论文部分内容阅读
针对零件表面缺陷多样性、现场干扰强以及企业在零件检测中普遍以离线方式人工抽检带来的效率低且检测质量不稳定的现状,采用机器视觉与压缩感知(Compressed Sensing,CS)方法,研究零件表面缺陷图像的压缩感知描述和图像快速匹配拼接算法,从而提高零件外圆柱表面多幅图像的拼接速度与质量。近年来,基于压缩感知和尺度不变特征变换(Scale invariant feature transform,SIFT)算法的图像拼接技术逐渐成为图像处理领域的研究热点,但如何提高图像匹配精度、减少拼接的时空开销以保持显示的实时性,以满足人眼视觉感的真实性等方面一直不是很理想。本课题以此为切入点,引入压缩感知技术,研究一种快速的SIFT图像拼接算法,能够使特征点匹配更精确,同时又能让图像拼接速度更快,以达到比较好的视觉效果。本文主要工作如下:(1)对图像匹配与图像拼接的基本理论做了详细的综述,对常用图像匹配算法进行了归纳并详细介绍了几种典型的图像匹配算法,对图像拼接中几个变换模型展开了说明。(2)对压缩感知理论进行阐述,简要介绍了信号的稀疏表示、观测矩阵的设计与信号的重够算法的基本内容,并对其应用进行了分析和说明。(3)针对SIFT算法计算量大、速度慢等缺点,提出了一种融合压缩感知与SIFT相结合的图像匹配拼接算法,提高了图像特征提取速度,有效地解决了图像匹配拼接过程中出现误匹配、裂痕等现象;并通过实验得出改进的SIFT算法不仅在特征点的数量和匹配点的数量上都少于传统的SIFT算法,而且耗时上也低于传统的SIFT算法。(4)根据课题项目要求,搭建了零件缺陷在线检测系统硬件平台,基于Visual Studio平台设计了该检测系统的图像拼接模块,利用改进的拼接算法,实现了图像拼接各个流程的细节描述,为后续零件的在线缺陷检测提供了技术支持。