復(fù)合材料模壓制品廣泛應(yīng)用于軍工、民品等領(lǐng)域。由于模壓制品成型后易產(chǎn)生裂紋、麻點(diǎn)、夾雜等缺陷,且復(fù)合材料模壓制品存在較多的紋理干擾,導(dǎo)致在人工檢測(cè)的過程中容易出現(xiàn)漏檢、誤檢、尺寸檢測(cè)不準(zhǔn)等問題。基于機(jī)器視覺的檢測(cè)技術(shù)可有效代替人工實(shí)現(xiàn)模壓制品缺陷檢測(cè)。但是,作為本文研究對(duì)象的此類工件多為錐形桶件,且上下直徑相差較大,由于需要拍攝模壓制品內(nèi)壁一周才能獲得內(nèi)壁整體圖像,而相機(jī)只能一次拍攝有限范圍的面積,需要多次拍攝并將多幅圖像拼接才能獲取完整的內(nèi)壁全景圖像。針對(duì)這一問題,本文提出一種基于灰度共生矩陣紋理特征塊和SURF算法進(jìn)行結(jié)合的復(fù)合材料模壓制品圖像拼接方法。本文的主要研究?jī)?nèi)容包括:在深入分析復(fù)合材料圖像紋理特征的基礎(chǔ)上,通過各種紋理特征描述方法的對(duì)比,采用基于灰度共生矩陣的方法對(duì)復(fù)合材料紋理的特征進(jìn)行全局性描述,分析了圖像噪聲對(duì)灰度共生矩陣提取數(shù)據(jù)的影響,并通過中值濾波減弱圖像噪聲的影響,為后續(xù)的復(fù)合材料模壓制品圖像拼接和融合提供較高質(zhì)量圖像。為了實(shí)現(xiàn)對(duì)復(fù)合材料模壓制品圖像的拼接,采用一種粗細(xì)匹配相結(jié)合的配準(zhǔn)方法,通過均分法對(duì)復(fù)合材料模壓制品圖像進(jìn)行分塊處理,在每個(gè)分塊內(nèi)部提取灰度共生矩... 

【文章來源】：中北大學(xué)山西省

【文章頁數(shù)】：72 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

內(nèi)窺鏡兩次拍攝區(qū)域示意圖

紋、麻點(diǎn)、夾雜等缺陷，且復(fù)合材料模壓制品存在較多的紋理干擾，導(dǎo)致在人工檢測(cè)的過程中容易出現(xiàn)漏檢、誤檢、尺寸檢測(cè)不準(zhǔn)等問題。基于機(jī)器視覺的檢測(cè)技術(shù)可有效代替人工實(shí)現(xiàn)模壓制品缺陷檢測(cè)。但是，作為本文研究對(duì)象的此類工件多為錐形桶件，且上下直徑相差較大，由于需要拍攝模壓制品內(nèi)壁一周才能獲得內(nèi)壁整體圖像，而相機(jī)只能一次拍攝有限范圍的面積（如圖 1.1 所示，方塊區(qū)域即單次拍攝區(qū)域），需要多次拍攝并將多幅圖像拼接才能獲取完整的內(nèi)壁全景圖像。針對(duì)這一問題，本文提出一種基于灰度共生矩陣紋理特征塊和算法進(jìn)行結(jié)合的復(fù)合材料模壓制品圖像拼接方法。在圖像拼接的過程中，由于其模壓制品的材質(zhì)是復(fù)合材料，而且復(fù)合材料其都有相同的特性，即有較多的紋理特征（如圖 1.2 所示），通過分析紋理歸納得到復(fù)合材料的紋理角度、對(duì)比度、灰度等特征，計(jì)算出其特征參數(shù)基礎(chǔ)數(shù)據(jù)的取值范圍，對(duì)后續(xù)圖像拼接和缺陷檢測(cè)提供必要的特征依據(jù)，進(jìn)而提高缺陷檢測(cè)的效率和降低人工成本。因此，研究如何基于紋理圖像實(shí)現(xiàn)全景圖像的功能，將拍攝的多幅具有共同點(diǎn)的圖像拼接成大場(chǎng)景的圖像就顯得具有較強(qiáng)的現(xiàn)實(shí)意義和實(shí)際應(yīng)用價(jià)值。

