基于改进surf算法的移动目标实时图像配准方法研究-巨刚.pdf

《基于改进surf算法的移动目标实时图像配准方法研究-巨刚.pdf》由会员分享，可在线阅读，更多相关《基于改进surf算法的移动目标实时图像配准方法研究-巨刚.pdf（10页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、2017年1月 Journal on Communications January 2017 2017020-1 第38卷第1期 通 信 学 报 Vol.38 No.1基于改进SURF算法的移动目标实时图像配准方法研究 巨刚，袁亮，刘小月，岳昊恩（新疆大学机械工程学院，新疆 乌鲁木齐 830047） 摘 要：针对目标在移动过程中实时视觉图像特征点提取与配准的不稳定性，提出一种多算法融合的改进配准方法。首先，采用双边滤波、Canny边缘检测及形态学处理方法得到具有较强顽健性特征的边缘周边检测区域并基于离散 Gaussian-Hermite 矩对 SURF 算法中的 Hessian 矩阵进行修正，

2、重新定义特征描述向量，同时采用肯德尔系数对配准的特征点进行约束。其次，通过融合光谱辐射颜色不变量模型及I_SURF算法对实时视觉彩色图像进行配准。最后，将改进算法与目标自适应更新算法相结合，实现了移动目标在室内环g3671中的实时g2317配。实g20576结g7536g15932g7138，在不同g7071g17728g4622g5242g991，改进算法的g19757态图像配准较SURF算法具有较g20652配准g12946g5242，移动图像特征点提取及配准数量的稳定性g17810到97%g1209g990。 关键词：改进SURFg727移动目标g727图像配准g727实时性g727Ga

3、ussian-Hermite 矩 中图分类号：TN911.73 文献标识码：A Study on mobile target real-time image registration based on improved SURF algorithm JU Gang, YUAN Liang, LIU Xiao-yue, YUE Hao-en (School of Mechanical Engineering, Xinjiang University, Urumqi 830047, China) Abstract: For the unstability of the real-time visu

4、al image characteristic point extraction and matching for the mobile target, an improved registration method of the multiple algorithm-fusion was introduced. Firstly, the method of bilateral filtering, Canny edge detection and morphological processing, was adopted to get the more robust images edge

5、map. And the founded points were limited in this edge map, then the Hessian matrix of SURF based on the discrete Gaus-sian-Hermite moment was modified. The character description vector was redefined in the algorithm. Following the above analysis, the Kendall coefficient constraint was discussed in i

6、mage matching characteristic points. Secondly, the spectral radiant color invariant model and the I_SURF algorithm were used to match the real-time color image. Finally, the improved algorithm was combined with the update algorithm of adaptive target to match the mobile target in indoor environment.

7、 The experimental results show that the static image registration accuracy of the improved algorithm is higher than that of the SURF algorithm, and also the stability of the mobile image feature points extraction and the regis-tration number have achieved over 97% under different rotating scales. Ke

8、y words: improved SURF, mobile target, image registration, real-time, Gaussian-Hermite moment 1 引言 随着科技的迅猛发展，视觉图像技术被广泛应用于机器人视觉定位、无人机视觉跟踪、道路监控及航天航空等各重要领域。其中，图像特征点的提取及配准是视觉图像跟踪技术的重要核心部分，因此，视觉图像高效准确配准算法已成为研究视觉图像技术的重要内容。 收稿日期：2016-07-08g727修回日期：2016-08-06 基金项目：g3281g4490自g9994g12197学基g18341g17176g2173g2

9、0045目g708No.31460284, No.61262059, No.61662075g709g727新g11098自g8847区g12197g6228g6915g11098基g18341g17176g2173g20045目g708No.201591102g709g727g1056g21077g7420g21796g5078g1166g6177g5049程g16757g2022基g18341g17176g2173g20045目g708No.P151010006g709 Foundation Items: The National Natural Science Foundation of

10、 China (No.31460284, No.61262059, No.61662075), TechnologyBranch Project of Xinjiang (No.201591102), Outstanding Talent Training Project of Urumqi (No.P151010006) doi:10.11959/j.issn.1000-436x.2017020 万方数据178 通 信 学 报 第38卷 自2008年BAY等1提出了加速顽健性特征算法(SURF, speeded-up robust features)以来，由于SURF 算法具有平移、缩放、旋

