（计算机应用技术专业论文）摄影测量中标记点的识别与匹配方法研究.pdf

论文题目：摄影测量中标记点的识别与匹酉己方法研究 专业：计算机应用技术 硕士生：苏博( 签名) 翌盟 指导老师：李占利( 签名) 驰狙一一 摘要 标记点的识别与匹配是摄影测量中的关键问题。随着摄影测量科学技术的飞速发 展，计算机识别与匹配技术发生了重大飞跃，其是传统摄影测量技术向数字化摄影测量 技术的转化。 为了提高图像识别与匹配的精确程度，人们致力于图像识别与匹配算法的研究，提 出了各种各样的算法。本文给出了一种计算机自动识别标记点方法，并详细讨论了识别 方法的各个步骤，包括图像二值化、边缘提取、扫描判定以及检测标准。该方法有效的 解决了摄影测量中标记点自动识别的难题。实验结果表明，利用该方法可以高效的识别 标记点，达到了计算机自动认知标记点的效果。 本文针对扇环编码标记点的外形特征设计了一套完整的解码与匹配方法。该方法设 计原则充分利用了其形状特点，避免了以往匹配方法算法运算量过大，标记点匹配不准 确的问题。实验数据显示，匹配准确率高，并且计算简单，容易实现。 在大型工件测量时，由于编码标记点数量有限，往往不能满足实际需求，需要使用 非编码标记点。由于非编码标记点没有编码标记点的特征外形，所以其匹配问题是标记 点匹配的难点。根据射影几何学中几何不变量的相关理论，本文利用共面五点交比不变 特性实现平面非编码标记点的匹配。实验结果表明，利用交比不变量实现非编码标记点 的匹配方法可以有效匹配绝大多数非编码标记点，匹配速度较快，效果良好，有一定的 使用价值。 关键字：摄影测量；图像识别；匹配 研究类型：应用研究 s u b j e c t ：r e s e a r c ho nr e c o g n i t i o na n dm a t c h i n gf o rm a r k e dp o i n ti n p h o t o g r a m m e t r y s p e c i a l t y ：c o m p u t e ra p p l i c a t i o nt e c h n o l o g y n a m e：s ub o l n s t r u c t o r - l iz h a n l i a b s t r a c t ( s i g n a t u r e ) ( s i g n a t u r e ) 主丛星q | ；z c i t h ep h o t o g r a p h i ci d e n t i f i c a t i o na n dm a t c h i n go fm a r k e dp o i n ti sak e yi s s u ei n m e a s u r e m e n t w i t l lt h e r a p i dd e v e l o p m e n t o fp h o t o g r a m m e t r y ，t h ep h o t o g r a p h i c i d e n t i f i c a t i o na n dm a t c h i n gh a sb e e nm a d eg r e a tp r o g r e s s ，e s p e c i a l l yi nt h et r a n s f o r m a t i o n f r o mt h et r a d i t i o n a lp h o t o g r a m m e t r yt od i g i t a lp h o t o g r a m m e t r y i no r d e rt oi n c r e a s et h ea c c u r a c yo fi m a g er e c o g n i t i o na n dm a t c h i n g ，p e o p l ep a ym o r e a t t e n t i o no nt h ev a r i o u sa l g o r i t h m s am e t h o do fc o m p u t e ra u t o m a t i ci d e n t i f i c a t i o nm a r k e r p o i n t sh a sb e e np r o p o s e di nt h i sp a p e r e a c hs t e ph a sb e e nd i s c u s s e di nd e t a i l ，i n c l u d i n g i m a g eb i n a r i z a t i o n ，e d g ed e t e c t i o n , s c a n n i n ga n dt e s t i n g s t a n d a r d s t h i sm e t h o di sa n e f f e c t i v es o l u t i o no ft h em a r k e rp o i n t si nt h ep h o t o g r a m m e t r i cp r o b l e mo fa u t o m a t i c i d e n t i