学位论文 > 优秀研究生学位论文题录展示

视觉检测的几个关键问题研究

作　者: 王富治
导　师: 黄大贵
学　校: 电子科技大学
专　业: 机械电子工程
关键词: 视觉检测 Marr视觉计算框架图像分割数学形态学摄像机标定畸变校正立体匹配置信传播微分几何
分类号: TP391.41
类　型: 博士论文
年　份: 2011年
下　载: 496次
引　用: 0次
阅　读: 论文下载

内容摘要

视觉检测是机器视觉应用于检测领域形成的新技术。美国国家标准局在调查基础上曾作过预测:今后工业检测任务的80%乃至90%-将由视觉检测完成,因而具有极为重要的研究价值。根据现代先进制造技术对视觉检测的需要,论文首先以视图几何理论为基础建立单目与多目视觉摄像机成像模型,然后以图像分割提取检测对象,最后着重对视觉检测中的畸变校正以及立体匹配等关键问题进行深入研究,提出了一些新的检测方法,并验证了这些方法的有效性。分述如下:在利用视图几何理论解决单目与多目视觉检测摄像机成像问题的基础上,论文结合梳刀参数检测,纸张计数检测以及深度检测中立体匹配的不确定性问题,分析了图像分割对视觉检测两方面的意义:在提取检测对象方面,利用OTSU算法实现梳刀图像基于全局阈值的分割,提出基于峰谷形态特征的纸张纹路分割算法,比通常的阈值分割算法能更好地自适应反映图像的局部性质;在以分割区域作为图像中层符号描述方面,论文利用Meanshift算法进行彩色图像分割,并对利用分割区域同质性克服立体匹配的不确定性的进行了分析。实际的成像系统是一个非线性系统,因而图像畸变校正是保证视觉检测精度所不可缺少的处理过程。论文在通过标定获取摄像机成像系统非线性畸变系数的基础上,提出两种不同的方法来解决单目视觉图像的畸变校正问题:一种方法是将线性畸变与非线性畸变分离,分别利用相机方位(或工件方位)控制装置和摄像机标定技术进行消除,该方法需要四个自由度,机械结构复杂但对其精度要求不高;另一种方法是通过图像差分建立畸变场微分方程,对线性畸变与非线性畸变进行统一处理,论文提出了畸变场微分方程理想平移量参数与局部位移量参数确定方法,并给出了理论推导结果,该方法仅需要两个平移自由度,机械结构得到极大简化但对其精度要求很高。深度信息提取是三维视觉检测最重要的研究内容。立体匹配是实现深度信息提取的基础,分为基于WTA准则的局部最优立体匹配和基于能量函数最小的全局最优立体匹配。对局部最优立体匹配来说,论文对Yoon自适应加权立体匹配算法进行了改进:首先根据基于分割的视差假设分析了颜色相似性和空间邻近性对权值的不同影响,提出了新的空间临近性权值模型;然后将Birchfield相异性度量函数从2-邻域扩展到8-邻域,解决了原算法所采用的AD相异性度量函数对行列采样敏感的问题,匹配代价计算更为准确。实验表明,本文方法有效改善了原算法的匹配性能,可获得更为精密的视差图。对全局最优立体匹配算法来说,论文研究了倾斜平面(曲面)匹配的特殊性,在图像分割基础上引入视差变化的微分几何描述,在此基础上对能量函数以及置信传播立体匹配消息传输过程进行了重新构造,能更好反映视觉场景的深度结构,较好满足了一般平面匹配(甚至曲面匹配)的需要。

