機器視覺是一種理想的非接觸檢測技術(shù),對于提高生產(chǎn)效率和提升產(chǎn)品質(zhì)量有著重要的意義,具有廣闊的應(yīng)用和發(fā)展前景。圖像處理是機器視覺的核心技術(shù)之一,能否從圖像中得到準(zhǔn)確的分析結(jié)果決定了機器視覺檢測的成敗。如何對圖像提取合理、有效的特征長期以來都是圖像處理等領(lǐng)域中的研究熱點,是決定算法性能的關(guān)鍵因素。圖像特征表示方法的發(fā)展為視覺檢測應(yīng)用打下堅實的理論基礎(chǔ),而有效利用多視圖像的信息為提高機器視覺檢測能力提供了新的方法,例如增強對模型的特征描述能力以及擴大檢測的視場范圍。本課題圍繞多視圖視覺檢測理論與應(yīng)用中的關(guān)鍵問題展開研究,提出相應(yīng)的解決方法。本論文共分為七章,各章的主要研究內(nèi)容如下:第一章,闡述了課題的研究背景和意義,綜述了機器視覺的發(fā)展與應(yīng)用概況,同時介紹了圖像特征表示理論、多視圖特征表示、圖像質(zhì)量評價、多視圖像拼接等領(lǐng)域的研究現(xiàn)狀,分析了多視圖視覺檢測研究面臨的主要問題,并闡明了本課題的主要研究內(nèi)容。第二章,對基于視圖的三維物體特征描述問題進行研究,提出一種多視圖目標(biāo)特征融合方法。算法采用詞袋模型對圖像提取特征,解決了傳統(tǒng)視覺單詞量化過程中的歧義性問題,得到準(zhǔn)確的視覺單詞頻率直方圖特征向量... 

【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)】：156 頁

【學(xué)位級別】：博士

【部分圖文】：

圖１．１機器視覺檢測應(yīng)用??機器視覺的主要功能是實現(xiàn)對產(chǎn)品或過程的自動檢測，具體應(yīng)用可歸納為圖像識別、??

—輪廊圖深賴??圖２．１相機陣列法獲取視圖??以上方法需要首先估計三維模型的空間姿態(tài)并且依賴預(yù)先設(shè)計的相機陣列來捕獲多??個視圖，另外一類方法則從大型視圖池中選出具有代表性的視圖。例如，ＡＶＣ算法［９４］從??３２０個初始視圖中挑選出最能代表三維模型的２０至４０張?zhí)厣晥D，利用貝葉斯信息準(zhǔn)則??進行自適應(yīng)視圖聚類。ＣＣＦＶ算法［９６］取消了對相機分布的約束而對一組自由獲取的視圖進??行聚類，從生成的視圖簇中挑選三維模型的代表性視圖。視圖聚類方法的優(yōu)點是不需要嚴(yán)??格的相機陣列設(shè)計，圖像獲取方式相對自由，但前提是建立的視圖池必須足夠大，而真正??被使用的僅是其中很小的一部分，這無疑會造成巨大的冗余同時增加視圖獲取的成本。??＿＿＿?ｍ??ＨＰＢ?Ｂｔｉ，?，；ｓｍ?／?■??■■■?■?■??圖２．２聚類法獲取代表性視圖??此外，還有采用合成視圖的方法來表示三維模型信息，例如空間結(jié)構(gòu)環(huán)形描述符??（ＳＳＣＤｆ＇全景描述符（ＰＡＮＯＲＡＭＡ）１９８１等。不論是使用預(yù)先設(shè)計的相機陣列還是建立視??圖池都不能方便地獲得代表性視圖

ＨＰＢ?Ｂｔｉ，?，；ｓｍ?／?■??■■■?■?■??圖２．２聚類法獲取代表性視圖??此外，還有采用合成視圖的方法來表示三維模型信息，例如空間結(jié)構(gòu)環(huán)形描述符??（ＳＳＣＤｆ＇全景描述符（ＰＡＮＯＲＡＭＡ）１９８１等。不論是使用預(yù)先設(shè)計的相機陣列還是建立視??圖池都不能方便地獲得代表性視圖，而生成合成視圖的方式同樣難以滿足實際應(yīng)用的要求。??２２??

【參考文獻】：
期刊論文
[1]機器視覺表面缺陷檢測綜述[J]. 湯勃,孔建益,伍世虔.  中國圖象圖形學(xué)報. 2017(12)
[2]虹膜識別研究與應(yīng)用綜述[J]. 孫哲南,譚鐵牛.  自動化博覽. 2005(02)
[3]機器視覺技術(shù)在農(nóng)產(chǎn)品品質(zhì)自動識別中的應(yīng)用（Ⅰ）[J]. 應(yīng)義斌,饒秀勤,趙勻,蔣亦元.  農(nóng)業(yè)工程學(xué)報. 2000(01)
[4]高識別率印刷體漢字識別方法的研究[J]. 崔國偉,舒文豪.  中文信息學(xué)報. 1987(03)

博士論文
[1]基于形狀理解的三維建模[D]. 李曼祎.山東大學(xué) 2018
[2]高溫單晶硅液位和直徑視覺檢測關(guān)鍵技術(shù)及應(yīng)用研究[D]. 項森偉.浙江大學(xué) 2018
[3]基于視覺感知特性的圖像質(zhì)量評價方法研究[D]. 詹憶冰.中國科學(xué)技術(shù)大學(xué) 2018
[4]基于稀疏表示和深度學(xué)習(xí)的圖像識別算法及應(yīng)用研究[D]. 王斌.中國科學(xué)技術(shù)大學(xué) 2018
[5]基于深度學(xué)習(xí)的液晶屏Mura缺陷圖像識別算法研究[D]. 梅爽.華中科技大學(xué) 2017
[6]面向局部特征和特征表達的圖像分類算法研究[D]. 張旭.合肥工業(yè)大學(xué) 2016
[7]異質(zhì)虹膜圖像的魯棒識別[D]. 劉京.中國科學(xué)技術(shù)大學(xué) 2014
[8]圖像稀疏編碼算法及應(yīng)用研究[D]. 嚴(yán)春滿.西安電子科技大學(xué) 2012
[9]多尺度多元圖像分析機器視覺檢測理論及其應(yīng)用研究[D]. 梁冬泰.浙江大學(xué) 2009
[10]基于機器視覺的水果品質(zhì)實時檢測與分級生產(chǎn)線的關(guān)鍵技術(shù)研究[D]. 饒秀勤.浙江大學(xué) 2007

碩士論文
[1]基于機器視覺的紡織品瑕疵檢測與分類[D]. 郝陽.東華大學(xué) 2018
[2]基于視圖的三維模型檢索方法研究[D]. 師陽.天津大學(xué) 2018
[3]基于機器視覺技術(shù)的工業(yè)機器人引導(dǎo)與抓取[D]. 王宇.昆明理工大學(xué) 2017
[4]工件缺陷視覺檢測關(guān)鍵技術(shù)的研究[D]. 余曉婭.合肥工業(yè)大學(xué) 2011
[5]多目視覺三維人體運動[D]. 鄭恩亮.上海交通大學(xué) 2008
[6]車輛牌照識別若干關(guān)鍵技術(shù)的研究[D]. 牛欣.北京工業(yè)大學(xué) 2000



本文編號：3249402