一种基于高分辨率图像知识先验的压缩感知方法及其混合视觉系统

摘要

本发明属于机器视觉技术领域，具体涉及一种基于高分辨率图像知识先验的压缩感知方法及其混合视觉系统。本发明包括：设定混合视觉系统中高维图像和低维图像的中间维度；计算高维图像降维观测矩阵并对高维图像降维，计算低维图像升维观测矩阵并对低维图像升维；用SIFT匹配算法对得到的同维度的两幅图片进行匹配并计算匹配率；重复以上步骤直到找到可以得到最高匹配率的最优中间维度。使用了图像处理的手段，针对目标在混合视觉系统不同视觉基元中存在成像尺度偏差的特点，采用基于压缩感知技术实现对全景非线性压缩图像进行重构和基于降采样措施对透视图像进行降维。

说明书

技术领域

本发明属于机器视觉技术领域，具体涉及一种基于高分辨率图像知识先验的压缩感知方法及其混合视觉系统。

背景技术

视觉技术由于其具有非接触感知、获取信息量丰富、抗干扰能力强等特点，在环境理解、目标探测和定位等领域有着广泛的应用。常规双目视觉和双目全景视觉在进行目标定位时分别具有视场狭小和作用距离有限的缺点，两者联合构成的异构双尺度混合视觉系统兼顾了视场和可视距离双重因素，在大视场范围内实现目标跟踪及定位应用领域具有显著的优势。但由于此混合系统中视觉基元成像原理相异且目标成像尺度不同，导致经典双目视觉定位算法失效。有效解决异构成像视觉单元组成的多目立体视觉系统中存在的不同尺度图像间图像的等维度重构问题，将是对基于机器视觉实现环境三维信息感知这一最基本和最重要技术的极大促进。

经典的香农采样定理认为，为了不失真地恢复模拟信号，采样频率应该不小于奈奎斯特频率(即模拟信号频谱中的最高频率)的两倍。但是其中除了利用到信号是有限带宽的假设外，没利用任何的其它先验信息。采集到的数据存在很大程度的冗余。压缩感知方法(Compressed Sensing CS)充分运用了大部分信号在预知的一组基上可以稀疏表示这一先验信息，为维度的重构提供了一种新思路。

发明内容

本发明的目的在于提供一种应用机器视觉手段的基于高分辨率图像知识先验的压缩感知方法。

本发明的目的还在于提供一种基于高分辨率图像知识先验的压缩感知方法的混合视觉系统。

本发明的目的是这样实现的：

一种基于高分辨率图像知识先验的压缩感知方法，包括如下步骤：

1)设定混合视觉系统中高维图像和低维图像的中间维度；

2)计算高维图像降维观测矩阵并对高维图像降维，计算低维图像升维观测矩阵并对低维图像升维；

3)用SIFT匹配算法对得到的同维度的两幅图片进行匹配并计算匹配率；

4)重复以上步骤直到找到可以得到最高匹配率的最优中间维度。

一种基于高分辨率图像知识先验的压缩感知方法的混合视觉系统，上半部分为一个全景相机，下半部分为一个透视相机，其中全景相机包括双曲面全方位成像反光镜1,经全景相机环形透光玻璃支撑筒2支撑在全景相机支架底座3上，在全方位成像反光镜1下方全景相机环形透光玻璃支撑筒2内的全景相机支架底座3上，垂直向上设置有1394相机4，作为透视相机的1394相机5垂直链接于可旋转的链接杆6并垂直链接在全景相机支架底座3上，透视相机环形透光玻璃支撑筒7支撑全景相机，置于透视相机支架底座8上。

本发明的有益效果在于：

使用了图像处理的手段，针对目标在混合视觉系统不同视觉基元中存在成像尺度偏差的特点，采用基于压缩感知技术实现对全景非线性压缩图像进行重构和基于降采样措施对透视图像进行降维。

附图说明

图1为本发明一种基于高分辨率图像知识先验的压缩感知技术基本框图。

图2为本发明混合视觉装置示意图。

具体实施方式

下面结合附图对本发明做进一步描述。

本发明公开了一种基于高分辨率图像知识先验的压缩感知技术，主要步骤有：设定混合视觉中高维图像和低维图像的中间维度，计算高维图像降维观测矩阵并对高维图像降维，计算低维图像升维观测矩阵并对低维图像升维，用SIFT匹配算法对得到的同维度的两幅图片进行匹配并计算匹配率，重复以上步骤直到找到可以得到最高匹配率的最优中间维度。本发明采用机器视觉和图像处理的方案，利用压缩感知理论，实现了低维全景目标特征图像向高维图像的重构映射，同时对常规大尺度图像进行降分辨率采样，结合匹配精度试验结果，找到全景特征尺度升维和透视特征尺度降维的最佳匹配点，实现不同尺度下被定位目标特征精确匹配算法，提高了混合视觉环境三维信息感知的定位精度。

本发明实现发明目的采用的技术方案是：异构双尺度混合视觉系统对同一兴趣目标的成像尺度存在较大差别，主要是由于全景视觉通过双曲面反射镜成像过程中的空间光域压缩效应，使空间视场与成像面积的对应关系表现出显著的非线性特点，相反常规视觉系统成像可以通过光学变焦操作对目标进行精细成像，因此如何实现不同尺度图像中的特征精确匹配是定位的重要步骤。由于全景系统对环境成像具有“完备”且“连续”特性，而小尺度的CCD数字离散成像是对空间成像信息的“离散压缩采样”，利用压缩感知理论，实现低维全景目标特征图像向高维图像的重构映射，同时对常规大尺度图像进行降分辨率采样，结合匹配精度试验结果，找到全景特征尺度升维和透视特征尺度降维的最佳匹配点，实现不同尺度下被定位目标特征精确匹配算法。

一种基于高分辨率图像知识先验的压缩感知技术，其特征在于：包括如下主要步骤：

1)根据先验知识估算并设定混合视觉中高维图像和低维图像的中间维度。

2)计算高维图像降维观测矩阵并对高维图像降维，计算低维图像升维观测矩阵并对低维图像升维。

3)用SIFT匹配算法对得到的同维度的两幅图片进行匹配并计算匹配率。

4)重复以上步骤直到找到可以得到最高匹配率的最优中间维度。