学位论文 > 优秀研究生学位论文题录展示

视觉测量图像压缩技术研究

作　者: 杨晓
导　师: 杨学友
学　校: 天津大学
专　业: 精密仪器及机械
关键词: 位平面提升 ROI掩模 SPIHT算法 ROI编码 Huffman编码空间方向树结构
分类号: TP391.41
类　型: 博士论文
年　份: 2012年
下　载: 29次
引　用: 0次
阅　读: 论文下载

内容摘要

视觉测量技术以其非接触性、测量精度高和处理速度快等特点，在工业生产中得到了广泛的应用。随着数字相机成像技术的迅速发展，高分辨率的测量相机在视觉测量系统中也逐渐普及，但其带来的海量图像数据却给测量系统中的存储设备和有限传输带宽提出了严峻的挑战，因此研究一种在易于硬件实现、结构简单和高效的视觉测量图像压缩技术具有重要的应用价值。根据国内外相关的图像压缩理论和视觉测量系统中图像的成像特点，本文对视觉测量图像的压缩技术进行了深入的研究，主要完成的工作概括如下：1.总结了目前成熟的视觉测量系统所采用的图像存储方式，并探讨了视觉测量图像的应用特性。结合国内外图像编码技术的研究现状，给出了针对视觉测量图像的压缩要求及总体实现方案。在深入分析了ROI编码算法的研究现状和技术状态的基础上，结合视觉测量图像编码的总体方案，给出了测量图像压缩中应注意的技术细节以及对测量图像压缩方案的评价指标。2.重点研究了测量图像的特征区域提取方法。通过对光斑图像、类椭圆目标图像和结构光图像特征区域提取方法的研究，利用阈值分割和膨胀运算设计了通用的视觉测量图像特征区域提取方法。针对膨胀运算中存在的重复运算，利用基于Freeman链码膨胀运算方法，提高了ROI区域的提取效率。最后通过实验验证了测量图像压缩中的ROI提取方法的完整性。3.重点研究了基于位平面提升的视觉测量图像压缩方案。该方案在改进的SPIHT基础算法上利用分区域编码实现了对任意分辨率测量图像的压缩；设计的以小波子带为单位的量化方法减少了SPIHT算法在对ROI系数量化排序过程中不必要比特的输出；提出的小波系数符号层和幅度层的分离编码，以及SPIHT和Huffman的混合编码方法节约了码流对符号层编码的开支；通过仅对低频子带的背景区域中位置较高位平面进行编码，实现了以较少的码流保留住背景区域大部分图像信息的目的；最后通过实验验证了该方案对各类视觉测量图像压缩的可行性与有效性。4.重点研究了基于ROI掩模的视觉测量图像压缩方案。该方案深入分析了测量图像中ROI掩模的分布特点，提出了两种编码效率较高的ROI掩模编码算法。根据分区域编码的思想，重点分析了在适合用小波编码的区域上基于掩模的ROI编码中存在的不足，利用改进的空间方向树结构、小波系数幅度层的分离编码以及PROI掩模的引入，较大程度的提高了测量图像中特征区域的编码性能。对于背景区域中的系数，利用SPIHT算法对ROI掩模标记的所有背景系数进行精确编码，满足了测量图像对背景区域的编码要求。最后利用实验验证了该方案对各类视觉测量图像压缩的编码性能。5.研究了本文提出的基于掩模的视觉测量图像压缩方案在大尺寸测量实例中的应用。在不同分割阈值和膨胀半径下，重点探讨了基于掩模的测量图像编码方案对测量图像的编码性能和三维测量结果精度的影响。通过实验证明，基于掩模的视觉测量图像压缩方案实现了对测量图像的高效压缩，但对测量精度基本上没有产生影响。

