● 摘要
智能无线图像传感器网络是无线多媒体传感器网络技术的核心内容。它除了具有传统无线传感器网络分布式感知、有限能量供应、有限通信带宽等特点之外，还具有信息数据量大、观测方向和观测区域受限、智能处理和存储能力更强等特点。同时，为了适应更为复杂的应用，无线图像传感器网络对节点之间的协同感知和协同处理能力也提出了更高的要求。而优化网络构型、提高网络对观测区域的覆盖能力，是实现无线图像传感器网络高效、低功耗运行必须解决的关键问题。
本文针对智能无线图像传感器网络的覆盖问题，结合智能节点的图像感知和处理能力，深入研究了场景自适应的无线图像传感器网络覆盖性能分析方法，重点解决了其中的像机节点参数与网络结构的自标定、观测场景的分析与建模、网络覆盖性能的分析与优化等关键技术问题。取得了以下主要研究成果：
1、像机节点参数的自标定。针对镜头非线性畸变影响像机参数自标定精度的问题，提出了一种基于镜头畸变线性化的像机节点参数自标定算法。首先，通过数学推导，对镜头引起的图像畸变进行线性化处理，建立相应的图像畸变线性模型；然后利用分层优化方法对像机的参数进行估计。该算法能够同时对畸变参数和像机内参阵进行优化估计，解决了现有自标定算法难以克服镜头畸变的问题，可以获得较为准确的像机参数。
2、像机网络结构参数的自标定。针对由像机节点观测方向随机、像机类型多样、不同视角图像差异大等引起的像机间特征点匹配困难的问题，提出一种无需像机间特征点匹配的网络结构自标定算法。该方法在单个像机参数自标定的基础上，通过求解像机和目标之间的运动关系方程，实现对网络结构参数的自动标定。由于只需要在单个像机图像序列中对目标特征点进行跟踪，不需要进行像机之间的特征点匹配，该方法能够有效解决网络节点配置复杂时的结构自标定问题。
3、观测场景的分析与建模。针对观测场景结构复杂、建模困难的问题，提出了一种基于运动目标跟踪的在线自适应场景建模方法。首先，结合对目标的检测与跟踪过程，利用空间投影关系确定场景中障碍物的位置，并将其映射到场景模型上；然后，通过对场景中运动目标轨迹的统计，实现对场景中热点区域的检测。该方法只需要对目标运动进行简单地跟踪和统计，不需要进行三维结构恢复以及图像拼接处理，能够有效解决场景的在线自适应建模问题。
4、像机观测可靠度模型的建立。针对现有图像传感器模型不能准确描述对目标的观测和识别能力的问题，在二维有向传感器模型的基础上，借鉴人眼视觉的感知机理，将目标大小和对目标的观测角度等因素引入进来，提出了一种基于目标感知能力的像机观测可靠度模型。相对于传统的有向传感器模型，该模型可以更为有效地描述像机对目标的感知能力，为图像传感器网络覆盖性能的分析提供了理论依据。
5、网络覆盖性能的分析和优化。在像机观测可靠度模型的基础上，综合考虑网络的覆盖率、覆盖度以及目标的捕获概率等因素，提出了一种基于区域感知能力的网络覆盖性能优化模型。并通过采用粒子群优化算法对模型的价格函数进行优化处理，实现了网络结构的优化部署。实验结果表明，该方法能够在满足网络对观测区域覆盖率的同时，有效提高网络对目标的捕获概率和感知能力。
6、系统硬件平台的设计与实现。根据无线图像传感器网络对节点设计的技术要求，本文设计并实现了一种基于高性能ARM处理器和低功耗CMOS像机的无线图像传感器网络节点。该节点采用了模块化的体系结构及层次化的感知结构，在对复杂图像信息进行采集和处理的同时，实现了系统的低功耗运行，能够满足对观测场景图像进行协同感知和处理的技术需求。
本文研究了无线图像传感器网络覆盖性能分析和网络结构的自适应优化问题，相关的研究成果可广范应用于公共安全、智能交通、智能楼宇、环境监测等领域，能够为解决监控网络的快速、机动部署和高效运行提供理论依据，对促进我国传感器网络技术的发展具有重要的理论意义和广泛的应用价值。