073] 在每帖圖像獲得目標位置W后，根據(jù)仿射變換參數(shù)的計算結(jié)果，收集所有滿足結(jié) 果參數(shù)的SIFT特征點(/；；爲=1，經(jīng)過F = 4帖W后，獲得新的特征點集其中St-F代表 了從F帖圖像中得到的總特征點數(shù)；利用下式對新舊特征點重新進行K聚類：{每]|=1 = k means((l -如{結(jié)說:互<^拘父=1)，其中柏'!Li表示新的視覺字典，視覺字典的大小保 持不變；{斯巧是遺忘因子，表明了舊字典所占的比重，越小，新特征對目標丟失的判 斷貢獻越多，取餐=〇.1斗；
[0074] (3)識別輸出模塊，用于圖像的識別和輸出：在待識別的圖像序列中利用跟蹤算法 獲取目標區(qū)域，將目標區(qū)域映射到已知訓(xùn)練數(shù)據(jù)形成的子空間，計算子空間中目標區(qū)域與 訓(xùn)練數(shù)據(jù)之間的距離，獲得相似性度量，判定目標類別，并輸出識別結(jié)果。
[0075] 優(yōu)選的，采用維納濾波來進行一級濾除后，此時圖像信息還包含有殘余的噪音，采 用W下的二級濾波器進行二次濾波：
[0076]
[0077] 其中，J(x，y)為經(jīng)過濾波后的圖像;Pg(x+i，y+j)代表尺度為mXn的函數(shù)，且PgU+ i，y+j)=qXe邱(-(x2+y2)/w)，其中q是將函數(shù)歸一化的系數(shù)，即 JJqXe邱(-(x2+y2)/w) dxdy = l〇
[0078] 此實施例的地質(zhì)采樣裝置，在圖像預(yù)處理階段，增強的圖像能夠根據(jù)模板的大小 自適應(yīng)調(diào)整，提高增強效果，且在在不同模板大小時判斷條件能自動修正，且考慮了視覺習(xí) 慣W及人眼對不同色彩的感知度同色彩強度的非線性關(guān)系；充分利用了圖像的局部特征和 全局特征，具有自適應(yīng)性，可W抑制過度增強，對復(fù)雜光照環(huán)境下獲取的圖像增強效果明 顯;將MXN個幕指數(shù)運算降低為256個，提高了計算效率，Z = 5，F(xiàn) = 4，r=〇. !4.計算平均帖率 為16FPS，計算量小于同類型的字典算法;在目標檢測和跟蹤階段，能夠消除不同溫度導(dǎo)致 圖像的旋轉(zhuǎn)和平移造成的誤差，提高識別率，經(jīng)處理后的圖像細節(jié)更加清晰，且計算量相對 于傳統(tǒng)方法大幅度減少，能夠有效適應(yīng)目標尺度變化，并能夠準確判定目標是否發(fā)生丟失， 在目標重新回到視場后能夠被重新檢測并穩(wěn)定跟蹤，直至115帖后仍能穩(wěn)定跟蹤目標。此 夕h該地質(zhì)采樣車具有實時性好、定位準確和魯棒性強的優(yōu)點，且在快速有遮擋的目標檢測 和跟蹤方面有很好的效果，取得了意想不到的效果。
[0079] 實施例3:如圖1-2所示，一種可增強對比度的地質(zhì)采樣裝置，包括地質(zhì)采樣車5和 安裝在地質(zhì)采樣車5上的監(jiān)測裝置4,監(jiān)測裝置4用于對地質(zhì)采樣車5附近的活動進行視頻圖 像監(jiān)測，監(jiān)測裝置4包括預(yù)處理模塊1、檢測跟蹤模塊2、識別輸出模塊3。
[0080] (1)預(yù)處理模塊1，用于對接收到的圖像進行預(yù)處理，具體包括圖像轉(zhuǎn)化子模塊11、 圖像濾波子模塊12和圖像增強子模塊13:
[0081] 圖像轉(zhuǎn)化子模塊11，用于將彩色圖像轉(zhuǎn)化為灰度圖像：
[0082]
[0083] 其中，3^，7)、6^，7)、8^，7)分別代表像素^，7)處的紅綠藍強度值，化義，7)代表 坐標(x，y)處的像素灰度值;圖像大小為mXn;
[0084] 圖像濾波子模塊12,用于對灰度圖像進行濾波：
