激光三維運動成像技術(shù)探討

《激光三維運動成像技術(shù)探討》由會員分享，可在線閱讀，更多相關(guān)《激光三維運動成像技術(shù)探討（4頁珍藏版）》請在裝配圖網(wǎng)上搜索。

1、激光三維運動成像技術(shù)探討 激光三維運動成像技術(shù)探討 2018/11/08 摘要:運動目標(biāo)成像受到光學(xué)移動和視覺位移因素的影響，導(dǎo)致成像質(zhì)量不高，噪點較多，為了提高三維運動目標(biāo)的成像質(zhì)量，提出一種基于Harris角點檢測和邊緣輪廓重構(gòu)的激光三維運動成像技術(shù)，采用激光掃描技術(shù)進行運動目標(biāo)的二值圖像掃描，對采集的二值圖像采用小波變換進行降噪處理，對降噪圖像進行動態(tài)特征點檢測和像素匹配，采用Harris角點檢測方法提取激光三維運動圖像的關(guān)鍵特征點，對提取的特征點根據(jù)動態(tài)屬性

2、進行關(guān)聯(lián)模板匹配，由此構(gòu)建邊緣輪廓實現(xiàn)激光三維運動圖像重構(gòu)，實現(xiàn)運動成像改進設(shè)計。仿真結(jié)果表明，采用該方法進行激光三維運動成像，輸出圖像的峰值信噪比較高，成像的歸一化均方根誤差較小，成像質(zhì)量較好。 關(guān)鍵詞:激光;三維運動成像;圖像降噪;邊緣輪廓特征提取;角點檢測 1引言 三維運動成像技術(shù)是實現(xiàn)三維視覺重構(gòu)和虛擬現(xiàn)實仿真的基礎(chǔ)，通過三維運動成像，為建立三維視景仿真模型提供模型基礎(chǔ)，三維視覺成像是21世紀(jì)最有前景的高科技技術(shù)之一，它是21世紀(jì)最有前景的高科技之一，通過三維視覺成像，建立虛擬現(xiàn)實視景仿真平臺，其集合計算機技術(shù)，圖形圖像技術(shù)，光學(xué)技術(shù)，控

3、制技術(shù)等多種高科技為一體。通過三維立體建模和相關(guān)的圖像處理算法，實現(xiàn)對虛擬現(xiàn)實場景的模擬和視覺重構(gòu)，因此，研究三維運動成像技術(shù)在圖像處理、視景仿真和三維建模等領(lǐng)域中具有很好的應(yīng)用價值，相關(guān)的成像技術(shù)研究受到人們的極大重視［1］。在對三維運動成像設(shè)計中，受到場景的動態(tài)特性和運動目標(biāo)圖像自身位移和像移因素的影響，導(dǎo)致三維運動成像的質(zhì)量性能不好，輸出圖像的噪點較多，成像效果不好，傳統(tǒng)方法中，三維運動成像方法主要采用圖像邊緣融合成像方法、偏振成像方法、紋理分割成像方法等［2－3］，通過三維掃描技術(shù)進行運動圖像的原始圖像采集，對采集的圖像進行邊緣輪廓檢測和區(qū)域分割，結(jié)合網(wǎng)格模板匹配和塊區(qū)域匹配相融合的方

4、法實現(xiàn)激光三維運動成像，取得了較好的成像效果，相關(guān)文獻進行了研究，其中，文獻［4］中提出一種基于小波域向量量化的激光三維運動成像的特征融合方法，進行三維運動成像小波域子矢量點到線模型的計算，采用稀疏化邊緣像素融合方法實現(xiàn)運動成像，提高圖像的動態(tài)匹配性能，但該方法計算開銷過大，復(fù)雜度較高;文獻［5］中提出一種基于自適應(yīng)光學(xué)技術(shù)在深層動態(tài)熒光顯微成像技術(shù)，采用不規(guī)則三角網(wǎng)剖分方法案進行圖像信息特征提取和重構(gòu)，結(jié)合小波融合和模板匹配方法進行激光三維運動圖像成像，提高了成像質(zhì)量，但該方法容易受到噪點干擾，成像過程的抗干擾性不強。文獻［6］中提出一種基于偏振成像的可見光圖像增強技術(shù)，采用點到線模型的LB

