论文部分内容阅读
偏色检测在墙地砖质量检测中举足轻重,偏色程度大小是衡量墙地砖质量好坏的重要指标。目前国内墙地砖偏色检测大多仍依靠人工,费时费力,而且常因疲劳、分心、人眼区分度低等因素导致判断失误,造成检测错误、遗漏,影响生产效率,降低生产质量。因此,智能化偏色检测系统研究的重要性不言而喻。论文源自江苏省科技计划项目《基于人眼视觉仿真的在线墙地砖智能质量检测与分级系统》,其中提出或优化的特征提取和色彩分割等算法在实验室承担的国家自然科学基金(61105015),江苏省自然科学基金(BK2010366),江苏省科技厅科技支撑计划(BE2011747),江苏省环保厅项目(2009017)等多项国家级、省部级项目中得以应用。论文描述了国内外机器视觉技术研究现状,解析了特征提取和图像分割算法在偏色检测功能实现中的内涵和地位,分析了关键算法存在的问题和遇到的难点,进而提出了或改进了相关算法。主要研究内容包括:Canny-Hough矩形识别算法、Contourlet-SIFT特征匹配算法、HSV-Kmeans色彩分割算法的研究,同时给出实验验证,并在工业视觉中实际应用。瓷砖图像前背景差异小、纹理复杂情况下,常用的背景差分算法无法正确提取出矩形瓷砖。论文利用霍夫空间便于规则矩形识别的特点,引入Canny边缘提取和纹理填充预处理进行优化,解决了瓷砖兴趣域提取的问题。瓷砖纹理重复性高,采用原始SIFT算法误匹配严重、效率低。论文提出了Contourlet-SIFT不变特征提取算法,局部特征与全局特征、空域与时域相结合,提高了匹配效率,减少了纹理类似区域的特征误匹配。从而实现瓷砖配准。瓷砖纹理色彩多样,通过单一阈值难以判断偏色程度和偏色区域。论文将Kmeans聚类算法扩展应用到HSV色彩空间,利用色彩聚类结果,分割出瓷砖纹理与底色,在此基础上对各纹理块设定独立阈值,完成偏色检测。论文创新点如下:●优化了霍夫空间矩形识别算法:将边缘检测与霍夫变换相结合,并进行内部纹理填充,实现了复杂背景下不规则纹理干扰的瓷砖兴趣域提取。●提出了尺度空间Contourlet-SIFT不变特征提取算法:将SIFT局部不变特征与Contourlet全局特征相结合,提高了纹理重复性较高的瓷砖表面特征匹配的精度和效率,实现了瓷砖图像与模板的配准。●将Kmeans聚类算法应用到HSV色彩空间图像分割中:将HSV色彩空间、Kmeans聚类与图像分割相结合,实现了瓷砖纹理与底色的分割,便于独立设定阈值,更准确地定性且定量分析偏色程度。