【正文】 基于LMS自適應(yīng)均衡器matlab仿真畢業(yè)論文 目 錄第一章 緒論 1 研究背景和研究意義 1 計算機立體視覺的研究現(xiàn)狀 2 攝像機標(biāo)定概述及分類 3 本文的研究內(nèi)容 4第二章 攝像機標(biāo)定原理 8 常用坐標(biāo)系及變換 8 攝像機模型 9 非線性失真 11 參數(shù)的求取 12第三章 軟件設(shè)計 13 橫向濾波器的選擇 25 算法迭代公式的推導(dǎo) 26 計算機仿真 27 LMS算法的算法流程 27 LMS算法及其應(yīng)用 28總結(jié)與結(jié)論 34參考文獻 35致謝 36 物理電氣信息學(xué)院 本科畢業(yè)設(shè)計 第一章 緒論 研究背景和研究意義 計算機視覺研究的主要目的是使計算機系統(tǒng)具有類似于人類的視覺能力,獲取三維場景的幾何信息是其最基礎(chǔ)的研究內(nèi)容 。（馬頌德,1998）。 計算機視覺的發(fā)展可以追溯到 20 世紀(jì) 50 年代初 、1951 年，Neumann 提出利用計算機通過對比圖像相鄰位置的強度來進行圖像的分析，這可能是有記載的有關(guān)計算機視覺最早的實踐。 立體視覺的開創(chuàng)性工作是從 60 年代中期開始的 MIT 的 Robert 完成的三維場景分析工作，把過去對二維圖像的分析推廣到三維景物，標(biāo)志著立體視覺技術(shù)的誕生，并在隨后 20 年中迅速發(fā)展成一門新的學(xué)科。 1979 年，Maar 綜合圖像處理、 心理物理學(xué)、 神經(jīng)生理學(xué)及臨床精神病學(xué)的研究成果，從信息處理系統(tǒng)的角度出發(fā)提出了第一個較為完善的視覺系統(tǒng)框架。 20 多年來，研究者們對 Marr基本理論框架中所提出的各個研究層次與視覺系統(tǒng)的各個階段中的各種功能模塊，進行了大量的研究。 Marr 創(chuàng)立的視覺計算理論對立體視覺的發(fā)展產(chǎn)生了巨大影響，現(xiàn)已形成了從圖像獲取到最終的景物可視表面重建的完整體系，在整個計算機視覺中占有越來越重要的地位。 立體視覺是計算機被動測距方法中最重要的距離感之技術(shù)，它直接模擬人類視覺處理景物的方法，可以再多種條件下靈活地測量景物的立體信息。 Barnard 指出，一個完整的立體視覺系統(tǒng)通?？煞譃閳D像獲取 、攝像機標(biāo)定 、特征提取 、立體匹配 、深度確定及內(nèi)插等六部分（Barnard,1982）。 計算機立體視覺技術(shù)在機器人視覺、 產(chǎn)品檢驗、 零件識別與定位 、圖形圖像識別 、醫(yī)學(xué)、 工業(yè)產(chǎn)品的外觀設(shè)計 、三維輪廓測量、 雕塑藝術(shù)、 建筑、 國防等領(lǐng)域有著廣泛的應(yīng)用前景,是當(dāng)今國際上的熱門課題之一 。研究方法從早期的以傳統(tǒng)相關(guān)理論為基礎(chǔ)的相關(guān)匹配，發(fā)展到具有很強生物學(xué)背景的熱證匹配，從串行到并行，從直接依賴于輸入信號的低層次處理到依賴于特征、 結(jié)構(gòu)、 關(guān)系和知識的高層次處理,其理論正處在不斷發(fā)展和完善之中 。對它的研究無論是從視覺生理的角度還是在工程應(yīng)用中都具有十分重要的意義 。 計算機立體視覺研究現(xiàn)狀 利用被攝對象的多幅圖像獲取其三維幾何模型，是視覺測量和計算機視覺的一個經(jīng)典課題，目的是恢復(fù)物體表面形狀或者恢復(fù)場景中相機和物體之間的距離 。在計算機視覺界，三維重建方法大致分為立體視覺方法（雙目 三目和多目視覺）、 光學(xué)立體學(xué) 、從運動求取結(jié)構(gòu)、 從陰影恢復(fù)形狀及從紋理及表面朝向恢復(fù)形狀等（章毓晉）。 在針孔模型下，基于點的三維重建實質(zhì)是三點（原點、 像點、 物點）的共線方程 。此時對應(yīng)的像點與物點必須是同名點。 