论文部分内容阅读
视觉是大多数生物获取信息的不可或缺途径。毫无疑问,人们通过视觉信息认识和了解外界环境。随着经济的发展以及科学技术的进步,社会数字信息化水平的日益提高,人类在视觉传感器技术、人工智能算法、无线多媒体技术、机器视觉等方面取得了巨大的突破,使得图像处理技术可以在工业、生活、医学、航天、军事等领域成为各种定位、导航技术的一个补充。这大大提高了定位系统的效率,增强了系统的精度。运用机器视觉的相关技术进行定位、导航,具备了获取方式效率高、价格低廉、灵活性大、不需要直接接触等优点。在日常复杂的室内环境中如:楼宇、机场、仓库、地下停车场,能够实现通过对周边环境的视觉图像采集与已存在的地图图像库进行比对、映射,从而把位置信息反馈给使用者。本文首先阐述了模仿人眼观测事物的空间尺度理论,图像特征的相关理论知识,其中包含图像特征类型的分类,图像特征的重要衡量特性以及对常见图像特征的论述。通过对特征特性的分析和对比实验,以及本系统所运用场景的把握,选取了适用于本系统的特征组合。在对特征进行组合时,分别对特征内部和特征之间的归一化问题进行了阐述。并且对传统SIFT算法进行了改进。使得原来只能用于处理灰度图像的SIFT算法能够利用图像的颜色信息处理彩色图像。将原算法中的128维的灰度特征描述子拓展为160维(128Gray+32Color)特征描述子,减少了一些图像的误匹配,并且未对原算法的时间效率造成太大的影响。本文还对提出的改进算法与一些常见的相关算法在旋转不变性、亮度变化、缩放变化、抗噪声性能等方面进行了对比试验,验证了改进算法的综合性能。同时,根据本系统的适用场景,对常见的基于内容的检索系统的相关特征进行了性能比较。并且针对该检索系统在检索大规模图像数据时耗时长、效率低等缺点,分别引入了基于无监督学习的聚类技术和有监督学习的分类技术两种技术对检索系统进行改进。通过对图像特征数据库中的图像特征进行分类或聚类使得检索系统对图像数据的检索效率大大提高。最后,提出一种基于图像地标特征构建的定位系统。该定位系统由改进的基于内容检索和改进的基于SIFT特征的精确匹配两级模块组成,其中检索模块主要负责在大规模图像数据库中快速粗略检索,为二级精确匹配缩小的匹配范围;匹配模块负责对筛选后的小量图像数据精确匹配并反馈图像位置信息。定位系统分为客户端和服务器端两个部分。客户端的功能为向服务器端传输问询图像和从服务器端接收带有位置标注的地图信息。服务器端的功能为接收问询图像,实现两级模块的相关算法和功能和传输定位信息给客户端。