《关于三维图像目标识别文献综述》由会员分享,可在线阅读,更多相关《关于三维图像目标识别文献综述(8页珍藏版)》请在金锄头文库上搜索。
1、关于三维目的识别的文献综述前言:随着计算机技术和现代信息处理技术的快速开展,目的识别已经迅速开展成为一种重要的工具与手段,目的识别是指一个特殊目的或一种类型的目的从其它目的或其它类型的目的中被区分出来的过程。它既包括两个非常相似目的的识别,也包括一种类型的目的同其他类型目的的识别。目的识别的根本原理是利用雷达回波中的幅度、相位、频谱和极化等目的特征信息,通过数学上的各种多维空间变换来估算目的的大小、形状、重量和外表层的物理特性参数,最后根据大量训练样本所确定的鉴别函数,在分类器中进展识别判决。它属于形式识别的范畴,也可以狭义的理解为图像识别。三维目的识别是以物体外表朝向的三维信息来识别完好的三
2、维物体模型目的识别需要综合运用计算机科学、形式识别、机器视觉以及图像理解等学科知识。目的识别技术已广泛应用于国民经济、空间技术和国防等领域。正文:图像识别总的来说主要包括目的图像特征提取和分类两个方面。但是一般情况下,图像受各种因素影响,与真实物体有较大的差异,这样,就需要经过预处理、图像分割、特征提取、分析、匹配识别等一系列过程才能完成整个识别过程。目前,最主流的三种三维物体识别研究思路是:1)基于模型或几何的方法;2)基于外观或视图的方法;3)基于局部特征匹配的方法;一、基于模型或几何的方法:这种方法所识别的目的是的,原理就是利用传感器获得真实目的的三维信息并对信息进展分析处理,得到一种外
3、表、边界及连接关系的描绘,这里,三维物体识别中有两类最经常使用的传感器:灰度传感器和深度传感器,前者获取图像的每个像素点对应于一个亮度测量,而后者对应于从传感器到可视物体外表的间隔;另一方面,利用CAD建立目的的几何模型,对模型的外表、边界及连接关系进展完好的描绘。然后把这两种描绘加以匹配就可以来识别三维物体。其流程如以下图所示:E1-1基于模型的二维物体识别算法框闺传感器数据获取过程,就是从现实生活中的真实物体中产生待识别的模型。分析/建模过程,是对传感器数据进展处理,从中提取与目的有关的独立应用特征。模型库的建立一般式在识别过程之前,即首先根据物体的某些特定特征建立一些关系以及将这些信息汇
4、总成一个库。在模型匹配过程,系统通过从图像中抽取出的物体关系属性图,把物体描绘与模型描绘通过某种匹配算法进展比较、分析,最终得到与物体最相似的一种描绘,从而确定物体的类型和空间位置基于模型的三维物体识别,需要着重解决以下4个问题:1)模型产生:主要有CAD设计法用以产生模型库和传感器产生法用以产生目的;2)目的描绘:有基于不变性特征法、外表模型法等;3)模型描绘:一般和目的描绘方法相似;4)模型匹配:可用间隔法、最小二乘匹配法及树匹配等。基于模型的方法进展三维物体识别,优点是比较直观和易于理解,但是一般使用的算法的运算量都较大,并且需要人工借助CAD等软件产生模型。另外,对复杂物体建立三维几何
5、模型的难度和工作量比较大,在应用中还非常不方便,因此怎样在这个根底上加以改善是一个值得讨论的问题。二、基于视图的方法二维图像一般情况下通过普通相机就可以获取,在一幅二维图像中,三维物体的外观取决于形状、反射特性、姿态和环境亮度等。基于外观或基于视图的三维物体识别算法研究,近来成为人们的研究热点。即使最简单的物体,其不同视点的二维视图差异往往会很大,而生物视觉系统对此表现出非常稳健的识别才能,它们的识别过程趋向于选择物体的二维视图,而不是物体的三维描绘。基于视图的方法通过视觉相似性来识别物体,识别系统设计相对简单,无需显式地计算物体三维模型。该方法一般分为两个步骤:首先,通过不同光照条件和三维物
6、体在二维图像中呈现出的不同姿态,来自动地学习物体的表示或训练系统;然后,在一幅未知的二维图像中判断是否存在目的物。该方法一个主要的限制条件是,我们感兴趣的对象必须与背景可以较好的区分开来,因此对物体间的重叠较为敏感,且需要较好的图像分割。但当物体的几何建模很困难或根本不可能得到时,那么可利用基于视图的方法来识别三维物体。该方法的关键点和难点,是在于如何准确有效地用多个视角图像来描绘一个物体。基于视图的三维物体识别算法流程,如以下图所示:图像预处理待识别三维物体图像滤波阈伯处理二值化分类识别I神经网举-支扑支持机 SNoW-特征提取图1-2基J视图的三维物期识别算法框图三、基于局部特征匹配的方法
7、理论上要求识别系统具有通用性、稳健性且学习简单。传统的图像描绘方法采用的是全局特征,旨在将目的作为一个整体,从大量包含目的的图片集中学习并抽取全局特征,如面积、周长、不变矩等,并采用统计分类技术进展目的分类。这种识别方法有以下缺陷:1对于构造复杂的图像,识别效果受到图像分割精度的制约;2需要学习大量的数据以及较长的训练时间;3由于没有捕捉到图像中的局部信息,当目的的形状发生较大变化时,比方目的被局部挡住,就会导致全局特征的突然变化,对于目的识别是非常不利的。前面提到的基于模型的方法和基于视图的方法,在这些方面有所缺陷。最近,基于局部区域特征匹配的算法,在物体识别领域里获得了相当好的效果。局部特
