[發明專利]一種基于視覺的連接器表面特征自動識別方法

有效

• 申請號: 201410017402.2
• 申請日: 2014-01-15
• 公開（公告）號: CN103729631B
• 公開（公告）日: 2017-01-18
• 發明（設計）人: 周朗明;張小虎;關棒磊
• 申請（專利權）人: 中國人民解放軍國防科學技術大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/20
• 代理公司: 湖南省國防科技工業局專利中心43102
• 代理人: 馮青

1.一種基于視覺的連接器表面特征自動識別方法，其特征在于，過程為：采集基準圖像和實測圖像，然后使用偽Zernike矩對基準圖像和實測圖像的特征計算不變矩特征向量距離，然后采用魯棒的SIFT特征匹配算法提供嚴密的相似特征，最后將偽Zernkie距離系數同SIFT匹配系數一起構成線性可分的二維特征向量，最后對特征向量進行分類，得出相似或者不相似的結果，具體如下：

第一步：采集基準圖像和實測圖像

利用工業CCD設備采集具有指定特征的樣品圖像作為基準圖像，實測圖像指實際待檢產品的圖像，設采集到的基準圖像和實測圖像分別為?和；

第二步：計算基準圖像和實測圖像的不變矩特征向量

不變矩是圖像特征識別中的常用評價指標，即通過提取具有仿射不變的圖像特征，采用、Zernike矩、偽Zernike矩進行圖像相似度的評價，Zernike及偽Zernike不變矩的定義如下：

Zernike矩是在一組正交矩，重復率為m的n階Zernike矩定義為：

?????????(1)

其中，是灰度圖像的極坐標表達函數，為映射到單位圓內的灰度圖像坐標在極坐標系下的距離參數，為映射到單位圓內的灰度圖像坐標在極坐標系下的角度參數，?

偽Zernike不變矩中的基由極坐標表示，在二維離散空間中，需要將圖像坐標映射到單位圓內，將其映射到單位圓內的公式為：

?????????(8)

用于特征識別的不變矩為式（8）所表示的偽Zernike矩的模，由于高階矩中的圖像信息更多，因此本方法中采用6,7,8,9,10階不變矩作為粗篩選的特征向量，在本步中對基準圖像和實測圖像進行二值分割，得到特征表達區域的二值影像，記基準圖像和實測圖像的二值化影像分別為和，?按照式（8）計算和的高階偽Zernike不變矩組成的特征向量，；

第三步：計算不變矩匹配系數

以不變矩特征向量的歐式距離作為相似度距離評判標準，公式如下式：

???????????????????????????(9)

其中，表示基準圖像的偽Zernike不變矩特征向量，表示實測圖像的偽Zernike不變矩特征向量，將該歐式距離作為評判標準同設定的初篩選閾值進行比較，若小于閾值，則認為特征相似，否則認為特征不相似，計算特征向量同的歐氏距離，將其作為不變矩匹配系數，并同設定的初篩選閾值比較，對大于或等于初篩選閾值的樣本直接判為不相似，結束本次特征識別過程，對于小于初篩選閾值的樣本進入下一步，

第四步：計算SIFT特征匹配系數

對基準圖像和實測圖像進行SIFT特征提取后，以128維特征向量之間的歐式距離作為同名點匹配的相似度準則對特征點進行匹配，獲取基準圖像和實測圖像的同名點對，仿射變換如下式：

???????????????(10)

在得到對同名點后，可解算出上式的仿射變換系數，將匹配點轉換到統一的坐標系后，計算出同名點的平均距離，為了增強不同特征的可分性，將匹配點數考慮進來，構建如下的匹配系數：

?????????????????????(11)

上式表明，匹配系數與匹配點數成反比，與同名點距離中誤差成正比，匹配點數小于3對的時候，將匹配系數賦為一個大值，結合實際影像的特點將該大值設為1000；

第五步：分類器判定相似或者不相似

按照式（9）和式（11）取不變矩匹配系數和SIFT匹配系數構

成二維的特征向量，利用線性判別函數進行分類得出相似和不相似的結果，完成基準圖像與實測圖像的特征識別過程。

2.根據權利要求1所述的一種基于視覺的連接器表面特征自動識別方法，其特征在于，所述為映射到單位圓內的灰度圖像坐標在極坐標系下的角度參數，計算公式如下：

???????????????????(2)

???????????????????(3)

是Zernike徑向多項式，定義為：

????????????(4)

其中，為正整數，可取正負整數，且有，偶數，對式(4)的傳統徑向多項式稍加改造，即可推導出如下的偽Zernike徑向多項式：

????????????(5)

其中為正整數，可取正負整數，且有。