李金倫，崔少輝，徐 帥

（軍械工程學(xué)院導(dǎo)彈工程系，河北 石家莊 050003）

0 引 言

近年來(lái)，單個(gè)圖像傳感器的分辨率已達(dá)幾億像素。在采集如此高分辨率圖像的同時(shí)對(duì)計(jì)算機(jī)實(shí)時(shí)處理的性能就會(huì)產(chǎn)生明顯的影響。因此，對(duì)于圖像處理系統(tǒng)而言，面臨著如何解決實(shí)時(shí)處理高分辨率圖像的問(wèn)題。事實(shí)上，在一些應(yīng)用中，例如跟蹤和模式識(shí)別、圖像傳感器傳輸進(jìn)來(lái)的寬視角、大范圍、高分辨率圖像并不是需要利用圖像的所有的區(qū)域，更多的僅僅是對(duì)圖像中某一部分要求較高的分辨率；因此，就產(chǎn)生了高分辨率圖像采集與實(shí)時(shí)處理能力不足之間的矛盾。

為解決以上問(wèn)題，常采用多分辨率處理技術(shù)，如中央凹傳感器，這種傳感器的表面分布著分辨率不均勻的感光元件。應(yīng)用該傳感器時(shí)，需要確保最有用的區(qū)域被放在高分辨率范圍內(nèi)，一般該范圍為傳感器的中心區(qū)域[1]。

模式識(shí)別與跟蹤是中央凹傳感器成功應(yīng)用的兩個(gè)領(lǐng)域。文獻(xiàn)[2]在解決模式識(shí)別問(wèn)題，以及文獻(xiàn)[3-4]在解決跟蹤問(wèn)題時(shí)都應(yīng)用了中央凹傳感器。但是，中央凹傳感器的一大缺點(diǎn)就是不可以動(dòng)態(tài)重構(gòu)，為了保持高分辨率區(qū)域始終對(duì)準(zhǔn)目標(biāo)，不得不應(yīng)用機(jī)械裝置來(lái)實(shí)時(shí)控制傳感器的朝向，顯然對(duì)于快速移動(dòng)目標(biāo)，該方法難以滿(mǎn)足實(shí)時(shí)性。目前，應(yīng)用電子元器件構(gòu)造嵌入式系統(tǒng)進(jìn)行中央凹的動(dòng)態(tài)重構(gòu)成為較為普遍的方法。

本文基于后一種解決方案，提出了一種可以適用于非定制CMOS單一分辨率圖像傳感器的中央凹視覺(jué)處理方法。實(shí)驗(yàn)表明：該方法可以提供更大的中央凹區(qū)域。

1 相關(guān)工作

許多文獻(xiàn)都介紹過(guò)多分辨處理技術(shù)，靈感大多來(lái)源于人類(lèi)視覺(jué)，即人眼視網(wǎng)膜中的光感受器單元和神經(jīng)節(jié)細(xì)胞的分布是非均勻的，在中央凹部分高度密集而周邊稀疏，這種特性使視覺(jué)信息的獲取是非均勻的。中央凹部分具有很高的視敏度，但稍微偏離一點(diǎn)，視敏度就會(huì)急劇下降，離開(kāi)中央凹5°，視敏度將下降50%。文獻(xiàn)[1]基于人類(lèi)視網(wǎng)膜原理提出對(duì)數(shù)極坐標(biāo)映射的方法，文獻(xiàn)[5]在分析比較的基礎(chǔ)上設(shè)計(jì)了一種晶格形狀，可以在晶格內(nèi)應(yīng)用對(duì)數(shù)極坐標(biāo)進(jìn)行映射。

雖然對(duì)數(shù)極坐標(biāo)原理已經(jīng)廣泛地應(yīng)用于多分辨映射中，但采用極坐標(biāo)系統(tǒng)描述的中央凹區(qū)域，因其具有非線(xiàn)性缺陷，并不能很好的匹配視網(wǎng)膜，而且在中心位置會(huì)產(chǎn)生盲點(diǎn)。

文獻(xiàn)[6]采用了一種基于多分辨技術(shù)的小波變換方法，這種方法通過(guò)使用低通和高通濾波器使得在數(shù)據(jù)傳輸過(guò)程中可以良好地保持線(xiàn)性。

相對(duì)于有固定分辨率的圖像傳感器，研究更傾向于提供更多中央凹區(qū)域，文獻(xiàn)[7]提出了一種多分辨結(jié)構(gòu)，其中央凹區(qū)域可以像眼球一樣掃視。文獻(xiàn)[8]在這種方法的基礎(chǔ)上構(gòu)建了多個(gè)中央凹區(qū)域來(lái)進(jìn)行移動(dòng)物體的識(shí)別。