11、转的不变特性，被广泛应用于各种图像特征提取及匹配场合。SURF算法是基于 Hessian 矩阵检测特征点，但当图像发生异常视角的平移及外界噪音干扰时，图像特征点的提取及匹配出现不稳定因素。因此，近年来国内外出现了一些新的特征提取及配准算法的研究。吴一g1852等2提出了无g991g18331g7691g17730g5287g8886变g6454(NSCT, non-subsampled contourlet transform)的SURF的图像配准算法，具有g17751g5390的配准g12946g5242及顽健性。g7003g104983提出了基于g1571g5506分g7053g12255

12、g708PDE，partial differential equationg709的各g2533异性的匹配g8181g3423，g4466现了g4557g3809g7446噪音图像的g12946确匹配。g981g2347g2347等4提出了基于随机KDg7653的SURF-DAISYg5567速图像配准算法，g3324g5468g3835g12255g5242g990g1955g4581了配准时g19400。g7003g104985g17902g17819g2045用SURF算法g14731取图像的特征点g13479合KDg6980g6640g13046配准点g4557，g2528时g1833

13、1用RANSACg2656g7380g4579g1120g1068法g8726g16311图像g7156g4568g1863g13007，g17839g13792g5483g2052图像的配准。g19391自g5230等6g17902g17819g15713合 SURF算法及 Delaunay g989角g13605g7696法g4557g3809g7446图像g17839g15904g17751g3822特征点提取g5194g5483g2052g17751高配准g10587。g7003g104987g17902g17819g18331用g6925g17839 SURF g13479合g183

14、41g4395g3624 KLT(P-KLT, pyramid Kanade Lucas Tomasi)算法g4557图像特征点g17839g15904稳定性配准，提高g12946g5242的g2528时g1955g4581匹配时g19400。g5364g4388g21869等8g18331用g6925g17839 FAST(FAST, features from accelerated segment test)特征点检测及 SURF 特征点提取、特征点匹配等g7053法g4557SURF算法g17839g15904g6925g17839，检测及配准g13479g7536g17751准确。W

15、ONG等9g17902g17819SURF算法g13479合g5827性测g18339g16025g13634(IMU, inertial measurement unit)g4557检测的视觉图像g17839g15904配准，g1955g4581特征点的g16835配g10587，但是g3698加了g16757算时g19400。GOH 等10提出了g5326g12447g1927g12586矩阵g2656g1016g4557应的图像近g1296旋转角g5242g2499以g7186g14891提高 SURF 算法10%g79420%的匹配g10587。YANG等11g19492g2058SU

16、RF算法提取特征点的g2318域及g19492g2058特征点的g6980g18339，提高图像配准g12946g5242及g1955g4581了g17828g15904时g19400。以g990研究g7053法g18129g4557SURF 算法g17839g15904了g6925g17839，g18129是g3324 2 g1022g19757g5589图g10267g991配准，但移g2172图像的g4466时g2172g5589配准g7053法g6265道g5468g4581。g18504于此，g7424g7003g6925g17839 SURF 算法的g2528时提出了移g2172图

17、像的g4466时g2172g5589配准g7053法，g5194提高了配准算法的稳定性。 2 改进SURF图像配准算法 图像配准g2265g6336图像特征点检测、特征点g6563g17860及特征点匹配 3 g1022部分。SURF 算法是g17902g17819 Hessian矩阵检测图像的特征点，g18331用g2716g4584g4579g8886g2721应特征g2533g18339g1552g6563g17860特征点，g2045用g8443g5347g17329g12175g11468g1296g5242g18339g4557g5465配图像及g2454g13783图像g1783

18、9g15904配准。g3926图1所示，从以g9914g1022g7053面g6925g17839SURF算法。 2.1 改进特征点提取方法 图像特征影g2721图像的配准g10587，好的特征具有g17751g5390的顽健性。因此，g18331用双边滤g8886、Canny 边缘检测及形g5589学处理g7053法g4557图像g17839g15904处理，从g13792g5483g2052具有g17751g5390顽健性特征的边缘周边检测g2318域。特征点g6563g17860g3324具有g17751g3835梯g5242变化边缘周边g2318域内，检测g2052的特征点具备g177

