堆叠棒材端面图像的自动分割算法与识别标定系统研究

发布时间：2024-03-14 03:15

　　随着工业的快速发展,我国对各类棒材的需求量都有明显提升,此时对棒材数量的监控与统计的意义也愈发重大。目前,大部分的棒材计数还依赖于人工计数。这种方法会增大员工的劳动强度,并且工作效率很低,准确性也会比较差,所以,目前急需迫一些准确度较高的棒材自动计数方法。基于机器视觉的方法,我们可以对图像进行分析,使用模式识别技术来检测棒材,这是实现棒材自动计数的可行方法。通常,人工拍摄的棒材端面图像中,可能会包含较多噪声,并且由于棒材摆放不规整,端面参差不齐,从而产生遮挡,这就会导致分割后的二值图像中,粘连较为严重。另外,对于一些钢材,其端面会被氧化,光学特性发生改变,导致出现颜色不均匀的现象,以上的原因都会降低自动计数的准确率。鉴于此,本文从图像中的端面提取、中心标定计数这两方面入手,实现了棒材端面图像的自动识别计数功能。本文的研究内容主要包括如下几个部分:第一,提出一种基于云模型的棒材端面图像前背景分离方法。在堆叠棒材端面图像中,端面区域的颜色接近,且这些像素分布较为集中。在基于云模型的彩色图像分割算法中,保留了像素间的不确定性关系,且其分割过程易于控制,适合当前端面提取场景,因此本文以基于云模...

【文章页数】：88 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第1章 绪论
    1.1 研究背景及意义
    1.2 研究现状
        1.2.1 彩色图像的前背景分离
        1.2.2 支持向量机理论
        1.2.3 类圆颗粒检测
    1.3 论文主要内容
    1.4 论文结构安排
第2章 基于云模型的前背景分割与圆检测的基础
    2.1 云模型的原理
        2.1.1 云模型的定义及性质
        2.1.2 云模型的数值特征
        2.1.3 云模型的“3En”规则
    2.2 标准圆检测
    2.3 基本方法的缺点分析
        2.3.1 堆叠棒材图像的端面区域提取
        2.3.2 类圆颗粒检测
    2.4 本章小结
第3章 基于云模型的棒材端面图像前背景分离算法
    3.1 本章核心思想及流程设计
    3.2 基于云模型的彩色图像分割流程
        3.2.1 颜色空间的选择与量化
        3.2.2 概念提取过程
        3.2.3 云综合
    3.3 针对棒材端面图像的改进自动分割方法
        3.3.1 交叉量化直方图
        3.3.2 改进的概念提取方法
        3.3.3 正态云的归类
        3.3.4 前景背景像素分离方法
    3.4 前背景分离效果评估
    3.5 本章小结
第4章 基于支持向量回归的棒材端面区域提取
    4.1 本章核心思想及设计流程
    4.2 支持向量回归理论
        4.2.1 支持向量回归原理
        4.2.2 核函数
    4.3 基于支持向量回归的端面区域提取设计方法
        4.3.1 分割图像的参数提取
        4.3.2 支持向量机的训练
    4.4 检测方法与提取效果评估
    4.5 本章小结
第5章 基于双边缘模板匹配的类圆颗粒检测
    5.1 本章核心思想及流程设计
    5.2 图像的预处理及粒度检测
    5.3 基于双边缘模板匹配的类圆颗粒检测与计数
    5.4 含缺陷与堆叠的标记效果评估
    5.5 本章小结
结论与展望
参考文献
攻读硕士学位期间所发表的学术论文
致谢



本文编号：3927975