5、G向量量化方法進行圖像融合處理，提高了成像關(guān)鍵信息點的表達能力，成像質(zhì)量得到改善，該方法隨著圖像的運動導(dǎo)致成像效果不好，成效過程的隨動性能不好。針對上述問題，為了提高三維運動目標(biāo)的成像質(zhì)量，本文提出一種基于Harris角點檢測和邊緣輪廓重構(gòu)的激光三維運動成像技術(shù)，首先采用激光掃描技術(shù)進行運動目標(biāo)的二值圖像掃描，對采集的二值圖像采用小波變換進行降噪處理，然后采用Harris角點檢測方法提取激光三維運動圖像的關(guān)鍵特征點，對提取的特征點根據(jù)動態(tài)屬性進行關(guān)聯(lián)模板匹配，由此構(gòu)建邊緣輪廓實現(xiàn)激光三維運動圖像重構(gòu)，實現(xiàn)運動成像改進設(shè)計。最后進行仿真試驗，得出有效性結(jié)論，展示了本文方法進行激光三維運動成像優(yōu)化

6、中的卓越性能。 2運動目標(biāo)的二值圖像重建和預(yù)處理 2.1基于激光掃描的運動目標(biāo) 圖像重建為了實現(xiàn)激光三維運動成像，采用激光紅外掃描技術(shù)進行運動目標(biāo)的二維圖像重建，設(shè){w1，w2，…，wdi}表示激光三維運動成像提取的向量加權(quán)，假設(shè)激光三維運動成像的位置信息關(guān)聯(lián)分布長度為L=xmax－xmin，寬度為W=ymax－ymin，高H=zmax－zmin，采用三維空間重構(gòu)方法。 2.2圖像降噪處理 為了提高激光三維運動成像的質(zhì)量，需要進行圖像降噪處理，構(gòu)建激光三維運動成像的噪點分布子空間內(nèi)進行向量量化分解，圖像的量化特征函

7、數(shù)表示為g={g(i)，i∈Ω}，根據(jù)噪點分布的密度，采用像素重組和多維尺度分解方法進行三維運動成像的像素點融合處理，得到一個全幅的三維運動圖像的相位信息和衰減增量分別表示為θ(k)、Δx(k)和Δy(k)，在噪聲干擾下，采用子空間融合降噪方法［8］。 3激光三維運動成像優(yōu)化實現(xiàn) 3.1Harris角點檢測在采用激光掃描技術(shù)進行運動目標(biāo)的二值圖像掃描，對采集的二值圖像采用小波變換進行降噪處理的基礎(chǔ)上，進行圖像的關(guān)鍵特征點提取，實現(xiàn)激光三維運動成像優(yōu)化設(shè)計，本文提出一種基于Harris角點檢測和邊緣輪廓重構(gòu)的激光三維運動成像技術(shù)，采用Harris角點檢測方法提取激

8、光三維運動圖像的關(guān)鍵特征點［10］，對于一幅多尺度的激光三維運動圖像J，采用顏色特征分量分解方法。 3.2邊緣輪廓檢測及激光三維運動成像 采用激光掃描技術(shù)進行運動目標(biāo)的二值圖像掃描，對采集的二值圖像采用小波變換進行降噪處理，對降噪圖像進行動態(tài)特征點檢測和像素匹配，采用Harris角點檢測方法提取激光三維運動圖像的關(guān)鍵特征點［13］，對提取的特征點根據(jù)動態(tài)屬性進行關(guān)聯(lián)模板匹配，由此構(gòu)建邊緣輪廓實現(xiàn)激光三維運動圖像重構(gòu)，激光三維運動成像經(jīng)過圖像矢量量化分解處理后，估計出激光三維圖像沿中心頻譜點(f，^f)的干涉區(qū)域。 4仿真實驗與結(jié)果分析

9、 為了測試本文方法在實現(xiàn)激光三維運動成像，改善成像質(zhì)量方面的應(yīng)用性能，進行仿真實驗，圖像處理算法采用Matlab7仿真軟件設(shè)計，實驗的硬件平臺為HPPC機，內(nèi)核Corei5，內(nèi)存12GB，采用Laser5.0激光掃描器進行運動圖像的激光掃描，測試對象為運動的人體模板，將激光掃描傳感器固定在人體的關(guān)節(jié)部位。 5結(jié)語 為了提高三維運動目標(biāo)的成像質(zhì)量，本文提出一種基于Harris角點檢測和邊緣輪廓重構(gòu)的激光三維運動成像技術(shù)，構(gòu)建激光三維運動成像的噪點分布子空間，根據(jù)噪點分布的密度，采用像素重組和多維尺度分解方法進行三維運動成像的像素點融合處理，采用二值處理方法，進行圖像降噪，采用Harris角點檢測方法提取激光三維運動圖像的關(guān)鍵特征點，對提取的特征點根據(jù)動態(tài)屬性進行關(guān)聯(lián)模板匹配，實現(xiàn)激光三維運動成像算法改進。以人體不同動作運動圖像為研究對象，進行激光三維運動成像，實驗得知，本文方法進行激光三維運動成像的質(zhì)量較高，對動作的運動跟蹤識別性能較好，峰值信噪比較高，誤差較低，說明成像性能優(yōu)越。