数码相机定位模型及应用.DOCVIP

- 数码相机定位模型及应用 韩基超，刘武寅，李茜 辽宁工程技术大学理学院，阜新（123000） E-mail: HYPERLINK mailto:hoonri@ hoonri@, HYPERLINK mailto:caobei504039355@126.com caobei504039355@126.com 摘要：本文建立了数码相机定位模型，并对模型进行应用。先将欲处理的图像进行平滑，用邻域平均法便可以很好的实现这一目的。再用阈值分割的方法将背景淡化为白色，方便计算，得出目标的边界点。用模糊聚类的方法将属于同一个目标边界的点归纳到同一个集合中。再逐个根据所得目标的边界点集合确定目标的中心。最后根据得到的目标中心的坐标利用几何关系就能求出目标与相机的实际距离。 关键字：邻域平均法，阈值分割，模糊聚类分析 1. 引言 数码相机使用越来越普及, 数码相机定位在交通监管（电子警察）等方面有广泛的应用。所谓数码相机定位是指用数码相机摄制物体的相片确定物体表面某些特征点的位置。最常用的定位方法是双目定位，即用两部相机来定位。对物体上一个特征点，用两部固定于不同位置的相机摄得物体的像，分别获得该点在两部相机像平面上的坐标。只要知道两部相机精确的相对位置，就可用几何的方法得到该特征点在固定一部相机的坐标系中的坐标，即确定了特征点的位置。 2.1 模型假设 图像目标（即靶标上的圆）和背景内部的相邻像素间的灰度值有高度的相关性，并且目标与背景之间的灰度值相差较大。 2.2 平滑图像 平滑图像的目的之一是图像去噪，其二是模糊图像，在提取大目标以前去除小的细节或拟合目标间的缝隙[1]。 我们采用邻域平均法来使图像平滑。邻域平均法的思想是用像素及其指定邻域内像素的平均值或加权平均值作为该图像素的新值，以便去出突变的像素点，从而滤除一定的噪声。邻域平均法的数学含义可以下式表示： （2-2-1） 其中是以（x，y）为中心的邻域像素值；是对每个邻域像素的加权系数或模板系数；mn是加权系数的个数或称为模板大小。 在邻域平均法中我们采用高斯模板，高斯模板考虑邻域像素位置的影响，距离当前被平滑像素越近的点，加权系数越大。加权的目的在于减轻平滑过程中造成的图像模糊。高斯模板可以表示如下图1，其中*表示模板中心 图1 3*3高斯模板 2.3 淡化背景为白色 为了方便求解边缘点的坐标，将背景淡化为白色。这里我们采用阈值分割的方法来实现背景淡化。 阈值分割过程如下：首先确定一个阈值N，对于像素中的每个像素，若其灰度值小于N，则将其置为目标点（值为1），否则置为背景点（值为0），或者相反，从而将图像分为目标区域和背景区域。用公式可表示为 （2-3-1） 当图像中含有多个目标且灰度差别较大时，也可以设置多个阈值实现多值分割，用公式可表示为 （2-3-2） 其中：为一系列分割阈值；为赋予每个目标区域的标号；为分割后的目标区域数减1。 2.4 求解边界点的像素坐标 由于在Matlab中导入的图像数据是uint8型的无符号数据[2]，所以要将其转化成double型的数据，以方便计算。 由于导入的图像数据是768*1024*3三维数据，并且从同一个第三维看，前两维的数据是完全相同的，所以将三维数据转化为二维数据[3]，方便计算。 求边界点的算法是循环遍历所有像素点，如果某点的上下左右有背景点（白色，值为255）并且其本身不是背景点，则该点就是边界点。如图2 (a)中心点是边界点 (b)中心点不是边界点 图2 如何选择边界点示意图 2.5 将边界点归类 用模糊聚类的思想来求解此类问题。 首先引入模糊聚类的概念。设是中的模糊关系，若 对于，有，则满足自反性； 对于，有，则满足对称性； 对于，有，则满足传递性。 如果中的模糊关系可以由模糊矩阵表示，记。于是得是满足传递性的模糊关系的判别条件是。 定义1 若是满足自反性和传递性的模糊关系，则称是模糊相容关系；满足传递性的模糊相容关系称为模糊等价关系。相应的模糊关系矩阵称为模糊相容矩阵和模糊等价矩阵。 设是上的模糊等价关系，隶属函数为，为的截集。为上的普通子集。 定义2 设为是上的模糊关系，若中的模糊关系满足①；②③设是中的传递关系，且，必有，则称为的传递闭包。 引入相似最小相关系数 （2-5-1） 于是模糊聚类的步骤为 ①将2-4计算出来的边界点利用公式2-5-1计算相似最小相关系数，得到的模糊关系矩阵。 ②由于可能不满足传递性，于是利用自乘法求出模糊等价关系。 ③利用进行模糊聚类分