反求测量过程中图像特征信息的提取（仅供参考）.docVIP

反求测量过程中图像特征信息的提取（仅供参考） 摘要:反求测量中所采集的数据往往包含大量各种形式的噪声干扰.在结构光测量时应用图像特征提取技术提取出测量物体的轮廓特征,将采集图像分割、二值化、细化等处理并最终提取出图像所包含的特征点数据.此方法能够快速高效的去除环境和噪声干扰.实现在反求测量过程中数据的并行处理,极大的简化了后续图像匹配和图像特征数据获取的工作量. 关键词:反求测量;逆向工程;特征识别;深度图像;结构光 The Study on Feature Information Detection Algorithm of Image in Reverse Measuring Abstract:There always are varieties of noise jamming in the collection data of. In structural light measuring, using image feature extraction technology pick up the profile feature of the measured object, segment, binary-coding and thinning the image, finally scavenge the character points data in the image. This method can wipe off the environment and noise jamming quickly and efficiently, realize parallel processing data in the reverse measuring, much enormously predigest the load later image matching and feature data extraction. Key words:Reverse Measuring; Reverse Engineering; Features Identification; Range image; Structured Light 引言 快速而精确地获取物理模型数据是逆向工程的基础,随着光电技术和计算机技术的发展,特别是高分辨率CCD数字摄像机的出现以及视频影像技术的发展,基于光学测量的非接触式测量由于其快捷方便等优点,已经成为逆向工程领域的研究热点. 在利用结构光来获取三维数据的技术中,带有结构光条纹的深度图像是实现测量任务的信息源,它包含有被测量物体表面的三维形貌信息,对结构光深度图像的处理和计算是整个测量数据任务的关键环节之一[1].实际采集到的深度图像中大量的环境、以及各种形式的噪声干扰大大增加了数据提取的难度.怎样快速准确的去除这些干扰,提取出图像中结构光条纹数据即成为结构光深度图像的处理和计算的关键. 去除噪声干扰的方法有很多种,其中图像分割方法能够较好的完成噪声去除的要求.目前,关于图像分割的多数研究工作集中在如何得到一个最佳的分割结果.然而,在实际应用中常需要不同约束(例如,不同阈值)下的多个分割结果,这是由于所需信息往往散布在多个不同等级上,在相同约束下不能同时被较好地提取.将一种分割算法在不同约束下运行多次可以满足上面的要求,但却是一个费时和令人沮丧的方法.为此,Beucher[2]基于形态学流域变换提出了等级分割的思想,即计算过程中并不取阈值,而是按照某种标准计算所有区域轮廓线的显著性.Najman * E-mail: songliangjun168@163.com Received February 26, 2004; revised June 3, 2004; accepted September 13, 2004. 黑龙江省自然科学基金(No. E200527)、黑龙江省教育厅科技项目(No.资助. 和Schmitt[3]进一步提出利用弧段动力学Arc Dynamics(AD)作为区域轮廓弧段的显著性度量,首先得到所有轮廓点的显著性值,然后通过取不同阈值得到对应的显著性等级的区域轮廓输出.Beucher的等级分割算法必须多次运算直到收敛,而且等级无法做细,Najman和Schmitt的算法可以得到较精细分级,但在求取区域轮廓显著性时效率较低(需要运行两次相对费时的溢流过程). 据此,本文提出在深度图像采集过程中应用特征识别技术[4]分割图像的图像特征信息提取方法.将CCD采集到的图像进行平滑、二值化、图像分割等预处理,然后再将所得文件进行合理压缩提取有效数据将对后续数据处理影响较大的部分事先去除.从而解决了在图像信息中干扰信息不易去除的难题,实现数据的并行处理,减少测量过