隨著工業(yè)4.0和中國(guó)制造2025的相繼提出,智能制造成為工業(yè)制造領(lǐng)域的發(fā)展方向。近年來(lái),機(jī)器視覺(jué)技術(shù)、模式識(shí)別技術(shù)、以機(jī)器學(xué)習(xí)為代表的人工智能技術(shù)發(fā)展迅猛,并且被越來(lái)越多地應(yīng)用到實(shí)際生產(chǎn)、制造中,發(fā)揮出了超越常規(guī)方法的優(yōu)良性能。為了提高汽車輪轂生產(chǎn)的自動(dòng)化水平,取代人工識(shí)別輪轂型號(hào)的方式,本課題將機(jī)器視覺(jué)技術(shù)和模式識(shí)別技術(shù)應(yīng)用于汽車輪轂型號(hào)識(shí)別中,對(duì)汽車輪轂型號(hào)識(shí)別方法進(jìn)行了深入的研究。論文主要工作及結(jié)論如下:（1）為了獲取汽車輪轂圖像的感興趣區(qū)域,從而避免一些背景噪聲的影響并且減少后續(xù)算法處理的計(jì)算量,分別從圖像濾波、圖像閾值分割、二值形態(tài)學(xué)運(yùn)算三個(gè)方面進(jìn)行研究。對(duì)幾種常用濾波算法、閾值分割算法、二值形態(tài)學(xué)算法進(jìn)行了理論探討和實(shí)驗(yàn)分析,并通過(guò)對(duì)比確定了相應(yīng)的處理算法和運(yùn)行參數(shù);最后運(yùn)用輪廓查找與擬合、矩形邊界逼近的方法獲取輪轂圖像的感興趣區(qū)域。（2）通過(guò)分析各型號(hào)輪轂的特點(diǎn),明確了需要從形狀和紋理兩個(gè)角度綜合表達(dá)輪轂的特征。為了兼顧識(shí)別的準(zhǔn)確性、魯棒性以及識(shí)別速率,選擇提取輪轂圖像的SURF特征以反映輪轂的形狀信息,提取輪轂圖像的LBP特征以反映輪轂的紋理信息;針對(duì)SURF特征和LB... 

【文章來(lái)源】：江蘇大學(xué)江蘇省

【文章頁(yè)數(shù)】：74 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

德國(guó)YXLONMU231系統(tǒng)

基于SURF-LBP特征集成的汽車輪轂型號(hào)識(shí)別系統(tǒng)研究8灰度值來(lái)代替該像素點(diǎn)的灰度值。給定圖像yxf),(中的某個(gè)像素點(diǎn)nm),(，取其鄰域N，設(shè)N中含有M個(gè)像素點(diǎn)，計(jì)算這M個(gè)像素點(diǎn)的平均灰度值，并以此代替像素點(diǎn)nm),(的灰度值。因此，經(jīng)濾波后，該像素點(diǎn)對(duì)應(yīng)的輸出為：NyxyxfMyxg),(),(1),(（2.1）最后，利用系數(shù)模板與滑窗的方式即可對(duì)整張圖像進(jìn)行濾波操作。圖2.1為輪轂庫(kù)中Q19型輪轂的某張樣本圖像；圖2.2為Q19型輪轂圖像需要分割出的ROI。圖2.1Q19型號(hào)輪轂圖像Fig.2.1Q19typehubimage圖2.2Q19型號(hào)輪轂圖像ROIFig.2.2Q19typehubimageROI均值濾波系數(shù)模板的大小需要根據(jù)源圖特點(diǎn)和處理需求進(jìn)行調(diào)試后確定，常用的模板大小有33、55和77等。用這三種不同大小的模板對(duì)輪轂圖像進(jìn)行均值濾波，結(jié)果如圖2.3所示。

基于SURF-LBP特征集成的汽車輪轂型號(hào)識(shí)別系統(tǒng)研究8灰度值來(lái)代替該像素點(diǎn)的灰度值。給定圖像yxf),(中的某個(gè)像素點(diǎn)nm),(，取其鄰域N，設(shè)N中含有M個(gè)像素點(diǎn)，計(jì)算這M個(gè)像素點(diǎn)的平均灰度值，并以此代替像素點(diǎn)nm),(的灰度值。因此，經(jīng)濾波后，該像素點(diǎn)對(duì)應(yīng)的輸出為：NyxyxfMyxg),(),(1),(（2.1）最后，利用系數(shù)模板與滑窗的方式即可對(duì)整張圖像進(jìn)行濾波操作。圖2.1為輪轂庫(kù)中Q19型輪轂的某張樣本圖像；圖2.2為Q19型輪轂圖像需要分割出的ROI。圖2.1Q19型號(hào)輪轂圖像Fig.2.1Q19typehubimage圖2.2Q19型號(hào)輪轂圖像ROIFig.2.2Q19typehubimageROI均值濾波系數(shù)模板的大小需要根據(jù)源圖特點(diǎn)和處理需求進(jìn)行調(diào)試后確定，常用的模板大小有33、55和77等。用這三種不同大小的模板對(duì)輪轂圖像進(jìn)行均值濾波，結(jié)果如圖2.3所示。


本文編號(hào)：3001132