林業(yè)機器人屬于特種機器人范疇,可以替代人工活動,在林業(yè)作業(yè)方面有著非常重要的作用。顏色作為物體最直觀、最顯著的表現(xiàn),是林業(yè)機器人識別不同目標的一個重要特征。但是,被攝物表面的顏色易受到場景光照影響,使得林業(yè)機器人獲取的圖像顏色失真。在機器視覺領域中,減少或在理想情況下消除光照對圖像的影響,從而恢復圖像的顏色信息,稱為顏色恒常性。面向林業(yè)機器人所處的特殊環(huán)境,如何使圖像得到較好的顏色恢復,是該文的研究目的。實現(xiàn)顏色恒常性有兩種方法:第一種是通過對圖像的場景光照顏色的RGB值進行估計,然后根據(jù)對角模型對該圖像的顏色進行恢復,即光照估計算法;第二種是提取圖像中對光照魯棒的特征,即提取顏色不變子。該文主要面向林業(yè)機器人,圍繞光照估計算法開展研究。針對林業(yè)機器人所在的場景,在對光照估計算法進行了深入的綜述分析的基礎上進行了如下幾方面的研究:（1）改進了基于底層像素的光照估計算法,該方法利用零范數(shù)平滑增加圖像顏色的可信度;（2）提出了基于圖像場景特征的光照估計算法。該方法首先提取圖像集中每個圖像的特征,然后根據(jù)每幅圖像的特征,確定與測試圖像特征相似的K幅圖像,最后根據(jù)K個被選圖像的標準光照RGB值... 

【文章來源】：北京林業(yè)大學北京市 211工程院校 教育部直屬院校

【文章頁數(shù)】：66 頁

【學位級別】：碩士

【部分圖文】：

圖１．１常見林業(yè)機器人工作場景??Ｆｉｕｒｅ?１．１?Ｔｈｅ?ｗｏｒｋｉｎｓｃｅｎｅｓ?ｏｆ?ｆｏｒｅｓｔｒｒｏｂｏｔｓ??

圖像的色域ｒ（ｉ）中的顏色可以完全和標準色域ｒ（ｃ）中的顏色對應。??ｊｗｒ（／）＃潁ǎ悖??（２－ｉ〇）??第三步，從可行映射Ｍ中選擇一個最佳映射，如圖２．２。所選映射可應用于??規(guī)范光源，得到未知光源的估計值。Ｆｏｒｓｙｔｈ提出的色域映射算法采用啟發(fā)式方??法，認為映射得到的結(jié)果最多彩色場景，即對角線矩陣中最大的跟蹤，是最合適??的映射（Ｆｏｒｓｙｔｈ，?１９９０）。??一些研究者提出對該算法的改進方案。例如，Ｆｉｎａｌｙｓｏｎ等提出色域映射算法??也可以在色度空間中進行計算，雖然該改進方法減少了經(jīng)典色域映射算法的計算??復雜度，但是實驗證明效果并不是很好（Ｆｉｎｌａｙｓｏｎ，Ｔｒｅｚｚｉ，１９９５）?；?Ｂａｒｎａｒｄ在??２０００年對最佳映射的選擇提出了改進方案，即可行映射的平均值或加權(quán)平均值??是最佳映射（Ｂａｒｎａｒｄ

由于本課題主要研宄對象為林業(yè)機器人，作者在學校校園里和學校的實驗林??中拍攝了部分林業(yè)圖像，作為實驗所用圖像集中的一部分，主要作用為效果展示，??如圖２．３。??圖２．３林業(yè)場景圖像不；例??Ｆｉｇｕｒｅ?２．３?Ｔｈｅ?ｉｍａｇｅｓ?ｏｆ?ｆｏｒｅｓｔｒｙ?ｓｃｅｎｅ??另外，我們選�。牵颍幔�?Ｂａｌｌ圖像集，Ｃｏｌｏｒ?Ｃｈｅｃｋｅｒ圖像集中一部分圖像??ＣＧＢ一ＯＵＴＤＯＯＲ，?ＣＣ＿ＯＵＴＤＯＯＲ）作為本課題實驗所用的部分圖像集，命名??為ＩＭＧ＿ＯＵＴＤＯＯＲ圖像集。由于該類圖像集中每個圖像都有所對應的真實場景??光照ＲＧＢ值做對照，所以我們用這些圖像對算法效果進行定量評價。雖然林業(yè)??機器人的工作環(huán)境一般為野外，但是只探究野外這一場景的光照情況具有局限性，??因此我們增加了和野外場景具有一定相似度的城市場景，有利于我們更好的研究??面對林業(yè)機器人的場景光照顏色估計情況。ＧＢＪ３ＵＴＤＯＯＲ有６４６張圖像，其中??１８??


本文編號：3291715