人造物體大多具有比較規(guī)則的形狀，一般可以看作由若干點、 線 、面的組合 。在實際圖像中，由于噪聲和遮蓋等的影響，我們需要的同名點可能無法精確提取甚至不存在，而大多數(shù)情況下，一條直線段往往可以相對容易的提取出來，因此計算機視覺界提出了許多利用圖像直線信息進行攝像機標(biāo)定和三維重建的方法。 Hartley，F(xiàn)eugeras，Maybank，Pollyefeys等人都深入研究了如何從未標(biāo)定的攝像機圖像進行透視變化層、 仿射變換層以及量測變換層的三維重建 。對于建筑物這樣一類及立方體及其他規(guī)則體為基礎(chǔ)的空間物體，其三維重建以單個影像及多個影像（不一定需要構(gòu)成立體像對）來實現(xiàn)。這方面的研究已經(jīng)有較多的文獻，特別是計算機圖形學(xué)界對幾何建模與紋理映射均有非常杰出的貢獻。其中典型的有 Faoade 和 PhotoBuilder 等，前者采用物方和像方相結(jié)合的混合模型，它本質(zhì)上是基于結(jié)構(gòu)體幾何的方法。后者是側(cè)重基于滅點與極線的求解方法。 為了降低雙目（Twoview）匹配的難度，20 世紀(jì) 80 年代中期出現(xiàn)了三目立體視覺系統(tǒng)（Threeview Stereo）系統(tǒng)，即采用 3 個相機同時攝取空間景物，通過利用第三目圖像提供的信息來消除匹配的歧義性。 Watanale 等采用相互垂直（正交）的三目視點，較好地解決了與極線平行特征的匹配歧義性問題。 Ohta 提出了基于共線結(jié)構(gòu)的三目視覺系統(tǒng)，可有效地避免遮擋問題。 Ohta 等還提出了一個基于梯度分類的正交三目立體匹配技術(shù)。 Gurwitz 詳細(xì)分析了三目立體視覺的性能。 Okutomi 等提出了利用一組沿水平基線方向的圖像序列進行立體匹配，通過計算對圖像間平方差的和來減少總體誤差。 Jia 提出了一種利用正交多目圖像消弱誤差匹配的方法 Zitnick 提出通過區(qū)域信息進行多目匹配。 Fitzgibbon 提出了一種基于序列圖像的自動三維重建方法。 該方法的基本思路是首先進行三張像片間的盲目匹配，通過像片間的同名對應(yīng)關(guān)系計算三視張量，獲得攝像機參數(shù)的初值，并將各三視張量下得到的空間坐標(biāo)納入到統(tǒng)一的物方坐標(biāo)系,最后進行非線性最優(yōu)化。 另一類自動三維重建方法稱為從側(cè)輪廓恢復(fù)形狀，這類方法一般都是利用八叉樹分裂方法進行物體的自動三維重建，且不需要待重建物體的任何先驗信息，但前提是各張像片的攝像機內(nèi)外方位元素要求已知。 攝像機標(biāo)定概述及分類計算機視覺的基本任務(wù)之一是從攝像機獲取的圖像信息出發(fā)計算三維空間中物體的幾何信息，并由此重建和識別物體，而空間物體表面某點的三維幾何位置與其在圖像中對應(yīng)點之間的相互關(guān)系是由攝像機成像的幾何模型決定的，這些幾何模型參數(shù)就是攝像機參數(shù)。在大多數(shù)條件下，這些參數(shù)必須通過實驗與計算才能得到，這個過程被稱為攝像機定標(biāo)(或稱為標(biāo)定)。標(biāo)定過程就是確定攝像機的幾何和光學(xué)參數(shù)，攝像機相對于世界坐標(biāo)系的方位。標(biāo)定精度的大小，直接影響著計算機視覺（機器視覺）的精度。迄今為止，對于攝像機標(biāo)定問題已提出了很多方法，攝像機標(biāo)定的理論問題已得到較好的解決，對攝像機標(biāo)定的研究來說，當(dāng)前的研究工作應(yīng)該集中在如何針對具體的實際應(yīng)用問題，采用特定的簡便、實用、快速、準(zhǔn)確的標(biāo)定方法。1 、根據(jù)是否需要標(biāo)定參照物來看，可分為傳統(tǒng)的攝像機標(biāo)定方法和攝像機自標(biāo)定方法。