利用深度和灰度图像实现三维目标的识别与分类光电子激光2010
第21卷第2期 2010年2月 JournalofOptoelectronics・Vol.21No.2 Feb.2010Laser
光电子・激光
利用深度和灰度图像实现三维目标的识别与分类3
郝 麟,冯少彤,聂守平33
(南京师范大学江苏省光电技术重点实验室,江苏南京210097)
摘要:将深度图像和灰度图像相结合,对围绕定轴旋转的三维目标进行了识别与分类。将深度图像作为相位因
子,对其进行傅里叶变换,并用其制成三维定向图,用于三维目标的识别和旋转角度的判定;,采用主分量分析(PCA)的方法,对训练图像进行特征分析。在其所属特征空间进行分解与重构。实验结果表明,的误判概率。
关键词:深度图像;灰度图像;;;(PCA)中图分类号:O438(2010)0220312206
Three2dimrecognitionandclassificationusingrangeandtextureimage
HAOLin,FENGShao2tong,NIEShou2ping33
(JiangsuProvinceKeyLaboratoryforOpto2electronicTechnology,NanjingNormalUniversity,Nanjing210097,China)
Abstract:Therangeimageandthetextureimagearecombinedtorecognizeandclassifythethree2dimen2sional(3D)objectswhichrotatearoundthefixedaxis.Therangeimageisconsideredasaphasefactor,andthenthephaseFouriertransformofthefactorisusedtobuilda3Dobjectorientationmap,whichisusedfor3Dobjectsidentificationandtodetecttherotationangle;Thetextureimagesareprocessedbyprincipalcomponentanalysis(PCA),andthefeaturevectorsareselected.Accordingtothedetectedan2gle,wechoosethecorrespondingfeaturespacetodecomposeandreconstructthetextureimageof3Dob2ject.Theresultsindicatethattheproposedschemecanreducetheerrorrateofobjectrecognitionobvi2ously.Keywords:rangeimage;textureimage;phaseFouriertransform;32Dobjectorientationmap;principalcomponentanalysis(PCA)
法的一个重要途径。 本文将深度图像作为相位因子,采用相位傅里叶变换的方法,用训练图像生成三维物体定向图,通过三维定向图来识别目标并且检测目标旋转的角度。针对三维目标表面形状相同但灰度不同的目标,综合利用深度图像的相位傅里叶变换和灰度图像的PCA,确定目标的种类,避免了目标识别与分类中的误判。
1 引 言
三维目标识别技术可以分为光电混合目标识别和计算机目标识别两大类。光学目标识别[1~3]的核心是设计目标相关识别滤波器,代表性的方法有联合变换相关(JTC)、综合鉴别函
[4~6]
数(SDF)等方法。计算机目标识别的关键是提取目标的特征,通常采用主分量分析法(PCA)、独立分量分析法(ICA)。这些方法的共同点是用在目标的灰度图像中,很少被用于目标的深度图像[7,8]中,而深度图像直接反映了三维目标的形状,是区分不同目标的一个重要参量。一个三维物体的表面可以看成无数个有限平面的组合,每一个面元对深度图像的相位傅里叶变换都有贡献,物体的形状信息包含在相位傅里叶变换中,因此三维物体表面形貌的相位编码傅里叶变换图包含了这个三维物体的形状特征,如何有效利用深度图像是拓展目标识别方
2 相位编码傅里叶变换识别
三维物体的深度信息可以表示成z=f(x,y),将其作为相位因子,即
(1) p(x,y)=exp[if(x,y)]
式(1)的傅里叶变换为
(2) PhFT(u,v)=F2D{p(x,y)}
① 收稿日期:2009204212 修订日期:2009208213
3 基金项目:江苏省高校自然科学研究重大项目(09KJA140002)江苏省自然科学基金资助项目(BK2006726) 33E2mail:[email protected]
・313・
式中:F2D表示二维离散傅里叶变换,PhFT(u,v)为相位编码傅里叶谱。 任何三维物体的前表面可以看成是无数小区域平面的组合,即
f(x,y)=
∑q(x,y)
i
×Ri(x,y)(3)
其中:qi(x,y)是物体表面的任意一个平面;Ri(x,y)是qi平面的边界。单个有限区域平面可以表示为
(4) qi(x,y)=aix+biy+c
该平面的有限区域边界Ri(x,y)为
1(x,y)∈Ri(x,y)
(5) Ri=
0(x,y)∈others
则单个平面可表示为
( fi(x,y)=qi(x,y)×Ri(x,y)
Pi(x,y)=exp(ifi)=exp[iqi(x,y)(y)](对(7)式进行傅里叶变换,则
phFTi(u,v)=F2D{i,=
由式(10)可知,所有组成复杂三维物体的面在该物体的相位编码傅里叶图中都唯一的表示了该平面的主频位置和边界函数的傅里叶谱。所以,通过复杂物体深度图像的相位编码傅里叶图,可以识别该三维物体。 如图1所示是三维空间中的任意一平面,其法向量表
θφ示为(a,b,1),由图可知,a=tanφ,b=tan/cos
∫
∫e
ei
R2
(x,y)∈Ri
(aix+biy+c)・Ri(x,y)e
π(ux+vy)-i2
dxd=
图1 角坐标示意图
i(aix+biy+c)e
π(ux+vy)-i2
dxdy+
(x,y)∈Ri
∫e
Fig.1 Definitionofangularcoordinates
π(ux+vy)-i2
dxdy=
(8)
2
aibi
(u-
π2
,v-
)