發(fā)布時間：2020-05-07 14:42

【摘要】：印刷業(yè)、出版業(yè)等行業(yè)對國民經(jīng)濟(jì)發(fā)展具有很重要的作用,在印刷、出版過程中精確地進(jìn)行紙張計數(shù)是這些行業(yè)面臨的重要問題之一。目前基于機(jī)器視覺的紙張計數(shù)系統(tǒng)主要針對較厚的紙張,不能適應(yīng)較薄紙張的計數(shù)。為了解決這個問題,本文提出了首先對紙張層疊圖像做圖像拼接,然后進(jìn)行紙張計數(shù)的方案。主要研究內(nèi)容和實(shí)驗(yàn)結(jié)果如下:(1)搭建了成像系統(tǒng),并分析了關(guān)鍵部件的選型。成像系統(tǒng)是紙張計數(shù)的基礎(chǔ),其主要功能是采集一系列紙張層疊圖像,該系統(tǒng)采用單相機(jī)成像,可以自上而下進(jìn)行拍攝一系列圖像;對成像系統(tǒng)中各種工業(yè)相機(jī)、光學(xué)鏡頭、光源做了對比,并根據(jù)紙張的厚度、側(cè)面特征等選用合適的器件類型;在拍攝到紙張層疊圖像后,對圖像的特征做了更進(jìn)一步分析,為后續(xù)的圖像拼接和紙張計數(shù)奠定了良好基礎(chǔ)。(2)提出針對紙張層疊圖像拼接的特征點(diǎn)提取算法。通過分析內(nèi)點(diǎn)和外點(diǎn)對應(yīng)紙張條紋骨架的關(guān)系,改進(jìn)RANSAC算法估計空間變換模型的精度。提取特征點(diǎn)過程中,首先用動態(tài)閾值分割處理圖像,將灰度圖像分割為二值圖像,再用數(shù)學(xué)形態(tài)學(xué)的方法處理圖像,其中,用開運(yùn)算平滑目標(biāo)輪廓、消除噪聲,用閉運(yùn)算填充孔洞、連接狹窄縫隙,然后用最大圓盤法實(shí)現(xiàn)圖像細(xì)化,得到紙張條紋的骨架特征,最后提取骨架的端點(diǎn)作為潛在特征點(diǎn),通過分析潛在特征點(diǎn)中內(nèi)點(diǎn)和外點(diǎn)與對應(yīng)的骨架長度之間的分布規(guī)律,設(shè)定骨架長度閾值,剔除部分骨架長度較小的潛在特征點(diǎn),從而提高內(nèi)點(diǎn)所占的比例,即重復(fù)率;最后,構(gòu)建特征向量,對具有平移關(guān)系的兩幅圖像中特征點(diǎn)匹配對的分布進(jìn)行分析,以改進(jìn)的DBSCAN聚類算法處理特征向量,通過RANSAC算法實(shí)現(xiàn)圖像拼接。(3)建立紙張厚度與壓力的關(guān)系模型,將模型與灰度投影法相結(jié)合,實(shí)現(xiàn)紙張計數(shù)。在圖像預(yù)處理階段,采用Hough變換對圖像進(jìn)行直線傾斜校正,然后,在對比了直方圖均衡化、線性灰度變換、理想高通濾波器和空間域卷積的圖像增強(qiáng)效果后,選擇直方圖均衡化突出圖像中的條紋特征;在圖像預(yù)處理后,為了解決紙張黏連以及紙張受壓變薄等問題,建立了紙張厚度與壓力關(guān)系模型來描述紙張厚度與層疊數(shù)量之間的關(guān)系,采用水平積分灰度投影法得到紙張層疊圖像的灰度投影曲線,然后將紙張厚度模型與灰度投影曲線相結(jié)合實(shí)現(xiàn)紙張計數(shù)。實(shí)驗(yàn)結(jié)果表明,本文提出的特征點(diǎn)提取算法可以有效地提取紙張層疊圖像中的特征點(diǎn),所提取特征點(diǎn)的重復(fù)率達(dá)到了大約60%,明顯優(yōu)于Harris、SUSAN、FAST等傳統(tǒng)算法;DBSCAN聚類算法與RANSAC算法相結(jié)合的方法相對于只用RANSAC算法進(jìn)行圖像拼接,可以顯著提高拼接圖像的質(zhì)量;最后本文對厚度約為0.08mm的紙張進(jìn)行計數(shù),計數(shù)精度達(dá)到了97%以上,取得了理想效果。
【圖文】：