19、51g5390的顽健性。 双边滤g8886g2499以使图像纹理平滑，g2265含图像像素点的空g19400邻域g1863g13007以及灰g5242g1552g11468g1296g1863g13007，用g6980学g1863g13007g5347表示为 BL1() ( ) ( )drxxyysxH IGxyGIIW=(1) 其中，xW 定义为 ()()drx xyyWGxyGIII= (2) 其中，x为当前点位g13634，y为s s g2318域内点，xI 、yI 为像素g1552，dG 为空g19400邻域g1863g13007函g6980， xy 为空g19400g17329g12

20、175，rG 为灰g5242g1552g11468g1296g1863g13007函g6980，d 、r 为高斯标准差。 Canny 边缘检测能g5483g2052g17751g3822的图像边缘，有g17751g5390的噪音抑g2058能力，检测边缘线段g17751为完整。Canny边缘检测g1863g13007g5347表示为 (, )(, )fxyfxy =GG(3) 其中，为检测边缘g7053g2533的正交g7053g2533， G 为高斯函g6980梯g5242矢g18339， (, )f xy为图像像素g1552。 正交g7053g2533g991的边缘g5390g5242为

21、(),fxy= G (4) g3324形g5589学处理中，g7424g7003g18331用的是闭操作处理g7053法，即先g4557g5465配准图像g17839g15904膨胀，再做腐蚀处理，消除Canny边缘检测带来的狭窄g19400断g2318域及弥补断裂的g17730g5287线。g5465配图像g17902g17819双边滤g8886、Canny 边缘检测及形g5589学处理g5483g2052具有g17751g5390顽健性特征的边缘周边检测g2318域，从g13792有g2045于好的特征点的提取，g17839g13792g6925g17839了图像配准g12946g5242

22、。 2.2 改进特征点检测方法 SURF 算法是g17902g17819 Hessian 矩阵检测图像的极2017020-2 万方数据第1期 巨刚等：基于改进SURF算法的移动目标实时图像配准方法研究 179 g1552点作为特征点，g18331用g2716g4584g4579g8886g2721应特征g2533g18339g1552g6563g17860特征点。为了g5483g2052更g3822的g7186g14891特征信息及稳定的配准特征点，g7424g7003g18331用g12175散Gaussian-Hermite矩(DGHM, discrete Gaussian-Hermite

23、 moment)替代SURF算法中的Hessian矩阵，g5194重新定义特征g6563g17860g2533g18339。 图像g12175散Gaussian-Hermite函g6980定义12,13为 ()2221,exp122!qppy yy Nq=(5) 其中，像素g3835g4579为 MN，为高斯标准差，p、q为阶g13007g6980。定义图像 (, )I ij像素范围为0 ,i 1, 1jN M , (,)p q 阶DGHM矩为 11,004(, ) ( , ) ( , )(1)( 1)NMpq p qij Iij x yNM=(6) 图像匹配特征点检测阶段，定义g12175散

24、Gaussian- Hermite矩g708DGHMg709的近g1296检测矩阵为 ,0 ,0,(, ) (, )_(,)(, ) (, )ppqpq q x xx x x=GH (7) 其中，,0p 、,0q 分别为 X、Y g7053g2533g990的g12175散Gaussian-Hermite矩。矩阵g15904列g5347近g1296表示为 2,0 0, ,det( _ (,) (,) (,) ( )pq pqx x x =GH (8) 其中，,0,(, ) (, )0.9(, ) (, )xy pFFxx p qFFLx xLx x=,为权重g13007g6980，F为Frob

25、enius范g6980。g3926g7536det( _ ( , )xGH 0时，检测点为极g1552点。图像匹配算法定义空g19400 26 g1022g11468邻点作为比g17751点，其中的g7380g3835g1552或g7380g4579g1552作为该检测g2318域的候选特征点。 图像特征点g6563g17860阶段，SURF 算法依据局部特征梯g5242g7053g2533g6640g13046主g7053g2533，g3324g16757算g17819g12255不够准确，出现g3835g18339g16835配现象。g7424g7003g18331用DGHMg8726g1