[0085] 采用維納濾波來進行一級濾除后，定義SVlm圖像，記為MsvimU,y)，具體定義公式 為：MsvimU，y)=aiji(x，y)+a2j2(x，y)+a3j3(x，y)+a4j4(x，y)，其中日1、日2、日3、日4為可變權(quán)值， a尸J."口 1+1.344, i二l，2,3,4;J(x,y)為經(jīng)濾波后的圖像；
[00化]圖像增強子模塊13:
[0087]當Il說-ml > Vlw-501時，L扶幻=25日X戶瓷其中，L(x，y)為增強 后的灰度值;4(x，y)是包含有局部信息的伽馬校正系數(shù)，此時= 是范圍為0到1的可變參數(shù)，a = 1 - 1^1;
[008引當 1128 -' ml < VIw-SOI 且 ? >50時，L(x，y)二 25日 X (豐)* 托的中-哉）， 其中iKx，y)=恥(Msvim(x，y))，CT= 1 - 郵是圖像中灰度值高于128的所有 像素的均值，HiL是灰度值低于128的所有像素的均值，且此時m=min(mH，mL)，在a值已知的情 況下，計算出256個4校正系數(shù)作為查找表，記為{巾。0')]留^其中i為索引值，利用MsvimU, y) 的灰度值作為索引，根據(jù)(6(x，y)=MMsvlm(x，y))快速獲得圖像中每個像素的伽馬校正系數(shù) 4(x，y); 1 - ^為模板修正系數(shù)；
[0089] (2)檢測跟蹤模塊2,具體包括構(gòu)建子模塊21、丟失判別子模塊22和更新子模塊23:
[0090] 構(gòu)建子模塊21，用于視覺字典的構(gòu)建：
[0091] 在初始帖獲取跟蹤目標的位置和尺度，在其周圍選取正負樣本訓(xùn)練跟蹤器，將跟 蹤結(jié)果作為訓(xùn)練集X={xi，x2,……xn}T;并對訓(xùn)練集中的每幅目標圖像提取128維的SIFT特 征f/;f "T ，其中St表示訓(xùn)練集中第t幅目標圖像中SIFT特征的個數(shù);跟蹤N帖W后，通過聚 類算法將運些特征劃分為K個簇，每個簇的中屯、構(gòu)成特征單詞，記為{。指=1:能夠提取到的 特征總量每二摧1&，其中K<<機，且K-* ^遮1&;視覺字典構(gòu)建好W后，每幅訓(xùn)練圖像 表示為特征包的形式，用于表示視覺字典中特征單詞出現(xiàn)的頻率，用直方圖Mxt)表示，h (Xt)通過W下方式獲取:將一幅訓(xùn)練圖像Xt中的每一個特征fsW向視覺字典投影，用投影距 離最短的特征單詞表示該特征，對所有特征投影完畢后，統(tǒng)計每個特征單詞的出現(xiàn)頻率，并 歸一化得到訓(xùn)練圖像Xt的特征直方圖h(xt);
[0092] 丟失判別子模塊22,用于判別目標的丟失與否：
[0093] 當新一帖圖像到來時，從K個直方圖柱中隨機選取Z<K個直方圖柱，且Z = 6，形成新 的大小為Z的子直方圖hW(xt)，子直方圖的個數(shù)最多為馬=C《個;計算候選目標區(qū)域和訓(xùn) 練集中某個目標區(qū)域?qū)?yīng)子直方圖的相似性。t_z，心tz = Sf=I ，其中t = l，2，…，N，z = l，2，…，Ns，然后計算總體相似性O(shè)t=l-^za-。t_z);候選目標區(qū)域與目標 的相似性用。=111曰義仇，*}表示，則目標丟失判斷式為：。=5柳(〇)=|^二~35，其中 Io <P<gs gs為人為設(shè)定的判失閥值;當U = I時目標被穩(wěn)定跟蹤，當U = O時，目標丟失；
[0094]當目標丟失時，定義仿射變遲型：啟=掉說:xV.ct紀)乾:）+ 巧， 其中（xt，yt)和(xt-i，yt-i)分別為當前帖目標中某個SITF特征點的位置坐標和前一個帖目標 中對應(yīng)匹配特征點的位置坐標，兩者均為已知量;S為尺度系數(shù)，0為旋轉(zhuǎn)系數(shù)，e和f代表了 平移系數(shù)，