在總結(jié)前人工作的基礎(chǔ)上，本文基于可分離映射，提出了一種帶有連續(xù)變化分辨率的中央凹視覺(jué)處理方法。

2 基本原理

為了避免使用全景遙感攝像頭，可以采用帶有寬視角的高分辨率CMOS傳感器。然而，僅僅需要讀取其中很小的一部分窗口區(qū)域，而且這個(gè)窗口可以在程序的控制下移動(dòng)，這就提供了一種全景搖感的等價(jià)方式，因?yàn)榇翱诳梢詮囊粋€(gè)位置很快地移動(dòng)到另一個(gè)位置。由于攝像頭并沒(méi)有移動(dòng)，因此，不會(huì)出現(xiàn)由攝像頭的移動(dòng)所帶來(lái)的圖像模糊等問(wèn)題。

雖然在使用流水處理時(shí)，一幅高分辨率的圖像很容易在FPGA上進(jìn)行實(shí)時(shí)處理。然而，任何需要多幀圖像的算法都需要相當(dāng)多的片外存儲(chǔ)器和很大的存儲(chǔ)器帶寬。為了使能片內(nèi)存儲(chǔ)器，必須減少數(shù)據(jù)的體積和圖像的尺寸。

簡(jiǎn)單地通過(guò)降低分辨率來(lái)減小數(shù)據(jù)規(guī)模會(huì)導(dǎo)致嚴(yán)重的信息丟失。在很多應(yīng)用領(lǐng)域中（例如跟蹤與模式識(shí)別），只有圖像的一個(gè)小區(qū)域中要求高分辨率。解決該問(wèn)題的一個(gè)方法是使用中央凹窗口。受人類(lèi)視覺(jué)系統(tǒng)啟發(fā)，這種方法在視網(wǎng)膜中央凹保持高分辨率，同時(shí)可降低周?chē)姆直媛省?/p>

基于該機(jī)制的視網(wǎng)膜中央凹視覺(jué)系統(tǒng)如圖1所示。該系統(tǒng)對(duì)窗口中的像素進(jìn)行了中央凹映射，以得到降低了分辨率的圖像。此后該圖像得到處理，從而得到需要的數(shù)據(jù)并為下一幀圖像確定最佳位置，以便在CMOS傳感器中重新對(duì)窗口進(jìn)行定位。

圖1 使用中央凹映射的結(jié)構(gòu)

3 中央凹映射方法

相對(duì)于使用基于極坐標(biāo)系統(tǒng)下的對(duì)數(shù)極坐標(biāo)映射，更主張?jiān)诘芽栕鴺?biāo)系下進(jìn)行圖像變換。設(shè)u為到輸入圖像中心的距離，f為到中央凹圖像中心的距離。此時(shí)的中央凹映射也可以認(rèn)為是前向映射的一種。

其逆向映射為

放大率M，被定義為輸入與輸出像素距中心距離的比率

與放大率相關(guān)的要素是像素有效分辨率A，其由映射斜率的大小決定

因?yàn)橛成浞匠瘫仨毷菃握{(diào)的，所以得出

映射一個(gè)N×N的輸入圖像到w×w的輸出圖像時(shí)，需要滿(mǎn)足如下關(guān)系：

盡管中央凹圖像的分辨率與輸入圖像不同，而且最高分辨率的圖像也不一定在圖像中心。但是為了方便說(shuō)明，本文以中央凹在圖像中心為例，此時(shí)需要滿(mǎn)足：

另一個(gè)需要考慮的問(wèn)題就是如何來(lái)定義距離u和f，因?yàn)椴煌亩x會(huì)產(chǎn)生不同程度的圖像變形。以圖像中心為原點(diǎn)，可以得到輸入和輸出圖像的坐標(biāo)（xu，yu），（xf，yf）。

采用De距離時(shí)，可以得到

因?yàn)樵趶较蛴成渲?，每個(gè)像素點(diǎn)關(guān)于坐標(biāo)軸的角度是不變的，這就意味著x、y與放大率之間存在以下關(guān)系

采用D8距離時(shí)，可以得到計(jì)算更簡(jiǎn)單的轉(zhuǎn)換方法：

考慮到可分解映射時(shí)，可以得到一個(gè)更加簡(jiǎn)單的轉(zhuǎn)換方法，并且可以對(duì)x和y進(jìn)行單獨(dú)映射

在每一種坐標(biāo)系中，可分解映射都會(huì)有不同的放大率[1]。

圖3比較了N=512，w=64，M=1/8時(shí)3種映射的差別，其中（c）、（d）、（e）有相同的放大率，這里為了便于觀察，對(duì)64×64的圖像進(jìn)行了放大。

通過(guò)觀察可以發(fā)現(xiàn)，采用D8距離變換的圖像（c），畫(huà)面明顯帶有錐度感，這與D8距離的定義是分不開(kāi)的：

圖像（e）的變換采用了De距離變換，由于De距離的定義為

圖像（e）的變換明顯帶有弧度感。

雖然（f）與（d）都是基于可分解映射，但明顯圖像（f）提供了更大的中央凹區(qū)域：

公式中系數(shù)的確定是為了使映射后圖像的尺寸固定。

圖2顯示了兩種不同靈敏度的映射，可以看出4次方和6次方分量的采用增大了中央凹區(qū)域面積，并且6次方可以帶來(lái)更明顯的變化，而且其外圍無(wú)效數(shù)據(jù)的分辨率更低。但是在實(shí)際應(yīng)用中，并不需要如此大的中央凹區(qū)域，采用式（14）的同時(shí)也會(huì)帶來(lái)6次方分量計(jì)算數(shù)據(jù)較大等問(wèn)題。所以，本文更傾向于選擇式（13）的方法。

