多视图视觉检测关键技术及其应用研究
发布时间：2021-06-25 14:47
机器视觉是一种理想的非接触检测技术,对于提高生产效率和提升产品质量有着重要的意义,具有广阔的应用和发展前景。图像处理是机器视觉的核心技术之一,能否从图像中得到准确的分析结果决定了机器视觉检测的成败。如何对图像提取合理、有效的特征长期以来都是图像处理等领域中的研究热点,是决定算法性能的关键因素。图像特征表示方法的发展为视觉检测应用打下坚实的理论基础,而有效利用多视图像的信息为提高机器视觉检测能力提供了新的方法,例如增强对模型的特征描述能力以及扩大检测的视场范围。本课题围绕多视图视觉检测理论与应用中的关键问题展开研究,提出相应的解决方法。本论文共分为七章,各章的主要研究内容如下:第一章,阐述了课题的研究背景和意义,综述了机器视觉的发展与应用概况,同时介绍了图像特征表示理论、多视图特征表示、图像质量评价、多视图像拼接等领域的研究现状,分析了多视图视觉检测研究面临的主要问题,并阐明了本课题的主要研究内容。第二章,对基于视图的三维物体特征描述问题进行研究,提出一种多视图目标特征融合方法。算法采用词袋模型对图像提取特征,解决了传统视觉单词量化过程中的歧义性问题,得到准确的视觉单词频率直方图特征向量...
【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】：156 页
【学位级别】：博士
【部分图文】：
图１．１机器视觉检测应用??机器视觉的主要功能是实现对产品或过程的自动检测，具体应用可归纳为图像识别、??
—轮廊图深賴??图２．１相机阵列法获取视图??以上方法需要首先估计三维模型的空间姿态并且依赖预先设计的相机阵列来捕获多??个视图，另外一类方法则从大型视图池中选出具有代表性的视图。例如，ＡＶＣ算法［９４］从??３２０个初始视图中挑选出最能代表三维模型的２０至４０张特色视图，利用贝叶斯信息准则??进行自适应视图聚类。ＣＣＦＶ算法［９６］取消了对相机分布的约束而对一组自由获取的视图进??行聚类，从生成的视图簇中挑选三维模型的代表性视图。视图聚类方法的优点是不需要严??格的相机阵列设计，图像获取方式相对自由，但前提是建立的视图池必须足够大，而真正??被使用的仅是其中很小的一部分，这无疑会造成巨大的冗余同时增加视图获取的成本。??＿＿＿?ｍ??ＨＰＢ?Ｂｔｉ，?，；ｓｍ?／?■??■■■?■?■??图２．２聚类法获取代表性视图??此外，还有采用合成视图的方法来表示三维模型信息，例如空间结构环形描述符??（ＳＳＣＤｆ＇全景描述符（ＰＡＮＯＲＡＭＡ）１９８１等。不论是使用预先设计的相机阵列还是建立视??图池都不能方便地获得代表性视图
ＨＰＢ?Ｂｔｉ，?，；ｓｍ?／?■??■■■?■?■??图２．２聚类法获取代表性视图??此外，还有采用合成视图的方法来表示三维模型信息，例如空间结构环形描述符??（ＳＳＣＤｆ＇全景描述符（ＰＡＮＯＲＡＭＡ）１９８１等。不论是使用预先设计的相机阵列还是建立视??图池都不能方便地获得代表性视图，而生成合成视图的方式同样难以满足实际应用的要求。??２２??
【参考文献】：
期刊论文
[1]机器视觉表面缺陷检测综述[J]. 汤勃,孔建益,伍世虔. 中国图象图形学报. 2017(12)
[2]虹膜识别研究与应用综述[J]. 孙哲南,谭铁牛. 自动化博览. 2005(02)
[3]机器视觉技术在农产品品质自动识别中的应用（Ⅰ）[J]. 应义斌,饶秀勤,赵匀,蒋亦元. 农业工程学报. 2000(01)
[4]高识别率印刷体汉字识别方法的研究[J]. 崔国伟,舒文豪. 中文信息学报. 1987(03)
博士论文
[1]基于形状理解的三维建模[D]. 李曼祎.山东大学 2018
[2]高温单晶硅液位和直径视觉检测关键技术及应用研究[D]. 项森伟.浙江大学 2018
[3]基于视觉感知特性的图像质量评价方法研究[D]. 詹忆冰.中国科学技术大学 2018
[4]基于稀疏表示和深度学习的图像识别算法及应用研究[D]. 王斌.中国科学技术大学 2018
[5]基于深度学习的液晶屏Mura缺陷图像识别算法研究[D]. 梅爽.华中科技大学 2017
[6]面向局部特征和特征表达的图像分类算法研究[D]. 张旭.合肥工业大学 2016
[7]异质虹膜图像的鲁棒识别[D]. 刘京.中国科学技术大学 2014
[8]图像稀疏编码算法及应用研究[D]. 严春满.西安电子科技大学 2012
[9]多尺度多元图像分析机器视觉检测理论及其应用研究[D]. 梁冬泰.浙江大学 2009
[10]基于机器视觉的水果品质实时检测与分级生产线的关键技术研究[D]. 饶秀勤.浙江大学 2007
硕士论文
[1]基于机器视觉的纺织品瑕疵检测与分类[D]. 郝阳.东华大学 2018
[2]基于视图的三维模型检索方法研究[D]. 师阳.天津大学 2018
[3]基于机器视觉技术的工业机器人引导与抓取[D]. 王宇.昆明理工大学 2017
[4]工件缺陷视觉检测关键技术的研究[D]. 余晓娅.合肥工业大学 2011
[5]多目视觉三维人体运动[D]. 郑恩亮.上海交通大学 2008
[6]车辆牌照识别若干关键技术的研究[D]. 牛欣.北京工业大学 2000
本文编号：3249402
【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】：156 页
【学位级别】：博士
【部分图文】：
图１．１机器视觉检测应用??机器视觉的主要功能是实现对产品或过程的自动检测，具体应用可归纳为图像识别、??