f i c a t i o n t h ee x p e r i m e n t a lr e s u l t ss h o wt h a tt h em e t h o dc a ni d e n t i f yt h em a r kp o i n t s e f f i c i e n t l yt h u si m p r o v et h ee f f e c t i v e n e s so ft h i sm e t h o d ac o m p l e t es u i to fd e c o d i n ga n dm a t c h i n gm e t h o d sh a v eb e e np r e s e n t e df o rt h e c h a r a c t e r i s t i co ff a ns h a p ec o d i n gm a r k e dp o i n t s t h i sm e t h o du s e st h ec h a r a c t e r i s t i c so fi t s s h a p ef u l l ya v o i d i n gt h ep r o b l e mo fe x c e s s i v ec o m p u t i n gb o u g h tb yt h ep r e v i o u sa l g o r i t h m a n dt h ei n a c c u r a t eo fm a r k e dp o i n tm a t c h i n g t h ee x p e r i m e n t a ld a t as h o wt h a tt h i ss i m p l e m e t h o dh a sh i g hm a t c h i n ga c c u r a c y ，a n di se a s yt oi m p l e m e n t w h e nm e a s u r i n gal a r g ew o r kp i e c e ，t h e yc a nn o tm e e tt h ea c t u a ld e m a n d ，d u et oa l i m i t e dn u m b e ro fc o d i n gp o i n t sm a r k e d s ot h eu s eo fn o n c o d i n gm a r k e rp o i n t si sn e e d e d t h em a t c h i n gi sad i f f i c u l ti nm a r k e dp o i n t sd u et on on o n - c o d i n gm a r k e rp o i n tm a r k e ra tt h e c h a r a c t e r i s t i c so fc o d i n gs h a p e b a s e do nt h et h e o r yi np r o j e c t i v eg e o m e t r yg e o m e t r i c i n v a r i a n t s ，b yw h i c ht h en o n - c o d i n gm a r k e rp o i n t p l a n em a t c h i n g c a i lb er e a l i z e d t h e e x p e r i m e n t a lr e s u l t ss h o wt h a tt h i sm e t h o dh a sac e r t a i np r a c t i c a l i t ya n dc a na l s om a t c h e f f e c t i v e l ya n de f f i c i e n t l yi nm o s tn o n c o d i n gm a r k e r sp o i n tm a t c h i n gb yu s i n g t h i sm e t h o d k e y w o r d s ：p h o t o g r a m m e t r i ci m a g er e c o g n i t i o n m a t c h i n g t h e s i s ：a p p l i c a t i o nr e s e a r c h 西要错技- k 拳 学位论文独创性说明 本人郑重声明：所呈交的学位论文是我个人在导师指导下进行的研究_ t 作及 其取得研究成果。尽我所知，除了文中加以标注和致谢的地方外，论文中不包含 其他人或集体已经公开发表或撰写过的研究成果，也不包含为获得西安科技大学 或其他教育机构的学位或证书所使用过的材料。与我一同工作的同志对本研究所 做的任何贡献均已在论文中做了明确的说明并表示了谢意。 上 学位论文作者签名：薅碑身 日期： 矽口f 6 、7 学位论文知识产权声明书 本人完全了解学校有关保护知识产权的规定，即：研究生在校攻读学位期间 论文工作的知识产权单位属于西安科技大学。