1 緒論塔。b. 特征點(diǎn)提取在 DoG 圖像金字塔中，任意像素都可以用(t,r,x,y)表示，其中 t 為該像素所在 DoG 圖像金字塔的級數(shù)，r 為該像素所在第 t 級 DoG 圖像金字塔的尺度空間層數(shù)，x 和 y 為像素的坐標(biāo)。當(dāng)某像素d(t,r,x,y)的灰度值為其尺度空間 r 內(nèi) 8 鄰域內(nèi)的極值，且為第 r-1 和 r+1 層尺度空間圖像相同坐標(biāo)的 18 個像素的灰度值極值時，該點(diǎn)為其尺度空間中 3*3*3 鄰域內(nèi)的潛在特征點(diǎn),如圖 1.2 所示。第r+1層灰

1 緒論塔。b. 特征點(diǎn)提取在 DoG 圖像金字塔中，任意像素都可以用(t,r,x,y)表示，其中 t 為該像素所在 DoG 圖像金字塔的級數(shù)，r 為該像素所在第 t 級 DoG 圖像金字塔的尺度空間層數(shù)，x 和 y 為像素的坐標(biāo)。當(dāng)某像素d(t,r,x,y)的灰度值為其尺度空間 r 內(nèi) 8 鄰域內(nèi)的極值，，且為第 r-1 和 r+1 層尺度空間圖像相同坐標(biāo)的 18 個像素的灰度值極值時，該點(diǎn)為其尺度空間中 3*3*3 鄰域內(nèi)的潛在特征點(diǎn),如圖 1.2 所示。第r+1層灰
【學(xué)位授予單位】：鄭州大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2019
【分類號】：TP391.41;TS803

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 趙興鋒;楊彬卓;鄭志強(qiáng);;基于收縮分析和平方和規(guī)劃的特征點(diǎn)選擇[J];自動化與儀器儀表;2015年05期

2 郭一超;李清勇;孫靳睿;黃雅平;田媚;;基于局部對稱性的特征點(diǎn)加工策略及應(yīng)用[J];計算機(jī)科學(xué);2014年11期

3 許承慧;劉桂華;梁峰;;非特征點(diǎn)雙目測距技術(shù)研究[J];微型機(jī)與應(yīng)用;2013年22期

4 ;FaceFinder(人臉識別)系統(tǒng)研制[J];企業(yè)技術(shù)開發(fā);2009年04期

5 王斌;范瑞霞;李位星;高琪;;基于膚色檢測的小區(qū)域特征點(diǎn)跟蹤[J];微計算機(jī)信息;2006年07期

6 劉丹丹,張樹有,劉元開,譚建榮;一種基于特征點(diǎn)識別的曲線離散化方法[J];中國圖象圖形學(xué)報;2004年06期

7 云飛;;自動海圖[J];天津航海;1987年02期

8 吳義祥;;離散點(diǎn)掃描法及其在土工試驗(yàn)數(shù)據(jù)處理上的應(yīng)用[J];工程勘察;1988年01期

9 А·�！ど撤蚰�;于玉鳳;;利用相切點(diǎn)高度進(jìn)行樹干形狀的測定[J];中南林業(yè)調(diào)查規(guī)劃;1988年04期

10 李從珠;王乃斌;王清舉;吳林珍;;立體足跡壓痕特征定量化檢驗(yàn)的統(tǒng)計方法[J];應(yīng)用概率統(tǒng)計;1988年04期

相關(guān)會議論文 前10條

1 汪力;葉樺;夏良正;;利用特征點(diǎn)定位嘴巴[A];第二十六屆中國控制會議論文集[C];2007年

2 康文雄;鄧飛其;;基于特征點(diǎn)角度矩陣的靜脈識別方法[A];第二十七屆中國控制會議論文集[C];2008年

3 付洪川;王劍;萬嬋;趙建英;付凱;;圖像特征點(diǎn)匹配算法的研究與改進(jìn)[A];2009中國控制與決策會議論文集（1）[C];2009年

4 佘永業(yè);李熙瑩;趙有婷;;一種車輛的宏觀光流速度的計算方法[A];圖像圖形技術(shù)研究與應(yīng)用2009——第四屆圖像圖形技術(shù)與應(yīng)用學(xué)術(shù)會議論文集[C];2009年

5 許競;姜波;;攝像機(jī)運(yùn)動下特征點(diǎn)追蹤方法研究[A];2011下一代自動測試系統(tǒng)學(xué)術(shù)研討會論文集[C];2011年

6 韓廣良;陳小云;;利用多特征點(diǎn)搜索實(shí)現(xiàn)紙鈔圖像的狀態(tài)檢測[A];第九屆全國信息獲取與處理學(xué)術(shù)會議論文集Ⅱ[C];2011年

7 杜鵬飛;彭代強(qiáng);林幼權(quán);;基于二乘向量機(jī)的特征點(diǎn)配準(zhǔn)算法[A];第十四屆全國信號處理學(xué)術(shù)年會(CCSP-2009)論文集[C];2009年

