基于线性特征的鱼眼图像校正方法.docx

基于线性特征的鱼眼图像校正方法郭雄飞１，２鲁斌２李庆２薛晨阳１（中北大学电子与计算机科学技术学院太原０３００５１）１（中科院微电子所昆山分所昆山２１５３００）２摘要针对鱼眼镜头采集的畸变图像，在棋盘格标定模板的基础上，提出一种有效的校正方法。该方法采用标准畸变模型，首先基于畸变图像的线性特征提出目标函数；然后利用ＳＵＳＡＮ改进算法精确定位棋盘格角点坐标；对已得到的有限角点坐标进行畸变曲线拟合，在畸变曲线上提取所需数量的点；最后用渐近寻优算法计算最优畸变系数，使得目标函数最小。实验结果表明，该方法角点定位精确、算法时间复杂度低，能够有效校正鱼眼镜头造成的图像畸变。关键词畸变校正，曲线拟合，线性特征，渐近寻优中图法分类号文献标识码ＴＰ３９１．４ＡＣａｌｉｂｒａｔｉｏｎＭｅｔｈｏｄＢａｓｅｄｏｎＬｉｎｅａｒＦｅａｔｕｒｅｆｏｒＦｉｓｈｅｙｅＩｍａｇｅＧＵＯＸｉｏｎｇ－ｆｅｉ１，２ＬＵＢｉｎ２ＬＩＱｉｎｇ２ＸＵＥＣｈｅｎ－ｙａｎｇ１（ＳｃｈｏｏｌｏｆＥｌｅｃｔｒｏｎｉｃｓａｎｄＣｏｍｐｕｔｅｒＳｃｉｅｎｃｅＴｅｃｈｎｏｌｏｇｙ，ＮｏｒｔｈＵｎｉｖｅｒｓｉｔｙｏｆＣｈｉｎａ，Ｔａｉｙｕａｎ０３００５１，Ｃｈｉｎａ）１（ＩｎｓｔｉｔｕｔｅｏｆＭｉｃｒｏｅｌｅｃｔｒｏｎｉｃｓｏｆＣｈｉｎｅｓｅＡｃａｄｅｍｙｏｆＳｃｉｅｎｃｅｓ，Ｋｕｎｓｈａｎｄｅｐａｒｔｍｅｎｔ，Ｋｕｎｓｈａｎ２１５３００，Ｃｈｉｎａ）２ＡｂｓｔｒａｃｔＩｎｏｒｄｅｒｔｏｃａｌｉｂｒａｔｅｔｈｅｄｉｓｔｏｒｔｅｄｉｍａｇｅｃａｐｔｕｒｅｄｂｙｆｉｓｈｅｙｅｃａｍｅｒａｓ，ｔｈｉｓｐａｐｅｒｄｒａｗｅｄｏｕｔａｅｆｆｅｃｔｉｖｅｃａｌｉ－ｂｒａｔｉｏｎｍｅｔｈｏｄｗｉｔｈｔｈｅｃｈｅｓｓｂｏａｒｄ．Ａｄｏｐｔｉｎｇｓｔａｎｄａｒｄｄｉｓｔｏｒｔｉｏｎｍｏｄｅｌ，ｉｔｆｉｒｓｔｌｙｇｅｔｓｏｂｊｅｃｔｉｖｅｆｕｎｃｔｉｏｎｏｎｔｈｅｂａｓｉｓｏｆｔｈｅｌｉｎｅａｒｆｅａｔｕｒｅ，ｔｈｅｎｄｅｔｅｃｔｓａｃｃｕｒａｔｅｌｙｃｈｅｓｓｂｏａｒｄｃｏｒｎｅｒｓｗｉｔｈａｉｍｐｒｏｖｅｄＳＵＳＡＮａｌｇｏｒｉｔｈｍ．Ｔｈｅｎｅｘｔｓｔｅｐｉｔｃｏｎ－ｄｕｃｔｓｃｕｒｖｅｆｉｔｔｉｎｇｂａｓｅｄｏｎｔｈｅｐｒｅｖｉｏｕｓｃｏｒｎｅｒｓ．