学校有权保留并向国家有关部门或 机构送交论文的复印件和电子版。本人允许论文被查阅和借阅。学校可以将本学 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、缩印或扫描 等复制手段保存和汇编本学位论文。同时本人保证，毕业后结合学位论文研究课 题再撰写的文章一律注明作者单位为西安科技大学。 保密论文待解密后适用本声明。 学位论文作者签名： 上 巧柏指导教师抛亏蹰f 口悻6 月7 日 1 绪论 1 绪论 摄影测量对工业零件的生产和大型工业的发展起着越来越重要的作用。摄影测量就 是对研究的物体进行摄影、量测和解译所获得的影像，获取被摄物体的几何信息和物理 信息的一门科学和技术。摄影测量正日益受到各界的重视并广泛应用于各个领域。本章 将简要介绍摄影测量中的研究背景及其意义，最后介绍本文的主要研究工作。 1 1 选题背景及其研究意义 摄影测量是对研究的物体进行摄影，量测和解译所获得的影像，获取被摄物体的几 何信息和物理信息的- i - 科学和技术。摄影测量的内容包括：获取被摄物体的影像，研 究影像的处理理论、技术和设备，以及将所处理和量测得到的结果以图解或数字的形式 输出的技术和设备i l j 。 摄影测量是测绘学的分支学科，它的主要任务是用于测绘各种比例尺的地形图、建 立数字元地面模型，为各种地理信息系统和土地信息系统提供基础数据。摄影测量要解 决的两大问题是几何定位和影像解译。几何定位就是确定被摄物体的大小、形状和空间 位置。几何定位的基本原理源于测量学的前方交会方法，它是根据两个己知的摄影站点 和两条已知的摄影方向线，交会出构成这两条摄影光线的待定地面点的三维坐标。影像 解译就是确定影像对应地物的性质。常规的影像解译方法是根据地物在相片上的构像规 律，采用人工目视判读方法识别地物的属性。当前，利用计算机技术自动识别和提取物 理信息是摄影测量的主要研究方法之一。 摄影测量的应用领域十分广泛。可以这样说，只要物体能够被摄成影像，就可以使 用摄影测量技术来解决某一方面的问题。这些被摄物体可以是固体的、液体的、也可以 是气体的；可以是静态的，也可以是动态的；可以是微小的细胞组织，也可以是巨大的 宇宙星体。这些灵活性使得摄影测量成为可以多方面应用的一种测量手段、数据采集与 分析的方法。 摄影测量的特点在于影像上进行测量和解译，主要工作在室内进行，无需接触物体 本身，因而很少受气候、地理等条件的限制：所摄影像是客观物体或目标的真实反映， 信息丰富、形象直观，人们可以从中获得所研究物体的大量几何信息和物理信息；可以 拍摄动态物体的瞬间影像，完成常规方法难以 实现的测量工作；适用于大范围地形测绘，成图快、效率高；产品形式多样，可以 生产纸质地形图、数字线划图、数字元高程模型和数字元正射像等地图 2 1 。 摄影测量发展自今经历了模拟摄影测量，解析摄影测量和数字摄影测量三个发展阶 段。1 8 3 9 年法国人d a g u e r r e 和n i e p c e 发明了摄影技术，摄影测量开始了它的发展历程。 西安科技大学硕士学位论文 摄影测量已有近1 7 0 年的历史了，但真正将摄影术用于测量的是法国人l a u s s e d a t 和德国 人m e r d e n b a u e r ，他们分别进行了地面摄影测量和建筑物摄影测量，属于近景摄影测量 的范畴。近景摄影测量是摄影测量与遥感学科的分支，以确定目标物的形状、大小和运 动状态为主要目的，涉及的目标物种类众多。 随着计算机技术的发展，摄影测量由模拟法逐渐向解析法过渡。德国人斯密特于2 0 世纪5 0 年代建立了解析摄影测量的基本理论，这一理论随即应用于解析空间三角测量。 解析空中三角测量能很好地处理像点坐标的系统误差和粗差，保证了成果的高精度和高 可靠性，成为摄影测量专业测图控制点加密的主要方法。解析摄影测量的另一个标志就 是解析测图仪的研制成功。1 9 5 7 年美国的海拉瓦提出了解析测图的思想，并于6 0 年代初 研制成第一台解析测图仪，当时主要用于美国军方。到了7 0 年代、8 0 年代，解析测图仪 得到了快速发展，欧美许多注明的摄影测量仪器制造商，开始生产解析测图仪，使解析 测图仪进入民用。解析测图仪是一台立体坐标测量仪和一台专用的电子计算机以及相应 的接口设备组成。它的操作与模拟的立体测图仪没本质的区别。由于解析测图仪是根据 数学关系式来建立立体模型，因而可以预先作各种系统误差的改正，而且它可以处理各 种类型的像片，扩展了摄影测量的应用领域【3 - 5 。 随着计算机技术的进一步发展和数字图像处理、模式识别等技术在摄影测量领域的 应用，摄影测量开始进入数字摄影的测量阶段。美国于2 0 世纪6 0 年代初研制成全数字自 动化系统d a m c ，它是把模拟的像片进行扫描转换成由灰度表示的数字元影像，利用了 计算机代替人眼进行立体观测，实现摄影测量的自动化。1 9 8 8 年瑞士k e r n 公司推出世界 上第一台商用数字摄影测量系统d p s l 。1 9 9 2 年在国际摄影测量与遥感学会大会上，几 家国际著名的大公司推出了基于s u n ，s g i 工作站的数字摄影测量系统，标志这摄影测 量真正进入数字摄影测量时代。