基于径向基函数神经网络的栅格图像非线性畸变校正.pdf

第 13卷 第25期 2013年9月 科 学 技 术 与 工 程 Vo1．13 No．25 Sep．2013 1671— 1815(2013)25—7573—04 ScienceTechnologyandEngineering ⑥ 2013 Sci．Tech．Engrg． 基于径向基函数神经网络的栅格图像 非线性畸变校正 郑 毅 ， 郑 苹 (南京航空航天大学民航 ／飞行学院 ，南京210016；西安电子科技大学技术物理学院 ，西安 710071； 山东工商学院信息与电子工程学院。，烟台264005；华中科技大学图像识别与人工智能研究所 ，武汉 430074) 摘 要 为了减小光电成像测量系统中存在的非线性畸变，提高测量精度，提出了一种基于径向基函数神经网络的图像畸变 校正方法。提取带有桶形畸变的栅格 图像中的栅格交叉点作为控制点，利用光学成像关系推算出栅格交叉点的理想无畸变 位置 ，构成径向基函数神经网络的训练集。经过训练，可以确定径向基函数神经网络结构的优化参数。针对栅格 图像进行 了 畸变校正实验，并与多项式变形法进行了比较。实验结果表明，所提方法能够 自动、有效地校正图像畸变，效果优于多项式变 形法。 关键词 图像处理 畸变校正 径向基函数神经网络 训练集 多项式变形 中图法分类号 TP391．41； 文献标志码 A 随着光电子技术的发展，光电成像测量技术在 复杂畸变的校正效果越好。但是阶次高的数学模 非接触式测量领域已经 占据主导地位。目前在光 型在求解时，不但耗时，而且若控制点位置选择不 电成像测量中广泛应用的是d~：fL成像模型，在物理 恰当，解算数学模型时就会产生奇异矩阵，使方程 上相当于薄透镜成像，优点是成像性能是线性的。 组病态且难以求解。 但在实际应用中，由于加工与装配误差的影响，摄 鉴于多项式变形法的局限性，国内外学者提出 像机的光学系统不可避免地会存在一些非线性畸 了利用神经网络来校正图像畸变。常用的神经网 变，其中主要是摄像物镜的几何畸变，包括径向畸 络有 自组织竞争神经网络_2]、BP神经网络 ]、径 变、偏心畸变和切向畸变等。这些非线性畸变会降 向基函数(RBF)神经网络r引和Elman神经网络 ] 低测量精度，因此需要对摄像机光学系统进行畸变 等。其中，自组织竞争神经网络结构复杂，实现难 校正，减小成像畸变量。 度较大。Elman神经网络是一种动态回归神经网 通常借助带有特定图案的标定板来校正光学 络，它的上下文层通过存储内部状态使其具备映射 系统的非线性畸变，多项式变形法是常用方法之 动态特征的功能，具有适应时变特性的能力，能够 一 反映事物的动态特性。由于光学镜头的畸变只与 。 这种方法需要建立畸变数学模型，并且校正 精度取决于数学模型的阶次，阶次越高的模型，对 焦距有关 ，与其他的内部和外部参数没有关系，因 此可以把镜头畸变数学模型视为一种静态模型，采 2013年 5月7日收到 国家 自然科学基金项 目 用BP神经网络或者RBF神经网络等静态前馈网络 、山东省 自然科学基金项 目(ZR2012FL09)、 比较合适。BP神经网络采用均方误差函数梯度极 山东省住房和城乡建设厅科技项 目(2011YK060) 小化算法，实现难度小，但它是一种全局逼近网络， 和山东省高等学校科研计划 (J11LG12)联合资助 存在收敛速度慢、容易陷入局部极值点和处理样本 第一作者简介 ：郑 毅(1975一)，男，山东荣成人，讲师