應(yīng)變片的特征提取與識別.pdf

1、模式識別、機器視覺技術(shù)越來越多的被應(yīng)用到自動安裝系統(tǒng)中，由于人工安裝應(yīng)變片存在著效率低，精度低和一致性差的缺點，因此應(yīng)變片自動安裝系統(tǒng)的設(shè)計和研究被提上日程。應(yīng)變片在吸取過程中容易發(fā)生偏轉(zhuǎn)，漂移，從而影響系統(tǒng)的精度，因此有效地對應(yīng)變片圖像進行預(yù)處理，特征提取和特征識別將影響系統(tǒng)性能。本論文主要研究如何運用快速有效的算法對應(yīng)變片進行特征提取，運用快速的分類方法對應(yīng)變片進行識別。
　　 在提取應(yīng)變片圖像特征時，本文研究了傳統(tǒng)的邊緣檢

2、測和角點檢測算法，并將其應(yīng)用到應(yīng)變片圖像的邊緣檢測和角點檢測中。由于應(yīng)變片具有獨特的紋理和幾何特征，采用傳統(tǒng)的邊緣檢測算法不能有效地濾除噪聲，本文采用獨特結(jié)構(gòu)元素探針的形態(tài)學(xué)檢測算法對其處理，有效的濾除噪聲，保證算法的魯棒性。該算法采用四個方向的結(jié)構(gòu)元素對應(yīng)變片進行邊緣檢測，本算法計算量更小，可以很好抑制噪聲和將背景邊緣點和線抑制掉。
　　 針對傳統(tǒng)SUSAN角點檢測的復(fù)雜性，本文提出一種改進的SUSAN檢測方法，該算法采用20

3、像素模板，減少了查表和比較的運算，有效的減少了計算量。
　　 由于Hu矩、Zemike矩都是在整個圖像空間計算所得，在工業(yè)環(huán)境中容易受到噪聲的干擾，而利用小波多尺度分析的小波矩能夠同時獲取應(yīng)變片的全局矩和局部特征矩，對噪聲有一定的抑制作用，特別適合在應(yīng)變片自動安裝系統(tǒng)中應(yīng)用。
　　 在實際的應(yīng)變片自動安裝系統(tǒng)中，由于獲取的應(yīng)變片樣本有限，圖像識別(如模板匹配)無法保證識別的準確性;而BP神經(jīng)網(wǎng)絡(luò)具有易陷入局部極小點和收斂