数字摄影测量与模拟、解析摄影测量的区别在于它不再 依赖精密而昂贵的光学和机械仪器，处理的原始数据是数字元影像或数字元化影像，处 理过程中以计算机视觉代替人眼进行立体观测，实现几何信息和物理信息的自动提取， 其产品的形式是数字的，包括数字地图、数字元地面模型、数字元正射影像和数字景观 图等【6 8 】。 我国摄影测量系统的研究也有明显的发展。尤其在标记点的识别与匹配上的研究有 着长足的进步。而图像的识别是根据图形的几何特征，通过计算机进行自动的认知过程。 图像匹配是确定同一场景的两幅来自不同时间，不同视点，不同成像几何或由不同传感 器获取的图像在空间上相对位置的过程。图像匹配在导航，目标跟踪，目标识别，打击评 估等领域有广泛的应用。图像匹配算法目前主要有两大类：一类是基于灰度相关的匹配 方法，它直接利用图像的灰度进行匹配；另一类是基于特征的匹配方法，这种方法需要 先对图像提取特征，比如点，线，面特征等，然后对提取特征后的图像进行匹配。灰度 相关的方法由于没有提取特征的过程，计算较为简单，在程序设计上要比较简单。难度要 2 1 绪论 小，比较通用。某种程度上比基于特征的方法复杂度要低。 但传统的基于灰度的方法，往往不能处理多传感器的图像。误差也比较大。所以随 着测量科技发展，传统方法也随之改变。为了处理多传感器图像之间的匹配，方法往往会 选择基于特征的方法。 由于科技的发展，摄影测量越来越用于大型工业设计。例如，汽车工业，机械制造 业等等。以往的摄影测量中标记点数量与匹配，识别的精度就成为难以逾越的问题。所 以，我们本文提出的摄影测量中标记点识别与匹配方法的研究。此方法运用大量的标记 点，对传统的标记点的匹配中问题作了大胆改进。 所以，设计一个可以自动识别标记点的识别方法，通过此方法能够解决人工标记点 的识别与匹配中的弊端。这样可以提高标记点识别与匹配的精确度。为三维立体成像技 术打下一个良好的基础。标记点识别与匹配在摄影测量系统中起着至关重要的地位。 其研究意义在于摄影测量中标记点的研究应用领域已涉及空间飞行器制造、航空工 业、船舶工业、汽车工业、交通事故及其它事故现场处理、古建筑建檑和恢复、大型工 程建设监测等方面。利用对标记点的检测，识别，匹配作为影像数据源，利用较多同名 特征的冗余观测值成功地进行粗差剔除，根据2 维序列图像导出物体不同部位的3 维信 息，然后将这些3 维信息融为统一的表面模型，实现了高精度3 维重建。 随着测量科技的飞速发展，测量的技术面貌发生了深刻的变化，并取得很大的成就。 主要原因有：一是科学技术的新成就，电子计算机技术、微电子技术、激光技术、空间 技术等新技术的发展与应用，以及测量科技本身的进步，为工程测量技术进步提供新的 方法和手段；二是改革开放以来，城市建设不断扩大，各种大型建筑物和构筑物的建设 工程，对工程测量不断提出新的任务、新课题和新要求，使工程测量的服务领域不断拓 宽，有力地推动和促进工程测量事业的进步与发展。 随着面向2 1 世纪的我国工程测量技术的发展趋势和方向是：测量数据采集和处理的 自动化、实时化、数字化；测量数据管理的科学化、标准化、规格化；测量数据传播与 应用的网络化、多样化、社会化。从人工到计算机自动识别与匹配是测量技术的重大飞 跃，其是传统测量技术向数字化测量技术的转化【9 j 。 1 2 论文的主要工作 本文的主要工作是摄影测量中标记点的识别和匹配进行方法研究。具体内容包括以 下几个方面： 第一章，绪论。对摄影测量学的发展趋势等相关概念进行了概括性的综述，并对选 题背景与研究意义进行了介绍。 第二章，标记点的识别方法。对标记点识别的定义做了介绍，并简要的比较分析了 几种标记点的识别方法。本章重点是采用了八邻域扫描识别方法，并对标记点扫描识别 3 西安科技大学硕士学位论丈 方法中的重要步骤进行详细分析。 第三章，编码标记点的解码与匹配。对几种不同的标记点做了简单的描述和对比， 之后对解码与匹配的定义做了必要的简述，最后对本文的扇环编码标记点解码方法和匹 配方法的设计思想、算法和实验进行了详细的研究和说明。 第四章，非编码标记点的匹配方法研究。对非编码标记点的匹配的方法做了详细的 研究，并引入了射影几何数学中不变量的概念，利用不变量的方法并结合以匹配成功编 码标记点设计出一个非编码标记点的匹配算法。 第五章，总结。对本论文所采用的标记点的扫描识别方法，编码标记点匹配和非编 码标记点匹配方法做出总结。另外，对标记点的识别与匹配方法的发展做了展望。 4 2 标记点的识别方法 2 标记点的识别方法 摄影测量系统，通常是以近景摄影的方式实现的，其特点是通过像片提供大量信息， 施测周期短，可在瞬间完成测量全过程，可对动态目标进行测量，可以多重摄影，有多 余观测值，精度可靠。在由景物的二维图像信息进行三维恢复的过程中，起到了基础作 用的就是图像的识别工作，即计算机对图形图像的认知区分的过程，这样可以使计算机 有效的识别图形图像，为后面的图像的匹配处理做好最佳的准备工作。 摄影测量中标记点的应用在工业零件生产制造中可以起到很好的辅助作用。工业零 件生产中可以利用此种方法对工业零件进行图形的数字化。而零件中的形状结构的特点 就是由编码点进行标识的。标记点可以准确地对图形图像进行描述，所以此种方法在工 业零件的生产中起到了非常重要的作用【l 。 2 1 概述 通过摄影手段以确定目标的外形和运动状态的学科分支称为近景摄影测量。