為溫度平移修正系數(shù)，山和化用于修正因為環(huán)境溫度偏差造成的圖像旋轉(zhuǎn)和平移誤差，I'd為 人為設(shè)定的標準溫度，設(shè)為20度，T為由溫度傳感器實時監(jiān)測得到的溫度值;采用Ransac估 計算法求取仿射變換模型的參數(shù)，最后在新的尺度S和旋轉(zhuǎn)系數(shù)0下采集正負樣本，更新分 類器；
[00M]更新子模塊23,用于視覺字典的更新：
[0096]在每帖圖像獲得目標位置W后，根據(jù)仿射變換參數(shù)的計算結(jié)果，收集所有滿足結(jié) 果參數(shù)的SIFT特征點{觀爲=1，經(jīng)過F = 5帖W后，獲得新的特征點集撫爲式，其中St-F代表 了從F帖圖像中得到的總特征點數(shù)；利用下式對新舊特征點重新進行K聚類：{^巧=1 = 如{/；；}紀>拘(膽.1)，其中{C說=1隸示新的視覺字典，視覺字典的大小保 持不變；6 {0,1};是遺忘因子，表明了舊字典所占的比重，？^越小，新特征對目標丟失的判 斷貢獻越多，取
[0097] (3)識別輸出模塊3,用于圖像的識別和輸出：在待識別的圖像序列中利用跟蹤算 法獲取目標區(qū)域，將目標區(qū)域映射到已知訓(xùn)練數(shù)據(jù)形成的子空間，計算子空間中目標區(qū)域 與訓(xùn)練數(shù)據(jù)之間的距離，獲得相似性度量，判定目標類別，并輸出識別結(jié)果。
[0098] 優(yōu)選的，采用維納濾波來進行一級濾除后，此時圖像信息還包含有殘余的噪音，采 用W下的二級濾波器進行二次濾波：
[0099]
[0100] 其中，J(X，y)為經(jīng)過濾波后的圖像;Pg(x+i，y+j)代表尺度為m X n的函數(shù)，且Pg(X+ i，y+j)=qXe邱(-(x2+y2)/?)，其中q是將函數(shù)歸一化的系數(shù)，即 JJqXe邱(-(x2+y2)/?) dxdy=1O
[0101] 此實施例的地質(zhì)采樣裝置，在圖像預(yù)處理階段，增強的圖像能夠根據(jù)模板的大小 自適應(yīng)調(diào)整，提高增強效果，且在在不同模板大小時判斷條件能自動修正，且考慮了視覺習(xí) 慣W及人眼對不同色彩的感知度同色彩強度的非線性關(guān)系；充分利用了圖像的局部特征和 全局特征，具有自適應(yīng)性，可W抑制過度增強，對復(fù)雜光照環(huán)境下獲取的圖像增強效果明 顯;將MXN個幕指數(shù)運算降低為256個，提高了計算效率，Z = 6，F(xiàn) = 5,巧=0.16,計算平均帖率 為17FPS，計算量小于同類型的字典算法;在目標檢測和跟蹤階段，能夠消除不同溫度導(dǎo)致 圖像的旋轉(zhuǎn)和平移造成的誤差，提高識別率，經(jīng)處理后的圖像細節(jié)更加清晰，且計算量相對 于傳統(tǒng)方法大幅度減少，能夠有效適應(yīng)目標尺度變化，并能夠準確判定目標是否發(fā)生丟失， 在目標重新回到視場后能夠被重新檢測并穩(wěn)定跟蹤，直至120帖后仍能穩(wěn)定跟蹤目標。此 夕h該地質(zhì)采樣車具有實時性好、定位準確和魯棒性強的優(yōu)點，且在快速有遮擋的目標檢測 和跟蹤方面有很好的效果，取得了意想不到的效果。
[0102] 實施例4:如圖1-2所示，一種可增強對比度的地質(zhì)采樣裝置，包括地質(zhì)采樣車5和 安裝在地質(zhì)采樣車5上的監(jiān)測裝置4,監(jiān)測裝置4用于對地質(zhì)采樣車5附近的活動進行視頻圖 像監(jiān)測，監(jiān)測裝置4包括預(yù)處理模塊1、檢測跟蹤模塊2、識別輸出模塊3。
[0103] (1)預(yù)處理模塊1，用于對接收到的圖像進行預(yù)處理，具體包括圖像轉(zhuǎn)化子模塊11、 圖像濾波子模塊12和圖像增強子模塊13:
[0104] 圖像轉(zhuǎn)化子模塊11，用于將彩色圖像轉(zhuǎn)化為灰度圖像： 「01051
1