26、6311g3324X、Yg7053g2533特征点的g2721应g1552。设g5465匹配图像中特征点为(, )KKij，K为特征标识。图像特征点主g7053g2533g708幅g1552，角g5242g709表示为 22,0 0,(, ) ( (, ) ( (, )KK p KK qKKi j i j i j=+ (9) ,00,(, )(, ) arctan(, )pKKKKqK Kijijij= (10) 其中， (, )KK ij为主g7053g2533幅g1552， (, )KKij 为主g7053g2533角g5242。选取20 20 g2318域，沿着主g7053g2533划分

27、为44的局部g2318域，每g1022局部g2318域设定像素g1552为55 。定义每g1022局部g2318域的Xg2656Yg7053g2533的各g2721应g1552之g2656及绝g4557g1552之g2656作为图像特征点的g6563g17860g2533g18339，表示为 ,0 0, ,0 0, ,pqp q = (11) 2.3 基于肯德尔系数约束的配准方法 SURF 算法g18331用g8443g5347g17329g12175g11468g1296性g5242g18339g4557图像特征点g17839g15904配准。当图像有外界噪音干扰时，该图1 本文改进算法流程

28、 2017020-3 万方数据180 通 信 学 报 第38卷 g7053法就会出现严重的g16835配现象，因此，g18331用肯德g4584g13007g6980g4557特征匹配g17839g15904g2499g15904性约束，配准g10587明g7186提升。 设P1、P2分别为g5465匹配图像，g2454g13783图像正g7053形g2318域像素g1552，1 、2 分别为 P1、P2g4557应的g2533g18339，g3835g4579设为 g708 50 = g709。g5326g12447g6980学g1863g13007g5347为 11 2 2sgn( )sg

29、n( )ij i j i j= 即为 1122112211221, ( )( ) 01, ( )( ) 00, ( )( ) 0iji jij i j i jiji j = 时，表示图像特征点g17751g5390，当 =产生保持消失(22) 其中，i为移g2172图像g1231g5859g14422点，i为g2454g13783图g1231g5859g14422点，,iid为g8821有与g2454g13783图g1231g5859g14422点ig11468匹配的g11458标图新g14422点i的g17329g12175， 0.5b = 、 0.7a = 、 0.4s = 分别为设定的匹

30、配阈g1552、表象g1296g9994阈g1552及g13479g7512g1296g9994阈g1552。确定移g2172g11458标g2530，g3698加g256g1147生g257g10378g5589g14422点，g1457g11053g256g1457g6357g257g10378g5589g14422点，g2036除g256消g3845g257g10378g5589g14422点。g7380g13468g7512成当前g4466时图像的边界，完成视觉图像的更新。 4 实验结果与分析 基于g6925g17839SURF算法的移g2172g11458标g4466时图像配准g70

31、53法研究。g4466g20576平g2500g11840g1226为g726Intel (R)Core(TM) i5-4460 CPU 3.2 GHz, 8 G内g4396g727g5332发g10627g3671为g726Windows 8.1g13007g13491，Visual Studio 2013, Visual C+, Open_CV_VERSION 2.4.13。g4466g20576中所使用的图像来自于g990g9035交g17902g3835学图像研究所。 4.1 顽健性特征周边检测区域分析 由于g12699幅g19492g2058，g7424g7003选g6333Lena

32、图g10267做g1235g11507分g7524。g1235g11507g13479g7536g3926图 2 所示。g2265g6336g18331用双边滤g8886、Canny 边缘检测及形g5589学处理g7053法g5483g2052具有g17751g5390顽健性特征的边缘周边检测g2318域及特征点检测。 由图 2 所示，图 2(a)为 Lena g2419图像，图 2(b)为双边滤g8886g2530的图像。图像g13475g17819双边滤g8886g2530，图像的一些g17751g4579的纹理g5483g2052平滑，但图像的边缘基g7424g990g5483g2052

33、g1457g11053。图 2(c)图2(f)均为检测算法，由g4466g20576g13479g7536g7186示，Canny 算g4388g11468g17751于其g11943种检测算g4388g5483g2052的边缘g17730g5287更g1028g4512、更g9177g7236，g1000边缘检测线段g17751完整。图2(g)g2656图2(h)分别为滤g8886及Canny的周边检测g2318域，无滤g8886及检测的周边g2318域。无双边滤g8886的图像边缘周边g2318域g2265含了弱纹理g2318域g2656弱边缘g2318域，以g14279于检测g2052的

