征抽取、图像分割、 匹配和识别的可靠性。预处理过程一般有数字化、几何变换、归一化、平滑、复 原和增强等步骤。 在上一章中，本文已经介绍了如何建立较为完备的图像数据库的方法。在本 章里，主要讨论了一些图像预处理方法，最终为后续的图像特征提取提供单个待 识别字符或者卫星图像。 3 2 低质量压印宇符图像的字符区域的分割 对于采集到的金属标牌图像，要想对压印字符进行识别，首先就要把字符区 域从整个标牌图像中分割出来。在一些字符识别领域中，由于感兴趣的识别目标 区域与背景间差异较明显或者具有鲜明的结构特征，可以较容易提取出来。如车 牌识别中，可以利用车牌颜色【2 l 】、车牌特征【2 2 1 、能量分布 2 3 1 等方法来把车牌区 域从整个采集图像中分割出来。 但是对于金属标牌图像而言，压印字符与金属标牌本体之间的视觉差异不明 显。如图3 1 所示，无法利用现有的颜色特征、字体特征等信息来分割字符区域。 因此有必要设计一种提取这种低质量压印字符区域的算法。 金属标牌是由专门的金属标牌打印机打印字符【2 4 1 的，同一类的金属标牌具 有相同的规格特征，如图3 1 所示。由于专门的金属标牌打印机打印字符具有高 精度的特点，因此金属标牌的规格特点属于稳定且可以信任的信息，本小节就是 利用这个高稳定性的固定信息来完成对低质量压印字符区域的分割。 首先利用最小二乘原理对采集的金属标牌图像进行倾斜校正；然后利用固定 信息特征分割出低质量压印字符区域。不同的金属标牌具有不同的规格，因此就 会有不同的固定信息特征。在实际应用时，可以根据不同的金属标牌种类设计不 出蛮銮兰要圭兰竺兰三 同的固定信息特征来完成低质盘压印字符区域的分割。本文以图3 1 所示的这类 会属标牌为例阐述分割算法的步骤。 圈3 - l 自主研制的采集装置获取的金属标牌图像 幽3 - 2 金属标牌的规格特征 3 , 2 1 金属标牌图像的倾斜校正 如图3 - 2 所示，金属标牌的规格特征是在金属标牌正放时定义的。但是在金 属标牌图像的采集过程中，由于环境、人为因素，很难做到采集到的金属标牌图 像也是这样放置的，如图3 - 1 所示。对于这种采集到的倾斜金属标牌图像，若是 利用金属标牌的规格特征进行分割，可靠性不足。因此，首先要对采集到的金属 标牌图像进行倾斜矫正。 a 基于t i n n y 算子的边缘检测 c a n n y 边缘检测方法是由c m m y 在1 9 8 6 年首先提出的，之后迅速成为边缘检测 垂! 茎堡堡苎至丝垄曼堡堡些圣堡奎墼坠圣 的一种常用方法，广泛应用于图像处理和模式识别问题中。c a n n y 检测器的原理 是： 首先，利用二维高斯函数的一阶导数作为边缘提取的基础。设g h 是二维高 斯函数g ( x ，y ) 的一阶导数，即 q = i 0 g = a i v g ( 3 - 1 ) 其中g ( t y ) = 五e x p ( 一三等) 为二维高斯函数；n = e o s o , s i n o r 是单位 方向矢量：v g = q ，q 是梯度矢量。 将图像，( x , y ) 同吒作卷积，并且使堕亟之! 延业：o 的方向正交于检测边 o n 缘，此时方向i 1 为 。：! ! ：亟盟 l v g 4 f ( x ，力i 在此方向下，q f ( x ，) 有最大的输出响应： q + f 【爿v g + f ( x ，y ) 旧一2 1 f 3 3 1 所以，i q + ，卜v g + ，0 ，y ) i 决定了边缘的强度，而n 决定了边缘的方向。 其次，对利用式( 3 3 ) 获得的图像进行幅值的非极大值抑制，产生细化的目标 边缘。 最后，通过双闽值算法去除虚假边缘、连接间断边缘，从而得到边缘图。如 图3 3 所示。 图3 3 基于c a n n y 算子的边缘检测 山东大学硕士学位论文 b 寻找金属标牌边缘并填充 查找出金属标牌的边缘。可以利用的方法有：边界追踪、区域生长等。本文 根据标牌采集图像的特点采用了快速算法。 