现代制 造业逆向工程中，将近景摄影测量与光栅投影测量相结合，是实现物体整体测量和数据 拼接的有效方法，其使用越来越广泛。近景摄影测量中，为了解算出标记点的三维坐标， 首要的工作是对拍摄得到的数字图像进行图像处理，提取特定信息，其图像处理过程包 括图像的二值化，标记点的定位、区分，编码标记点的编码信息提取及判别等工作，而 这些工作都是我们标记点识别的各个重要环节。 摄影测量是一门以影像信息重建三维空间物体几何表面的科学。在由景物的二维图 像信息进行三维恢复的过程中，关键也是最困难的就是图像匹配问题，即寻找多幅图像上 对应于同一景物点的像点。而做好匹配的前提就是要充分提高图像的自动化识别程度， 人们致力于图像识别算法的研究，同时还在不断提出新的识别方法，以便更好的实现图 像的自动识别工作。标记点的匹配是建立在标记点识别的基础上，所以标记点识别对于 标记点的匹配是非常重要的。 2 垒1 i i 图像识别是计算机视觉的重要组成部分，并在军事、工业自动化等领域中得到广 泛的应用。目前，基于图像内容的识别主要有四个方向 i l l ： ( 1 ) 基于对象颜色的识别； ( 2 ) 基于对象形状的识别； ( 3 ) 基于对象纹理的识别； ( 4 ) 基于空间关系的识别。 目前作为图像识别的标记点有两种。 第一类：编码标记点。其标记点的设计是在标记的形状、颜色等属性中加载唯一的 5 西安科技大学硕士学位论文 身份信息。这样在数字化图像图形的过程后，计算机可以进行方便、高效的识别工作， 避免了人工识别的繁杂和低效。 第二类：非编码标电点。由于在大型一 业零件二维立体成像系统中，如果遇到处理 的工业零件是非常庞人的体积。有限的编码标记点是小能准确描述出工业零件的具体形 状。这样大大削弱了此类系统的功效，所以，产生了与之对应的非编码标记点。非编码 标记点主要的作用是配合编码标记点更好的完成获取图像信息的工作。 两种标记点的出现可以有效地获得出待测物体的具体信息。由于非编码标记点的特 点，所以有大量的数量可以使用。 我们这里所采用的识别方法主要利用两种标记点形状的不同和边缘的变化特征柬 区分两种标记点。该识别方法首先根据标记点的尺寸、形状等特征进行目标识别。即系 统可以分辨出编码标记点和非编码标记点。其次利用编码标记点与非编码标记点的不同 形状与坎度特征，并采用八邻域判断方法再根据检测准则对标记点进行判断与认知。 这种识别_ 方法对丁大型工业测量很有好处。有限编码标记点的快速精确的匹配而 且配以大量的非编码标记点使用，可咀根据物体大小柬使用标记点。灵活运用可以达到 匹配的精确和高效。我们设计出一种可以利用计算机就可以区分认知图形图像信息识别 方法。 我们已经提到标记点分为两种一种是编码标记点如图2 1 所示，而另一种为非编码 标记点如图22 所示，基于标记点的形状尺寸特点对图像中标记点进行识别工作。识别即 使用计算机自动的区分认知两种标记点并排除异物。识别方法正确率的高低直接影响后 面的匹配工作。所以，识别工作在摄影测量中起着至关重要的地位。 编码标记点的外围分柿着不等眭短的扇环，这就是扇环编码标记点外形特征如图21 所示，而非编码标记点就是一个简单的圆形标已点如图2 2 所示。 编 码 环 段 圈2 】扇环编码标记点 6 由 心 圆 点 由 心 恻 点 翻22 非编码标记点 本文提出的编码方法可以满足对旋转、缩放、变形的无关性，而且由于编码环的形 状容量比较大，可以满足实际测量需要，在加上相应的大量非编码标记点，可以应对大 型工业零件的立体成像的需要。 2 2 标记点识别方法分析与比较 随着计算机技术与信息技术的发展，图像识别技术获得了越柬越广泛的应用。例如 医疗诊断中各种医学图片的分析与识别、天气预报中的卫星云图识别、遥感图片识别、 指纹识别、脸谱识别等，图像识别技术越来越多地渗透到我们的日常生活中。图像识别 技术的涵义很广，主要指通过计算机采用数学技术方法，对一个系统前端获取的图像 按照特定目的进行相应的处理。图像识别包括诸如祭码识别、生物特征识别( 人脸识别、 指纹识别等) 技术、智能交通中的动态对象识别、手写识剧等。可以说，图像识别技术 就是人类视觉认知的延伸，是人工智能的一个重要领域，随着计算机技术及人工智能技 术的发展，图像识别技术越柬越成为人工智能的基础技术。它涉及的技术领域也越来越 j 泛，应用越来越深入。其基本分析方法也随着数学工具的不断进步而不断发展。现在， 图像识别技术的应用范围已经远远突破视觉的范围，而更多地体现为机器智能、数字技 术的特点。 目前有很多种标记点的识别方法。本文首先简要的分析儿种识别方法，对其进行 分析与比较。 首先介绍数字标已点识别方法。这是种非接触式测量面内位移的数字标n 点识别 方法。该方法能应用于物体变形前后标记点的识别。相对于其它光学测量方法而言，该 技术实验过程简单，能够应用于小变形、大变形等不同的变形范围。 数字标b 点识别方法的数学基础是相关系数，其基本原理与数字散斑相关方法的基 本原理非常相似。数字散斑相关方法就是一种基于相关原理的非接触式表面变形测量的 光学方法，而相关理论是一个非常有效的数学工具，相关系数是两个变量之间相互关系 的定量描述。