【摘要】：視頻運動目標的跟蹤研究是人工智能的研究范疇,而工件運動視頻的跟蹤是工廠企業(yè)自動化運行中實行監(jiān)控的必要手段。目前研究者針對不同的跟蹤環(huán)境提出了很多跟蹤算法,這些算法的提出推動著跟蹤技術的發(fā)展。但是如何在較差的環(huán)境中有效的對光照、遮擋、姿態(tài)變化的工件進行跟蹤仍需要進一步研究。本文在工件視覺跟蹤前對工件進行去噪和分割,針對去噪、分割和跟蹤過程中存在的某些不足進行改進,論文的主要研究內(nèi)容和創(chuàng)新點如下:(1)針對視覺測量中給光好壞會直接影響工件檢測精度和效率的問題,提出了一種基于聯(lián)合稀疏變換學習對不同光源下工件圖像去噪的方法。該方法首先從噪聲圖像中提取噪聲圖像塊,通過稀疏編碼和稀疏變換更新交替運算對噪聲圖像塊進行內(nèi)部聚類變換學習;然后計算每個噪聲圖像塊中聚類信號的稀疏水平,并選擇最小稀疏水平作為該去噪塊的稀疏水平;最后對去噪塊進行聚類并用最后一次迭代去噪塊的均值估計去噪圖像。實驗結果表明,提出的方法對不同光源下工件圖像的去噪效果和計算速度均優(yōu)于其他算法,具有較好的去噪性能。(2)針對工件圖像分割中存在分割效果較差的問題,提出了一種基于HSV顏色空間k-means聚類的工件分割方法。該方法將工件圖像的RGB顏色空間轉(zhuǎn)換到HSV顏色空間;再在HSV顏色空間對各通道的像素進行k-means聚類,將顏色相近的像素點聚集為同一類達到工件圖像分割的效果。實驗結果表明,提出的方法對彩色工件圖像的分割效果優(yōu)于傳統(tǒng)分割方法。(3)針對工件跟蹤過程中存在姿態(tài)變化、遮擋等問題,提出了一種基于聯(lián)合反稀疏模型和時空上下文的跟蹤方法。該方法首先用粒子濾波對工件視頻幀進行采樣得到候選目標,然后將此候選目標用時空上下文進行篩選和優(yōu)化得到新的候選目標作為字典;最后用反稀疏模型計算稀疏系數(shù),最佳稀疏系數(shù)對應的候選目標即為跟蹤結果。實驗結果表明,提出的方法有較好的跟蹤性能。圖19幅,表7個,參考文獻67篇。
【圖文】：

西安工程大學碩士學位論文響，因此在分割過程中將工件圖像進行去反光處理，再對圖像進行分割。對比傳統(tǒng)算法分割后的圖像，文中提出了一種新的方法，先將彩色圖像的 RGB 顏色空間轉(zhuǎn)換到HSV 顏色空間和 YCbCr 顏色空間，在對目標的像素點進行 k-means 聚類的分割方法。實驗結果如下：(1) 不規(guī)則工件的分割效果圖：從圖 3-5 可以看出用傳統(tǒng)算法分割后的工件圖像比原圖中的工件寬一些，這是由于此類方法分割時將工件的陰影部分也當做目標進行誤分割。其中在邊緣算子(Canny算子)分割算法中圖像的中間有分割的線條，這是由于工件圖像反光的原因，在去反光后圖像的反光部分和原圖像之間的像素差異形成的。從圖 3-6 的(a)圖和(c)圖可以看出，將 RGB 顏色空間轉(zhuǎn)換到 HSV 顏色空間時，HSV 顏色空間中保留了工件目標的邊緣信息，而將其轉(zhuǎn)換到 YCbCr 顏色空間時，在 YCbCr 空間中工件目標的邊緣模糊，細節(jié)信息丟失。故對圖(a)和圖(c)進行 k-means 聚類方法分割所得的圖像如圖(b)和圖(d)，圖(b)分割后工件的邊緣信息較差，而圖(d)的工件分割效果相對較好。