全文目录

摘要  5-7
ABSTRACT  7-13
第一章绪论  13-25
  1.1 研究背景与意义  13-15
    1.1.1 机器视觉与视觉检测  13-14
    1.1.2 现代先进制造技术对视觉检测的需求  14-15
  1.2 视觉检测中的几个重要问题  15-16
  1.3 国内外研究现状  16-22
    1.3.1 理论研究进展  17-21
    1.3.2 应用领域日益广泛  21-22
    1.3.3 重要科研机构  22
  1.4 论文的主要工作与安排  22-24
    1.4.1 论文的主要工作  22-23
    1.4.2 论文的结构安排  23-24
  1.5 小结  24-25
第二章视觉检测摄像机成像模型与视图几何理论  25-39
  2.1 单摄像机成像模型  25-29
    2.1.1 四个基本坐标系及其变换关系  25-27
    2.1.2 CCD 摄像机成像模型  27-29
  2.2 双目视觉与对极几何  29-37
    2.2.1 极线约束  29-30
    2.2.2 基本矩阵及其估计  30-35
    2.2.3 图像的外极校正  35-37
  2.3 多目视觉与多视图几何  37-38
  2.4 小结  38-39
第三章视觉检测中的图像分割问题  39-56
  3.1 图像分割基础  39-41
    3.1.1 图像分割数学定义  39-40
    3.1.2 分割区域标记  40
    3.1.3 简单图像分割与复杂图像分割  40-41
  3.2 图像分割在视觉检测中的作用  41-52
    3.2.1 分割图像提取检测对象  41-49
    3.2.2 以分割区域作图像中层符号描述  49-52
  3.3 小结  52-56
第四章视觉检测图像畸变校正  56-83
  4.1 图像畸变  56-59
    4.1.1 径向畸变  57
    4.1.2 离心畸变  57-58
    4.1.3 薄透镜畸变  58
    4.1.4 总像差  58-59
  4.2 摄像机非线性成像模型  59-61
  4.3 摄像机标定  61-67
    4.3.1 线性模型摄像机标定  61-62
    4.3.2 非线性模型摄像机标定  62-67
  4.4 单目视觉图像畸变校正  67-81
    4.4.1 线性畸变反馈校正法  68-73
    4.4.2 基于图像差分的畸变校正  73-80
    4.4.3 多项式拟合畸变校正与本文方法的比较  80-81
  4.5 多目视觉图像畸变校正  81-82
  4.6 小结  82-83
第五章基于双目立体匹配的深度检测  83-127
  5.1 基于立体匹配双目视觉深度检测原理  83-85
    5.1.1 摄像机一般配置的双目视觉深度检测原理  83
    5.1.2 摄像机标准配置的双目视觉深度检测原理  83-85
  5.2 立体匹配建模  85-95
    5.2.1 图像的马尔科夫随机场（MRF）模型  86-87
    5.2.2 基于MRF 的立体匹配模型  87-93
    5.2.3 立体匹配模型求解与性能评价  93-95
  5.3 局部最优立体匹配  95-107
    5.3.1 自适应窗口局部最优立体匹配  96-97
    5.3.2 自适应加权局部最优立体匹配  97-98
    5.3.3 基于分割的局部最优立体匹配  98
    5.3.4 改进的Yoon 自适应加权立体匹配  98-107
  5.4 全局最优立体匹配  107-125
    5.4.1 动态规划立体匹配  108-109
    5.4.2 基于置信传播与图割的立体匹配  109-113
    5.4.3 基于分割的全局最优立体匹配  113
    5.4.4 基于微分几何的置信传播立体匹配  113-125
  5.5 小结  125-127
第六章总结与展望  127-131
  6.1 主要工作与创新点  127-129
  6.2 可以继续深入的问题  129-131
致谢  131-132
参考文献  132-141
攻读博士学位期间参与科研项目  141
攻读博士学位期间发表论文情况  141-142

相似论文

LDPC码译码算法的研究,TN911.22
舌体特征的提取及融合分类方法研究,TP391.41
森林防火系统中图像识别算法的研究,TP391.41
有标记点的人体三维运动数据获取方法的研究,TP391.41
PCB视觉检测系统中相机标定算法与位姿测定技术,TP391.41
数字图像处理在集装箱检测中的应用研究,TP274.4
基于数学形态学分析的激光散斑特性研究,O29
个性化人工膝关节设计及其生物力学特性研究,R318.1
基于区域分割的遥感影像道路提取算法研究,TP751
基于图像处理技术的烟叶病害自动识别研究,S435.72
基于数字图像处理的血管管径自动测量技术,R310
红外图像目标识别及跟踪技术研究,TP391.41
细菌聚类算法及其在图像分割问题中的研究与应用,TP391.41
蚁群算法及其在气象卫星云图分割中的应用,TP391.41
基于高分辨率遥感数据的矿区房屋信息提取方法研究,TP751
基于粒子群优化的Fuzzy c-mean聚类算法的基因芯片图像处理,TP391.41
基于知识的脊柱MRI影像分割算法研究,TP391.41
基于OpenCV的人脸检测方法研究,TP391.41
计算机辅助髋关节置换手术系统研究与开发,TP391.41
基于单目夜视图像的深度估计,TP391.41
基于中介真值程度度量的图像分割方法研究,TP391.41