方法是给定物体变形自h 后的两个数字图像，根据图像的灰度值在变形后的 图像( 称为目标图像) 中识别出对应与变形前的图像( 称为样本图像) 中某一子区变形后的 西安科技大学硕士学位论文 位置，把变形测量问题转化为一个数字计算过程。 通过数字的计算过程来进行标记点识别工作，标记点选取的材料是高分子薄膜材料， 材料的厚度是0 6 m m ，将材料加工成6 0 4 m m 的试件，然后用黑色的信号笔在试件上做 标记点，点的不规则性不影响变形前后的识别。 这种数字标记点识别方法主要通过数字计算来实现标记点的识别，所以识别过程比 较简单，抗噪声能力较强，可以有效地应用于不同变形范围的位移测量等特点。但是其 标记点的比较特殊，需要特殊材质的标记点，对标记点的规格也有严格的规定，只有一 些特定的场合才能得到应用，虽然标记点的识别效果不错，但是使用的通用性和实用性 相对差一些，不能在多个领域应用。 了解了数字标记点的识别方法，我们再来讨论另一种标记点的识别方法。基于图像 的惯性导航信息标记点识别方法。由于与条形码、标准答题卡相比较，标记点的图像有 许多不可预测的污染，比如曝光质量差、灰尘、指纹以及其他形式的污迹；另外，扫描 分辨率不同、参考标记点的起始位置不确定也会影响标记点的正确识别与定位。因此， 提出了一种航拍胶片数字图像上的惯性导航信息标记点的识别方法。在一定程度上解决 了在噪声不可控的情况下进行标记点识别问题。 航空拍摄因其良好的及时性和机动性以及胶片的高分辨率等特性成为军事应用不 可或缺的手段之一。航空拍摄的胶片上包括拍摄图像，以及由一定编码规则构成并记录 该航空照片拍摄时飞机的惯性导航信息，如飞行高度、飞行姿态、经纬度等关键信息， 对后期图像判读过程中的目标准确定位起到至关重要的作用。 这种基于图像的惯性导航信息标记点的识别方法，在一定程度上解决了噪声不可控 情况下的标记点定位问题。通过统计方法，降低了噪声对结果的影响；通过把投影转换 成一维信号的概念，提供了一致的分析方法，提高了处理效率；通过引入聚类思想计算 标记点高度、宽度以及标记点的间距，大大提高了算法的稳定性。 由于其是用于惯性导航主要应用于大型航拍对于普通的工业设计中的标记点的识 别用处不大，而且成本太高，虽然对于噪声有降低，但是效率不好，通用性和实用性相 对差了一些。 下面我们再来介绍一下一种基于图像的光学标记点的识别方法。该方法采用光学标 记识别方法可以将信息自动录入到计算机中进行识别处理，能极大地提高数据信息的采 集速度，便于计算机存储、管理与检索。其利用光学方法将信息录入到计算机进行识别 处理，能极大地提高数据信息的采集速度，便于计算机存储、管理与检索。光学标记点 识别每秒可识另u 5 0 0 0 个信息位，识别误码率低于1 5 0 0 0 0 0 0 ，由此可见此种识别方法具 有快速、准确等特点。这种快速、准确为数据录入的时效性和可靠性提供了保障。光学 标记原理：首先将信息卡上信息点的光信号转换为电信号，再经模数( a d ) 转换， 把电信号( 模拟信号) 变为数字信号，再利用数字滤波、格式预制、对比筛选等一系列技 8 2 标记点的识别方法 术，完成快速、准确的转化过程，同时也满足了计算机对数据录入的需求。 由于许多文档是以纸质文档的形式存在，而纸质文档不便于保存、检索、统计和修 改，例如银行票据、税务报表、标准化考试中的机读卡、彩标投注单等。要将这些信息 录入计算机是一件非常繁琐的事情，传统的手工录入，不但费时费力而且容易出现错误。 在实时性要求较高的场合自动、快速、准确地处理文档显得尤为重要。所以，此种的识 别方法自动、快速，而且准确识别的误码率低。在一些文档类的标记识别上优势显得尤 为突出，大大提高了资料的录入存储、检索、加工的效率。 以上是对在不同环境下的多种的识别方法分析与比较。总体来说，没有绝对好的识 别方法。主要分不同的环境不同场合，运用不同的识别方法，有的方法识别准确高但是 其开销太大，效率不高。我们要根据不同的情况，选择不同的识别方法，这样才能有效 的完成标记点的识别为后面的工作打好基础f 1 3 05 1 。 2 3 八邻域扫描识别方法 2 3 1 方法概述 本文标记点的识别主要是建立在图像二值化处理的基础上。下面我们先对图像的二 值化处理做一些简要的介绍。 图像的二值化处理就是讲图像上的点的灰度置为0 或2 5 5 ，也就是讲整个图像呈现出 明显的黑白效果。即将2 5 6 个亮度等级的灰度图像通过适当的阈值选取而获得仍然可以 反映图像整体和局部特征的二值化图像。在数字图像处理中，二值化图像占有非常重要 的地位，特别是在实用的图像处理中，以二值化图像处理实现而构成的系统是很多的， 下面简要阐述二值化图像的处理与分析。 首先要把灰度图像二值化，得n - 值化图像，这样有利于再对图像做进一步处理时， 图像的集合性质只与像素值为o 或2 5 5 的点的位置有关，不再涉及像素的多级值，使处理 变得简单，而且数据的处理和压缩量小。为了得到理想的二值化图像，一般采用封闭、 连通的边界定义不交迭的区域。所有灰度大于或等于阀值的像素被判定为属于特定物 体，其灰度值为2 5 5 表示，否则这些像素点被排除在物体区域以外，灰度值为0 ，表示背 景或者例外的物体区域。如果某特定物体在内部有均匀一致的灰度值，并且其处在一个 具有其它等级灰度值的均匀背景下，使用阀值法就可以得到比较的分割效果。