基于計(jì)算機(jī)視覺(jué)的鈑金零件尺寸測(cè)量具有高效、低成本及自動(dòng)化等優(yōu)點(diǎn)。對(duì)超過(guò)成像系統(tǒng)視場(chǎng)的大尺寸鈑金零件,需分段采集存在重疊區(qū)域的鈑金圖像,通過(guò)圖像拼接合成完整的鈑金圖像。本文重點(diǎn)研究了基于相位相關(guān)法、基于點(diǎn)特征匹配和基于深度學(xué)習(xí)的鈑金圖像拼接技術(shù),主要工作有:（1）針對(duì)特征稀少、輪廓對(duì)稱的鈑金圖像提出了一種穩(wěn)健的基于輪廓的相位相關(guān)法的拼接方法。首先,選取等大小的包含重疊部分的區(qū)域并提取輪廓;其次,利用相位相關(guān)法對(duì)輪廓圖求取配準(zhǔn)參數(shù);最后,將輪廓圖的配準(zhǔn)參數(shù)轉(zhuǎn)換為原始待拼接鈑金圖像的配準(zhǔn)參數(shù),實(shí)現(xiàn)鈑金圖像拼接。實(shí)驗(yàn)結(jié)果表明,該拼接方法對(duì)特征稀少,輪廓對(duì)稱的只存在平移關(guān)系的鈑金圖像具有較強(qiáng)的抗干擾能力,速度快,能得到較準(zhǔn)確的配準(zhǔn)參數(shù)和拼接效果。（2）針對(duì)基于點(diǎn)特征配準(zhǔn)的自然圖像拼接方法應(yīng)用于特征稀少的鈑金圖像拼接效果差,提出一種改進(jìn)方法。該方法首先提取Fast特征點(diǎn)并對(duì)其篩選;其次,利用模板區(qū)域采樣灰度特征,通過(guò)設(shè)置旋轉(zhuǎn)角度和縮放比例作為搜索域,結(jié)合結(jié)構(gòu)相似性（SSIM）方法完成點(diǎn)匹配;最后,通過(guò)點(diǎn)匹配結(jié)果求配準(zhǔn)參數(shù),利用3σ原則去除異常值得到最終結(jié)果。實(shí)驗(yàn)結(jié)果表明,在角度搜索域?yàn)閇-45

【文章來(lái)源】：西南科技大學(xué)四川省

【文章頁(yè)數(shù)】：80 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖像拼接基本流程圖

001345012mmmmmmH (2-4)其中，25m ,m表示圖像間的 x,y 方向上的平移參量，0,1,3,4m mmm表示圖像間的旋轉(zhuǎn)、縮放參量。透視變換模型：圖像中的直線透視變換之后仍然為直線，但是之間的平行關(guān)系可能不再成立，即允許存在拉伸變形等情況發(fā)生，其形式更普遍，其矩陣 H 如下： 167345012mmmmmmmmH (2-5)圖 2-2 從幾何差異上表述了剛性變換、相似性變換、仿射變換和透視變換模型。

西南科技大學(xué)碩士研究生學(xué)位論文 第 14 頁(yè)限性，對(duì)圖像灰度變化比較敏感，并且不能直接用于含有旋轉(zhuǎn)，縮放等情形的圖像配準(zhǔn)中。(1)基于特征的圖像配準(zhǔn)基于灰度信息的圖像配準(zhǔn)方法存在計(jì)算量大，速度慢等缺點(diǎn)，為了提高配準(zhǔn)精準(zhǔn)度及速度，研究者提出了利用圖像特征進(jìn)行配準(zhǔn)方法，該類(lèi)方法選取圖像顯著特征作為配準(zhǔn)輸入信號(hào)，估算圖像之間的變換模型參量。一般地，首先進(jìn)行預(yù)處理圖像，提取圖像底層特征，然后利用相似度函數(shù)搜索計(jì)算出匹配的特征對(duì)集合，最后利用特征對(duì)對(duì)應(yīng)關(guān)系求出配準(zhǔn)參數(shù)。根據(jù)選取的特征及特征匹配方法不同，具體配準(zhǔn)方法不同，但主要步驟基本相同，具體流程如下圖 2-3 所示。

