基于机器视觉的纸张计数方法研究

发布时间：2020-05-07 14:42

【摘要】：印刷业、出版业等行业对国民经济发展具有很重要的作用,在印刷、出版过程中精确地进行纸张计数是这些行业面临的重要问题之一。目前基于机器视觉的纸张计数系统主要针对较厚的纸张,不能适应较薄纸张的计数。为了解决这个问题,本文提出了首先对纸张层叠图像做图像拼接,然后进行纸张计数的方案。主要研究内容和实验结果如下:(1)搭建了成像系统,并分析了关键部件的选型。成像系统是纸张计数的基础,其主要功能是采集一系列纸张层叠图像,该系统采用单相机成像,可以自上而下进行拍摄一系列图像;对成像系统中各种工业相机、光学镜头、光源做了对比,并根据纸张的厚度、侧面特征等选用合适的器件类型;在拍摄到纸张层叠图像后,对图像的特征做了更进一步分析,为后续的图像拼接和纸张计数奠定了良好基础。(2)提出针对纸张层叠图像拼接的特征点提取算法。通过分析内点和外点对应纸张条纹骨架的关系,改进RANSAC算法估计空间变换模型的精度。提取特征点过程中,首先用动态阈值分割处理图像,将灰度图像分割为二值图像,再用数学形态学的方法处理图像,其中,用开运算平滑目标轮廓、消除噪声,用闭运算填充孔洞、连接狭窄缝隙,然后用最大圆盘法实现图像细化,得到纸张条纹的骨架特征,最后提取骨架的端点作为潜在特征点,通过分析潜在特征点中内点和外点与对应的骨架长度之间的分布规律,设定骨架长度阈值,剔除部分骨架长度较小的潜在特征点,从而提高内点所占的比例,即重复率;最后,构建特征向量,对具有平移关系的两幅图像中特征点匹配对的分布进行分析,以改进的DBSCAN聚类算法处理特征向量,通过RANSAC算法实现图像拼接。(3)建立纸张厚度与压力的关系模型,将模型与灰度投影法相结合,实现纸张计数。在图像预处理阶段,采用Hough变换对图像进行直线倾斜校正,然后,在对比了直方图均衡化、线性灰度变换、理想高通滤波器和空间域卷积的图像增强效果后,选择直方图均衡化突出图像中的条纹特征;在图像预处理后,为了解决纸张黏连以及纸张受压变薄等问题,建立了纸张厚度与压力关系模型来描述纸张厚度与层叠数量之间的关系,采用水平积分灰度投影法得到纸张层叠图像的灰度投影曲线,然后将纸张厚度模型与灰度投影曲线相结合实现纸张计数。实验结果表明,本文提出的特征点提取算法可以有效地提取纸张层叠图像中的特征点,所提取特征点的重复率达到了大约60%,明显优于Harris、SUSAN、FAST等传统算法;DBSCAN聚类算法与RANSAC算法相结合的方法相对于只用RANSAC算法进行图像拼接,可以显著提高拼接图像的质量;最后本文对厚度约为0.08mm的纸张进行计数,计数精度达到了97%以上,取得了理想效果。
【图文】：

1 绪论塔。b. 特征点提取在 DoG 图像金字塔中，任意像素都可以用(t,r,x,y)表示，其中 t 为该像素所在 DoG 图像金字塔的级数，r 为该像素所在第 t 级 DoG 图像金字塔的尺度空间层数，x 和 y 为像素的坐标。当某像素d(t,r,x,y)的灰度值为其尺度空间 r 内 8 邻域内的极值，且为第 r-1 和 r+1 层尺度空间图像相同坐标的 18 个像素的灰度值极值时，该点为其尺度空间中 3*3*3 邻域内的潜在特征点,如图 1.2 所示。第r+1层灰

