基于小波變換和圖像融合的智能照明控制系統(tǒng)研究

1 引言

進(jìn)入21 世紀(jì)以來(lái)，我國(guó)建筑進(jìn)入了一個(gè)智能化高度發(fā)展的時(shí)代，新的智能大廈、現(xiàn)代化居民居住小區(qū)按照傳統(tǒng)的照明控制方式已經(jīng)不能滿(mǎn)足其更高標(biāo)準(zhǔn)的要求。傳統(tǒng)的照明方式簡(jiǎn)單、有效、直觀，但它過(guò)多依賴(lài)控制者的個(gè)人能力，控制相對(duì)分散以及無(wú)法有效管理，并且其適時(shí)性和自動(dòng)化程度太低。其后的自動(dòng)照明控制模式雖然解決了傳統(tǒng)方式控制相對(duì)分散和無(wú)法有效管理等問(wèn)題，實(shí)現(xiàn)了照明控制的自動(dòng)化，但卻無(wú)法實(shí)現(xiàn)調(diào)光控制功能。

目前，國(guó)外產(chǎn)品如尼科公司的智能照明控制系統(tǒng)能預(yù)設(shè)各種場(chǎng)景進(jìn)行照明控制，廣泛應(yīng)用于辦公大樓、賓館酒店、體育場(chǎng)館等場(chǎng)合，但是存在價(jià)格高、操作相對(duì)復(fù)雜，對(duì)管理人員要求較高等缺點(diǎn)。國(guó)內(nèi)相關(guān)應(yīng)用于居住小區(qū)及普遍公共場(chǎng)所的照明智能控制系統(tǒng)尚不多見(jiàn)。

為解決傳統(tǒng)紅外+ 光感傳感器方式的燈光照度控制系統(tǒng)存在要求較多的傳感器，而且布置位置要求較高和工程施工、布線量大等缺點(diǎn)，本文提出采用動(dòng)靜監(jiān)測(cè)( 紅外、聲控) + 數(shù)字圖像信息融合的照度控制方式。通過(guò)將采集來(lái)的圖像信息進(jìn)行融合處理，對(duì)融合之后的圖像進(jìn)行灰度劃分，將每一區(qū)域的灰度平均值與預(yù)設(shè)灰度值對(duì)比，從而調(diào)節(jié)場(chǎng)景照度。

2 動(dòng)靜監(jiān)測(cè)傳感數(shù)據(jù)與CCD 數(shù)字圖像信息融合技術(shù)

樓宇智能照明系統(tǒng)中動(dòng)靜監(jiān)測(cè)與CCD 數(shù)字圖像信息融合技術(shù)的控制系統(tǒng)框圖如圖1 所示。

其基本原理是: 通過(guò)動(dòng)靜檢測(cè)技術(shù)觀察是否有人走動(dòng)，如果沒(méi)有人走動(dòng)，關(guān)閉照明; 如果有人存在，對(duì)采集的多幅數(shù)字圖像進(jìn)行分析，將圖像灰度平均值與各種預(yù)置的標(biāo)準(zhǔn)值進(jìn)行對(duì)比，計(jì)算其環(huán)境照?qǐng)龅恼斩饶Ｐ停绻谡彰飨到y(tǒng)預(yù)設(shè)模式允許的誤差范圍內(nèi)，就不需要對(duì)照度進(jìn)行調(diào)整，反之，就對(duì)照度進(jìn)行調(diào)整。

圖像融合是指將不同傳感器獲得的同一景物的圖像或同一傳感器在不同時(shí)刻獲得的同一景物的圖像，經(jīng)過(guò)去噪、時(shí)間配準(zhǔn)、空間配準(zhǔn)和重采樣后，再運(yùn)用某種融合技術(shù)得到一幅合成圖像的過(guò)程通過(guò)對(duì)多幅傳感器圖像的融合，可克服單一傳感器圖像在幾何、光譜和空間分辨率等方面存在的局限性和差異性，提高圖像的質(zhì)量，從而有利于對(duì)物理現(xiàn)象和事件進(jìn)行定位、識(shí)別和解釋。其具體過(guò)程見(jiàn)圖2。

