移動(dòng)機(jī)器人環(huán)境視覺(jué)小波稀疏壓縮傳感和識(shí)別*

馬如遠(yuǎn)，金明亮，劉繼忠* ，柴國(guó)鐘

(1.浙江工業(yè)大學(xué)機(jī)械學(xué)院，杭州310000;2.南昌大學(xué)機(jī)電工程學(xué)院，南昌330031;3.嘉興學(xué)院機(jī)電工程學(xué)院，浙江嘉興314001)

環(huán)境認(rèn)知是通過(guò)圖像傳感器獲取環(huán)境圖像信息，將圖信息像看成一個(gè)數(shù)據(jù)矩陣，通過(guò)計(jì)算機(jī)分析處理，進(jìn)行特征提取和模式識(shí)別，完成相關(guān)后續(xù)任務(wù)(如智能機(jī)器人自主運(yùn)行，智能交通等)的重要舉措。圖像采集部分大多采用DSP與圖像傳感器相連，采集到的數(shù)據(jù)由PC機(jī)進(jìn)行后續(xù)處理。然而采集到的數(shù)據(jù)量龐大，一般都有幾十萬(wàn)到幾百萬(wàn)個(gè)數(shù)據(jù)，會(huì)嚴(yán)重影響系統(tǒng)運(yùn)行速度與處理性能，特別是對(duì)嵌入式視覺(jué)系統(tǒng)或處理實(shí)時(shí)性要求較高的視覺(jué)系統(tǒng)。自從2006美國(guó)斯坦福大學(xué)的Donoho和Candès從信號(hào)分解和逼近理論提出了壓縮傳感［1］，為這一問(wèn)題的解決提供了新的方法。壓縮傳感將采樣與壓縮結(jié)合起來(lái)，有效減少采集的數(shù)據(jù)量，降低系統(tǒng)整體復(fù)雜度，加快系統(tǒng)運(yùn)行速度和提高系統(tǒng)處理性能，但目前壓縮傳感的研究仍還大都集中在不同方法的壓縮傳感及信號(hào)重構(gòu)方面［2－8］。2011年米紅妹［9］針對(duì)雷達(dá)回波壓縮傳感信號(hào)進(jìn)行了低分辨雷達(dá)目標(biāo)識(shí)別研究，Ren Yuemei［10］也對(duì)基于壓縮傳感的空間目標(biāo)識(shí)別進(jìn)行了有益的嘗試，雖然前者是基于雷達(dá)信號(hào)特征的稀疏采樣抽取，后者是通過(guò)稀疏系數(shù)構(gòu)建獲得識(shí)別信息庫(kù)，但也從側(cè)面對(duì)直接壓縮傳感信號(hào)特征識(shí)別提供了支持。本文將從提高移動(dòng)機(jī)器人嵌入式視覺(jué)處理速度和實(shí)時(shí)性出發(fā)，進(jìn)行機(jī)器人環(huán)境視覺(jué)壓縮傳感信號(hào)直接特征識(shí)別研究。不同于事先路徑規(guī)劃的移動(dòng)機(jī)器人運(yùn)行［11］，移動(dòng)機(jī)器人嵌入式視覺(jué)系統(tǒng)處理實(shí)時(shí)性對(duì)于自主運(yùn)行機(jī)器人具有極其重要性，環(huán)境視覺(jué)壓縮傳感信息的直接特征識(shí)別，對(duì)于提高嵌入式視覺(jué)系統(tǒng)處理速度和處理性具有更進(jìn)一步的意義。文獻(xiàn)［12］借用壓縮傳感思想和壓縮圖像矩陣實(shí)現(xiàn)了移動(dòng)機(jī)器人嵌入式視覺(jué)實(shí)時(shí)導(dǎo)航，趙士彬等提出了一種基于壓縮感知的低功耗高效率CMOS圖像傳感器［13］，為移動(dòng)機(jī)器人嵌入式視覺(jué)壓縮感知提供了可行性。本文基于正交小波稀疏，通過(guò)道路和草坪典型環(huán)境圖像壓縮傳感直接特征提取識(shí)別與環(huán)境認(rèn)知研究和實(shí)驗(yàn)，驗(yàn)證壓縮傳感信息直接特征提取識(shí)別的可行性。