由于金属标牌图像是在较为简单的背景下采集，因此采集到的图像主要为金 属标牌自身，因此可以采用如下的快速算法查找边缘： 首先按行查询。取每行的最前和最后的边缘点，构成金属标牌边缘的左、右 侧边缘； 然后按列查找。取每列的最前和最后的边缘点，构成金属标牌边缘的上、下 侧边缘。 这样就可以查找出金属标牌的边缘。 为了使计算得到的倾斜角度准确，需要在查找到金属标牌的边缘后，对其填 充；同时，为了减少计算量，将图像进行缩小。如图3 - 4 所示。 图3 4 寻找金属标牌边缘井填充 c 利用最小二乘原理确定倾斜角度 在查找到金属标牌边缘并且填充后，可以将图像进行基于最小二乘原理的直 线拟合，直线形式为： y = n r + b f 3 4 、 拟合后，倾斜角度为： 0 = a r c t a n ( a )( 3 5 ) 这样就可以计算需要校正的倾斜角度了。 d 金属标牌图像的倾斜校正 将原始图像按照d 进行倾斜校正： 肌= x c o s o + y s i n 0 ，z s i n 口l 。c o s o ( 3 - 6 ) 第3 章低质量可见光图像预处理技术的研究 3 2 2 利用固定信息分割出压印字符区域 倾斜校正后，根据前述的标牌规格等固定信息分割出压印字符区域。如图 3 5 、3 - 6 所示。 图3 - 5 金属标牌图像的倾斜校正 1 1 1 1 4 6 6 86 9 3 1 & g 2 1 ：7 0 毋一 图3 - 6 低质草压印字符区域的分割 3 3 基于灰度分布特征的低质量压印字符图像的字符提取新算法 待识别字符串在定位之后，要对单个字符进行分割。在一些字符识别领域( 如 车牌的牌号识别) 中，常用的分割方法有：水平投影法口0 2 ”，模板匹配法印1 和 聚类分析法m 1 ，文献 2 5 2 8 都提到了车牌在采集过程中由于自然条件等的影响 使采集图像存在亮度不均和存在随机亮斑的问题，并且提出了自己的解决方案。 但是共同的特点：车牌定位后对整个车牌进行闽值化操作，然后对二值化图像采 用不同的方法进行字符分割。这种做法没有减小亮度不均和随机亮斑对阈值选择 上的影响，是在二值化后采用不同算法消除干扰，最后分割出字符。 由于标牌在采集时容易受到标牌自身质量和自然条件( 如光照) 等因素的影 响，采集后的标牌容易存在随机亮斑和背景亮度不均的现象，如图3 7 所示。 山东大学硕士学位论文 b 图3 7 典型的亮度不均的字符图像 文献 2 9 1 提出了在车牌上按列做平均灰度曲线，查找曲线波谷以分割单个字 符区域，然后在单个字符区域上二值化的方法分割字符，分割效果较好。但是却 没有考虑到亮度不均和随机亮斑的问题，若车牌在字符分界处有大面积的亮斑， 此算法将不再适用，并且分割出的单个字符区域并不是撮优。 针对这些问题，提出了一种基于灰度分布特征的提取算法。该算法有效地解 决了标牌图像存在背景亮度不均和随机亮斑从而使待识月0 字符难以分割的问韪。 将定位得到的待识别字符串按照定义的梯度算子，计算得到竖直梯度图像，然后 做列梯度的方差曲线，对方差曲线做阈值处理，得到单个字符区域的列分界线； 用类似的方法找到行分界线；以此分割出单个字符区域。在单个字符区域上用 o t s u 动态阈值法得到字符区域二值化图像，根据提取的各连通成分的特征分割 出待识别单个字符。算法提取出了效果较好的单个字符区域，在单个字符区域上 采用o t s u 动态阈值化，消除了亮度不均和随机亮斑对整个定位得到的待识别字 符串阈值化时的影响，在字符区域上提取出了质量较好的待识别字符。 3 3 1 求取字符串的梯度图 分析字符串的灰度特征不难发现虽然背景有很大区域的随机亮斑，但标牌 的字符，亮斑区域及其背景底色各自都具有比较均匀的灰度值，字符与背景之间 的界线较明确，亮斑与背景之间灰度呈渐变特征。光斑与原始背景是缓慢变化的， 这说明其梯度值较小，而字符与背景处梯度就很大。为了充分利用这些特征，本 文首先对原始灰度图像进行竖直差分运算，以突出字符的垂直阶跃特征，定义竖 直梯度算于a - 1 ，