Ｆｉｎａｌｌｙｔｈｅｏｐｔｉｍａｌｄｉｓｔｏｒｔｅｄｃｏｅｆｆｉｃｉｅｎｔｓｃａｎｂｅｃｏｍｐｕｔｅｄｗｉｔｈｐｒｏ－ｇｒｅｓｓｉｖｅｏｐｔｉｍｉｚａｔｉｏｎａｌｇｏｒｉｔｈｍｓｏｔｈａｔｏｂｊｅｃｔｉｖｅｆｕｎｃｔｉｏｎｉｓｍｉｎｉｍａｌ．Ｅｘｐｅｒｉｍｅｎｔｒｅｓｕｌｔｓｓｈｏｗｔｈａｔｔｈｉｓｍｅｔｈｏｄｇｅｔｓａｃ－ｃｕｒａｔｅｃｏｒｎｅｒｓｃｏｏｒｄｉｎａｔｅｓ，ａｎｄｈａｓａｌｏｗｔｉｍｅｃｏｍｐｌｅｘｉｔｙ，ｍｏｒｅｏｖｅｒｃａｎｃａｌｉｂｒａｔｅｅｆｆｅｃｔｉｖｅｌｙｔｈｅｄｉｓｔｏｒｔｅｄｉｍａｇｅｂｅｃａｕｓｅｏｆｆｉｓｈｅｙｅｌｅｎｓ．ＫｅｙｗｏｒｄｓＤｉｓｔｏｒｔｉｏｎｃａｌｉｂｒａｔｉｏｎ，Ｃｕｒｖｅｆｉｔｔｉｎｇ，Ｌｉｎｅａｒｆｅａｔｕｒｅ，Ｐｒｏｇｒｅｓｓｉｖｅｏｐｔｉｍｉｚａｔｉｏｎ解，同时算法对标定模板的位置及角度都有限制。第二类校正方法需要特定算法检测几何图形，增加了方法步骤，点坐标的提取非常不方便。在文献［１］和文献［２］的基础上，总结实践经验后，本文基于黑白棋盘格标定模板，采用标准畸变模型［１０］，利用棋盘格在成像过程中线与点的几何关系，通过数学建模创新地提出了一种有效的校正方法。引言１鱼眼镜头以其超大视野范围（大约１８０°）和高性价比的优势，在图像监控、虚拟现实、汽车全景融合等领域得到了广泛的应用，但是鱼眼镜头的成像过程存在一定程度的光学畸变，因此畸变图像校正就成为鱼眼镜头应用中必不可少的步骤。鱼眼镜头畸变图像校正方法大致可以分为两类：第一类是基于标定模板的校正方法［１－５］。其中基于棋盘格模板的方法中比较典型的有：ＤａｖｉｄｅＳｃａｒｍｕｚｚａ等［１］提出的采用球面透视成像模型，利用ＳＶＤ分解求解超定方程组以及旋转矩阵的正交性以计算畸变参数（包括内参和外参）的校正方法；张正友［２］提出的根据单应矩阵自身特性，利用多幅图像初步计算相应旋转矩阵，然后用最大似然估计求解最优矩阵，最后考虑径向畸变影响的方法；该类方法已被广泛采用。第二类是不使用标定模板、基于图形几何性质的校正方法［６－９］。其中比较典型的有：ＭｏｕｍｅｎＴ．Ａｈｍｅｄ等［６］提出的基于直线斜率和图像梯度的畸变校正方法。第一类校正方法以一定的成像模型为基础，模型不同，校正方法也有差别，其中参数的计算过程涉及到超定方程的求鱼眼镜头畸变模型２与理想的小孔成像模型不同，鱼眼镜头通常是由多组光学镜片组合而成，成像过程非常复杂，整体上可以看作一个非线性成像系统。鱼眼