34、特征点的顽健性g17751弱，g13792g18331用双边滤g8886g5483g2052边缘周边g2318域g2029g11468反。图2(i)g2656图2(j)分别为用双边滤g8886g2656无双边滤g8886检测特征点，双边滤g8886的特征点检测g7053法g5468好g3332抑g2058了弱边缘的点及g19762边缘的点，g17839g13792g1955g4581了弱边缘的g16835配g10587。 4.2 Gaussian-Hermite 矩修正结果及新定义特征向量分析 选用Lena 30o、g10504g1409245o、g15104g1476860o、g8712g7

35、53675og19757g5589图像g17839g15904g1235g11507g4466g20576。g18331用g6925g17839 SURF 算法的Gaussian-Hermite 矩重新定义特征g2533g18339g6563g17860g4388，g3926图3所示。 4.2.1 Gaussian-Hermite矩修正结果分析 图3中所有图像特征均用g3290g3292表示，g3290心表示特征点位g13634，g3290g3292g2334g5464g17246g3835特征g6563g17860g1552g17246g3835。特征点位g13634是g17902g1781

36、9Gaussian-Hermite矩检测矩阵g5347(7)g8726g5483,0(, )p x、,0(, )q x g2656,(, )pq x ，再g7693据g5347(8)矩阵g15904列g53472,0 0, ,det( _ (,) (,) (,) ( )pq pqx x x =GHg8726g16311g5483g2052。由图中g7937g3290g2318域g2499以g5483g2052图像特征点即g3290心明g7186g3698g3822，有g2173于图像匹配g17819g12255中顽健性g17751g5390特征点的选g6333。g11468比g17751于 S

37、URF 算法 Hessian 矩阵g15904列g5347g8726g16311的特征点有明g7186g1260g2195。 图2 顽健性强的周边区域及特征点检测 2017020-5 万方数据182 通 信 学 报 第38卷 4.2.2 新定义特征向量分析 图3为g6925g17839SURF算法的Gaussian-Hermite矩重新定义特征g2533g18339g6563g17860与g2419g3999SURF算法特征g20045g6563g17860的g4557比g4466g20576图。图3(a)g2656图3(b)为Lena 30o图像特征g2533g18339g6563g1786

38、0的g4557比，图 3(a)中g5137g4388g20042部及g3848发处的特征点g6980g18339明g7186g3822于 3(b)。图 3(c)g2656图 3(d)为g10504g14092 45o图像特征g2533g18339g6563g17860的g4557比，图 3(c)中g10504g21775g19480近的特征点的g6563g17860g2533g18339g3822于g7422g6925g17839图 3(d)中的g6980g18339。图3(e)g2656图3(f)为g15104g1476860o图像特征g2533g18339g6563g17860的g4557

39、比图，g6925g17839SURFg2530g17783g7910g990的特征点g3698g3822。图3(g)g2656图 3(h)为g8712g7536 75o图像特征g2533g18339g6563g17860的g4557比，图3(g)与图 3(f)图的特征g2533g18339g6563g17860均g2260，图 3(g)中g16211g10928表面特征g3290g3292g3698g3822。g17902g17819Lena 30o、g10504g1409245o、g15104g1476860o、g8712g753675o等图像的g4557比分g7524，g2499以g548

40、3出重新定义的特征g2533g18339g6563g17860g6980g18339明g7186g3822于为g6925g17839的SURF算法特征g2533g18339g6563g17860，为图像选g6333顽健性g5390的特征点g17839g15904更好配准g3892定基g11796。 4.3 改进SURF图像特征点主方向仿真分析 图像特征主g7053g2533(幅g1552、角g5242)用标线g2656g12673g3848表示。标线长g5242表示幅g1552g3835g4579，g12673g3848g7053g2533表示角g5242，g3926图4所示。 图4(a)为L

41、ena图，各特征点主g7053g2533g6521近65o，幅g1552g2588现不均g2260分g5079，处于g5137g8292部分特征g1552g17751g3835，g3848发部位的标线g1552g17751g4579。图4(b)为g10504g14092图，各g12673g3848g7053g2533g3324 75og794 85o之g19400，特征幅g1552基g7424g2588现均g2260分g5079，g10504g21775g19480近g12673g3848及标线g11065g4581，g3835部分特征点处于g14092部、g11536g11567及g3080