8、征目前还没有一个统一的定义,它的提出主要是相对全局特征而言,用局部特征对图像进展描绘时可以得到图像中物体的局部信息。在复杂背景下,噪声干扰较大、局部遮挡、目的姿态发生变化的情况下,利用局部信息进展目的识别是非常有效的。如同基于视图的方法,该方法从物体的图像中学习并构造物体的模型,同时提取局部图像块的特征用于匹配。该方法通过对视角改变而局部不变的过程,来检测得到视图中三维物体的局部区域,然后通过从局部测量计算得到的不变量描绘的区域集合来表示物体。局部特征可以从几何角度粗略的分为点、线、面3种类型:1、基于点特征的目的识别技术:角点是图像的一个重要的局部特征,它具有旋转不变性,几乎不受光照条件的影
9、响。角点可以是图像中具有周围灰度变化剧烈特征的点,也可以是图像边界上具有曲率足够高的点,还可以是图像中具有最大偏转角和偏向的点、灰度梯度方向变化较大的地方等。角点在图像匹配中有广泛应用。常见的特征描绘方法是:将形心到相邻两角点的直线所成的夹角作为识别的特征,这组特征对于比例、平移和旋转都是不变的。但是由于角点的检测容易出现漏检和虚假角点等,在利用角点作为不变量对目的进展识别时,可以考虑与其他特征结合起来进展识别。2、基于线特征的目的识别技术提取图像中的特征线如直线、曲线、各种轮廓线等,可以使图像的表述更简洁,而曲线可以用直线加以近似,进而形成封闭的轮廓。常用的直线提取方法有Houg喳换、启发式
10、连接算法、层次记号编组法和相位编组法等。Houg喳换提取直线准确且稳定,抗噪声才能强,不会产生直线断裂等情况,但是计算量很大且由于不考虑各点之间的间隔信息,因此,容易将不属于直线上的点也连接到该直线上,即容易出现过连接现象。启发式连接算法提取直线抑制了Hough变换的缺陷,但对边缘检测结果敏感,容易产生直线断裂的情况。层次记号编组法提取直线速度快,能连接短直线,然而存在参数难以选择、分辨率低的问题。而相位编组法采用了另一种思路,相位编组法是根据各像素点的梯度相位进展分组,相邻的梯度方向一样的点形成边缘支持区域,再从每个区域提取直线段。这种方法在提取低比照度直线时效果很好,但是抗噪才能较差,提取
11、的直线往往存在断裂。下面有一种基于直线特征目的识别算法:首先,创立一个图像中的线条的近邻搜索构造;使用范围搜索,识别出在每个模型和图像中的每个角落;对于每个模型做这样的处理:H=?初始化假设列表为空;对每个模型线和图像线组成的线对1,11,令:C二线对1,11以及邻近角落产生的状态假设;H=HUC;对C中的相邻的模型及图像的相似性进展比较;完毕;P=将H按邻域内的相似性进展分类得出的结果;对每一个Pii=1,2,门,和模型的特征加以比较;假设发现足够的相似线对,那么一个图像就可以被识别出来;完毕。3、基于面特征的目的识别技术面特征从严格意义上已不属于传统的几何形状特征了,一般称为局部纹理特征或
12、者局部外观特征。这类特征不受图像分割精度的影响。局部外观特征是通过对兴趣区域进展计算得到的,这就是说首先要提取兴趣区域,然后选择适宜的区域描绘子进展描绘。一般区域检测算子得到的兴趣区域是椭圆区域,它们在仿射像变换中具有不变性。常用的兴趣区域有Harris-Laplace区域、DoG区域、Hessian-Laplace区域、凸显区域、极大稳定极值区域等。基于局部特征匹配的目的识别方法的优点是,因为视角改变引起的物体外观的形变,全局看来尽管非常复杂,但在局部的尺度上可通过简单的变化来估计;同时因为无需所有的局部特征得到匹配,这种方法在物体有重叠和复杂背景情况下都有较好的稳健性。因为建立了区域间的相
13、似性,物体识别也做到了局部化。在基于局部特征匹配这一大类方法中,各种算法的区别在于,局部图像区域的选择和基于这些区域的特征计算。结论:三维目的识别是一门比较新的科学,它可以从已经比较成熟的二维图像识别中过渡一些根本处理方法,但是三维图像以及物体所涵盖的信息量远远大于二维图像,因此,对于三维目的识别的研究陆续的出现了各种各样的方法。总的来说,三维目的识别是一个比较复杂的但是值得研究的课题。对生活等许多领域将会产生很大影响。参考文献:1、 徐胜.彭启琮.三维物体识别研究期刊论文-计算机工程与应用2021(31)2、 陶曼.深度图像的分割与压缩学位论文硕士20063、 学位论文博士20214、 林应
14、强.基于模型的三维物体识别学位论文硕士19975、 樊亚军.利用神经网络实现三维飞机目的识别学位论文硕士20056、 胡薇.基于特征空间的3D目的识别方法研究学位论文硕士20047、 三维目的识别原理及关键技术学位论文硕士20018、 基于不变矩和SVM分类的三维目的识别方法学位论文硕士20219、 基于多视点不变量的三维物体识别学位论文硕士200010、 DavidP,deMenthonD.ObjectRecognitioninHighClutterImagesUsingLineFeaturesC/ProceedingsofICCV05.Beijing,China:s.n.,2005:1581-1588.