傳統(tǒng)的攝像機標(biāo)定是在一定的攝像機模型下，基于特定的實驗條件，如形狀、尺寸已知的標(biāo)定物，經(jīng)過對其進行圖像處理，利用一系列數(shù)學(xué)變換和計算方法，求取攝像機模型的內(nèi)部參數(shù)和外部參數(shù)（分為最優(yōu)化算法的標(biāo)定方法、利用攝像機透視變換矩陣的標(biāo)定方法、進一步考慮畸變補償?shù)膬刹椒ê筒捎酶鼮楹侠淼臄z像機模型的雙平面標(biāo)定法）；不依賴于標(biāo)定參照物的攝像機標(biāo)定方法，僅利用攝像機在運動過程中周圍環(huán)境的圖像與圖像之間的對應(yīng)關(guān)系對攝像機進行的標(biāo)定稱為攝像機自標(biāo)定方法，它又分為：基于自動視覺的攝像機自標(biāo)定技術(shù)（基于平移運動的自標(biāo)定技術(shù)和基于旋轉(zhuǎn)運動的自標(biāo)定技術(shù)）、利用本質(zhì)矩陣和基本矩陣的自標(biāo)定技術(shù)、利用多幅圖像之間的直線對應(yīng)關(guān)系的攝像機自標(biāo)定方以及利用滅點和通過弱透視投影或平行透視投影進行攝像機標(biāo)定等。自標(biāo)定方法非常地靈活,但它并不是很成熟。因為未知參數(shù)太多,很難得到穩(wěn)定的結(jié)果。一般來說，當(dāng)應(yīng)用場合所要求的精度很高且攝像機的參數(shù)不經(jīng)常變化時，傳統(tǒng)標(biāo)定方法為首選。而自標(biāo)定方法主要應(yīng)用于精度要求不高的場合，如通訊、虛擬現(xiàn)實等。2 、從所用模型不同來分有線性和非線性。所謂攝像機的線性模型，是指經(jīng)典的小孔模型。成像過程不服從小孔模型的稱為攝像機的非線性模型。線性模型攝像機標(biāo)定, 用線性方程求解，簡單快速，已成為計算機視覺領(lǐng)域的研究熱點之一，目前已有大量研究成果。但線性模型不考慮鏡頭畸變，準(zhǔn)確性欠佳；對于非線性模型攝像機標(biāo)定，考慮了畸變參數(shù)，引入了非線性優(yōu)化，但方法較繁，速度慢，對初值選擇和噪聲比較敏感，而且非線性搜索并不能保證參數(shù)收斂到全局最優(yōu)解。3 、從視覺系統(tǒng)所用的攝像機個數(shù)不同分為單攝像機和多攝像機在雙目立體視覺中，還要確定兩個攝像機之間的相對位置和方向。4 、從求解參數(shù)的結(jié)果來分有顯式和隱式。隱參數(shù)定標(biāo)是以一個轉(zhuǎn)換矩陣表示空間物點與二維像點的對應(yīng)關(guān)系，并以轉(zhuǎn)換矩陣元素作為定標(biāo)參數(shù)，由于這些參數(shù)沒有具體的物理意義，所以稱為隱參數(shù)定標(biāo)。在精度要求不高的情況下，因為只需要求解線性方程，此可以獲得較高的效率。比較典型的是直接線性定標(biāo)(DLT)。DLT 定標(biāo)以最基本的針孔成像模型為研究對象，忽略具體的中間成像過程，用一個34 階矩陣表示空間物點與二維像點的直接對應(yīng)關(guān)系。為了提高定標(biāo)精度，就需要通過精確分析攝像機成像的中間過程，構(gòu)造精密的幾何模型，設(shè)置具有物理意義的參數(shù)(一般包括鏡頭畸變參數(shù)、圖像中心偏差、幀存掃描水平比例因子和有效焦距偏差)，然后確定這些未知參數(shù)，實現(xiàn)攝像機的顯參數(shù)定標(biāo)。5 、從解題方法來分有解析法、神經(jīng)網(wǎng)絡(luò)法和遺傳算法。空間點與其圖像對應(yīng)點之間是一種復(fù)雜的非線性關(guān)系。用圖像中的像元位置難以準(zhǔn)確計算實際空間點間的實際尺寸。企圖用一種線性方法來找到這種對應(yīng)關(guān)系幾乎是不可能的。解析方法是用足夠多的點的世界坐標(biāo)和相應(yīng)的圖像坐標(biāo)，通過解析公式來確定攝像機的內(nèi)參數(shù)、外參數(shù)以及畸變參數(shù)，然后根據(jù)得到的內(nèi)外參數(shù)及畸變系數(shù)，再將圖像中的點通過幾何關(guān)系得到空間點的世界坐標(biāo)。解析方法不能不能囊括上述的所有非線性因素，只能選擇幾種主要的畸變，而忽略其它不確定因素