42、部g19480近。图 4(c)为g15104g14768图，g15104g14768g7693部g19480近特征g1552g17751g4506g19610，各主g7053g2533约为 88o，处于g15104g14768交界处的特征幅g1552明g7186。图4(d)为g4506g2506g4579g17722，由于g7653g2506g4506g19610，特征点g17751g3822，特征点g7053g2533均g2588现约 90o分g5079，幅g1552均g2260。图 4(f)为g8712g7536图，g8712g7536边缘处g12673g3848g17751g4506g1

43、9610，幅g1552g19762均g2260分g5079。 4.4 静态图像配准实验分析 g7424g7003g17902g17819g6925g17839SURF算法与g2419g3999SURF算法g17839g15904图3 特征向量描述对比分析 图4 特征点主方向的描述 2017020-6 万方数据第1期 巨刚等：基于改进SURF算法的移动目标实时图像配准方法研究 183 g4557比，选取不g2528旋转g4622g5242的异g2528图像g17839g15904g4466g20576配准。 图5(a)是Lena旋转30o图像，g4622g4556为512512g727图5(b)

44、是一幅g10504g14092旋转45o图像，g4622g4556为512512g727图 5(c)是一幅旋转 60o的g15104g14768图像，g4622g4556为512512g727图5(d)是一幅旋转75og8712g7536图像，g4622g4556为607480g727g18331用I_CSURF与SURF算法g4557图像特征点g17839g15904检测、特征点g6980g18339、特征配准性能g13491g16757g3926表1所示。 g4557比g4466g20576中，I_CSURF配准算法均g3698g9167了0.8 dB的信噪比，SURF算法信噪比为0。由表

45、1分g7524g5483出，2 种算法g4557 4 幅图像检测时g19400g18339基g7424g11468等，I_CSURF 算法检测的特征点明g7186g3822于 SURF 算法。图 5(a)、5(b)、5(c)中 I_CSURF 算法图像匹配g6980g18339g3822于 SURF 算法，配准g10587分别为 99.8%、 99.8%g2656 99.6%。图5(d)中 SURF算法图像匹配g6980g18339g3822于I_CSURF算法，但g16835配g6980为338g4557，g16835配g10587达g2052 25.5%，I_CSURF 算法的配准g105

46、87为99.7%。由以g990分g7524g5483出 I_CSURF 匹配算法g11468比 SURF 算法，配准g12946g5242g17839一步提升，具有一定的稳定性。 4.5 移动图像的实验分析 g7424g7003g17902g17819g6925g17839的SURF算法g708I_CSURFg709提高图像配准g12946g5242及稳定性。g17839一步将 I_CSURF 算法g15713合g11458标自g17878应更新算法应用于移g2172视觉g4466时图像匹配中g5194g17839g15904g4466g20576分g7524。 移g2172g4466时视觉g

47、4466时图像配准g4466g20576中，设g13634g2454g13783图分别为30、60g265690，g17902g17819 I_CSURF算法g15713合g11458标自g17878应更新算法g4557视觉图像g17839g15904不g2528角g5242的旋转，平移，g6301g1292g4466时配准。表2为I_CSURF 算法的移g2172g11458标g4466时视觉图像中心g3364标位g13634，范围g33240,0g794641,721之g19400移g2172。表 3、表 4 为g4466时移g2172图像g3324配准g17819g12255中图像g69

48、80据更新的g13491g16757。配准g13491g16757g13479g7536g3926表5所示。 图 6(a)中取g4466时g12544 11、26、34、59、81、104等6g5115配准图像。图6(b)中取g4466时g1254417、25、38、67、92、111 等 6 g5115配准图像。图 6(c)中取g4466时g1254416、19、24、35、67、98等6g5115配准图像。由表5分g7524，图 6(a)、图 6(b)、图 6(c)中有效特征点g6980g18339分别g1457g6357g3324 413g794439、842g794864、731g794750，有效特征点g6980g18339的稳定性分别为 93.7%、97.3%、97.4%。不g2528旋转g4622g5242g991的视觉移g2172图像配准g10587g3324 0.98g7941.0 之g19400。由以g990g4466g20576g6980据分g7524，移g2172图像特征点提取及配准g6980g18339的稳定性达g2052 97%以g990。 (a) Lena 30o图像配准（左SURF, 右I_CSURF）