论文部分内容阅读
在工业生产中,为了保证产品的合格率,经常需要在产品出厂之前对其进行检测,其中比较重要的就是对柱面图像的外观是否存在污点、字符是否有错进行检测。但长期以来,这些检测过程大多靠人工用肉眼观察的方法实现,这种检测方式具有效率低、成本高的缺点。随着数字图像处理技术的发展,数字图像处理技术在工业生产以及人们的日常生活等各方面都有着广泛的应用。其中,对图像进行匹配并进行错误检测是图像处理技术的一个重要应用,但是以往的图像匹配和错误检测算法都是针对于发生线性变换的平面图像所设计的,对于像柱面这种发生非线性变换或者弯曲的图像并不适用。因此,研究和改进柱面图像错误检测算法具有非常重要的意义。本文首先介绍了柱面图像错误检测与平面图像错误检测之间的差异,然后将柱面图像错误检测算法分成两步进行实现,分别为:柱面图像展平算法,展平后的柱面图像和模板图像的匹配算法。对于柱面图像展平算法部分,采用对文本行中线进行曲线拟合计算出柱面图像的基准线,然后按照基准线对柱面图像进行分区域展平。由于柱面图像中存在插图、较短的文本行等,会影响基准线提取的精度,本文采用连通区域标记的方法剔除这些影响。在对柱面图像进行展平的过程中,采用对基准线进行Hough变换的方法计算柱面图像的展平方向。对于展平后的柱面图像和模板图像的匹配部分,本文采用基于SURF特征的图像匹配算法。基于SURF的特征匹配算法在实际应用中会存在一定的误匹配,由于传统的RANSAC误匹配剔除算法只适用于发生线性变换图像间的误匹配剔除,而本文中展平后的柱面图像相对于模板图像会存在一定的非线性变换,所以误匹配剔除效果会比较差。对此本文提出一种基于曲线拟合的误匹配剔除算法,将特征点匹配对的欧式距离和斜率分别进行曲线拟合,求出它们各自的非线性变换趋势,将不符合此变换趋势的匹配对剔除,提高了展平后的柱面图像和模板图像匹配的精度,最终实现对柱面图像错误的检测。在文章的最后对全文进行总结和归纳,同时对今后的工作做出了展望。