连续性健美操动作图像视觉误差校正方法分析
段静彧
(武昌工学院体育课部，武汉 430065)
摘 要 为了解决传统方法校正后图像容易出现模糊或锯齿效应，视觉误差校正效果不好的问题，研究了一种新的连续性健美操动作图像视觉误差校正方法。通过JAI相机(丹麦)逐行扫描电荷耦合器件(CCD)相机转换成视频信号，得到的信号通过图像采集卡采集，转化成PC机可处理的数字信号，通过全息投影获取连续性健美操动作图像。按照视觉误差完成对图像像素集视差函数的配准，通过向量量化技术实现对图像的亚像素级模板匹配，对经处理的连续性健美操动作图像进行分形编码处理，为视觉误差校正提供依据。对连续性健美操动作图像进行编码和解码处理，求出和原始图像间的误差，获取误差图像，对其进行插值处理，获取误差补偿结果，实现连续性健美操动作图像视觉误差校正。结果表明：经所提方法处理后的图像无显著的视觉误差，峰值信噪比和结构相似性很高。可见所提方法主观和客观评价结果好。
关键词 连续性 健美操 动作图像 视觉误差 校正
近年来，计算机智能视觉技术迅猛发展，在计算机环境下实现连续性健美操动作图像识别，对健美操技术分析具有重要价值[1,2]。传统方法通常通过参数统计特征重组模型与几何规则性轮廓重构模型完成对运动图像视觉误差的校正，增强校正后图像的信噪比[3,4]。这些方法实现过程较为简单，但校正后图像容易出现模糊或锯齿效应，视觉误差校正效果不好。为此，分析了一种新的方法，对连续性健美操动作图像视觉误差校正问题进行描述，通过全息投影法完成连续性健美操动作图像采集，对采集图像进行分形编码处理，利用插值法实现视觉误差校正。经实验验证，所研究方法可有效校正视觉误差，保证连续性健美操动作图像的质量。
定义2.2 称伪BCI-代数X上的一个犹豫模糊集为X的一个犹豫模糊交换滤子，如果为X的一个犹豫模糊滤子，且满足对任意x,y ∈ X, 有
最后，循环以上步骤直至不再出现新的定位点，通过循环更新替换过程，定位点从曲面的外沿往内延伸，最终由原始定位点及更新后的定位点采样得到完整的待修复曲面模型数据。
1 问题描述
连续性健美操动作图像视觉误差是因相机轴向与被拍摄对象所处平面不垂直导致的，增强相机与被拍摄对象的垂直准确性，能够降低视觉误差[5]。非线性失真误差为因相机镜头光学误差造成的几何失真，和轴线间的间隔越大，则图像畸变程度越高。上述分析的两种视觉误差是图像信息和视场中心相比的错位现象。图1(a)所示的是理想相机位置，当前无视觉误差存在。图1(b)中，相机轴向和被拍摄对象所处平面间存在一定角度，当前存在视觉误差。
图1 视觉误差示意图
Fig.1 Visual error schematic
针对连续性健美操动作图像，本节通过JAI逐行扫描CCD相机转换成视频信号，得到的信号通过图像采集卡采集，同时转化成PC机可处理的数字信号[6,7]。为了便于分析，通过全息投影获取连续性健美操动作图像。
Zhang等[47]研究发现了一种新型的界面润湿剂，通过在固态电池的正极一侧滴加，可以有效提高NASICON型固体电解质利用率，极大地提高了电池的倍率和循环稳定性，在室温下循环10 000周后几乎无明显变化，在目前中的固态电池中性能是比较好的。基于目前NASICON型固体电解质材料的研究发现：其本身具有较高的离子电导率和优异的电化学性能，所具有的较低的热膨胀性进而表示可以在中高温环境下使用[47]，增加了钠电池使用的安全性。
连续性健美操动作图像视觉误差校正基本思想如下：通过视觉误差校正技术获取连续性健美操动作图像误差，对其进行填充，从而达到校正的目的，采用的视觉误差校正技术为线性插值技术。
2 连续性健美操动态图像视觉误差校正方法
2.1 连续性健美操动作图像全息投影处理
为了实现对连续性健美操动作图像视觉误差的校正，通过全息红外视觉扫描技术对采集图像进行处理[8]，结合图像空间扫描法实现连续性健美操动作图像的成像投影，计算健美操动作图像三维成像的模板特征组合方程：