如果物体 同背景的差别表现不在灰度值上( 比如纹理不同) ，可以将这个差别特征转换为灰度的 差别，然后利用阀值选取技术来分割该图像。动态调节阀值实现图像的二值化可动态观 察其分割图像的具体结果。 在图像二值化后，我们要对图像进行边缘提取。目前，图像的边缘提取的方法很多， 应用不同的环境中。在具体方法上没有统一的适合的方法，要依照不同的环境，然后采 9 西安科技大学硕士学位论文 取合适的边缘提取的方法。 图像的边缘是指图像局部区域亮度变化显著的部分，该区域的灰度剖面一般可以看 作是一个阶跃，既从一个灰度值在很小的缓冲区域内急剧变化到另一个灰度相差较大的 灰度值。图像的边缘部分集中了图像的大部分信息，图像边缘的确定与提取对于整个图 像场景的识别与理解是非常重要的。 边缘检测实际上是基于幅度不连续性进行的分割的一种方法，也就是检测变化类型 的局部特性。边缘有方向和幅度两个特性，通常沿边缘走向的幅度变化较平缓，而垂直 于边缘走向的幅度变化较剧烈。对于阶跃边缘，边缘检测操作数正是利用了边缘的方向 和幅度这两个特性。 虽然边缘检测的基本思想比较简单，但在实际实现时却碰到很大困难，其根本原因 实际信号都是有噪声的。解决这一问题的办法是先对信号进行平滑滤波，以滤去噪声。 对平滑后的图像，采用上面的边缘操作数就可以比较有效的检测出边缘点。 从图像中边缘提取标记点是目标识别的关键一步。标记点边缘提取的越准确，正确 识别目标的可能性就越大。在标记点中最显而易见也最常用的就是边缘，边缘在运动重 构，立体视觉，目标跟踪、目标识别等领域都得到了极大的应用。也正是基于边缘的 广泛应用，提出了很多很多检测算法。主要有s o b e l 操作数角点检测算法、h a r r i s 角点检 测算法和s u s a n 角点检测算法等。基于边缘的检测算法，首先检测出目标边缘轮廓，再 二值化。有些方法往往需要对图像边缘进行编码，这在很大程度上依赖于图像分割和边 缘提取的效果，而角点检测操作数检测性能的局限，使得本类算法精度比较低。而我们 已经做好二值化图像处理，则可以利用这一有利条件选择最合适的边缘提取方法。 在常用的几种用于边缘检测的操作数中s o b e l 操作数常常会产生伪边界；而s o b e l 操 作数还往往会形成不闭合区域。在边缘检测中，边缘提取很重要，这里我们采用一种比 s o b e l 更加精准的算法c a r m y 算子方法。 图像边缘检测的基本步骤如图2 3 所示： ( 1 ) 滤波：边缘检测主要基于导数计算，但受噪声影响。但滤波器在降低噪声的 同时也导致边缘强度的损失； ( 2 ) 增强：增强算法将邻域中灰度有显著变化的点突出显示。一般通过计算梯度 幅值完成； ( 3 ) 检测：但在有些图像中梯度幅值较大的并不是边缘点。最简单的边缘检测是 梯度幅值阈值判定； ( 4 ) 定位：精确确定边缘的位置。 1 0 2 标记点的识别方法 图2 3 边缘检测算法的基本步骤 c a n n y 边缘检测基本原理： 图像边缘检测必须满足两个条件： ( 1 ) 能有效地抑制噪声； ( 2 ) 必须尽量精确确定边缘的位置。根据对信噪比与定位乘积进行测度，得到最 优化逼近操作数。 这就是c a n n y 边缘检测操作数。 c a n n y 边缘检测算法步骤： 第一步：用高斯滤波器平滑图像； a 2 + b 2 日g ，y ) = e 2 c r 2 g g ，j ，) = 厂g ，少) 幸h g ，y ) ( 2 1 ) 第二步：用一阶偏导的有限差分来计算梯度的幅值和方向； 一阶差分卷积范本： 日1 = i 一1 批= i ：= ：l - i 日12 i1 1l 皿21 1 仍如，刀) = 厂，n ) * - 。g ，j ，) c , 0 2m ，力) = 厂如，力) 幸h ：g ，y ) 伊( m ) = 厥丽万该下丽 巳= 一矧 ( 2 2 ) 第三步：对梯度幅值进行非极大值抑制； 仅仅得到全局的梯度并不足以确定边缘，因此为确定边缘，必须保留局部梯度最大 的点，而抑制非极大值。解决方法：利用梯度的方向。 西安科技大学硕士学位论文 12 3 84 7 65 图2 4 非极人值抑制 四个扇区的标号为o 到3 ，对应3 * 3 邻域的四种可能组合如图2 4 。 在每一点上，邻域的中心象素m 与沿着梯度线的两个象素相比。如果m 的梯度值不 比沿梯度线的两个相邻象素梯度值大，则令m = o 。 即： 【f ，j - - n m s ( m i ，l f 【f ，j d ( 2 3 ) 图像经过高斯平滑后边缘变得模糊，因此，有计算梯度得到的边缘就具有一定的宽度。 这种宽边变细的方法，就叫做非极大点的抑制。这种方法是在垂直于边缘的方向( 梯度 方向) 上互相比较邻接像素的梯度幅值，并除去具有比邻域处小的梯度幅值。根据这一 操作，梯度幅值的非极大点被除去，边缘也就变细了。 第四步：用双阈值算法检测和连接边缘。 减少假边缘段数量的典型方法是对l f ，l 使用一个阈值。将低于阈值的所有值赋零 值。但问题是如何选取阈值? 解决方法：双阈值算法。双阈值算法对非极大值抑制图 像作用两个阈值1 和f ：，r2 r 。r ：，从而可以得到两个阈值边缘图像n 。【f ，】和n ：【f ，】。 