计算机视觉检测中的若干问题研究及应用

论文摘要

计算机视觉检测是指利用计算机图像处理系统来模拟人类视觉进行检测对象的分类、识别和测量的技术,具有检测效率高、可检测指标多、可非接触测量、检测结果客观等优点。随着计算机视觉、模式识别、数字图像处理等技术的发展以及计算机硬件性能的提高,计算机视觉检测技术得到了越来越广泛的应用。不断涌现的应用需求,又给计算机视觉及相关理论的研究提出了新的研究课题。本文针对计算机视觉检测中粘连目标分离、动态目标特征描述、图像配准等问题进行了研究,并在实际计算机视觉检测系统中得到应用。本文的主要工作如下:(1)提出了基于模糊距离变换的粘连目标分离算法。以模糊距离变换与分水岭算法相结合,构造粘连目标分离算法,提高了目标边界模糊情况下的分离效果。(2)研究了离散情况下不变矩的比例不变性,纠正了相关文献的证明错误,推导出Hu矩的七个矩组在离散条件下φ2 ~φ7具有比例不变性、φ1不具有比例不变性的结论。提出了描述模糊边界目标的模糊边界不变矩,证明了其与清晰目标边界矩的等价性,对模糊目标提取边界不变矩特征时,可直接在模糊边缘带图像上进行,不需要首先提取其清晰边缘,方便了边界不变矩特征的提取,提高了边界不变矩特征提取的鲁棒性。(3)提出了基于投影矩的动态目标特征提取方法,将滑动窗内的若干帧动态目标图像叠加到一投影平面上,然后,采用投影图像的不变矩来描述目标的动态分布。与采用单帧图像特征相比,提高了分类的可区分度,同时具有较高的实时性。(4)利用克隆选择机制改进传统的量子遗传算法,增强了局部搜索的能力。将改进后的量子遗传算法应用到基于角点的待检测图像与模板图像的配准中,进行表面缺陷的检测。(5)介绍了上述方法在基于计算机视觉的蚕卵统计计数系统、船舶机舱火灾探测系统、印刷品印后缺陷检测系统中的应用。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 课题来源
• 1.2 计算机视觉检测概述
• 1.2.1 计算机视觉检测简介
• 1.2.2 计算机视觉检测的优点
• 1.2.3 计算机视觉检测的研究内容
• 1.3 本文的主要研究内容及国内外研究进展
• 1.3.1 基于计算机视觉的自动计数
• 1.3.2 基于计算机视觉的火灾探测
• 1.3.3 基于计算机视觉的表面缺陷检测
• 1.4 本文主要创新点
• 1.5 论文内容及章节安排
• 第二章 粘连目标分离技术研究及其应用
• 2.1 粘连目标可分离的条件
• 2.2 基于数学形态学的粘连目标分离
• 2.2.1 数学形态学
• 2.2.2 基于形态学处理的粘连目标分离
• 2.3 基于边界凹点的粘连目标分离
• 2.3.1 边界跟踪
• 2.3.2 基于边界跟踪剥离的分离算法
• 2.3.3 与形态学分离算法的比较
• 2.4 基于模糊距离变换的粘连目标分离
• 2.4.1 基于模糊距离变换的粘连目标分离算法思想
• 2.4.2 图像的模糊分割
• 2.4.3 模糊距离变换
• 2.4.4 粘连目标分离
• 2.5 基于计算机视觉的蚕卵计数系统
• 2.5.1 开发需求
• 2.5.2 系统硬件设计
• 2.5.3 系统软件设计
• 2.5.4 系统性能指标
• 2.6 本章小结
• 第三章 不变矩性质研究
• 3.1 不变矩理论
• 3.1.1 不变矩的构造
• 3.1.2 区域几何矩
• 3.1.3 边界几何矩
• 3.2 离散不变矩的比例不变性分析
• 3.2.1 数字图像的比例变换
• 3.2.2 离散情况下不变矩的计算
• 3.2.3 文献[61]中比例不变性分析的错误
• 3.2.4 比例因子ρ对0-3 阶中心矩的影响
• 3.2.5 比例因子ρ对7 个不变矩组的影响
• 3.2.6 实验结果分析
• 3.3 基于模糊边界矩的目标特征描述
• 3.3.1 图像边缘和模糊边缘带
• 3.3.2 模糊图像边缘的矩不变性
• 3.3.3 实验结果分析
• 3.4 本章小结
• 第四章 基于不变矩的动态特征描述及应用研究
• 4.1 火焰的视觉特征
• 4.2 基于马氏链的火焰色彩动态模型
• 4.3 基于边界矩的火焰轮廓动态模型
• 4.4 基于投影矩的火焰空间动态模型
• 4.5 基于红外视觉的船舶机舱火灾探测
• 4.6 本章小结
• 第五章 图像配准算法及应用研究
• 5.1 图像配准的一般模型
• 5.2 配准特征的提取
• 5.2.1 配准特征的选择
• 5.2.2 角点特征的提取
• 5.3 基于特征点灰度的图像配准
• 5.3.1 基于特征点灰度图像配准的定义
• 5.3.2 图像配准的相似性度量
• 5.3.3 基于遗传算法的配准算法
• 5.3.4 基于克隆选择机制的量子遗传算法
• 5.4 基于计算机视觉的印刷品的缺陷检测
• 5.4.1 配准点选择
• 5.4.2 图像配准及减影操作
• 5.5 本章小结
• 第六章 总结及展望
• 致谢
• 参考文献
• 附录：作者在攻读博士学位期间以第一作者发表的论文
• 作者在攻读博士学位期间参与的科研项目与获奖情况