I (x ,y )=h (x ,y )*f (x ,y )+δ (x ,y )
主要病变存在于肺和呼吸道内，肺呈紫红色，肺炎多是双侧性的，并多在肺的心叶、尖叶和隔叶出现病灶，其与正常组织界线分明。最急性死亡的病猪气管、支气管中充满泡沫状、血性粘液及黏膜渗出物，无纤维素性胸膜炎出现。发病24 h以上的病猪，肺炎区出现纤维素性物质附于表面，肺出血、间质增宽、有肝变，气管、支气管中充满泡沫状、血性粘液及黏膜渗出物，喉头充满血性液体，肺门淋巴结显著肿大。随着病程的发展，纤维素性胸膜炎蔓延至整个肺脏，使肺和胸膜粘连，常伴发心包炎，肝、脾肿大，色变暗。病程较长的慢性病例，可见硬实肺炎区，病灶硬化或坏死，发病的后期，病猪的鼻、耳、眼及后躯皮肤出现发绀，呈紫斑。
(1)
式(1)中，h (x ,y )用于描述视差函数；*用于描述卷积；f (x ,y )用于描述连续性健美操动作图像边缘轮廓像素；δ (x ,y )用于描述健美操动作图像亚像素特征。
按照视觉误差完成对图像像素集视差函数的配准，通过向量量化技术实现对图像的亚像素级模板匹配[9]，获取模板匹配后的像素输出：
(3)从P 中选择没有编码的子块R ′，通过穷举技术，在图像中全部大小是2m ×2m 的块中找到最优块D ′，令其和R ′间相似性达到最高，误差e K 达到最小。
(2)
求出连续性健美操动作图像边缘轮廓像素估计值：
如果改变检验方法，能够使呈阳性(+)的百分比由百分之九十五增加到百分之九十九，把呈阴性(-)的百分比由百分之九十增加到百分之九十九，容易验证，上述的确诊率仍然不足千分之四．即使把上述两个百分比都增加到百分之九十九点九，确诊率也不到百分之三十．
(3)
式(3)中，F (x ,y )用于描述连续性健美操动作图像经全息红外视觉扫描投影后获取的强纹理集参数统计特征；α 用于描述背景差分像素特征因子；A 用于描述背景差分像素分布纹理集；
用于描述局部方差。
通过全息投影技术获取连续性健美操动作图像，为视觉误差分析与校正提供可靠的原始图像。
2.2 图像分形编码
对经处理的连续性健美操动作图像进行分形编码处理，为视觉误差校正提供依据[10,11]。
⑤张先《卜算子》(梦断寒夜长)：双调46字，上阕4句23字2仄韵，下阕4句23字3仄韵。句式：55733。55733。
针对尺寸是M ×M 的健美操动作图像I (x ,y )，编码的R 块尺寸是m ×m ，所需编码的R 块个数为M R =(M /m )2，码书Φ 中D 块尺寸是2m ×2m ，|Φ |代表码书容量[12]，|Φ |=8[(M -2m )/λ +1]2，其中λ 用于描述码书步长。如果依据全局搜寻的方式获取各R 块的最佳匹配块，则需遍历整个码书，编码过程需进行M RD =M R |Φ |次匹配，会因码书容量规模大增加计算复杂度，影响效率，需减少搜索空间[13]。
(5)重新进行步骤(3)，继续对P 中子块进行编码，直至遍历P 中全部子块[17]。
(4)
D init={D ∈Φ min|W (R )-W (D )|}
R 块与D 块相似度很高的情况下，二者即可组成匹配对。
下面将自相似特征值按照从小到大的顺序排列，完成码书中D 块的排序，再在升序码书Φ 中通过二分法对与编码R 块自相似特征值W (R )相差最小的初始匹配块D 块进行搜寻：
式(4)中，V 用于描述图像块，
用于描述收缩图像块，
用于描述去均值后的2-范数，
用于描述V 去均值后的2-范数。
(5)
在D init的k 邻域中完成编码搜寻，针对各编码的R 块，搜索码书Φ W 可通过式(6)求出：
式中，σ0、σ分别为零频波数(系统基频)和入射光波数，光轴与光栅法线夹角为θ，x为探测器像元尺寸.光谱仪获取的干涉图通常采用傅里叶变换进行光谱复原，然而以傅里叶变换为基础的光谱复原方法，虽然运算简单、速度快，但存在分辨率低、谱线起伏明显等缺陷.因此引入新的光谱复原方法以提高复原光谱精度具有实用意义.