【參考文獻(xiàn)】：
期刊論文
[1]軸表面熒光磁粉檢測(cè)缺陷圖像的快速展開(kāi)拼接[J]. 王正成,卜雄洙,韓偉,牛杰.  無(wú)損檢測(cè). 2018(01)
[2]基于改進(jìn)Canny算法的工件邊緣檢測(cè)方法[J]. 劉克平,李西衛(wèi),隋吉雷,李巖.  廣西大學(xué)學(xué)報(bào)(自然科學(xué)版). 2017(06)
[3]基于FAST特征點(diǎn)配準(zhǔn)與概率模型匹配的工件圖像拼接算法[J]. 方小艷.  自動(dòng)化技術(shù)與應(yīng)用. 2017(10)
[4]一種結(jié)合相位相關(guān)法和AKAZE算法的紋理缺乏地區(qū)影像匹配技術(shù)[J]. 王瑞瑞,馮伍法,張艷,王濤,于英,王淑香.  測(cè)繪通報(bào). 2017(04)
[5]生成式對(duì)抗網(wǎng)絡(luò)GAN的研究進(jìn)展與展望[J]. 王坤峰,茍超,段艷杰,林懿倫,鄭心湖,王飛躍.  自動(dòng)化學(xué)報(bào). 2017(03)
[6]結(jié)合Canny算法和Hough變換的軸類(lèi)零件邊緣提取[J]. 王會(huì)江.  機(jī)電工程技術(shù). 2016(09)
[7]改進(jìn)迭代最近點(diǎn)法的亞像素級(jí)零件圖像配準(zhǔn)[J]. 鄒湘軍,林桂潮,唐昀超,馮文賢,劉念,羅陸鋒.  計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào). 2016(08)
[8]基于改進(jìn)Lucas-Kanade的亞像素級(jí)零件圖像配準(zhǔn)[J]. 林桂潮,張青,鄒湘軍.  計(jì)算機(jī)應(yīng)用研究. 2017(05)
[9]結(jié)合HVS和循環(huán)平移Contourlet變換的多聚焦圖像融合[J]. 楊勇,萬(wàn)偉國(guó),黃淑英,闕越,黃旋.  小型微型計(jì)算機(jī)系統(tǒng). 2016(06)
[10]基于IHS變換和Curvelet變換的衛(wèi)星遙感圖像融合方法[J]. 肖化超,周詮,鄭小松.  華南理工大學(xué)學(xué)報(bào)(自然科學(xué)版). 2016(01)

碩士論文
[1]零件表面缺陷檢測(cè)中基于壓縮感知的圖像拼接算法研究與應(yīng)用[D]. 徐殷.華東交通大學(xué) 2016
[2]精密零件全息圖像拼接與融合技術(shù)研究[D]. 姚佳寶.浙江理工大學(xué) 2016
[3]非小細(xì)胞肺癌PET/CT圖像像素級(jí)融合研究[D]. 魏興瑜.寧夏醫(yī)科大學(xué) 2015
[4]基于D-S證據(jù)理論的多傳感器決策級(jí)圖像融合的算法研究[D]. 江金娜.哈爾濱理工大學(xué) 2015
[5]基于機(jī)器視覺(jué)的微小零件尺寸測(cè)量技術(shù)研究[D]. 劉國(guó)陽(yáng).哈爾濱工業(yè)大學(xué) 2014
[6]基于機(jī)器視覺(jué)的批量零件自動(dòng)檢測(cè)系統(tǒng)的研制與工程應(yīng)用[D]. 談高超.東華大學(xué) 2014
[7]基于機(jī)器視覺(jué)的零件幾何量測(cè)量方法研究與系統(tǒng)開(kāi)發(fā)[D]. 陳華江.東華大學(xué) 2011
[8]基于圖像拼接的零件幾何尺寸的圖像測(cè)量算法的研究[D]. 薛琴.廣東工業(yè)大學(xué) 2007
[9]基于計(jì)算機(jī)視覺(jué)的齒輪質(zhì)量檢測(cè)系統(tǒng)研究[D]. 任翠池.天津理工大學(xué) 2007



本文編號(hào)：3040008