1 壓縮傳感理論

壓縮傳感理論表明:如果原始信號(hào)或圖像具有稀疏表示，通過(guò)合適的優(yōu)化算法，可由少量的采樣值或觀測(cè)值來(lái)進(jìn)行信號(hào)或圖像的重建。其核心思想是將壓縮與采樣合并進(jìn)行，可以大大減少數(shù)據(jù)處理量，一般過(guò)程是:首先采集信號(hào)的非自適應(yīng)線性投影(測(cè)量值)，然后根據(jù)相應(yīng)重構(gòu)算法由測(cè)量值重構(gòu)原始信號(hào)。因此，壓縮傳感理論主要包括信號(hào)的稀疏表示、編碼測(cè)量和重構(gòu)算法等三個(gè)方面［14］。

(1)信號(hào)的稀疏表示就是將信號(hào)投影到正交變換基時(shí)，絕大部分變換系數(shù)絕對(duì)值很小，所得到的變換向量是稀疏或者近似稀疏的，可看作是原始信號(hào)的一種簡(jiǎn)潔表達(dá)，這也是壓縮傳感的先驗(yàn)條件。通常變換基可以根據(jù)信號(hào)本身的特點(diǎn)靈活選取，常用有離散余弦變換基、快速傅里葉變換基、離散小波變換基、Curvelet基、Gabor基以及冗余字典等。

(2)在編碼測(cè)量中，首先選擇穩(wěn)定的投影矩陣，為了確保信號(hào)的線性投影能夠保持信號(hào)的原始結(jié)構(gòu)，投影矩陣必須滿足約束等距性RIP(Restricted I-sometry Property)條件，然后通過(guò)原始信號(hào)與測(cè)量矩陣的乘積獲得原始信號(hào)的線性投影測(cè)量。最后，運(yùn)用重構(gòu)算法由測(cè)量值及投影矩陣重構(gòu)原始信號(hào)。

(3)信號(hào)重構(gòu)過(guò)程一般轉(zhuǎn)換為一個(gè)最小L0范數(shù)的優(yōu)化問(wèn)題，求解方法主要有最小L1范數(shù)法、匹配追蹤系列算法、最小全變分方法、迭代閾值算法等。

本文主要針對(duì)自主移動(dòng)機(jī)器人視覺(jué)環(huán)境感知的實(shí)時(shí)性問(wèn)題，對(duì)環(huán)境視覺(jué)壓縮傳感采樣，不經(jīng)過(guò)信號(hào)重構(gòu)過(guò)程，而是基于小波稀疏，直接進(jìn)行典型紋理環(huán)境圖像壓縮傳感信息的特征提取與識(shí)別研究，驗(yàn)證這種方法及提高視覺(jué)處理實(shí)時(shí)性的可行性。

2 小波稀疏

稀疏性是信號(hào)本身的特性，指信號(hào)可由少量的非零元素來(lái)表示。圖像信號(hào)包括已壓縮后的商用編碼標(biāo)準(zhǔn)的JPEG和JPEG2000多為稀疏信號(hào)［15］。設(shè)信號(hào)x是長(zhǎng)度為N的K稀疏信號(hào)，那么它則可由冗余基ψ∈RM的K(K?M，M≥C0KlogN)個(gè)基向量的線性組合來(lái)表示，如下式(1)所示。

式中α表示變換系數(shù)，α=ψTx。文中采用正交小波基進(jìn)行稀疏，給定基本小波函數(shù)ψ(t)，則信號(hào)f(t)的連續(xù)小波變換為:

a為尺度參數(shù)，b為平移參數(shù)。

通常小波框架都不是L2(R)的正交基，其信息存在冗余，若小波函數(shù)的伸縮平移系{ψa，b(t)}a，b∈Z是正交系就可以得到無(wú)冗余的小波框架。設(shè)ψ(t)∈L2(R)的一個(gè)可容許小波，若其二進(jìn)伸縮平移系滿足下面關(guān)系:

