论文部分内容阅读
随着现代工业的发展,智能化系统取代传统的人工操作成为一种必然趋势,带有图像处理的智能机器人是机器人研究的重要方向。汽车轮辋打磨机器人需要识别汽车轮辋的图形,本文针对图形识别中的问题研究边缘识别技术。由于二维图像是图像识别的基础,本文基于图像的特征提取主要研究了二维图像处理技术。边缘是反映一幅图像的最简单也是最核心的基本特征,因此本文详细探讨了图像识别中的边缘识别。针对传统边缘检测存在噪声干扰、边缘丢失和伪边缘干扰的问题,依据直方图均衡化的增强性和形态学的滤波思想,结合工业加工中汽车轮辋辨识,本文提出了新的图像评价标准抗噪性参数P,将传统的边缘检测与形态学处理和直方图均衡化有机结合成四种组合边缘检测,并运用抗噪性参数P选择四种算法中较好的两种算法进行融合形成新的组合边缘检测方法。(1)在边缘检测的数学模型理论基础上,进一步分析了基于直方图的边缘检测,并研究分析了其改进的算法,为进一步深入研究打好基础。实验发现基于直方图的边缘检测的边缘完整性有了很大改进。(2)以直方图均衡化处理以及数学形态学算法为基础,提出了四种组合的边缘检测算法。通过不同形态学算法在四种组合下边缘检测的效果分析,研究发现组合算法中形态学和直方图组合的边缘检测边缘的完整性和抗噪性能大大提升。(3)在传统的图像评价体系PSNR上,提出了新的图像评价标准抗噪性参数P。该评价标准的优势在于两点:该评价标准可以直接评价算法的抗噪性能的好坏;当图像像素变换较大时,仍然可以作为图像的评价标准。弥补了PSNR的局限性。(4)基于抗噪性参数P进一步对组合边缘检测进行改进。该组合算法以抗噪性参数P作为图像的评判标准,引入权值将组合算法中图像增强处理与形态学的组合算法相融合形成基于抗噪性参数P的组合边缘检测。实验结果表明,边缘完整性得到了很大的提升,图像在有无噪声情况下效果基本一致。该组合算法在抗噪能力、边缘丢失与伪边缘干扰处理上拥有较好的平衡,其中抗噪性得到很大的提升。本研究为工业加工图形识别提供了一定的思路。