论文部分内容阅读
在工业生产和实际生活中,基于序列图像的研究一直是图像处理、机器视觉和模式识别领域里热点的研究内容。本文的研究重点是通过拍摄多帧序列图像,单独分析各帧图像,提取图像特征,然后综合多帧图像特征来对运动目标物体进行模式识别。主要改进算法的准确率,提高检测的实时性。现代生产技术日新月异,生产效率和产品质量是制约企业兴衰存亡的主要因素。尤其是对于批量生产的检测生产中,传统的检测手段和技术已经越来越不能担负起企业发展的要求。本文以提高工厂羽毛球质量检测效率和检测准确率需求为目标,通过机器视觉技术分析风洞羽毛球序列图像,以提取主要特征为手段,实现羽毛球质量检测的自动化生产。本文主要研究内容归纳如下:1.升级了采集平台并对序列图像预处理。升级的平台通过一个采集设备可以拍摄羽毛球球冠、球头各个方位飞行姿态。通过先验知识及图像处理区域分割、形态学处理、二值化提取运动目标,比较多种运动物体图像复原算法,选取合适的运动物体去模糊化算法,结合旋转运动物体特殊性对旋转运动羽毛球进行图像复原。2.羽毛球运动飞行模型建立及风洞中的受力分析。首先从羽毛球的实际飞行过程中出发,从不同角度建立了羽毛球坐标系,包括球场坐标系,球体自身坐标系,球体速度坐标系,然后分别在这些坐标系上做了受力分析,建立了动力学方程,通过方程式可以计算各个时刻及各个位置的羽毛球的各项参数,从而达到预测羽毛球的运动轨迹的目的。最后研究了目前检测羽毛球风洞检测装置,分析了风洞中球体的受力以及风洞中性能等级不同,羽毛球会发生的不同偏摆和转动现象的原因,说明了用风洞装置来模拟羽毛球飞行运动分析的可行性。3.提取表征羽毛球摆动新的特征参数及算法改进。为提高羽毛球在线检测的效率,提出了一种较为快速找出16个毛尖特征点算法。研究了羽毛球球头部分的特征参数对羽毛球整体稳定性的影响,分析了球头在水平面方向以及垂直方向的偏转距离及计算方法。4,为满足生产效率需求,提出并行处理体系,本文采用多摄像头采集序列图像,利用多核心CPU思想对羽毛球风洞并行检测,给出具体的硬件架构并利用多进程编程思想实现软件设计并行处理,缩短检测时间,提高系统的检测效率。最后提出基于SVM的一对一的分类器的设计,用于羽毛球飞行稳定性及落点等级的分类。本文各算法均用Matlab进行实验仿真,并在VC6.0下进行编程,实现羽毛球风洞质量等级分类检测。实验结果表明,本文提出的基于并行处理体系的序列图像处理与分析算法具有一定的实用价值。