在中央凹圖像中，雖然圖像邊緣的橫向或縱向輪廓產(chǎn)生了明顯扭曲，但中央凹區(qū)域變形卻很少。因此，映射后，由于邊緣圖像數(shù)據(jù)的丟失，整個(gè)圖像的數(shù)據(jù)量下降了。

4 應(yīng)用領(lǐng)域

本文提出的方法可以應(yīng)用在一些計(jì)算機(jī)視覺(jué)領(lǐng)域，例如跟蹤、模式識(shí)別和圖像壓縮等。應(yīng)用于前兩種領(lǐng)域時(shí)，中央凹區(qū)域應(yīng)對(duì)準(zhǔn)感興趣的目標(biāo)，以便后期的識(shí)別與跟蹤。當(dāng)目標(biāo)從中央凹區(qū)域內(nèi)開(kāi)始移動(dòng)時(shí)，系統(tǒng)就可以很快的察覺(jué)，并根據(jù)目標(biāo)所在位置進(jìn)行算法的快速重構(gòu)以保證具有高分辨率的中央凹區(qū)域始終對(duì)準(zhǔn)目標(biāo)。

圖2 不同中央凹映射的有效分辨率變化曲線(xiàn)

圖3 中央凹映射舉例

另外，在移動(dòng)物體捕獲方面也可以應(yīng)用中央凹視覺(jué)映射[10]。這種方法同樣是模擬了人類(lèi)，即人類(lèi)的視網(wǎng)膜周邊部分雖然對(duì)識(shí)別細(xì)小的物體不起作用，但對(duì)給光撤光以及物體運(yùn)動(dòng)等刺激是敏感的，如果外界的一部分急速發(fā)生變化，則與此對(duì)應(yīng)的視網(wǎng)膜周邊部分就會(huì)迅速起反應(yīng)，眼球隨之產(chǎn)生運(yùn)動(dòng)，使視軸朝向那個(gè)感興趣的方向。

5 結(jié)束語(yǔ)

本文介紹了幾種帶有連續(xù)變化分辨率的中央凹映射，通過(guò)對(duì)比，得出一種較優(yōu)化的解決方法。該方法可以提供更大的中央凹范圍，并在保持中心有效區(qū)域分辨率的同時(shí)，通過(guò)降低圖像邊緣無(wú)效區(qū)域的分辨率來(lái)達(dá)到減少圖像數(shù)據(jù)量的目的，進(jìn)而可以達(dá)到縮小存儲(chǔ)量、減少圖像處理時(shí)間，以更好的滿(mǎn)足實(shí)時(shí)性處理要求。本方法在模式識(shí)別、跟蹤等領(lǐng)域有良好地應(yīng)用前景，未來(lái)的研究將會(huì)聚焦于中央凹圖像處理技術(shù)。

[1] Donald G B.基于FPGA的嵌入式圖像處理系統(tǒng)設(shè)計(jì)[M].原魁，何文浩，譯.北京：電子工業(yè)出版社，2013.

[2]Wilson J C，Hodgson R M.A pattern recognition system based on models of aspects of the human visual system[C]∥International Conference on Image Processing and its Applications.Maastricht，1992：258-261.

[3] Xue Y，Morrell D.Adaptive foveal sensor for target tracking[C]∥Thirty-Sixth Asilomar Conference on Signals Systems and Computers Pacific Grove，2002：848-852.

[4] Cui Y， Samarasekera S， Huang Q， et al.Indoor monitoring via the collaboration between a peripheral sensor and a foveal sensor[C]∥IEEE Workshop on Visual Surveillance Bombay，1998：2-9.

[5] Traver V J，Pla F.Designing the lattice for log-polar images[C]∥11th International Conference on Discrete Geometry for Computer Imagery Naples，2003：164-173.

[6] Wei J，Li Z N.On active camera control and camera motion recovery with foveate wavelet transform[C]∥IEEE Transactions on Pattern Analysis and Machine Intelligence，2001，23（8）：896-903.

[7]Camacho P， Arrebola F， SadovalF.Shifted fovea multiresolution geometries[C]∥International Conference on Image Processing Lausanne，1996（1）：307-310.

[8] Camacho P， Arrebola F， Sadoval F. Multiresolution sensors with adaptive structure[C]∥24th Annual Conference of the IEEE Industrial Electronics Society Aachen，1998（2）：1230-1235.

[9] Rafael C G.數(shù)字圖像處理[M].2版.阮秋琦，阮宇智，譯.北京：電子工業(yè)出版社，2007.

[10]Liu Y， Bouganis C S， Cheung P Y K.A spatiotemporal saliency framework[C]∥EEE International Conference on Image Processing Atlanta， 2006：437-440.