從圖 3-5 可以看出用傳統(tǒng)算法分割后的工件圖像比原圖中的工件寬一些，這是由于此類方法分割時將工件的陰影部分也當做目標進行誤分割。其中在邊緣算子(Canny算子)分割算法中圖像的中間有分割的線條，這是由于工件圖像反光的原因，在去反光后圖像的反光部分和原圖像之間的像素差異形成的。從圖 3-6 的(a)圖和(c)圖可以看出，，將 RGB 顏色空間轉(zhuǎn)換到 HSV 顏色空間時，HSV 顏色空間中保留了工件目標的邊緣信息，而將其轉(zhuǎn)換到 YCbCr 顏色空間時，在 YCbCr 空間中工件目標的邊緣模糊，細節(jié)信息丟失。故對圖(a)和圖(c)進行 k-means 聚類方法分割所得的圖像如圖(b)和圖(d)，圖(b)分割后工件的邊緣信息較差，而圖(d)的工件分割效果相對較好。彩色原圖 Canny 算子分割 迭代閾值分割 遺傳神經(jīng)網(wǎng)絡分割圖 3-5 傳統(tǒng)算法的不規(guī)則工件圖像分割結果圖
【學位授予單位】：西安工程大學
【學位級別】：碩士
【學位授予年份】：2019
【分類號】：TP391.41;TH186

【相似文獻】

相關期刊論文 前10條

1 苗成標;;萊蕪煤機公司師傅劉義(右)與徒弟張龍哲探討交流工件加工工藝改進技術[J];中國工會財會;2019年06期

2 白穆民;;圓柱體上階梯橫孔的加工[J];機械工藝師;1987年08期

3 文藝;;用簡易夾具加工對稱旋轉(zhuǎn)的工件[J];電加工;1987年03期

4 黃衛(wèi)國;幾種特殊工件的磨削加工(一)[J];磨料磨具與磨削;1988年01期

5 吳盛福;加工超長軸的一種高效方法[J];機床;1989年02期

6 袁福麟;;圓感應同步器用于車床加工錐度工件[J];機械工人.冷加工;1989年09期

7 康宇紅;張新功;;具有錯位限制且工件可退化的單機重新排序問題[J];系統(tǒng)科學與數(shù)學;2018年04期

8 余鳳燕;;工件加工工序的自由度分析[J];企業(yè)科技與發(fā)展;2008年10期

9 張秀艷;張秀梅;;薄環(huán)工件加工過程易產(chǎn)生變形問題的探討[J];硅谷;2008年23期

10 徐延輝;;機械加工中振動對工件的影響[J];遼寧省交通高等專科學校學報;2018年05期

相關會議論文 前4條

1 陳太湖;胡小建;李曉征;紀中麗;;基于K-Mediods聚類方法的液壓元件加工車間工件分批方法研究[A];第十九屆中國管理科學學術年會論文集[C];2017年

2 黃垣鋒;陳小莎;;典型零件加工方案——不銹鋼薄壁工件卡箍接頭加工方案[A];中國職協(xié)2017年度優(yōu)秀科研成果獲獎論文集（一二等獎）[C];2018年

3 李曉舟;孫拂曉;;細長件加工動態(tài)特性的研究[A];科技創(chuàng)新與節(jié)能減排——吉林省第五屆科學技術學術年會論文集（上冊）[C];2008年

4 關鑫;;先進刀具在特大型工件加工中的應用[A];2009海峽兩岸機械科技論壇論文集[C];2009年

相關重要報紙文章 前1條

1 MEB記者 余悅;聚焦電動汽車典型工件加工工藝[N];機電商報;2018年

相關博士學位論文 前3條

1 柴幸;帶有工件約束的平行機排序問題的近似算法研究[D];鄭州大學;2019年

2 郭艷東;初始調(diào)度調(diào)整受限的新到工件重調(diào)度優(yōu)化方法研究[D];東北大學;2015年

3 路來驍;航空梁類鋁合金結構件滾壓變形校正理論及方法研究[D];山東大學;2018年

相關碩士學位論文 前10條

1 薛婷婷;基于稀疏變換學習的工件視覺跟蹤方法研究[D];西安工程大學;2019年

2 肖淑嫻;考慮機器維護行為與工件退化效應的單機調(diào)度問題[D];廣東工業(yè)大學;2019年

3 魏金玲;考慮惡化工件的雙代理平行批處理機調(diào)度優(yōu)化問題研究[D];合肥工業(yè)大學;2019年

4 孫雨微;帶有換模行為的不相容工件組調(diào)度問題研究[D];合肥工業(yè)大學;2019年

5 楊洋;帶有首工件選擇策略的批調(diào)度算法研究[D];安徽大學;2019年

6 王利博;線性退化工件的分批在線排序問題[D];鄭州大學;2019年

7 吳吉榮;變厚度工件電火花線切割溫度場仿真研究[D];哈爾濱理工大學;2019年

8 楊艷;混合磨具對磁力拋光的影響及實驗研究[D];太原理工大學;2019年

9 張建;差異工件并行批處理機調(diào)度問題求解算法研究[D];中國科學技術大學;2019年

10 黃廣煒;往復走絲電火花線切割加工控制系統(tǒng)及工件厚度識別研究[D];上海交通大學;2017年

本文編號：2689418