论文部分内容阅读
近年来,目标特征提取以及相应的具有不变性的相似度测量算法已经成为机器视觉领域的研究热点。对于目标识别和相似性检索,目标物体的形状特征是非常重要的信息,因为形状特征通常与目标对象的内在功能和特性信息密切相关。目前,在许多的文献中已经提出了各种目标形状特征的提取方法以及相似性度量的理论和方法,而且在实际中的各种应用也可能使用形状特征。对于基于目标形状的特征提取和相似性度量,几何不变性和抵抗形变的能力是研究中非常重要的问题,同时也具有深远的理论意义和广泛的应用价值。产品外观检测系统是机器视觉技术在工业生产中的具体应用。如何在复杂的背景环境中,迅速、准确地判断待检测目标是否达到了预期的产品外观标准,是目前国际和国内工程领域内具有挑战性的课题。采用本文提出的仿射不变性特征提取算法的产品外观检测系统可以大大扩展该系统的使用范围,使得该系统可以广泛应用于军事、航天、环境、医疗、生物、材料、金融、交通甚至家庭等领域。对于给定的目标形状,弦长关联统计算法提出的弦长上下文描述符描述了各个方向上不同长度的弦的分布频率。弦长关联统计算法在图像检索方面的优势主要可以归纳为以下两点:灵活性和准确性。实验结果表明该算法对常见的图像变换具有不变性,例如,缩放、旋转、边界扰动、轻微的遮挡以及非刚性形变等。但是该算法对于仿射变换没有抵抗能力。为了提高该算法对于仿射变换和投影变换的抵抗能力,在本文中提出了两种改进的弦长关联算法:(1)提出了一种相对弦长关联统计算法,改进了弦长关联统计算法中弦长的统计方法,同时对各个方向的平行弦间距进行处理。本文在理论上证明了相对弦长的仿射不变性,在应用中采用具有仿射不变性的相对弦长来代替绝对弦长;同时考虑到仿射变换对于平行弦间距的影响,并对各个方向上的平行弦间距用垂直方向的方向主弦的弦长进行归一化处理,用垂直主弦间距来代替弦长关联统计算法中的固定间距,进一步提高算法的性能。(2)提出了一种弦长位置矩阵算法,将不同方向的弦长分布的位置信息和相同位置不同弦长的排序信息作为特征量进行考虑,用弦长位置信息表示目标形状的特征。使用改进的弦长统计算法提取的形状特征对于仿射变换具有良好的鲁棒性。本文首先分析了弦长关联统计算法的特点,并针对该算法对于仿射变换不具有鲁棒性提出了改进思路。该算法在进行弦长统计时仅对弦长进行归一化处理,同时各个方向的平行弦间距为固定值,没有考虑到仿射变换对于各个方向平行弦间距的影响。针对上述问题和产品外观检测系统的实际需要,本文首先完善了弦长关联统计算法的理论结构,进一步挖掘图像的固有信息,然后提出了改进的弦长关联统计算法和弦长位置矩阵算法,并进行了仿真实验。实验结果表明本文提出的算法可以有效地提取目标形状的特征,对不同的目标可以进行更加准确的描述,同时对于仿射变换具有鲁棒性,在目标识别中表现出更加良好的性能。