正交小波提供原始信號(hào)的正交分解，各分解系數(shù)彼此獨(dú)立，從而可以去除冗余，減少數(shù)據(jù)量。由于小波只對(duì)信號(hào)的低頻部分做了進(jìn)一步的分解，而對(duì)高頻部分也即是信號(hào)的細(xì)節(jié)部分不再做繼續(xù)分解，所以小波變換能夠很好表征一大類以低頻信息為主成分的信息，但它不能很好地分解和表示包含大量細(xì)節(jié)信息。數(shù)據(jù)量較大的高頻系數(shù)只是在信號(hào)具有奇異性的地方，其小波系數(shù)模值才顯著大于零，其它地方將非常小甚至為零，小波細(xì)節(jié)的這種特性為信號(hào)壓縮和減少數(shù)據(jù)量提供了可能。與一般小波不同的是，正交小波可以對(duì)高頻部分提供更精細(xì)的分解，而且這種分解是無(wú)冗余的。為驗(yàn)證正交小波稀疏效果，本文首先采用經(jīng)典Lena圖像進(jìn)行了稀疏分析，結(jié)果如圖1所示，可以看出稀疏后的圖像在較小范圍內(nèi)的保留了原始圖像的信息。實(shí)際環(huán)境圖像本文采用表征移動(dòng)機(jī)器人野外運(yùn)行環(huán)境的路面和草坪兩種典型環(huán)境圖像，由于包含了許多邊緣和紋理的重要細(xì)節(jié)信息，采用正交小波稀疏后得到的柏油道路、同類草坪紋理環(huán)境圖像的正交小波稀疏后的圖像分別如圖2和圖3所示。

圖1 Lena圖像正交小波稀疏

圖2 路面圖像正交小波稀疏

圖3 草坪圖像正交小波稀疏

3 壓縮傳感信息特征提取與環(huán)境認(rèn)知

3.1 紋理特征參數(shù)提取

紋理是很多自然景物的一個(gè)重要特征。通常認(rèn)為紋理是指圖像在灰度或顏色分布呈現(xiàn)某種規(guī)律性，這種規(guī)律性在不同類別的紋理中有其不同特點(diǎn)。自然界中的馬路和草地，它們的紋理基元沒(méi)有明確的形狀，而是某種灰度或顏色的分布，這種分布在空間位置上的反復(fù)出現(xiàn)形成紋理，這樣的重復(fù)在局部范圍內(nèi)往往難以體察出來(lái)，只有從整體上才能顯露，屬于典型的自然紋理。紋理特征描述對(duì)象物表面的粗糙程度和它的方向性，一般而言，自然紋理圖像通常采用統(tǒng)計(jì)分析方法，主要是基于圖像像素的灰度值的分布與相互關(guān)系，基本原理是選擇不同的統(tǒng)計(jì)量提取紋理圖像的統(tǒng)計(jì)特征。文中采用灰度共生矩陣方法［16］，進(jìn)行紋理特征提取，原理方法如下:

設(shè)一幅N×N圖像的在任意一點(diǎn)(x，y)掃描至另外一點(diǎn)(x+a，y+b)，若對(duì)應(yīng)的灰度值為(g1，g2)，統(tǒng)計(jì)出每一種(g1，g2)值出現(xiàn)的次數(shù)，然后排列成一個(gè)方陣，并用(g1，g2)出現(xiàn)的總次數(shù)將它們歸一化為出現(xiàn)的概率p(g1，g2)，這樣的方陣稱為灰度共生矩陣。若a=1，b=0，像素對(duì)是水平的，為0°掃描;a=1，b=1，像素對(duì)是右對(duì)角線的，為 45°掃描;a=0，b=1，像素對(duì)是垂直的，為 90°掃描;a=1，b=－1 時(shí)，像素對(duì)是左對(duì)角線，即135°掃描。紋理圖像的共生灰度矩陣一般采用下面的四個(gè)主要參數(shù)對(duì)圖像進(jìn)行識(shí)別:

紋理能量:

紋理慣性:

紋理熵:

紋理相關(guān)性:

