正交圖像矩及其在精確定位與產(chǎn)品檢測中的應用研究.pdf

1、機器視覺技術是在圖像處理及模式識別上發(fā)展起來的新興技術。典型的機器視覺系統(tǒng)通過圖像攝取裝置獲得目標圖像,然后將信息傳遞給圖像處理部分,實現(xiàn)模式識別、在線檢測、目標跟蹤等功能,并可驅動執(zhí)行機構完成相關動作,具有非接觸、高精度、高速等特點,是先進制造中的重要組成。
　　圖像處理技術是機器視覺中的研究熱點,直接影響到系統(tǒng)的性能,而圖像矩是圖像形狀特征的表達方式,其描述了圖像的區(qū)域特征。正交圖像矩是圖像矩中的一個重要分支,與非正交圖像矩相

2、比,具有多個顯著的優(yōu)點。
　　傳統(tǒng)正交連續(xù)圖像矩的計算需要進行坐標空間的重新映射和積分的近似化處理。在總結前人研究的基礎上,提出了一種精確計算偽Zernike矩的方法。首先將偽Zernike矩轉變?yōu)镕ourier-Mellin矩的線性組合,然后利用若干個矩形、三角形和扇形區(qū)域的拼接來表征整個計算區(qū)域,接著通過三角函數(shù)的積分關系,提出了基于迭代關系求解上述形狀區(qū)域矩積分的方法,降低計算復雜度。另外,介紹了基于遞歸的偽Zernike矩

3、精確求解算法,以遞歸方法計算相鄰矩,減少計算時間。
　　傳統(tǒng)正交離散圖像矩的求解不進行離散化和積分的近似化處理,一般通過迭代和對稱關系進行求解。但是在大規(guī)模圖像的高階離散正交圖像矩的求解中,迭代次數(shù)的增加將導致傳遞誤差劇增。以Krawtchouk矩為研究對象,分析了Krawtchouk多項式在不同參數(shù)p下的對稱關系,提出了一種Krawtchouk多項式雙向遞推的算法,最大迭代次數(shù)將縮減為原有次數(shù)的一半,從而提高Krawtchouk

4、矩的計算精度。另外提出了分段雙向迭代算法,可進一步減少迭代次數(shù),降低計算過程中的傳遞誤差。
　　徑向正交圖像矩是一類特殊的正交圖像矩,其幅值與旋轉角度無關,旋轉不變量可直接獲得。徑向連續(xù)正交圖像矩的計算過程需要離散化處理,此過程將產(chǎn)生離散誤差,因此提出了一種新的徑向離散正交圖像矩,避免離散誤差。首先分析了笛卡爾坐標系與極坐標系的一一映射關系,然后基于徑向連續(xù)正交圖像矩的推導表達式,建立了極坐標系下具有正交性質的離散傅里葉表達式,從

5、而構建了徑向雙離散傅里葉變換,最后利用正交的余弦變換替換傅里葉變換,避免復數(shù)運算,提高計算效率。
　　目標識別中圖像特征量的選擇是識別的關鍵因素。Zernike矩作為徑向正交連續(xù)矩,直接反應了目標的區(qū)域特征,適合于復雜邊界目標的描述。Zernike矩的裁剪半徑直接影響到不變量的穩(wěn)定性,提出了一種裁剪半徑的計算方法。針對BP神經(jīng)網(wǎng)絡易陷入局部極值和初值敏感等問題,利用粒子群算法來優(yōu)化神經(jīng)網(wǎng)絡的權值和閾值,混沌算子用于初始化神經(jīng)網(wǎng)絡的

6、權值和閾值,并通過混沌機制使粒子群跳出早熟。
　　精確定位系統(tǒng)中圖像處理的主要任務是求取圖像中目標的位置。目標特征一般包括邊緣特征和點特征兩種,邊緣特征的處理量較大,提出了基于點特征的匹配方法。首先利用自適應中值濾波器處理椒鹽噪聲,然后通過兩級Zernike矩進行邊緣的亞像素檢測,接著采用曲率尺度空間的改進方法提取角點,最后由局部和全局匹配的方法完成目標的精確定位。
　　字符和缺陷是常見的產(chǎn)品檢測項目。在字符識別中,選用Ze