广义索贝尔滤波器在失真图像梯度估计中应用研究.pdfVIP

广义索贝尔滤波器用于失真图像的梯度估计

★★†★

安东宁·弗纳里，·M·法里内拉，杰洛·R·布吕纳，塞巴斯诺·巴托

★数学与计算机科学系‑卡塔尼亚大学

†先进系统技术‑计算机视觉，意法{furnari,gfarinella,battiato}

@dmi.unict.it,arcangelo.bruna@

本文中，我们解决了如何正确估计失真图像梯度的问题。

在存在畸变的情况下正确估计梯度具有重要意义，因为许

多应用都依赖于广角相机（例如、汽车、机器人技术）。

为此，我们提出了广义索贝尔滤波器（GSF），这是一种

自适应索贝尔滤波器，能够正确估计失真图像的梯度。(a)(b)(c)

为了评估所提出方法的性能，我们收集了一个属于不同类图1.被畸变干扰的简单特征（即边缘）的梯度估计。顶

别的高分辨率图像基准数据集，这些类别与通常使用梯度估行：简单特征和估计的梯度向量。底行：梯度方向的直

计的应用领域密切相关。我们构建了一个客观的评估流程，（a）直线特征。（b）失真特征（例如，使用广

并进行了实验，结果表明我们的方法优于现有技术。

角传感器获取的图像）。（c）考虑畸变后应计算出的

梯度向量[11]。

索引术语—梯度估计，广义Sobel滤波器（GSF），

适用于失真函数已知且可逆的一般情况，我们专注于由

径向失真，全向视觉，基于梯度的描述符

使用广角相机引起的失真的情形。这种情况确实非常值

1.引言得关注，因为许多与广角相机相关的应用领域都将受益

图像的梯度是图像处理和计算机视觉中一个基础的低层于图像梯度的正确计算。广角相机可以获取与人类视觉

特征。它扮演着一阶离散导数的角色，表示图像中强度系统[12]相当的大视场（FOV）。这使得这些传感器在

（或颜色）的方向性变化。由于其特性，梯度被广泛应许多应用环境中非常方便，例如、、汽车

用于多个领域，包括图像锐化、增强和边缘提取[1,2],[13,14,15]和机器人技术。广角传感器可以通过不同的

目标、场景和关键点表示[3,4,5,6],，以及基于梯度域的设计实现，主要分为两大类：折反射[13,16,17]和折

图像处理[7,8,9,10]。所估计梯度的含义与所获取图像射[18,19]系统。在特定条件下（即对于系统

的几何特性密切相关[1],上：i)给定点处的梯度矢量[20,21]），此类传感器获取的图像表现出径向对称畸

始终指向图像强度最大变化率的方向；ii)其方向始终与变，可以建模为一个可逆函数。如果畸变空间与校正空

该图像点处的边缘正交；iii)其幅值与沿其方向的强度变间之间的映射关系已知，则可以对图像进行校正，以在

化剧烈程度成正比。因此，如果图像的几何特性因畸变而不受畸变影响的情况下估计梯度。不幸的是，校正过程

改变，使用传统技术估计梯度可能会导致错误的结果，如计算量较大，且无畸变图像中包含的模糊部分可能会影

图1所示。可以看出，忽略畸变影响可能会导致即使是简响特征提取过程[11]。为了解决这些问题，理想的做法

单的描述符（如方向梯度直也会产生误导性的表示是在失真图像上直接估计梯度，并考