随着Internet、无线网络的普及,计算机处理能力的提高以及视频压缩技术的发展,远程视觉控制系统成为近年来研究的热点。本论文的工作基于一个机械臂远程视觉控制系统展开,在一个C/S模式的远程网络控制系统中,用户通过远程操作实现对机械臂的远程监控。通过安装在本地端的摄像机采集机械臂运动现场的图像,采集后的图像送入本地计算机进行图像分析和压缩,得到机械臂末端执行器在图像中的位置以及压缩图像数据,位置数据经过图像坐标与实际坐标的转换后得到实际位置数据,该位置数据与压缩图像数据通过Internet送至远程客户端,在客户端根据接收到的位置数据向本地端发送控制指令,完成对本地端的反馈控制,同时解压接收到的图像数据并显示,实现用户对运动现场的实时监控。本论文采用三种方法实现了图像数据的压缩传输,并提出了鲁棒性较好的目标跟踪与定位算法。在图像压缩部分,分别采用了基于DCT(discrete cosine transform)的图像压缩方法、嵌入式零树小波(EZW)图像压缩方法以及基于混合预测/DCT与小波相结合的视频压缩方法。1)对DCT变换和量化系数的存储方法加速了编码速度,同时采用在解码端嵌入基于自适应邻域的块效应滤波器的方法消除DCT解压缩图像的块效应;2)利用提升格式的小波变换提高小波的运行速度,利用嵌入式零树小波(EZW)算法编码小波系数,实现图像的渐进压缩编码。针对EZW算法对低频数据和高频数据采用同样方法编码导致的低频数据损失,以及主表和副表扫描的空间复杂度高的问题,进行了三个方面的改进:首先,直接存储数据量较少的低频数据,并将其数值调整到一个字节范围内;其次,设置标记矩阵来取消对主表和副表的扫描,并对每一个重要系数同时进行主扫描和副扫描;将副扫描的精度提高一个比特,以增加每次扫描的有效数据量。3)在混合MC(运动补偿)/DCT与小波相结合的视频编码算法中,为了加快搜索速度,统一采用4×4块匹配;针对传统快速块匹配算法易陷入局部极小值的问题,提出一种新的快速算法:首先判断是否静止块,若是,则停止搜索,若否,则通过运动矢量预测确定搜索中心点,并沿着由内而外的搜索路径,结合搜索停止条件,完成匹配块的搜索,在保证搜索速度的前提下,根本解决了陷入局部极小值的问题;同时,对I帧图像采用小波编码来实现视频序列的重同步,P帧图像经过预测后,采用4×4整数变换编码残差数据,最后采用哥伦布码表输出码流。在原来的远程视觉控制系统中,机械臂末端执行器的跟踪与定位采用的是灰度模板匹配,该算法较简单,但是在光照和背景变化以及阴影发生移动时,很容易出现错配,导致反馈误差过大,引起机械臂运动过调,从而不能按照预定轨迹绘制曲线。本论文利用梯度方向角不受光照及阴影变化的影响,采用了二维梯度方向编码进行匹配的定位方法,并针对全局搜索存在的搜索量大的问题,结合Kalman滤波对机械臂末端位置进行预测,由于预测位置与实际位置一般只有几个像素的距离,因此可在一个较小的范围内搜索匹配位置,极大地减少了计算量。该算法对刚性物体且无旋转情况下的灰度视频序列都具有适用性。