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、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)致在人工檢測的過程中容易出現(xiàn)漏檢、誤檢、尺寸檢測不準等問題�；跈C器視覺的檢測技術(shù)可有效代替人工實現(xiàn)模壓制品缺陷檢測。但是,作為本文研究對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。本文的主要研究內(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比,采用基于灰度共生矩陣的方法對復(fù)合材料紋理的特征進行全局性描述,分析了圖像噪聲對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。為了實現(xiàn)對復(fù)合材料模壓制品圖像的拼接,采用一種粗細匹配相結(jié)合的配準方法,通過均分法對復(fù)合材料模壓制品圖像進行分塊處理,在每個分塊內(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)位級別】：碩士

【部分圖文】：

內(nèi)窺鏡兩次拍攝區(qū)域示意圖

紋、麻點、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)致在人工檢測的過程中容易出現(xiàn)漏檢、誤檢、尺寸檢測不準等問題。基于機器視覺的檢測技術(shù)可有效代替人工實現(xiàn)模壓制品缺陷檢測。但是，作為本文研究對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、對比度、灰度等特征，計算出其特征參數(shù)基礎(chǔ)數(shù)據(jù)的取值范圍，對后續(xù)圖像拼接和缺陷檢測提供必要的特征依據(jù)，進而提高缺陷檢測的效率和降低人工成本。因此，研究如何基于紋理圖像實現(xiàn)全景圖像的功能，將拍攝的多幅具有共同點的圖像拼接成大場景的圖像就顯得具有較強的現(xiàn)實意義和實際應(yīng)用價值。

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、軍事、醫(yī)學(xué)、視頻的壓縮、傳輸?shù)忍幚�、地質(zhì)勘測、物體三維重構(gòu)、辦案偵查等眾多領(lǐng)域都具有極其廣泛的應(yīng)用。按照拼接基準投影面的不同，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，其實就是將兩幅圖像向規(guī)則的球面進行投影的拼接；柱面拼接，其實就是將兩幅圖像向規(guī)則的柱面進行投影的拼接。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行圖像拼接[6]�；诨叶刃畔⒌膱D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其對應(yīng)變換

【參考文獻】：
期刊論文
[1]基于改進自適應(yīng)加權(quán)融合算法的土壤濕度監(jiān)測研究[J]. 王浩,董振振,趙景波,唐勇偉,段杰.  中國農(nóng)機化學(xué)報. 2019(01)
[2]基于SURF算法的服裝3D人體特征點識別[J]. 董夢嬌,袁曄.  北京服裝學(xué)院學(xué)報(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. 2019(01)
[4]基于PCA算法的人臉識別算法設(shè)計與實現(xiàn)[J]. 金傳洋,孫劍橋,邱雪歡,張惠民.  福建電腦. 2018(11)
[5]一種改進的Harris與SIFT算子結(jié)合的圖像配準算法[J]. 尚明姝,王克朝.  微電子學(xué)與計算機. 2018(06)
[6]基于ORB特征點改進型圖像拼接技術(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(自然科學(xué)版). 2016(02)

博士論文
[1]基于局部特征的圖像配準算法及應(yīng)用研究[D]. 張超.北京理工大學(xué) 2015
[2]無人機飛行途中視覺導(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]基于特征的無人機遙感圖像拼接技術(shù)研究[D]. 曾海長.南昌航空大學(xué) 2018
[2]無人機圖像處理關(guān)鍵技術(shù)的研究與實現(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]增強現(xiàn)實中的圖像配準方法研究[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的研究[D]. 王少武.合肥工業(yè)大學(xué) 2013
[8]一種基于特征點的圖像拼接技術(shù)研究[D]. 蓋進偉.中北大學(xué) 2012
[9]基于特征點的圖像自動拼接算法研究[D]. 田清吉.山東科技大學(xué) 2011



本文編號：3349765