原始连续性健美操动作图像I 和视觉图像
间不可避免地存在一定的误差，也就是
(6)
获取Φ W 中和R 块匹配误差最小值相应的D 块，获取R 块分形码，Φ W 容量比Φ 容量低，可有效提高编码速度[15]。
2.3 视觉误差校正
Φ W ={D ∈Φ ,D ∈M (D init,k )}
(7)
式(7)中，E 用于描述误差图像。针对式(7)两边采用插值算子g ，则有
将图4与图5和图3相比发现，文献[5]方法和文献[6]方法误差校正结果视觉质量明显劣于本文方法处理结果，说明经这两种方法处理后的图像仍存在明显的视觉误差，验证了本文方法的主观有效性。
(8)
式(8)中，I K 用于描述局部自相似的分形部分误差，e K 用于描述I K 和其估计值
的误差，同时用式(9)完成对其的估测，则有
(9)
式(9)中，g b 代表双立方插值算子[16]。为了降低插值误差，把
当成补偿添加到中，同时将其当成I K 的最优估计。
在以上分析的基础上，给出连续性健美操动作图像视觉误差校正过程：
(1)建立连续性健美操动作图像的覆盖集{S i }，各子块S i 的大小都是m 0×m 0，S j 用于描述相似健美操动作块，同时S i ∩S j =φ 。
(2)把全部子块均标识成未编码，同时添加至编码任务队列P 。
I (x ,y )=f (x ,y )+δ (x ,y )
(4)如果R ′的大小低于m e ×m e ，则对R ′的大小和分形码Φ 进行记录，把R ′标识成已编码。反之，将R 划分成更小的子块，将其标识成位编码，同时添加至P ，从P 中将原始子块R 删除。
下面对图像块特征进行定义，通过特征将匹配时全搜索转变成邻域搜索[14]。首先通过四邻域像素均值的形式将图像块U =[u i,j ]∈R m×m 收缩成图像块
对图像块自相似特征进行计算公式如下：
对于不对称的环氧化合物(环氧丙烷衍生物),在发生开环反应时,有着不同的进攻位置,两个位置发生比例不仅与所使用的引发剂种类有关,还与该位置上所连接的R基团大小和性质有密切关系(见图1).
