近年來由于性能優(yōu)勢(shì),航空工業(yè)中復(fù)合材料的使用量正在不斷地增加,但其豐富的表面紋理信息同時(shí)也為視覺測(cè)量帶來了挑戰(zhàn),因此復(fù)合材料零件圓孔的視覺測(cè)量成為了機(jī)器人制孔視覺測(cè)量系統(tǒng)的關(guān)鍵問題之一。復(fù)合材料圓孔檢測(cè)的難點(diǎn)在于其復(fù)雜的紋理信息,傳統(tǒng)的圓檢測(cè)算法容易受到紋理的干擾,在復(fù)合材料的圓檢測(cè)問題中識(shí)別率過低,會(huì)嚴(yán)重降低機(jī)器人制孔的加工效率。針對(duì)上述問題和挑戰(zhàn),本文研究了基于紋理分割、深度學(xué)習(xí)和半監(jiān)督學(xué)習(xí)的高精度復(fù)合材料圓檢測(cè)方法,主要?jiǎng)?chuàng)新點(diǎn)有:（1）針對(duì)復(fù)合材料復(fù)雜的紋理信息,提出了一種基于LBP（Local Binary Patterns）改進(jìn)的紋理分割方法——LEP（Local Exponential Patterns）。LEP算法舍棄了 LBP過多的二進(jìn)制模式,并給二進(jìn)制的值賦予了意義,中心像素的LEP值不僅反映了該像素周圍區(qū)域的紋理信息,還表達(dá)了該區(qū)域紋理數(shù)量的多少。LEP算法使得具有相似紋理信息和紋理數(shù)量的像素具有相同的LEP值,非常適用于紋理圖像的分割,并且具有灰度不變性和旋轉(zhuǎn)不變性。（2）在LEP算法的基礎(chǔ)上,進(jìn)一步提出了基于紋理分割的圓孔檢測(cè)方法。在紋理分割算法的基礎(chǔ)上,設(shè)計(jì)了... 

【文章來源】：浙江大學(xué)浙江省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：79 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖１－１四種典型的復(fù)合材料紋理類型??

原始的ＬＢＰ算子定義在局部３＊３的鄰域內(nèi)，將與中心像素相鄰的８?jìng)�(gè)像素的灰度值與??鄰域中心的像素值進(jìn)行比較，以中心像素值為閾值，若周圍像素大于中心像素值，則該像??素點(diǎn)的位置被標(biāo)記為１，否則為０。如圖２－１所示，３＊３鄰域內(nèi)的８?jìng)�(gè)點(diǎn)經(jīng)過比較可以產(chǎn)生８??位二進(jìn)制數(shù)，將這８位二進(jìn)制數(shù)依次排列形成一個(gè)二進(jìn)制數(shù)字，這個(gè)二進(jìn)制數(shù)字就是中心??像素的ＬＢＰ值，ＬＢＰ值共有２５６種可能。中心像素的ＬＢＰ值反映了該像素周圍區(qū)域的紋??理信息。??２５?４２?６５?０?０?＾??Ｈｉ?％?Ｖ?Ｗ?Ｂｉｎａｒｙ：?００１０１０１１?????—￣ｊ＾＿＿＿?Ｄｅｃｉｍａｌ：?４３??１２８?３６?１６４?Ｔｈｒｅｓｈｏｌｄ?－ｊ?〇?ｔ??圖２－１?ＬＢＰ算法原理??設(shè)某像素點(diǎn)的坐標(biāo)為（％，ｙｐ），則該點(diǎn)的ＬＢＰ值可表示為：??ＬＢＰ｛ｘｐ，?ｙｐ）?＝?ｓ（ｌｎ?－?ｌｐ）２ｎ?（２－１）??７１＝０??式中表示中心像素（ａ；ｐ，ｙｐ）的灰度值，表示８領(lǐng)域的灰度值，函數(shù)ｓ（ｋ）有如下定??義：??ｆ?１?ｉｆ?ｋ＞０??ｓ（ｋ）?＝?一?（２－２）??［０?ｉｆ?ｋ＜０??從上述ＬＢＰ算子的原理可以看出，ＬＢＰ算子具有局部的灰度不變性，但卻沒有旋轉(zhuǎn)不??變性。圖像的旋轉(zhuǎn)就會(huì)得到不同的ＬＢＰ值。Ｍａｅｎｐａａ等人又將ＬＢＰ算子進(jìn)行了擴(kuò)展，提出??了提出了旋轉(zhuǎn)不變局部二值模式（Ｒｏｔａｔｉｏｎ?Ｉｎｖａｒｉａｎｔ?Ｌｏｃａｌ?Ｂｉｎａｒｙ?Ｐａｔｔｅｒｎｓ

２基于ＬＢＰ改進(jìn)的紋理分割算法??本章將ＬＥＰ算法與ＬＢＰ及其改進(jìn)算法ＲＩＬＢＰ、ＵＬＢＰ在三組紋理類型不同的復(fù)合材料??圓孔圖像上進(jìn)行了實(shí)驗(yàn)對(duì)比，結(jié)果如圖２－３所示。從圖中可以看出，４鐘算法的結(jié)果都能很??明顯的看出圓孔區(qū)域與周圍紋理的差異，但是ＬＢＰ及其改進(jìn)算法在圖像紋理區(qū)域產(chǎn)生了大??量的噪聲，非常不利于隨后的邊緣檢測(cè)和橢圓擬合，而ＬＥＰ處理后的圖像不僅更加顯著的??區(qū)分了圓孔區(qū)域和紋理區(qū)域，而且在紋理區(qū)域以及圓孔區(qū)域的內(nèi)部像素值都非常接近。因??此ＬＥＰ算法在復(fù)合材料的圓孔分割中展現(xiàn)了很大的優(yōu)勢(shì)。??Ｏｒｉｇｉｎａｌ?Ｉｍａｇｅ?ＬＢＰ?ｍａｐ?Ｒ１ＬＢＰ?ｍａｐ?ＵＬＢＰ?ｍａｐ?ＬＥＰ?ｍａｐ??邏??（ａ）?（ｂ）?（ｃ）?（ｄ）?（ｅ）??圖２－３?ＬＥＰ與ＬＢＰ系列算法實(shí)驗(yàn)對(duì)比圖??２．４本章小結(jié)??本章主要介紹了一種在ＬＢＰ基礎(chǔ)上改進(jìn)的紋理分割算法?ＬＥＰ?（Ｌｏｃａｌ?Ｅｘｐｏｎｅｎｔｉａｌ??Ｐａｔｔｅｒｎｓ，局部指數(shù)模式），包括紋理特征簡(jiǎn)介、ＬＢＰ及其改進(jìn)算法的原理及缺點(diǎn)、ＬＥＰ算法??的原理和特性，并在三組復(fù)合材料圓孔圖像上進(jìn)行了實(shí)驗(yàn)對(duì)比，進(jìn)而分析了?ＬＥＰ算法在復(fù)??合材料紋理分割上相對(duì)于ＬＥＰ及其改進(jìn)算法的優(yōu)勢(shì)。本章內(nèi)容是實(shí)現(xiàn)基于紋理分割的圓孔??撿測(cè)的前提，也是后續(xù)生成半監(jiān)督語義標(biāo)簽的基礎(chǔ)。??１５??


本文編號(hào)：3211392