随着现代制造技术在微型机械领域的迅速发展,微型零件等微尺度对象的应用越来越多,各个领域对于测量微小尺寸的精度要求愈来愈高,传统的人工测量方法费时费力,而且测量精度不稳定。基于图像处理的测量方法以其非接触、高精度、高灵敏度等独特优势,在工业检测领域中发挥着越来越重要的作用。但是在对显微视觉下的微型零部件进行检测的时候,存在视野小,检测精度较低,导致无法对微小目标对象一次测量等难题。本文在研究显微测量、视觉注意、特征提取等内容的基础上,提出了一种基于视觉注意机制的多视场协同测量方法。(1)多视场协同测量方法首先采集图像,其次通过视觉注意机制建立亮度显著图对低分辨率的大视场图像提取兴趣区域,分别对兴趣区域获取高分辨率的小视场图像。然后通过特征提取与特征匹配算法将大视场图像与小视场图像匹配起来,将小视场图像融合到大视场图像中。最后对得到的高分辨率图像进行图像处理,返回需要测量的数据。(2)研究视觉注意机制在多视场测量中的应用。从机器视觉任务对显著性检测所显现出的需求出发,对视觉注意技术进行研究。首先研究、分析了几种视觉注意机制,然后提出了一种基于谱残差的视觉注意方案,对大视场的图像进行类似人眼的注意,找到需要进行小视场成像的区域。结果表明所提方案能够准确检测到需要成像的显著区域。(3)研究计算机视觉中的特征提取与匹配技术。研究大视场图像与小视场图像的全局-局部关系,研究不同的特征提取与特征匹配算法,采用ORB算法。ORB算法由于其良好的实时性,因此得到了广泛的应用。本课题在ORB算法的基础上,加入了马氏距离进行特征点筛选,减少不必要的特征点,降低误匹配率。使图像在进行特征提取与配准时能够更加准确。(4)最后研究了视觉测量中的图像处理技术。首先提出采用图像增强算子对图像对比度进行提高,采用分水岭算法对粘连边缘进行分割,使用canny算子对边缘进行提取,检测到各个单独的微靶球,然后对提取出来的微靶球进行直径、圆度、破损的测量和筛选,最后获得合格微靶球的中心坐标。对实验结果进行分析,实验结果表明,该方法具有较高的测量精度,并且能够实现面向微尺度对象的自动测量。