3 基于小波變換的圖像融合技術(shù)

3. 1 預(yù)處理

智能照明系統(tǒng)中，當(dāng)動(dòng)靜監(jiān)測(cè)發(fā)現(xiàn)有人走動(dòng)時(shí)，CCD 攝像機(jī)會(huì)對(duì)相應(yīng)區(qū)域進(jìn)行圖像信息采集。但在圖像采集過(guò)程中，由于受到各種因素( 如傳感器的位置速度、光照強(qiáng)度、隨機(jī)噪聲等) 的影響，實(shí)際獲得的圖像往往包含上述影響因素的特征。因此在實(shí)現(xiàn)圖像融合之前，需要對(duì)傳感器獲得的不同圖像進(jìn)行預(yù)處理，包括圖像校正、增強(qiáng)、平滑、濾波、配準(zhǔn)等。

如圖3 所示，為CCD 攝影機(jī)采集的室內(nèi)圖像經(jīng)過(guò)圖像校正、濾波以及配準(zhǔn)預(yù)處理之后的效果顯示。

從圖3 中可以發(fā)現(xiàn)，由于光照強(qiáng)度，以及噪聲和干擾等因素，圖3 ( a) 中右邊花盆有些模糊，圖3 ( b) 中的門(mén)有些模糊，這樣的圖像所提供的信息不利于智能照明系統(tǒng)識(shí)別，由此可利用下面的小波融合技術(shù)將源圖像信息進(jìn)行融合。

3. 2 小波變換融合

Mallat 在Burt 和Adelson 的塔形圖像分解和重構(gòu)算法的啟發(fā)下，提出了小波變換的Mallat 快速算法，按照二維Mallat 算法，將每一副經(jīng)過(guò)預(yù)處理的CCD圖像進(jìn)行二維分解。

本文CCD 攝影機(jī)采集的圖像大小為351 × 260，設(shè)分解層數(shù)為3，在尺度k-1 上按如下的Mallat 分解公式進(jìn)行分解:

式中，

分別表示預(yù)處理后的CCD圖像在351 × 260 分辨率下的低頻分量，水平高頻分量，垂直高頻分量和對(duì)角高頻分量。其中低頻分量反映了CCD 圖像的近似和平均特征，集中了圖像的大部分能量信息。如圖4 所示，為CCD 圖像的小波分解示意圖。

在兩幅CCD 圖像的小波變換域內(nèi)，分別對(duì)水平，垂直與對(duì)角分量進(jìn)行融合。在各尺度j ( j = 1，2，3)上將兩幅CCD 圖像的高頻系數(shù)進(jìn)行比較，把對(duì)應(yīng)位置上絕對(duì)值較大的系數(shù)作為重要小波系數(shù)保留下來(lái)，即其中

分別表示兩幅CCD 圖像在各尺度分量上的小波系數(shù)。

對(duì)兩幅CCD 圖像經(jīng)小波變換之后的逼近系數(shù)C1J和C2J進(jìn)行處理，由于在智能照明系統(tǒng)采集圖像時(shí)，受各方面因素，使得CCD 攝影機(jī)采集的圖像在局部出現(xiàn)模糊的現(xiàn)象，圖像模糊表示其細(xì)節(jié)信息( 或高頻信息) 丟失較多，相比之下，其整體信息( 或低頻信息) 保持較好，因此兩幅CCD 圖像經(jīng)小波分解后其逼近系數(shù)之間的差異要遠(yuǎn)小于小波系數(shù)之間的差異，故融合之后的逼近系數(shù)可由確定。

利用以上得到的全部小波系數(shù)以及可以得到由智能照明系統(tǒng)采集的多幅CCD 中的逼近系數(shù)進(jìn)行二維小波反變換，有重構(gòu)式維小波反變換，有重構(gòu)式圖像融合圖像。其融合過(guò)程如圖5所示。

上一頁(yè) 1 2 下一頁(yè)