—轮廊图深賴??图２．１相机阵列法获取视图??以上方法需要首先估计三维模型的空间姿态并且依赖预先设计的相机阵列来捕获多??个视图，另外一类方法则从大型视图池中选出具有代表性的视图。例如，ＡＶＣ算法［９４］从??３２０个初始视图中挑选出最能代表三维模型的２０至４０张特色视图，利用贝叶斯信息准则??进行自适应视图聚类。ＣＣＦＶ算法［９６］取消了对相机分布的约束而对一组自由获取的视图进??行聚类，从生成的视图簇中挑选三维模型的代表性视图。视图聚类方法的优点是不需要严??格的相机阵列设计，图像获取方式相对自由，但前提是建立的视图池必须足够大，而真正??被使用的仅是其中很小的一部分，这无疑会造成巨大的冗余同时增加视图获取的成本。??＿＿＿?ｍ??ＨＰＢ?Ｂｔｉ，?，；ｓｍ?／?■??■■■?■?■??图２．２聚类法获取代表性视图??此外，还有采用合成视图的方法来表示三维模型信息，例如空间结构环形描述符??（ＳＳＣＤｆ＇全景描述符（ＰＡＮＯＲＡＭＡ）１９８１等。不论是使用预先设计的相机阵列还是建立视??图池都不能方便地获得代表性视图
ＨＰＢ?Ｂｔｉ，?，；ｓｍ?／?■??■■■?■?■??图２．２聚类法获取代表性视图??此外，还有采用合成视图的方法来表示三维模型信息，例如空间结构环形描述符??（ＳＳＣＤｆ＇全景描述符（ＰＡＮＯＲＡＭＡ）１９８１等。不论是使用预先设计的相机阵列还是建立视??图池都不能方便地获得代表性视图，而生成合成视图的方式同样难以满足实际应用的要求。??２２??
【参考文献】：
期刊论文
[1]机器视觉表面缺陷检测综述[J]. 汤勃,孔建益,伍世虔. 中国图象图形学报. 2017(12)
[2]虹膜识别研究与应用综述[J]. 孙哲南,谭铁牛. 自动化博览. 2005(02)
[3]机器视觉技术在农产品品质自动识别中的应用（Ⅰ）[J]. 应义斌,饶秀勤,赵匀,蒋亦元. 农业工程学报. 2000(01)
[4]高识别率印刷体汉字识别方法的研究[J]. 崔国伟,舒文豪. 中文信息学报. 1987(03)
博士论文
[1]基于形状理解的三维建模[D]. 李曼祎.山东大学 2018
[2]高温单晶硅液位和直径视觉检测关键技术及应用研究[D]. 项森伟.浙江大学 2018
[3]基于视觉感知特性的图像质量评价方法研究[D]. 詹忆冰.中国科学技术大学 2018
[4]基于稀疏表示和深度学习的图像识别算法及应用研究[D]. 王斌.中国科学技术大学 2018
[5]基于深度学习的液晶屏Mura缺陷图像识别算法研究[D]. 梅爽.华中科技大学 2017
[6]面向局部特征和特征表达的图像分类算法研究[D]. 张旭.合肥工业大学 2016
[7]异质虹膜图像的鲁棒识别[D]. 刘京.中国科学技术大学 2014
[8]图像稀疏编码算法及应用研究[D]. 严春满.西安电子科技大学 2012
[9]多尺度多元图像分析机器视觉检测理论及其应用研究[D]. 梁冬泰.浙江大学 2009
[10]基于机器视觉的水果品质实时检测与分级生产线的关键技术研究[D]. 饶秀勤.浙江大学 2007
硕士论文
[1]基于机器视觉的纺织品瑕疵检测与分类[D]. 郝阳.东华大学 2018
[2]基于视图的三维模型检索方法研究[D]. 师阳.天津大学 2018
[3]基于机器视觉技术的工业机器人引导与抓取[D]. 王宇.昆明理工大学 2017
[4]工件缺陷视觉检测关键技术的研究[D]. 余晓娅.合肥工业大学 2011
[5]多目视觉三维人体运动[D]. 郑恩亮.上海交通大学 2008
[6]车辆牌照识别若干关键技术的研究[D]. 牛欣.北京工业大学 2000
本文编号：3249402
本文链接：https://www.wllwen.com/kejilunwen/shengwushengchang/3249402.html
最近更新
教材专著
