基于SURF-LBP特征集成的汽车轮毂型号识别系统研究

发布时间：2021-01-26 12:40

　　随着工业4.0和中国制造2025的相继提出,智能制造成为工业制造领域的发展方向。近年来,机器视觉技术、模式识别技术、以机器学习为代表的人工智能技术发展迅猛,并且被越来越多地应用到实际生产、制造中,发挥出了超越常规方法的优良性能。为了提高汽车轮毂生产的自动化水平,取代人工识别轮毂型号的方式,本课题将机器视觉技术和模式识别技术应用于汽车轮毂型号识别中,对汽车轮毂型号识别方法进行了深入的研究。论文主要工作及结论如下:（1）为了获取汽车轮毂图像的感兴趣区域,从而避免一些背景噪声的影响并且减少后续算法处理的计算量,分别从图像滤波、图像阈值分割、二值形态学运算三个方面进行研究。对几种常用滤波算法、阈值分割算法、二值形态学算法进行了理论探讨和实验分析,并通过对比确定了相应的处理算法和运行参数;最后运用轮廓查找与拟合、矩形边界逼近的方法获取轮毂图像的感兴趣区域。（2）通过分析各型号轮毂的特点,明确了需要从形状和纹理两个角度综合表达轮毂的特征。为了兼顾识别的准确性、鲁棒性以及识别速率,选择提取轮毂图像的SURF特征以反映轮毂的形状信息,提取轮毂图像的LBP特征以反映轮毂的纹理信息;针对SURF特征和LB... 

【文章来源】：江苏大学江苏省

【文章页数】：74 页

【学位级别】：硕士

【部分图文】：

德国YXLONMU231系统

基于SURF-LBP特征集成的汽车轮毂型号识别系统研究8灰度值来代替该像素点的灰度值。给定图像yxf),(中的某个像素点nm),(，取其邻域N，设N中含有M个像素点，计算这M个像素点的平均灰度值，并以此代替像素点nm),(的灰度值。因此，经滤波后，该像素点对应的输出为：NyxyxfMyxg),(),(1),(（2.1）最后，利用系数模板与滑窗的方式即可对整张图像进行滤波操作。图2.1为轮毂库中Q19型轮毂的某张样本图像；图2.2为Q19型轮毂图像需要分割出的ROI。图2.1Q19型号轮毂图像Fig.2.1Q19typehubimage图2.2Q19型号轮毂图像ROIFig.2.2Q19typehubimageROI均值滤波系数模板的大小需要根据源图特点和处理需求进行调试后确定，常用的模板大小有33、55和77等。用这三种不同大小的模板对轮毂图像进行均值滤波，结果如图2.3所示。

基于SURF-LBP特征集成的汽车轮毂型号识别系统研究8灰度值来代替该像素点的灰度值。给定图像yxf),(中的某个像素点nm),(，取其邻域N，设N中含有M个像素点，计算这M个像素点的平均灰度值，并以此代替像素点nm),(的灰度值。因此，经滤波后，该像素点对应的输出为：NyxyxfMyxg),(),(1),(（2.1）最后，利用系数模板与滑窗的方式即可对整张图像进行滤波操作。图2.1为轮毂库中Q19型轮毂的某张样本图像；图2.2为Q19型轮毂图像需要分割出的ROI。图2.1Q19型号轮毂图像Fig.2.1Q19typehubimage图2.2Q19型号轮毂图像ROIFig.2.2Q19typehubimageROI均值滤波系数模板的大小需要根据源图特点和处理需求进行调试后确定，常用的模板大小有33、55和77等。用这三种不同大小的模板对轮毂图像进行均值滤波，结果如图2.3所示。


本文编号：3001132