|
之间较为接近，则其综合结果较大。几何平均计算式如公式4 所示： o(u,v)= ox(u,v).oy(u,v) (4) 135 1.3.2 对称性分数定义 对称性分数旨在度量匹配模板（参考图像）关于x 轴和关于y 轴的对称性，算法中拟 用归一化相关系数（归一化分数）度量对称性[8]。 图6 定位模板示意图 140 假设已经选择的定位模板如图6 所示，图像尺寸为m×n。对于y 轴，当m 为偶数时， 其中u 为m 的中点，对称坐标序列为u.1,u.2……,u.m / 2（左）和u,u +1,……,u + (m/2 .1) （右）；当m 为奇数时，对称坐标序列为u,u .1……,u.(m.1)/2（左）和u,u +1,……,u + (m.1) / 2（右）。同理，对于x 轴，当n 为偶数时，其中v 为n 的中点，对称坐标序列为v.1,v.2,……v.(n 145 / 2)（上）和 v, v +1,……,v + (n / 2 .1)（下）；当n 为奇数时，对称坐标序列为v, v .1,……v.(n.1)/2（上）和v, v +1,……,v + (n .1) / 2（下）。算法中拟用归一化相关系数度 量关于坐标轴的对称程度，关于x 轴的归一化相关系数计算如公式5 所示[9] 2 2 [ ( , ) ][ ( , ) ] ( , ) [ ( , ) ] [ ( , ) ] t b i j x t b i j i j I u i v j I I u i v j I r u v I u i v j I I u i v j I + . . + + . = + . . + + . ΣΣ ΣΣ ΣΣ (5) 其中根据m,n 的奇偶性，窗口上半部分合下半部分之间的定义有细微区别；和分别为窗 150 口图像上半部分和下半部分的灰度均值，将关于x 轴的相关系数进行归一化计算。 同理关于 y 轴的归一化相关系数如公式6 所示[9] ，几何平均计算式如公式7 所示： 2 2 [ ( , ) ][ ( , ) ] ( , ) [ ( , ) ] [ ( , ) ] l r i j y l r i j i j I u i v j I I u i v j I r u v I u i v j I I u i v j I . + . + + . = . + . + + . ΣΣ ΣΣ ΣΣ (6) ( , ) ( , ) ( , ) x y n u v = n u v .n u v (7) 1.4 算法总结 155 在完成了特征向量提取，正交性计算，对称性计算，需将三者得到的数据进行加权平均。 加权比例按照1:1:1 计算，得到每个区域的分数，并将结果输出。根据以上描述，总结整个 算法流程如图7 所示： 图7 定位模板提取算法流程图 160 本文定位模板提取算法步骤如下： 步骤一：工业相机提取检测样本，生成检测图像传递给计算机，计算机采用SIFT 算法 对图像进行特征向量提取，形成分数图像。 步骤二：对步骤一中得到的分数图像进行过滤，过滤原则为每次处理的局部图像区域必 165 须与现有已经作为备选定位模板的质心距离大于定位模板的对角线长度。 步骤三：将步骤二过滤出待选定位模板区域进行对称性和正交性计算，并将SIFT 特征 向量数量，对称性分数，正交性分数三者进行加权计算。输出加权分数排名前三的定位模板。 算法优点，本算法运用了SIFT 算法的局部不变性，这样就可以选择图像中对于缩放、 旋转甚至是扭曲具有良好的适应性的区域。但是仅依靠SIFT 特征向量这以单一指标进行衡 170 量则只能选择那些信息熵较大区域。所以算法中只是将SIFT 特征向量计算作为衡量指标之 一，之后又综合考虑图像的正交性和对称性，将三者综合计算。而且算法中针对不同检测样 本，又进行了质心距离限制，因此具有一定的自适应性。因为本算法中提出的将三种指标综 合考虑的算法可以作为表面检测系统中选择定位模板核心算法[10]。 2 实验检测及其测试 175 本文选取表面检测中实际使用的样本进行测试，分别选取两个最具代表性的样本:PCB 板和人民币。实验结果及效率如下： 将PCB 板作为检测样本，选择出的分数排名前四名的定位模板如图8 中蓝色框图所示 图8 PCB 实验结果示意图 180 算法计算出的PCB 板各个定位模板的归一化分数，如表1 所示： 表1 PCB 板归一化分数结果 位序 加权分数 特征向量分数 对称性分数 正交性分数 1 0.877 0.845 0.87 0.944 2 0.867 0.953 0.801 0.873 3 0.778 0.695 0.861 0.803 4 0.747 0.823 0.580 0.860 185 将人民币作为检测样本，选择出的分数排名前四的定位模板如图9 中蓝色框图所示: 图9 人民币样本实验结果示意图 算法计算出的人民币各个定位模板的归一化分数，如表2 所示： 190 表2 人民币归一化分数结果 位序 加权分数 特征向量分数 对称性分数 正交性分数 1 0.685 0.789 0.461 0.825 2 0.601 0.815 0.331 0.677 3 0.455 0.481 0.287 0.611 4 0.747 0.270 0.331 0.751 从实验结果，可以看出本算法选取的参考模板均具有良好对称性和正交性，并且差分特 征值较明显。在表面检测过程中有效减少了匹配失败和漏检概率。 195 3 结论 本文根据表面检测实际应用出发提出一种自动选择定位模板的方法。定位模板的选择完 全只是考虑图像本身性质，因此具有良好的客观性和鲁棒性。衡量定位模板时，按照算法中 指定的各个步骤逐一对定位模板区域进行计算。将图像差分性，正交性，对称性三个特征进 行归一化计算得出分数，进而将选择结果输出。本算法提出使得现有表面检测系统不在依靠 200 人工去选择定位模版，使得检测系统具有更好的客观性与易用性。 [参考文献] (References) [1] 徐德 机器人视觉测量与控制[M] 北京国防工业出版社 2011:10-12 [2] CHEN Jing-wei,WANG Xiang-yang,YU Yong-jian.Edge-based Color Image Retrieval by Using Multiple 205 Histograms[J] Journal of Chinese Computer Systems,2010,05:978-983 [3] 赵英男，金忠，刘传才，孟凡斌.Gabor 镜像奇偶特性与人脸图像对称性的关系[J].计算机工程，2010,36 （8）：21-26 [4] David G Lowe.Object Recognition from Local Scale-Invariant Features[C].7th International Conference on Computer Vision,1999:1150-1157. 210 [5] 袁银勇，吴德伟，戚君宜，周阳.多元量化SIFT 视觉特性提取方法.空军工程大学学报.2012,13(4):65-69 [6] David G Lowe.Distinctive Image Features from Scale-Invariant Interest Points[J].International Journal of Computer Vision,2004,60(2):91-110. [7] 杜奇 向健勇 袁胜春 基于边缘强度的红外图像阈值分割方法研究 《红外与激光工程》2004（3）：288-291 [8] 李卓，邱慧娟. 基于相关系数的快速图像匹配研究[J].北京理工大学学报,2007, 11(27):998-1000. 215 [9] 刘红侠,杨靓,黄巾,黄士坦.快速图像匹配相关系数算法及实现[J]微电子学与计算机2007,02(24):32-35 [10] 付永庆，宋宝森，吴建芳.边缘分类SIFT 算法[J].哈尔滨工程大学,2010,31(5):560-564 学术论文网Tag：代写硕士论文 代写论文 代写MBA论文 |
