金屬表面低質(zhì)量直接零件標識的信息增強與定位.pdf

1、將零件的材料信息、加工信息、質(zhì)量信息、流通信息、使用信息等用DataMatrix條碼表示出來。應(yīng)用集加工過程不接觸工件、加工靈活性高、環(huán)保等優(yōu)點于一體的激光直接標識技術(shù)將其加工于金屬表面上，可以實現(xiàn)產(chǎn)品的可追溯性。這在工業(yè)上乃至在生活中都有著重要的意義。讀取條碼所承載信息的第一步就是對條碼圖像進行采集。然而由于光照條件、條碼載體自身、人為因素等的影響使得獲取的條碼圖像質(zhì)量較低，無法讀取。針對此問題，本文開展了金屬表面低質(zhì)量直接零件標識的

2、信息增強與定位的研究，主要從以下幾個方面進行:
　　將激光直接標識中常見的低質(zhì)量條碼圖像進行匯總。并根據(jù)成因不同將它們分為兩大類——由光照引起的和由條碼載體自身特點引起的。
　　研究了局部灰度值較低的條碼圖像的信息增強。分析了常用的直方圖均衡化算法的兩大缺點:1細節(jié)增強不夠;2存在過增強現(xiàn)象。針對這兩個問題詳細介紹了局部直方圖均衡化和限制對比度的直方圖均衡化這兩大算法。為提高算法效率在局部直方圖均衡化的基礎(chǔ)上演化出了插值自適

3、應(yīng)直方圖均衡化算法，該算法與限制對比度的方法相結(jié)合就產(chǎn)生了目前效果最優(yōu)的直方圖均衡化算法—CLAHE（限制對比度的自適應(yīng)直方圖均衡化）算法。詳細介紹了Retinex算法的兩種常用方法——基于迭代計算的方法和基于中心環(huán)繞的方法。將基于直方圖均衡化的方法與基于Retinex的算法應(yīng)用于局部灰度值較低的條碼圖像，分析了各種算法的優(yōu)缺點及適用范圍。
　　研究了金屬表面Data Matrix條碼高光區(qū)域的信息重構(gòu)，提出了基于局部與全局特征的

4、五步重構(gòu)模型。介紹了Data Matrix條碼的重構(gòu)依據(jù)，為重構(gòu)算法的提出奠定了理論基礎(chǔ)。首先，對獲得的條碼圖像進行傾斜校正，使L形實線邊界位于圖像左下角，接著對條碼進行網(wǎng)格劃分實現(xiàn)各個模塊的定位。然后基于Modified Specular-Free(MSF)圖像對高光區(qū)域進行檢測。最后采用五步重構(gòu)模型對條碼的各個模塊按照既定的填充順序逐個賦值，對條碼進行讀取。實驗表明，該算法能達到去除金屬表面上條碼局部高光的目的，并取得了較高的識讀正

5、確率。
　　研究了復(fù)雜背景下的Data Matrix條碼的定位，提出了一種基于改進的邊緣方向直方圖(EOH)特征與直線檢測的條碼定位算法，可在有數(shù)字字母或其他圖案、材料紋理、磨損或油污等復(fù)雜背景的圖像中實現(xiàn)條碼的準確定位。首先對條碼圖像進行分塊，接著采用改進的EOH來描述子塊的紋理特征，利用支持向量機(SVM)實現(xiàn)條碼子塊與背景子塊的判別，然后以條碼子塊為中心進行區(qū)域擴大確定直線檢測區(qū)域，最后在確定為條碼的區(qū)域內(nèi)利用Hough變換