圖 1.3 圖像拼接示意圖圖像拼接技術(shù)能解決圖像分辨率和成像視野范圍的矛盾，拼接后，成像視野擴(kuò)大了，而且圖像分辨率并沒有因此而下降，甚至利用圖像拼接技術(shù)能夠獲得更高分辨率的圖像，如超分辨率圖像。此外，圖像拼接技術(shù)在遙感衛(wèi)星拍攝、海底探測(cè)、軍事、醫(yī)學(xué)、視頻的壓縮、傳輸?shù)忍幚�、地質(zhì)勘測(cè)、物體三維重構(gòu)、辦案?jìng)刹榈缺姸囝I(lǐng)域都具有極其廣泛的應(yīng)用。按照拼接基準(zhǔn)投影面的不同，圖像拼接主要包含立方體拼接、柱面拼接、球面拼接、平面拼接等[5]。球面拼接，其實(shí)就是將兩幅圖像向規(guī)則的球面進(jìn)行投影的拼接；柱面拼接，其實(shí)就是將兩幅圖像向規(guī)則的柱面進(jìn)行投影的拼接。其中，最常見的是平面拼接，本文研究的就是關(guān)于平面圖像的拼接。圖像拼接的主要方法依據(jù)主要有基于灰度信息、基于變換域和基于特征進(jìn)行圖像拼接[6]。基于灰度信息的圖像拼接是取出一部分圖像中的像素作為模板，然后在另一幅具有重疊區(qū)域的圖像上尋找最為相似的圖像塊，然后采用兩幅圖像的信息對(duì)其對(duì)應(yīng)變換

【參考文獻(xiàn)】：
期刊論文
[1]基于改進(jìn)自適應(yīng)加權(quán)融合算法的土壤濕度監(jiān)測(cè)研究[J]. 王浩,董振振,趙景波,唐勇偉,段杰.  中國農(nóng)機(jī)化學(xué)報(bào). 2019(01)
[2]基于SURF算法的服裝3D人體特征點(diǎn)識(shí)別[J]. 董夢(mèng)嬌,袁曄.  北京服裝學(xué)院學(xué)報(bào)(自然科學(xué)版). 2018(04)
[3]紅外和可見光圖像泊松融合算法[J]. 何炳陽,張智詮,楊建昌,李辰,張宇.  光子學(xué)報(bào). 2019(01)
[4]基于PCA算法的人臉識(shí)別算法設(shè)計(jì)與實(shí)現(xiàn)[J]. 金傳洋,孫劍橋,邱雪歡,張惠民.  福建電腦. 2018(11)
[5]一種改進(jìn)的Harris與SIFT算子結(jié)合的圖像配準(zhǔn)算法[J]. 尚明姝,王克朝.  微電子學(xué)與計(jì)算機(jī). 2018(06)
[6]基于ORB特征點(diǎn)改進(jìn)型圖像拼接技術(shù)[J]. 梁偉銘,馮穎龍,朱元,吳志紅.  信息通信. 2017(12)
[7]圖像拼接方法綜述[J]. 羅群明,施霖.  傳感器與微系統(tǒng). 2017(12)
[8]虹膜區(qū)域預(yù)處理及紋理特征提取方法的研究[J]. 呂康東,呂曉琪,趙瑛.  現(xiàn)代電子技術(shù). 2017(16)
[9]中值濾波和小波變換相結(jié)合的圖像去噪研究（英文）[J]. 方挺,任文文.  無線互聯(lián)科技. 2016(14)
[10]低重疊率和弱紋理圖像的快速拼接算法[J]. 黃靜.  湖南科技大學(xué)學(xué)報(bào)(自然科學(xué)版). 2016(02)

博士論文
[1]基于局部特征的圖像配準(zhǔn)算法及應(yīng)用研究[D]. 張超.北京理工大學(xué) 2015
[2]無人機(jī)飛行途中視覺導(dǎo)航關(guān)鍵技術(shù)研究[D]. 宋琳.西北工業(yè)大學(xué) 2015

碩士論文
[1]基于特征的無人機(jī)遙感圖像拼接技術(shù)研究[D]. 曾海長(zhǎng).南昌航空大學(xué) 2018
[2]無人機(jī)圖像處理關(guān)鍵技術(shù)的研究與實(shí)現(xiàn)[D]. 溫爾雅.電子科技大學(xué) 2017
[3]基于雙目視覺的三維數(shù)字化技術(shù)研究與應(yīng)用[D]. 李超.廈門大學(xué) 2017
[4]基于多層次特征提取與匹配的視差圖像拼接算法研究[D]. 張晶晶.西南交通大學(xué) 2017
[5]改進(jìn)的SIFT算法及其在圖像拼接中的應(yīng)用[D]. 吳金津.湖南工業(yè)大學(xué) 2015
[6]增強(qiáng)現(xiàn)實(shí)中的圖像配準(zhǔn)方法研究[D]. 謝金哲.國防科學(xué)技術(shù)大學(xué) 2014
[7]基于局部不變特征圖像配準(zhǔn)的研究[D]. 王少武.合肥工業(yè)大學(xué) 2013
[8]一種基于特征點(diǎn)的圖像拼接技術(shù)研究[D]. 蓋進(jìn)偉.中北大學(xué) 2012
[9]基于特征點(diǎn)的圖像自動(dòng)拼接算法研究[D]. 田清吉.山東科技大學(xué) 2011



本文編號(hào)：3349765