随着机器视觉的用途越来越广泛,人们对于图像处理的研究也越来越迫切,足球机器人视觉系统是一个非常好的研究图像处理的平台,它对实时性、准确性以及适应性的要求非常符合现代工业生产的需要,足球机器人视觉系统的研究能够推动机器视觉更快的发展。 图像分割和图像识别是图像处理中非常重要的两部分。虽然图像分割技术已经发展了几十年,但仍然没有一个统一的分割理论,而大量的算法都只是针对纷繁复杂的具体问题有效;彩色图像具有多维特征的本质,使得大量成熟的灰度图像分割方法无法在彩色图像中取得满意的分割效果;彩色图像分割与多目标实时辨识,因涉及多维空间特征分析而成为视觉系统研究的热点和难点问题之一;提高视觉系统对环境光照变化的自适应能力对拓展视觉系统应用领域具有重要意义。 本文研究内容包括彩色图像分割的理论和方法、局部转换的思想以及动作视觉协调的高智能性自我纠错方法等。主要贡献可概括如下: 1.在理论方面,首先从集合论的观点出发,以集合函数的形式对彩色图像进行了描述;第二,将特征函数的概念加以推广,定义了多值特征函数,提出了基于多值特征函数实现图像坐标集合划分,进而实现图像分割的思路;第三,给出了基于多值特征函数实现图像分割的数学描述;第四,给出了局部颜色空间转换和局部象素畸变校正的思想。 2.在技术方面,提出了彩色图像样本邻域值分割方法,该方法是一种特征聚类方法。通过在颜色空间中进行样本分析(推理假设和容斥运算),构建目标样本在颜色空间中的超集,用颜色空间的特征函数描述多目标聚类结果,最终将特征函数存储在目标特征信息库中。在实时图像分割的过程中,利用特征函数实现图像坐标集合划分简便快捷。 3.多目标视觉跟踪。为提高多目标视觉跟踪的准确度和环境适应能力,提出一种基于动作视觉协调的多目标视觉跟踪方法,通过视觉验证目标动作与指令的一致性,保持目标在视觉盲区的连续跟踪,并能纠正目标跟踪错误。