基于深度学习的复合材料圆孔检测方法研究
发布时间：2021-06-03 22:45
近年来由于性能优势,航空工业中复合材料的使用量正在不断地增加,但其丰富的表面纹理信息同时也为视觉测量带来了挑战,因此复合材料零件圆孔的视觉测量成为了机器人制孔视觉测量系统的关键问题之一。复合材料圆孔检测的难点在于其复杂的纹理信息,传统的圆检测算法容易受到纹理的干扰,在复合材料的圆检测问题中识别率过低,会严重降低机器人制孔的加工效率。针对上述问题和挑战,本文研究了基于纹理分割、深度学习和半监督学习的高精度复合材料圆检测方法,主要创新点有:（1）针对复合材料复杂的纹理信息,提出了一种基于LBP（Local Binary Patterns）改进的纹理分割方法——LEP（Local Exponential Patterns）。LEP算法舍弃了 LBP过多的二进制模式,并给二进制的值赋予了意义,中心像素的LEP值不仅反映了该像素周围区域的纹理信息,还表达了该区域纹理数量的多少。LEP算法使得具有相似纹理信息和纹理数量的像素具有相同的LEP值,非常适用于纹理图像的分割,并且具有灰度不变性和旋转不变性。（2）在LEP算法的基础上,进一步提出了基于纹理分割的圆孔检测方法。在纹理分割算法的基础上,设计了...
【文章来源】：浙江大学浙江省 211工程院校 985工程院校 教育部直属院校
【文章页数】：79 页
【学位级别】：硕士
【部分图文】：
图１－１四种典型的复合材料纹理类型??
原始的ＬＢＰ算子定义在局部３＊３的邻域内，将与中心像素相邻的８个像素的灰度值与??邻域中心的像素值进行比较，以中心像素值为阈值，若周围像素大于中心像素值，则该像??素点的位置被标记为１，否则为０。如图２－１所示，３＊３邻域内的８个点经过比较可以产生８??位二进制数，将这８位二进制数依次排列形成一个二进制数字，这个二进制数字就是中心??像素的ＬＢＰ值，ＬＢＰ值共有２５６种可能。中心像素的ＬＢＰ值反映了该像素周围区域的纹??理信息。??２５?４２?６５?０?０?＾??Ｈｉ?％?Ｖ?Ｗ?Ｂｉｎａｒｙ：?００１０１０１１?????—￣ｊ＾＿＿＿?Ｄｅｃｉｍａｌ：?４３??１２８?３６?１６４?Ｔｈｒｅｓｈｏｌｄ?－ｊ?〇?ｔ??图２－１?ＬＢＰ算法原理??设某像素点的坐标为（％，ｙｐ），则该点的ＬＢＰ值可表示为：??ＬＢＰ｛ｘｐ，?ｙｐ）?＝?ｓ（ｌｎ?－?ｌｐ）２ｎ?（２－１）??７１＝０??式中表示中心像素（ａ；ｐ，ｙｐ）的灰度值，表示８领域的灰度值，函数ｓ（ｋ）有如下定??义：??ｆ?１?ｉｆ?ｋ＞０??ｓ（ｋ）?＝?一?（２－２）??［０?ｉｆ?ｋ＜０??从上述ＬＢＰ算子的原理可以看出，ＬＢＰ算子具有局部的灰度不变性，但却没有旋转不??变性。图像的旋转就会得到不同的ＬＢＰ值。Ｍａｅｎｐａａ等人又将ＬＢＰ算子进行了扩展，提出??了提出了旋转不变局部二值模式（Ｒｏｔａｔｉｏｎ?Ｉｎｖａｒｉａｎｔ?Ｌｏｃａｌ?Ｂｉｎａｒｙ?Ｐａｔｔｅｒｎｓ
２基于ＬＢＰ改进的纹理分割算法??本章将ＬＥＰ算法与ＬＢＰ及其改进算法ＲＩＬＢＰ、ＵＬＢＰ在三组纹理类型不同的复合材料??圆孔图像上进行了实验对比，结果如图２－３所示。从图中可以看出，４钟算法的结果都能很??明显的看出圆孔区域与周围纹理的差异，但是ＬＢＰ及其改进算法在图像纹理区域产生了大??量的噪声，非常不利于随后的边缘检测和椭圆拟合，而ＬＥＰ处理后的图像不仅更加显著的??区分了圆孔区域和纹理区域，而且在纹理区域以及圆孔区域的内部像素值都非常接近。因??此ＬＥＰ算法在复合材料的圆孔分割中展现了很大的优势。??Ｏｒｉｇｉｎａｌ?Ｉｍａｇｅ?ＬＢＰ?ｍａｐ?Ｒ１ＬＢＰ?ｍａｐ?ＵＬＢＰ?ｍａｐ?ＬＥＰ?ｍａｐ??邏??（ａ）?（ｂ）?（ｃ）?（ｄ）?（ｅ）??图２－３?ＬＥＰ与ＬＢＰ系列算法实验对比图??２．４本章小结??本章主要介绍了一种在ＬＢＰ基础上改进的纹理分割算法?ＬＥＰ?（Ｌｏｃａｌ?Ｅｘｐｏｎｅｎｔｉａｌ??Ｐａｔｔｅｒｎｓ，局部指数模式），包括纹理特征简介、ＬＢＰ及其改进算法的原理及缺点、ＬＥＰ算法??的原理和特性，并在三组复合材料圆孔图像上进行了实验对比，进而分析了?ＬＥＰ算法在复??合材料纹理分割上相对于ＬＥＰ及其改进算法的优势。本章内容是实现基于纹理分割的圆孔??捡测的前提，也是后续生成半监督语义标签的基础。??１５??
