[发明专利]基于层状目标侧面纹理分析的张数检测方法有效
申请号: | 200910087353.9 | 申请日: | 2009-06-17 |
公开(公告)号: | CN101763527A | 公开(公告)日: | 2010-06-30 |
发明(设计)人: | 王欣刚;刘东昌 | 申请(专利权)人: | 中国科学院自动化研究所 |
主分类号: | G06M9/00 | 分类号: | G06M9/00;G06T7/00 |
代理公司: | 中科专利商标代理有限责任公司 11021 | 代理人: | 梁爱荣 |
地址: | 100080 *** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 基于 层状 目标 侧面 纹理 分析 检测 方法 | ||
技术领域
本发明涉及图像处理领域,设计和实现了一种基于层状纹理分析的 张数检测方法。
背景技术
在生产领域中,数量检测是产品质量检测的重要一环。特别是层状 目标的张数检测,一直是让人困扰的问题,因为张数检测存在着成本与 效率矛盾。该矛盾主要表现在以下三个方面:第一、人工的方式去对每 天百万计的产品的张数进行逐一验证是不可行的,所以实际应用中往往 采用抽样检测的方法,这势必会造成漏检,增加了出现次品的风险。第 二、即便是抽样检测,面对如此大量的产品,检测所需要的人力资源与 管理成本也是相当高的。第三、此类工作是高强度的重复性劳动很容易 使人产生疲劳,从而产生产品的误检,增加了检测风险。
随着计算机软、硬件技术的迅速发展,图像处理技术的成熟,以及 工业相机的性价比提高,机器视觉技术迅速崛起。机器视觉利用图像处 理技术结合人工智能,来模拟人类的视觉,从而利用机器代替人眼来做 测量和判断。该技术的特点是提高生产的柔性和自动化程度。在一些不 太适合于人工作业工作环境或人工视觉难以满足要求的场合,常用机器 视觉来替代人工视觉;同时在大批量工业生产过程中,用人工视觉检查 产品质量效率低且精度不高,用机器视觉检测方法可以大大提高生产效 率和生产的自动化程度。而且机器视觉易于实现信息集成是实现计算机 集成制造的基础技术。正是由于机器视觉系统可以快速获取大量信息, 而且易于自动处理,也易于同设计信息以及加工控制信息集成,因此, 在现代自动化生产过程中,人们将机器视觉系统广泛地用于工况监视、 成品检验和质量控制等领域。
发明内容
本发明的目的是利用图像处理技术通过对层状目标的侧面纹理分 析得到所检测目标的张数,为此提供一种基于层状目标侧面纹理分析的 张数检测方法。
为了达成所述目的,本发明提供基于层状目标侧面纹理分析的张数 检测方法,该方法的步骤如下:
步骤1:由工业摄像头或数字化仪器采集待检测层状目标的侧面纹 理图像,并将侧面纹理图像转化为数字图像;通过接口单元将数字图像 读入到图像处理系统中,然后对数字图像采用Gabor滤波器进行滤波处 理,生成纹理增强图像,再对纹理增强图像进行分段处理得到子图像集 合;
步骤2:取分段后子图像集合中的一段子图像,运用图像分割方法 分割出要检测的纹理区域,生成相应的目标纹理图像;
步骤3:从目标纹理图像中抽取出表征张数纹理的一维数组;
步骤4:分析处理上述一维数组,得到目标纹理图像的张数估计值, 保存此估计值;
步骤5:判断步骤2的子图像集合中的所有子图像是否处理完毕, 如果处理完毕,则执行步骤6,如果没处理完,则返回步骤2循环处理;
步骤6:统计步骤4中保存的所有估计值得到目标的张数。
其中,该层状目标的侧面纹理图像包含着具有周期性变化的层状纹 理;该层状目标的侧面纹理图像中的纹理具有方向一致性;该层状目标 的侧面纹理图像上具有非周期性的灰度变化或者干扰噪声。
其中,子图像集合是纹理增强图像是沿着纹理延伸的方向分段得到 的。
其中,图像分割采用基于边缘的分割方法,即是通过拟合边缘中的 直线来搜索目标纹理图像与背景图像的边界,通过边界界定目标纹理区 域。
其中,目标纹理图像所抽取的一维数组具有如下特征:
①该数组是纹理信息的一维投影或者沿着某个方向的取样;
②一维投影方向是沿着纹理延伸方向,图像取样则沿着纹理周期 延拓的方向。
其中,对一维数组的分析处理过程包括如下步骤:
①对一维数组在频域或空间域进行低通滤波处理得到滤波后数 组;
②对滤波后数组中的波峰或波谷进行计数,得到张数估计值。
其中,目标的张数是对所有估计值求众数得到。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中国科学院自动化研究所,未经中国科学院自动化研究所许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/200910087353.9/2.html,转载请声明来源钻瓜专利网。