(6)通过上述过程获取分形码{Φ }，对连续性健美操动作图像进行解码处理，同时求出和原始图像间的误差，获取误差图像E ，对其进行插值处理，获取误差补偿结果
(7)将
当成连续性健美操动作图像最终校正结果。
3 实验及结果分析
3.1 主观测试结果及分析
为了验证提出的连续性健美操动作图像视觉误差校正方法的有效性，针对图2所示的连续性健美操动作图像进行视觉误差校正实验，本文方法校正结果用图3进行描述。
听到驮子这么一说，大家都理解了。是啊，碰到这样的孩子，谁的心里不烦，不买，就不买！我们岭北人还是支持驮子这个外地人，必须支持他！
图2 测试图像
Fig.2 Test image
图3 本文方法校正结果
Fig.3 The correction results of this method
分析图3可知，采用本文方法进行视觉误差校正后，健美操运动员动作和图像边缘等细节无锯齿和模糊等现象出现，主观视觉质量高。将文献[5]方法和文献[6]方法作为对比进行测试，两种方法对图2所示测试图像的视觉误差校正结果依次用图4和图5进行描述。
图4 文献[5]方法校正结果
Fig.4 Correction results of reference[5]
图5 文献[6]方法校正结果
Fig.5 Correction results of reference[6]
按自身对照法检测并计算4批样品中有关物质的含量，结果如表6所示。由表6可以看出，4批样品中杂质Ⅲ和Ⅷ的含量均小于0.20%，总杂质含量均小于0.4%。
3.2 客观测试结果及分析
为了更加全面地验证本文方法的有效性，在上述实验的基础上，对本文方法、文献[5]方法和文献[6]方法视觉误差作为比较，本节视觉误差通过相位误差进行体现，视觉误差相位超过π/4的情况下，会导致图像模糊，三种方法视觉相位误差比较结果用图6进行描述。
图6 三种方法视觉误差比较结果
Fig.6 Visual error comparison results of three methods
分析图6可知，本文方法视觉误差明显低于文献[5]方法和文献[6]方法，和主观测试结果一致，进一步验证了本文方法的有效性。
为了不失一般性，针对95组连续性健美操动作图像，采用本文方法、文献[5]方法和文献[6]方法对上述图像进行视觉误差校正，针对校正后结果，将峰值信噪比和结构相似性作为衡量指标进行测试。
峰值信噪比为峰值信号能量和平均噪声能量之比，可通过式(10)求出：
(10)
式(10)中，x (m ,n )用于描述原始健美操动作图像，y (m ,n )用于描述经校正后的健美操动作图像，M ×N 代表图像尺寸。
结构相似度是校正前后健美操动作图像结构相似度的体现，其值越高，认为相似性越高，其最大值为1，可通过式(11)求出：
(11)
式(11)中，μ x 、μ y 用于描述像素点值的平均亮度；σ x 、σ y 用于描述标准差；σ xy 用于描述协方差；B 1、B 2用于描述避免分母为0而增加的常数。
大多数教师把教学的百分之九十的精力放在了教学设计上，听课中经常发现教师游戏设计的精彩多样，可是到了评价的阶段却是相当的吝啬，只是草率地一带而过。殊不知，教学评价才是游戏深化、幼儿发展最直接的因素。
本文方法、文献[5]方法和文献[6]方法校正后，峰值信噪比和结构相似性比较结果用表1进行描述。
工程整定法依赖于工程经验，不需要建立数学模型，直接在控制系统上进行参数整定，具有简便、便捷和应用范围广泛的特点。但是，实际控制系统中往往存在多个参数，且各个参数之间存在耦合关系，而工程整定法主要针对的是单个PID控制器的参数调整，无法同时调节多个参数，本身也不具备全局寻优能力，因此其应用具有局限性。
表1 三种方法客观指标比较结果
Table 1 Comparison of objective indicators of three methods
分析表1可以看出，本文方法和文献[5]方法、文献[6]方法相比，峰值信噪比和结构相似性均显著增加，客观评价结果很好，进一步验证了本文方法的校正性能。
4 结论
研究了一种新的连续性健美操动作图像视觉误差校正方法。
通观全书，王玉生的新著文风踏实，文笔流畅，文采飞扬，体现出作者的史观、史学、史识和史才，体现了作者开阔的学术视野和扎实的理论功底，读来有博大中正、凝重厚实之感，是一部深入研究蔡元培大学职能思想的佳作。这部著作的问世，必将能够对我国大学改革与发展以重要的、有益的现实启示。
(1)通过JAI逐行扫描CCD相机转换成视频信号，得到的信号通过图像采集卡采集，转化成PC机可处理的数字信号。
(2)通过全息红外视觉扫描技术对采集图像进行处理，结合图像空间扫描法实现连续性健美操动作图像的成像投影。
(3)按照视觉误差完成对图像像素集视差函数的配准，通过向量量化技术实现对图像的亚像素级模板匹配。
(4)对经处理的连续性健美操动作图像进行分形编码处理，为视觉误差校正提供依据。
(5)对连续性健美操动作图像进行编码和解码处理，求出和原始图像间的误差，获取误差图像，对其进行插值处理，获取误差补偿结果，完成视觉误差校正。
(6)将文献[5]方法和文献[6]方法作为对比进行测试，发现这两种方法误差校正结果视觉质量很低，峰值信噪比和结构相似性均显著增加，表明所提方法主观和客观评价结果很好，验证了所提方法的有效性。
参考文献
1 李振亚. 运动视觉误差分析的模型设计与实现[J]. 现代电子技术, 2017, 40(18): 92-94
Li Zhenya . Design and implementation of motion vision error analysis model[J]. Modern Electronics Technique, 2017, 40(18): 92-94
2 赵振庆, 叶 东, 吴 斌, 等. 消隐点共线约束逐点畸变校正算法[J]. 光学精密工程, 2015, 23(4): 1196-1204
Zhao Zhenqing, Ye Dong, Wu Bin, et al. Point wise distortion correction algorithm with vanishing point collinear constraint[J]. Optics and Precision Engineering, 2015, 23(4): 1196-1204