8 李琳;董強(qiáng)強(qiáng);李樹屏;;賽馬總重心的位置及其特征代表點(diǎn)研究[A];第十八屆全國運(yùn)動生物力學(xué)學(xué)術(shù)交流大會（CABS 2016）論文集[C];2016年

9 舒志龍;阮秋琦;;基于KLT特征點(diǎn)跟蹤的圖象拼接[A];中國體視學(xué)學(xué)會圖像分析專業(yè)、中國體視學(xué)學(xué)會仿真與虛擬現(xiàn)實(shí)專業(yè)、中國航空學(xué)會信號與信息處理專業(yè)第一屆聯(lián)合學(xué)術(shù)會議論文集[C];2000年

10 介鳴;黃顯林;;基于月面特征點(diǎn)配準(zhǔn)的視覺導(dǎo)航[A];第25屆中國控制會議論文集（下冊）[C];2006年

相關(guān)重要報紙文章 前7條

1 洪宇;人臉識別僅需一秒鐘[N];科技日報;2004年

2 蔡濤 關(guān)景火 李德華;塑造“面子”[N];計算機(jī)世界;2002年

3 李韜;保衛(wèi)手機(jī)[N];計算機(jī)世界;2006年

4 本報記者 陳思 實(shí)習(xí)生 黃琳;數(shù)字警務(wù) 打造平安和諧綠城[N];鄭州日報;2006年

5 張寧;人物膚色的較色實(shí)例[N];中國包裝報;2002年

6 中國科學(xué)院自動化研究所模式識別國家重點(diǎn)實(shí)驗(yàn)室 周密邋陶建華;與電腦面談[N];計算機(jī)世界;2007年

7 本報記者 王宇;芯技術(shù)點(diǎn)亮未來[N];電腦報;2010年

相關(guān)博士學(xué)位論文 前10條

1 樊建偉;基于特征點(diǎn)的SAR圖像配準(zhǔn)算法研究[D];西安電子科技大學(xué);2017年

2 楊利敏;圖像特征點(diǎn)定位算法研究及其應(yīng)用[D];上海交通大學(xué);2008年

3 劉寶泉;干涉合成孔徑雷達(dá)測量關(guān)鍵技術(shù)研究[D];西安電子科技大學(xué);2008年

4 李旭東;基于特征點(diǎn)的增強(qiáng)現(xiàn)實(shí)三維注冊算法研究[D];天津大學(xué);2009年

5 廖斌;基于特征點(diǎn)的圖像配準(zhǔn)技術(shù)研究[D];國防科學(xué)技術(shù)大學(xué);2008年

6 易盟;基于特征點(diǎn)的圖像配準(zhǔn)及其在穩(wěn)像中的應(yīng)用[D];西安電子科技大學(xué);2013年

7 靳峰;基于特征的圖像配準(zhǔn)關(guān)鍵技術(shù)研究[D];西安電子科技大學(xué);2015年

8 羅楠;圖像局部不變特征的匹配算法及應(yīng)用研究[D];南京理工大學(xué);2015年

9 張少敏;基于熵圖估計的醫(yī)學(xué)圖像配準(zhǔn)中特征點(diǎn)和梯度特征研究[D];東北大學(xué);2011年

10 李建國;火星探測器自主光學(xué)著陸導(dǎo)航方法研究[D];哈爾濱工業(yè)大學(xué);2014年

相關(guān)碩士學(xué)位論文 前10條

1 章帆;實(shí)用化人臉識別系統(tǒng)的研究與應(yīng)用[D];武漢理工大學(xué);2017年

2 歐陽歡;影像線特征在三維重建中的應(yīng)用方法研究[D];戰(zhàn)略支援部隊信息工程大學(xué);2018年

3 廖天星;基于特征點(diǎn)的超聲散斑追蹤算法及彈性成像應(yīng)用研究[D];西南石油大學(xué);2018年

4 劉金達(dá);基于機(jī)器視覺的紙張計數(shù)方法研究[D];鄭州大學(xué);2019年

5 姚志生;基于雙目立體視覺機(jī)械尺寸檢測研究[D];安徽工業(yè)大學(xué);2018年

6 張豐;基于特征的目標(biāo)穩(wěn)定跟蹤技術(shù)[D];國防科學(xué)技術(shù)大學(xué);2016年

7 王宇佳;施工電梯安全門轉(zhuǎn)角檢測方法研究[D];西安理工大學(xué);2018年

8 來昊;計算機(jī)輔助顱骨特征點(diǎn)標(biāo)定方法研究[D];西北大學(xué);2018年

9 陸超華;基于厚度特征的兵馬俑碎片匹配技術(shù)研究[D];西北大學(xué);2018年

10 趙瑞欣;基于角點(diǎn)結(jié)構(gòu)特征的運(yùn)動匹配[D];西華大學(xué);2018年

本文編號：2653130