本文编号：3211392
【文章来源】：浙江大学浙江省 211工程院校 985工程院校 教育部直属院校
【文章页数】：79 页
【学位级别】：硕士
【部分图文】：
图１－１四种典型的复合材料纹理类型??
原始的ＬＢＰ算子定义在局部３＊３的邻域内，将与中心像素相邻的８个像素的灰度值与??邻域中心的像素值进行比较，以中心像素值为阈值，若周围像素大于中心像素值，则该像??素点的位置被标记为１，否则为０。如图２－１所示，３＊３邻域内的８个点经过比较可以产生８??位二进制数，将这８位二进制数依次排列形成一个二进制数字，这个二进制数字就是中心??像素的ＬＢＰ值，ＬＢＰ值共有２５６种可能。中心像素的ＬＢＰ值反映了该像素周围区域的纹??理信息。??２５?４２?６５?０?０?＾??Ｈｉ?％?Ｖ?Ｗ?Ｂｉｎａｒｙ：?００１０１０１１?????—￣ｊ＾＿＿＿?Ｄｅｃｉｍａｌ：?４３??１２８?３６?１６４?Ｔｈｒｅｓｈｏｌｄ?－ｊ?〇?ｔ??图２－１?ＬＢＰ算法原理??设某像素点的坐标为（％，ｙｐ），则该点的ＬＢＰ值可表示为：??ＬＢＰ｛ｘｐ，?ｙｐ）?＝?ｓ（ｌｎ?－?ｌｐ）２ｎ?（２－１）??７１＝０??式中表示中心像素（ａ；ｐ，ｙｐ）的灰度值，表示８领域的灰度值，函数ｓ（ｋ）有如下定??义：??ｆ?１?ｉｆ?ｋ＞０??ｓ（ｋ）?＝?一?（２－２）??［０?ｉｆ?ｋ＜０??从上述ＬＢＰ算子的原理可以看出，ＬＢＰ算子具有局部的灰度不变性，但却没有旋转不??变性。图像的旋转就会得到不同的ＬＢＰ值。Ｍａｅｎｐａａ等人又将ＬＢＰ算子进行了扩展，提出??了提出了旋转不变局部二值模式（Ｒｏｔａｔｉｏｎ?Ｉｎｖａｒｉａｎｔ?Ｌｏｃａｌ?Ｂｉｎａｒｙ?Ｐａｔｔｅｒｎｓ
２基于ＬＢＰ改进的纹理分割算法??本章将ＬＥＰ算法与ＬＢＰ及其改进算法ＲＩＬＢＰ、ＵＬＢＰ在三组纹理类型不同的复合材料??圆孔图像上进行了实验对比，结果如图２－３所示。从图中可以看出，４钟算法的结果都能很??明显的看出圆孔区域与周围纹理的差异，但是ＬＢＰ及其改进算法在图像纹理区域产生了大??量的噪声，非常不利于随后的边缘检测和椭圆拟合，而ＬＥＰ处理后的图像不仅更加显著的??区分了圆孔区域和纹理区域，而且在纹理区域以及圆孔区域的内部像素值都非常接近。因??此ＬＥＰ算法在复合材料的圆孔分割中展现了很大的优势。??Ｏｒｉｇｉｎａｌ?Ｉｍａｇｅ?ＬＢＰ?ｍａｐ?Ｒ１ＬＢＰ?ｍａｐ?ＵＬＢＰ?ｍａｐ?ＬＥＰ?ｍａｐ??邏??（ａ）?（ｂ）?（ｃ）?（ｄ）?（ｅ）??图２－３?ＬＥＰ与ＬＢＰ系列算法实验对比图??２．４本章小结??本章主要介绍了一种在ＬＢＰ基础上改进的纹理分割算法?ＬＥＰ?（Ｌｏｃａｌ?Ｅｘｐｏｎｅｎｔｉａｌ??Ｐａｔｔｅｒｎｓ，局部指数模式），包括纹理特征简介、ＬＢＰ及其改进算法的原理及缺点、ＬＥＰ算法??的原理和特性，并在三组复合材料圆孔图像上进行了实验对比，进而分析了?ＬＥＰ算法在复??合材料纹理分割上相对于ＬＥＰ及其改进算法的优势。本章内容是实现基于纹理分割的圆孔??捡测的前提，也是后续生成半监督语义标签的基础。??１５??
本文编号：3211392
本文链接：https://www.wllwen.com/kejilunwen/hangkongsky/3211392.html