3 李东斌. 肥胖人群运动特征不合理性的视觉图像分割[J]. 科技通报, 2015, 31(8): 259-261
Li Dongbin. Visual image segmentation of motion characteristic of obese people[J]. Bulletin of Science and Technology, 2015, 31(8): 259-261
4 Guo W, He D, Cai N. On capacity of network error correction coding with random errors[J]. IEEE Communications Letters, 2018, 22(4): 696-699
5 郑帅超, 房立金, 徐志刚. 单目视觉-激光测距定位系统的标定与姿态校正[J]. 机械科学与技术, 2017, 36(12): 1926-1934
Zheng Shuaichao, Fang Lijin, Xu Zhigang. Calibrating and correcting pose of monocular vision and laser ranging location system[J]. Mechanical Science and Technology for Aerospace Engineering, 2017, 36(12): 1926-1934
6 周前飞, 刘晶红, 居 波, 等. 面阵CCD航空相机斜视图像的几何校正[J]. 液晶与显示, 2015, 30(3): 505-513
Zhou Qianfei, Liu Jinghong, Ju Bo, et al. Geometric correction of oblique images for array CCD aerial cameras[J]. Chinese Journal of Liquid Crystals and Displays, 2015, 30(3): 505-513
7 Kuznetsov S O, Revenko A. Interactive error correction in implicative theories[J]. International Journal of Approximate Reasoning, 2015, 63(1): 89-100
8 张 飞, 李景富. 基于智能视觉的高空图像搜集系统的设计与实现[J]. 计算机测量与控制, 2015, 23(3): 939-941
Zhang Fei, Li Jingfu. Aerial image collecting system design and implementation based on intelligent vision[J]. Computer Measurement & Control, 2015, 23(3):939-941
9 刘和臣. 运动员动作三维视觉图像准确识别仿真研究[J]. 计算机仿真, 2016, 33(8):369-372
Liu Hechen. Simulation study on accurate recognition of 3D Visual Image of athlete’s Action[J]. Computer Simulation, 2016, 33(8):369-372
10 柯 鑫, 江 威, 朱江兵. 基于视觉注意机制的眼底图像视盘快速定位与分割[J]. 科学技术与工程, 2015, 15(35): 47-53
Ke Xin, Jiang Wei, Zhu Jiangbing. Fast location and segemention of optic disk in the fundus image based on visual attention[J]. Science Technology and Engineering, 2015, 15(35): 47-53
11 Almheiri A, Dong X, Harlow D. Bulk locality and quantum error correction in AdS/CFT[J]. Journal of High Energy Physics, 2015, 2015(4): 1-34
12 窦健泰, 高志山, 马 骏, 等. 基于图像信息熵的ptychography轴向距离误差校正[J]. 物理学报, 2017, 66(16): 107-115
Dou Jiantai, Gao Zhishan, Ma Jun, et al. Correction of axial distance error in ptychography based on image information entropy[J]. Acta Physica Sinica, 2017, 66(16): 107-115
13 乔 良. 三维图像视觉下运动关键特征的提取方法改进[J]. 计算机仿真, 2017, 34(1): 216-219
Qiao Liang. Under the 3 d image visual movement key feature extraction method of improvement[J]. Computer Simulation, 2017, 34(1): 216-219
14 李宇嘉, 付利平, 王永松. 楔条形阳极紫外探测器图像畸变校正[J]. 电子设计工程, 2017, 25(21): 133-136
Li Yujia, Fu Liping, Wang Yongsong. Image rectification algorithms of wedge and strip anode detector[J]. Electronic Design Engineering, 2017, 25(21): 133-136
15 荆 旭, 邱世广, 尹旭悦, 等. 光轴外扩式布置的双目相机图像立体校正[J]. 上海交通大学学报, 2015, 49(2): 141-149