全文目录

中文摘要  3-5
ABSTRACT  5-10
第一章绪论  10-22
  1.1 引言  10-11
  1.2 一些成熟的视觉测量系统及所用的图像压缩方法  11-14
  1.3 视觉测量中图像的应用特性及压缩的可行性分析  14-18
    1.3.1 测量图像的应用特性分析  14-15
    1.3.2 目前常用的图像压缩方法  15-17
    1.3.3 测量图像压缩的可行性及总体压缩方案  17-18
  1.4 测量图像压缩技术研究中的难点问题  18-19
  1.5 论文的主要工作及结构安排  19-22
第二章 ROI 编码理论  22-35
  2.1 ROI 图像编码技术概述  22-30
    2.1.1 小波变换在图像压缩中的应用特性  22-25
    2.1.2 ROI 区域从图像域到小波域的转换  25-26
    2.1.3 ROI 编码的算法基础  26-29
    2.1.4 ROI 编码的实现方式  29-30
    2.1.5 熵编码  30
  2.2 ROI 编码在测量图像压缩中的注意事项  30-31
  2.3 测量图像压缩算法的评价指标  31-33
    2.3.1 常用图像压缩的评价指标  31-32
    2.3.2 测量图像压缩的评价指标  32-33
  2.4 本章小结  33-35
第三章测量图像的特征区域提取方法研究  35-49
  3.1 光斑图像中特征区域的提取方法  35-36
  3.2 类椭圆目标的反光靶标图像中特征区域的提取  36-38
    3.2.1 适用于质心法的图像预处理  36-37
    3.2.2 适用于椭圆拟合法的图像预处理方法  37-38
  3.3 结构光图像中特征区域的提取  38-41
  3.4 测量图像压缩中对 ROI 的提取方法  41-44
    3.4.1 测量图像中统一的特征区域提取方法  41-43
    3.4.2 阈值分割方法的选择  43-44
  3.5 测量图像的 ROI 提取的完整性实验验证  44-48
  3.6 本章小结  48-49
第四章基于位平面提升的测量图像压缩方法研究  49-75
  4.1 位平面的提升方法  49-52
    4.1.1 常见的位平面提升方法  49-51
    4.1.2 适用于测量图像的位平面提升方法  51-52
  4.2 基于 MaxShift 提升 ROI 编码的实现过程及其存在的缺陷  52-53
  4.3 基于 MaxShift 测量图像压缩方法  53-68
    4.3.1 预处理  54-56
    4.3.2 ROI 系数的无损编码  56-65
    4.3.3 背景区域的编码  65-67
    4.3.4 基于 MaxShift 的测量图像压缩算法的编码步骤  67-68
  4.4 实验结果与分析  68-73
  4.5 本章小结  73-75
第五章基于掩模的测量图像压缩算法研究  75-102
  5.1 概述  75-78
    5.1.1 算法的编码流程  75-76
    5.1.2 算法的实现方式  76-77
    5.1.3 目前存在的问题  77-78
  5.2 ROI 掩模的编码方法  78-84
    5.2.1 基于特征区域在小波域上分布特性的 ROI 掩模编码方法  79-81
    5.2.2 基于位置信息及形状信息相似性的 ROI 掩模编码方法  81-83
    5.2.3 两种 ROI 掩模编码方法的性能比较  83-84
  5.3 P 区域的基于 ROI 掩模的测量图像压缩方法  84-94
    5.3.1 P 区域中 ROI 系数的编码方法  85-94
    5.3.2 P 区域中背景系数的编码方法  94
  5.4 分区域编码中区域划分的修正  94-95
  5.5 熵编码  95
  5.6 基于掩模的测量图像压缩算法的编码步骤  95-96
  5.7 实验  96-101
  5.8 本章小结  101-102
第六章测量图像压缩算法在大尺寸测量中的应用  102-113
  6.1 测量图像压缩算法在大尺寸测量中的验证实验方案  102-105
    6.1.1 实验准备  102-103
    6.1.2 实验过程  103-104
    6.1.3 实验结果的分析方法  104-105
  6.2 实验结果与分析  105-112
  6.3 实验结论  112
  6.4 本章小结  112-113
第七章总结与展望  113-116
  7.1 全文总结  113-115
  7.2 前景展望  115-116
参考文献  116-126
发表论文及科研情况说明  126-127
附录  127-132
致谢  132

视觉测量图像压缩技术研究

内容摘要

全文目录

相似论文