本文隨機(jī)選取10幅柏油道路、同類草坪環(huán)境圖像，對(duì)小波稀疏后的圖像進(jìn)行了紋理特征參數(shù)提取，結(jié)果發(fā)現(xiàn)此兩類環(huán)境圖像的四個(gè)掃描方向上的同種參數(shù)結(jié)果相近，具有一定的旋轉(zhuǎn)不變性的紋理參數(shù)特征。因此，可取參數(shù)均值ˉE、ˉH、ˉI、ˉC作為圖像認(rèn)知的特征參數(shù)。兩種圖像小波稀疏后的四種特征參數(shù)均值和最大均值誤差如表1所示。

表1 小波稀疏后兩種典型環(huán)境圖像的特征參數(shù)

文中圖像是在智能輪椅移動(dòng)機(jī)器人固定嵌入式視覺(jué)系統(tǒng)與環(huán)境距離，圖像傳感器裝有輔助照明裝置情況下［12］采取得到。為分析日照對(duì)嵌入式視覺(jué)壓縮傳感圖像紋理特征參數(shù)的影響，取不同光照下(稍弱、中等、較強(qiáng))的同一環(huán)境圖像進(jìn)行了小波稀疏壓縮傳感紋理參數(shù)特征提取研究，結(jié)果發(fā)現(xiàn)當(dāng)光照強(qiáng)度增強(qiáng)的情況下，實(shí)驗(yàn)樣本中的紋理慣性I、紋理熵H略有增加，紋理能量E、紋理相關(guān)性C略有減小，當(dāng)光照變化不大的情況下可近似忽略光照影響。

3.2 典型環(huán)境認(rèn)知識(shí)別

由上述可知，同種環(huán)境壓縮傳感圖像具有相近的特征參數(shù)，可取訓(xùn)練樣本特征參數(shù)均值ˉE、ˉI、ˉH、ˉC作為特征判斷閾值，我們將待識(shí)別壓縮傳感環(huán)境圖像的特征參數(shù)與判斷閾值的相近度定義為相似度函數(shù)作為識(shí)別依據(jù)。那么與某種環(huán)境壓縮傳感信息特征閾值相近度越大，越說(shuō)明屬于該種環(huán)境。為使相似度函數(shù)與其數(shù)值結(jié)果相一致，我們?nèi)〈R(shí)別圖像特征參數(shù)與判斷閾值的歐氏距離的倒數(shù)作為相似度判據(jù)函數(shù)FS，即

i表示不同壓縮傳感環(huán)境參數(shù)特征閾值序號(hào)，如果該種壓縮環(huán)境圖像的第i個(gè)相似度函數(shù)FS的數(shù)值最大，說(shuō)明待識(shí)別壓縮傳感環(huán)境圖像與第i種特征閾值最為相近，也就說(shuō)明屬于第i種特征環(huán)境，即

FS(i)=max(FS)

?{待識(shí)別環(huán)境∈第i種特征環(huán)境}

本文i取1或，即柏油道路或同類草坪。

隨機(jī)取4幅柏油道路、4幅同類草坪共8幅圖像作為驗(yàn)證樣本，進(jìn)行小波稀疏后分別計(jì)算特征參數(shù)紋理能量ˉE、紋理慣性ˉI、紋理熵ˉH、紋理相關(guān)性ˉC和相似度判據(jù)函數(shù)FS，得到對(duì)應(yīng)8幅圖像的相似度判據(jù)函數(shù)的數(shù)值如表2所示。

表2 壓縮傳感信息典型環(huán)境圖像識(shí)別結(jié)果

由表2結(jié)果可以看出，待識(shí)別圖像與兩個(gè)判據(jù)特征閾值的相似度差別較大，通過(guò)壓縮傳感后的直接信息，可以正確識(shí)別兩種典型環(huán)境，說(shuō)明了通過(guò)壓縮傳感信息進(jìn)行直接環(huán)境認(rèn)知的可行性。下一步可進(jìn)一步研究多類型環(huán)境感知(包括其他不同類型環(huán)境和形狀等其他圖像特征壓縮傳感表征)與嵌入式視覺(jué)處理實(shí)時(shí)性問(wèn)題，以及光照、距離對(duì)壓縮傳感特征表征影響的函數(shù)修正。

4 結(jié)束語(yǔ)