由于，l f ，l 使用高阈值得到，因而含有很少的假边缘，但有间断( 不闭合) 。双阈值法要 在：p ，】中把边缘连接成轮廓，当到达轮廓的端点时，该算法就在1 【f ，】的8 邻点位置 寻找可以连接到轮廓上的边缘，这样，算法不断地在。【f ，歹】中收集边缘，直到将：【f ，j 】 连接起来为止【1 6 1 。7 1 。 通过边缘提取图像的图形轮廓已经基本显示出来，图2 5 为原始的局部图像，如图2 6 所示为经过前面图像二值化和边缘提取后的效果。通过图像显示，标记点的具体边缘已 经分割出来。 1 2 豳25 原始局部图像 在边缘提取后，编码标电点的轮廓已经成功显示，我们就可以依靠编码标记点和非 编码标记点的形状特征对图像进行扫描工作，标记点的识别工作进入实质的扫描的阶 段。由于编码标记点的形状非常特别，我们利用适行扫描的方法，对其进行判断。我们 先设定一个闽值，由于编码标记点的中心圆的周围有规则的扇环排列，还有中心圆的面 积。我们就利用这些特点，在对例片进行扫描时进行带闽值的判断，符合条件的我们就 识别为编码标记点。否则，我们就认为是噪音。下面我们的工作就是让计算机认知这是 个标电点，并区分编码标记点和非编码标记点。 西安科技大学硕士学位论文 我们先采用的是逐行扫描的方法，并加以一定量的阈值判断，以区分标记点。我们 在正拍标记点后，经边缘处理，对其进行扫描，当扫描到一个像素点的时候，我们对其 进行处理。对扫描到的像素点采用八邻域法，也就是说，我们对一个点周围的八个方向 进行判断。如果有我们要的点，就在对其八邻域法判断。以此类推，我们就可以找的一 系列的像素点。通过对这一系列像素点的判断，我们就可以计算出其是否是个圆，若其 是个单圆则是个非编码标记点。而编码标记点的形状结构比较复杂，但是其外围的扇环 的特殊性也可以判断出来，其是个扇环编码标记点。 因为根据八邻域法，我们可以从一个像素点开始依次找其相邻的点，找到相邻的像 素点之后，再利用八邻域判断法进一步进行判定。这样，逐步进行判断，像素点会随着 扫描判断逐渐增多。这样像素点的数量增多，那么这些点就会组成一个成型的图形。我 们就可以利用多个点来进行像素点组成图像形状的判断。 如果中心为一个简单圆，而在一定的距离外又有扇环边缘的内外曲线，数量不等， 则可以确定此点为编码标记点。 当然，在工业零件上或大型机器上的贴的标记点后，对其进行拍照，由于拍摄角度 的变化，有些图片上的标记点已经严重变形，这些严重变形的标记点在识别时很难识别。 所以，在扫描识别时，有些标记点在严重的畸变下，可以忽略掉。 我们在应用扫描识别方法时需要一种标准来选取边缘提取后的标记点。我们要对提 取出的圆或者是椭圆的轮廓进行辨别和筛选。这对于标记点的识别有着至关重要的作 用。 通过八邻域方法扫描一系列点集，点集组成图形，我们要选取适合本文识别方法的 检测标准，对图形进行图形的判定。目前有两种检测标准，尺寸判断和形状判断两种检 测标准。我们比较分析两种标准，选定一种最适合识别方法的检测标准。 ( 1 ) 尺寸准则： 目标点成像后变为椭圆，投影角度( 即标记点所在平面的法线方向与影方向的夹角) 在0 0 - - 7 0 0 之间时，图像中椭圆轮廓的周长p 应满足 ps ( 2 4 ) 式中，p m i n 、p m a x 分别是投影角度在0 0 , - - , 7 0 0 之间时轮廓周长可能的最小值和最大值。 需要指出的是，从不同角度对场景进行拍摄时，不可避免地会使某些标记点在某些图像 中的投影角度大于7 0 0 ，后续应用中一般不希望利用这些标记点，因为过大的投影角度 不但使识别的稳定性降低，而且也使目标点的中心位置精度降低。因此，这里只考虑投 影角度在0 0 7 0 0 之间的周长变化。边缘提取后的图像通过尺寸准则的处理，图像中标 记点识别的效果如图2 7 所示。 1 4 2 标记点的识别方法 _ i i i - - 白 ，p 图2 7 经尺寸准则检测图 ( 2 ) 形状准则： 首先，椭圆轮廓应为规则的凸性封闭轮廓。其次，当投影角度小于7 0 0 时，椭圆圆 度c e l l i p s e 应为满足 1 0 c e l l i p s e 1 5( 2 5 ) 4 万 最后，采用鲁棒性最小二乘椭圆拟合方法来匹配图像中剩余的轮廓。最小二乘拟合误差 s 满足式( 2 6 ) 为候选椭圆 占占一 ( 2 6 ) 式中，s 一为误差允许的最大值。边缘提取后的图像通过形状准则的处理，图像中标记 点识别的效果如图2 8 所示。 - - - 严- 尸- 厶 骚酞 馨争 z l , 飞 勉皂f 蛾 匕，j 口 哮统 图2 8 经形状准则检测图 1 5 西安科技大学硕士学位论文 通过两种检测准则的分析比较的结果，经尺寸准则过滤的图像标记点的形状特征更 明显，图像其他异物也都全部排除，图像中显示的只有编码标记点和非编码标记点，最 后图像效果非常好。 而经形状准则过滤的图像显示效果就不是很理想。图像中还有不少的异物的边缘， 编码标记点的显示也比较凌乱。 所以通过分析比较我们最终选取尺寸准则作为本文识别方法中的检测标准。我们应 用八邻域法扫描方法来确定扫描物的形状，再通过尺寸准则的比较和选择来判断标记点 的种类和是否是标记点。 这样，逐行扫描像素点的八邻域法逐点判断，再根据判断准则来确