【摘要】：通過(guò)工業(yè)相機(jī)采集字符圖像過(guò)程中因采集系統(tǒng)抖動(dòng)以及工件位置的偏移使得實(shí)際獲得的字符圖像存在一些平移、縮放和旋轉(zhuǎn)。為了方便對(duì)字符圖像進(jìn)一步處理與分析如字符缺陷檢測(cè),需要將實(shí)際獲得的字符圖像映射到標(biāo)準(zhǔn)字符圖像坐標(biāo)系中。因此使用圖像配準(zhǔn)技術(shù)來(lái)完成實(shí)際字符圖像與標(biāo)準(zhǔn)字符圖像配準(zhǔn)。為提高字符圖像配準(zhǔn)的精度與效率,針對(duì)實(shí)際獲取的字符圖像,使用浮動(dòng)字符與參考字符二值化差異像素點(diǎn)個(gè)數(shù)作為配準(zhǔn)優(yōu)化函數(shù)。為了準(zhǔn)確獲取二值字符,對(duì)字符圖像進(jìn)行濾波、增強(qiáng)的預(yù)處理,接著采用圖像分割方法完成字符圖像二值化。使用粒子群和人工蜂群算法對(duì)字符圖像配準(zhǔn)并針對(duì)這兩種尋優(yōu)算法的不足分別提出了改進(jìn)的算法并應(yīng)用在字符圖像配準(zhǔn)中。本文研究?jī)?nèi)容如下:針對(duì)實(shí)際采集字符圖像存在平移、縮放和旋轉(zhuǎn),不利于后續(xù)字符圖像分析如缺陷檢測(cè)的問(wèn)題,提出使用圖像配準(zhǔn)技術(shù)處理,提高字符圖像分析的準(zhǔn)確性。分析圖像配準(zhǔn)的特征空間、搜索空間、相似性度量以及搜索策略,結(jié)合實(shí)際字符圖像的特點(diǎn),提出使用二值化字符圖像差異像素點(diǎn)個(gè)數(shù)作為配準(zhǔn)的優(yōu)化函數(shù),并使用智能優(yōu)化算法提高配準(zhǔn)的精度。針對(duì)實(shí)際字符圖像存在噪聲、對(duì)比度不夠明顯的問(wèn)題,提出對(duì)引導(dǎo)濾波后圖像進(jìn)行小波增強(qiáng)的字符圖像預(yù)處理方法。為提高小波增強(qiáng)效果,提出了分段非線性高頻增強(qiáng)算法,很好保持字符圖像邊緣信息,有利于字符圖像分割。在對(duì)字符圖像分割中,提出了基于多因子復(fù)雜度的圖像分割算法,提高分割準(zhǔn)確度。針對(duì)標(biāo)準(zhǔn)粒子群算法在字符配準(zhǔn)中存在收斂速度慢、易陷入局部極值的問(wèn)題,提出了改進(jìn)的粒子群算法,采用非線性變化慣性權(quán)重和加速因子,并改進(jìn)粒子搜索策略,提高字符圖像配準(zhǔn)準(zhǔn)確度及收斂速度。針對(duì)標(biāo)準(zhǔn)人工蜂群算法個(gè)體探索能力差,收斂速度慢的問(wèn)題,提出了改進(jìn)的人工蜂群算法,用非輪盤(pán)賭概率模型替換原有的跟隨蜂輪盤(pán)賭概率模型,在跟隨蜂搜索策略上采用全局最優(yōu)個(gè)體引導(dǎo),加快搜索速度,在字符配準(zhǔn)中配準(zhǔn)精度及收斂速度均有提高。
【圖文】：

小了 100 倍，表中參數(shù)是已經(jīng)變換到仿射變換參數(shù)以便于分析表 4-1 Powell 尋優(yōu)算法配準(zhǔn)參數(shù)及誤差t11t21t31t12t22t32誤1.049 0.055 -2.207 -0.058 1.099 -2.082 1.053 0.059 -2.680 -0.057 1.098 -2.110 01.046 0.054 -2.040 -0.059 1.098 -2.030 01.058 0.042 -2.090 -0.050 1.080 -2.900 01.050 0.054 -2.230 -0.056 1.099 -2.170 01.049 0.055 -2.230 -0.057 1.102 -2.200 01.052 0.056 -2.370 -0.056 1.101 -2.240 01.048 0.054 -2.160 -0.057 1.099 -2.120 01.049 0.039 -1.500 -0.058 1.099 -2.090 0優(yōu)算法時(shí)間復(fù)雜度分析：圖像 1-8 經(jīng)過(guò) Powell 尋優(yōu)配準(zhǔn)耗時(shí)如為 1.291s。直方圖顯式如圖 4-3 所示，其中虛線為平均耗時(shí)。表 4-2 Powell尋優(yōu)算法配準(zhǔn)耗時(shí)(單位：秒) 1 2 3 4 5 6 7 8/s 1.965 1.398 1.031 0.800 1.266 1.134 1.100 1.6

圖 4-5 LDPSO 算法慣性權(quán)重隨迭代次數(shù)變換采用隨機(jī)慣性權(quán)重，，Eberhart 等人[68]提出隨整可以保持種群多樣性。0.5 ()2.0randw 策略也是讓?xiě)T性權(quán)重隨迭代次數(shù)減小，因?yàn)椴荒芎芎每刂扑惴ǖ拈_(kāi)發(fā)和探索能力，因此調(diào)整公式為： max minmaxmaxR w ww ww 性函數(shù)。本文使用的非線性調(diào)整的公式為： maxmax min minmaxt tw w w wt
【學(xué)位授予單位】：華南理工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2018
【分類號(hào)】：TP391.41

【參考文獻(xiàn)】

相關(guān)期刊論文 前4條

1 王崴;王曉軍;劉曉衛(wèi);周誠(chéng);;基于圖像復(fù)雜度的圖像分割算法[J];探測(cè)與控制學(xué)報(bào);2015年03期

2 侯晴宇;武春風(fēng);趙明;逯力紅;張偉;;基于似然函數(shù)最速下降的紅外與可見(jiàn)光圖像配準(zhǔn)[J];光子學(xué)報(bào);2011年03期

3 張麗;;對(duì)比度受限自適應(yīng)直方圖均衡方法[J];電腦知識(shí)與技術(shù);2010年09期

4 任小康;郝瑞芝;孫正興;史變霞;;基于單純形法的量子粒子群優(yōu)化算法[J];微電子學(xué)與計(jì)算機(jī);2010年01期

相關(guān)博士學(xué)位論文 前2條

1 韓霄松;快速群智能優(yōu)化算法的研究[D];吉林大學(xué);2012年

2 宋智禮;圖像配準(zhǔn)技術(shù)及其應(yīng)用的研究[D];復(fù)旦大學(xué);2010年

相關(guān)碩士學(xué)位論文 前2條

1 陳高;基于特征與灰度的醫(yī)學(xué)圖像配準(zhǔn)方法[D];廈門(mén)大學(xué);2009年

2 王金華;基于互信息的腦部核磁共振圖像配準(zhǔn)算法[D];華中科技大學(xué);2006年

本文編號(hào)：2700280