為了提高移動(dòng)機(jī)器人視覺(jué)環(huán)境感知處理實(shí)時(shí)性和視覺(jué)系統(tǒng)運(yùn)行性能，文中基于小波稀疏進(jìn)行了兩種典型環(huán)境的壓縮傳感信息直接特征處理識(shí)別研究，結(jié)果表明在小波稀疏下，利用壓縮傳感信息可以直接識(shí)別紋理環(huán)境圖像，為進(jìn)一步的壓縮傳感信息的直接特征識(shí)別和特征保留研究提供了前期基礎(chǔ)，為基于視覺(jué)特別是嵌入式視覺(jué)的自主移動(dòng)機(jī)器人環(huán)境認(rèn)知實(shí)時(shí)性問(wèn)題的解決提供了一種新的思路。

［1］ Donoho D.Compressed Sensing［J］.IEEE Transactions on Information Theory，2006，52(4):1289－1306.

［2］ 佘青山，徐平，羅志增，等.一種新的分塊壓縮傳感圖像重建算法［J］.東南大學(xué)學(xué)報(bào)(自然科學(xué)版)，2011，41(sup):27－31.

［3］ 魏苗，練秋生.基于壓縮傳感的寬帶頻譜協(xié)方差感知算法［J］.傳感技術(shù)學(xué)報(bào)，2011，24(7):1022－1026.

［4］ Usman M，Prieto C，Odille F，et al.A Computationally Efficient OMP-Based Compressed Sensing Reconstruction for Dynamic MRI［J］.Physics in Medicine and Biology，2011，56(7):N99－N114.

［5］ Amini Arash，Marvasti Farokh.Deterministic Construction of Binary，Bipolar，and Ternary Compressed Sensing Matrices［J］.IEEE Transactions on Information Theory，2011，57(4):2360－2370.

［6］ 練秋生，陳書貞.基于混合基稀疏圖像表示的壓縮傳感圖像重構(gòu)［J］.自動(dòng)化學(xué)報(bào)，2010，36(3):385－391.

［7］ 蘇曉園，練秋生.基于迭代收縮法和三維復(fù)數(shù)小波的視頻壓縮傳感重構(gòu)［J］.光電工程，2010，37(2):108－112，121.

［8］ 金煒，符冉迪，葉明，等.采用殘差估算的衛(wèi)星云圖壓縮傳感重建［J］.應(yīng)用科學(xué)學(xué)報(bào)，2011，29(5):495－499.

［9］ 米紅妹，邱天爽.基于壓縮傳感特征提取的低分辨雷達(dá)目標(biāo)識(shí)別［J］.計(jì)算機(jī)應(yīng)用，2011，31(8):2105－2107.

［10］ Ren Yuemei，Zhang Yangning，Li Ying.A Space Target Recognition Method Based on Compressive Sensing［C］//Proceedings-6th International Conference on Image and Graphics，Hefei，China，2011:582－586.

［11］陳世明，聶森，麗楠，等.模糊空間中基于人工勢(shì)場(chǎng)的移動(dòng)機(jī)器人運(yùn)動(dòng)規(guī)劃［J］.南昌大學(xué)學(xué)報(bào)(工科版)，2010，32(2):192－195.

［12］ Liu Jizhong，Wu Xuepei，Xia Jiating，et al.Visual Navigation of a NovelEconomicalEmbedded Multi-Mode IntelligentControl System for Powered Wheelchair［C］//Advances in Neural Network Research and Applications，LNEE，2010，67(6):503－511.

［13］趙士彬，姚素英，徐江濤.基于壓縮感知的低功耗高效率CMOS圖像傳感器設(shè)計(jì)［J］.傳感技術(shù)學(xué)報(bào)，2011，24(8):1151－1157.

［14］ 李樹濤，魏丹.壓縮傳感綜述［J］.自動(dòng)化學(xué)報(bào)，2009，35(11):1369－1374.

［15］金堅(jiān)，谷源濤，梅順良.壓縮采樣技術(shù)及其應(yīng)用［J］.電子與信息學(xué)報(bào)，2010，32(2):470－475.

［16］彭輝.基于紋理特征的圖像識(shí)別分類［J］.計(jì)算機(jī)與信息技術(shù)，2007，11:16－20.