Jing Xu, Qiu Shiguang, Yin Xuyue, et al. Stereo correction of binocular images with optical axes divergent arrangement[J]. Journal of Shanghai Jiaotong University, 2015, 49(2): 141-149
16 马 玲, 周 斌. 三维视觉图像跟踪运动员对受伤目标监测仿真[J]. 计算机仿真, 2017, 34(2): 422-425
Ma Ling, Zhou Bin. Simulation of 3D visual image tracking athletes’ monitoring of injured target [J]. Computer Simulation, 2017, 34(2): 422-425
17 朱爱斌, 何大勇, 邹 超, 等. 刀具磨损图像视差图的非标定方法[J]. 西安交通大学学报, 2016, 50(3): 8-15
Zhu Aibin, He Dayong, Zou Chao, et al. Uncalibrated method for disparity map of tool wear images[J]. Journal of Xi’an Jiaotong University, 2016, 50(3): 8-15
Analysis of Visual Error Correction Method for Continuous Aerobics Action Image
DUAN Jing-yu
(Department of Physical Education, Wuchang Institute of Technology, Wuhan 430065, China)
[Abstract ]In order to solve the problem of blurring or sawtooth effect, and the poor visual error correction effect in the image corrected by traditional methods, a new visual error correction method for continuous aerobics action image was researched. Through JAI camera(Denmark) progressive scanning CCD camera converted into video signal, the obtained signal was collected by image acquisition card and converted into digital signal processed by charge coupled device (PC), the continuous aerobics action image was obtained by holographic projection. The parallax function of image pixel set is registered according to visual error, the sub-pixel template matching of image is realized by vector quantization technology, the processed continuous aerobics action image is processed by fractal coding, which provides a basis for visual error correction. The motion image of continuous aerobics is coded and decoded, the error between the original image and the original image is obtained, and the error image is interpolated to obtain the error compensation results, so as to realize the visual error correction of the motion image of continuous aerobics. The results show that the image processed by the proposed method has no significant visual error, and the peak signal-to-noise ratio (PSNR) and structural similarity are very high. It can be seen that the subjective and objective evaluation results of the proposed method are good.
[Key words ]continuity aerobics motion image visual error correction
中图法分类号 TN948.47；
文献标志码 A
2018年12月4日收到
作者简介： 段静彧(1978—)，女，汉族，湖北武汉人，硕士，副教授。E-mail: may01113@163.com。
引用格式： 段静彧. 连续性健美操动作图像视觉误差校正方法分析[J]. 科学技术与工程， 2019， 19(13)： 120-125
Duan Jingyu. Analysis of visual error correction method for continuous aerobics action image[J]. Science Technology and Engineering, 2019， 19(13)： 120-125