1 绪论塔。b. 特征点提取在 DoG 图像金字塔中，任意像素都可以用(t,r,x,y)表示，其中 t 为该像素所在 DoG 图像金字塔的级数，r 为该像素所在第 t 级 DoG 图像金字塔的尺度空间层数，x 和 y 为像素的坐标。当某像素d(t,r,x,y)的灰度值为其尺度空间 r 内 8 邻域内的极值，，且为第 r-1 和 r+1 层尺度空间图像相同坐标的 18 个像素的灰度值极值时，该点为其尺度空间中 3*3*3 邻域内的潜在特征点,如图 1.2 所示。第r+1层灰
【学位授予单位】：郑州大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TP391.41;TS803

【相似文献】

相关期刊论文 前10条

1 赵兴锋;杨彬卓;郑志强;;基于收缩分析和平方和规划的特征点选择[J];自动化与仪器仪表;2015年05期

2 郭一超;李清勇;孙靳睿;黄雅平;田媚;;基于局部对称性的特征点加工策略及应用[J];计算机科学;2014年11期

3 许承慧;刘桂华;梁峰;;非特征点双目测距技术研究[J];微型机与应用;2013年22期

4 ;FaceFinder(人脸识别)系统研制[J];企业技术开发;2009年04期

5 王斌;范瑞霞;李位星;高琪;;基于肤色检测的小区域特征点跟踪[J];微计算机信息;2006年07期

6 刘丹丹,张树有,刘元开,谭建荣;一种基于特征点识别的曲线离散化方法[J];中国图象图形学报;2004年06期

7 云飞;;自动海图[J];天津航海;1987年02期

8 吴义祥;;离散点扫描法及其在土工试验数据处理上的应用[J];工程勘察;1988年01期

9 А·Γ·沙夫尼;于玉凤;;利用相切点高度进行树干形状的测定[J];中南林业调查规划;1988年04期

10 李从珠;王乃斌;王清举;吴林珍;;立体足迹压痕特征定量化检验的统计方法[J];应用概率统计;1988年04期

相关会议论文 前10条

1 汪力;叶桦;夏良正;;利用特征点定位嘴巴[A];第二十六届中国控制会议论文集[C];2007年

2 康文雄;邓飞其;;基于特征点角度矩阵的静脉识别方法[A];第二十七届中国控制会议论文集[C];2008年

3 付洪川;王剑;万婵;赵建英;付凯;;图像特征点匹配算法的研究与改进[A];2009中国控制与决策会议论文集（1）[C];2009年

4 佘永业;李熙莹;赵有婷;;一种车辆的宏观光流速度的计算方法[A];图像图形技术研究与应用2009——第四届图像图形技术与应用学术会议论文集[C];2009年

5 许竞;姜波;;摄像机运动下特征点追踪方法研究[A];2011下一代自动测试系统学术研讨会论文集[C];2011年

6 韩广良;陈小云;;利用多特征点搜索实现纸钞图像的状态检测[A];第九届全国信息获取与处理学术会议论文集Ⅱ[C];2011年

7 杜鹏飞;彭代强;林幼权;;基于二乘向量机的特征点配准算法[A];第十四届全国信号处理学术年会(CCSP-2009)论文集[C];2009年

8 李琳;董强强;李树屏;;赛马总重心的位置及其特征代表点研究[A];第十八届全国运动生物力学学术交流大会（CABS 2016）论文集[C];2016年

9 舒志龙;阮秋琦;;基于KLT特征点跟踪的图象拼接[A];中国体视学学会图像分析专业、中国体视学学会仿真与虚拟现实专业、中国航空学会信号与信息处理专业第一届联合学术会议论文集[C];2000年

10 介鸣;黄显林;;基于月面特征点配准的视觉导航[A];第25届中国控制会议论文集（下册）[C];2006年

相关重要报纸文章 前7条

1 洪宇;人脸识别仅需一秒钟[N];科技日报;2004年

2 蔡涛 关景火 李德华;塑造“面子”[N];计算机世界;2002年

3 李韬;保卫手机[N];计算机世界;2006年

4 本报记者 陈思 实习生 黄琳;数字警务 打造平安和谐绿城[N];郑州日报;2006年

5 张宁;人物肤色的较色实例[N];中国包装报;2002年

6 中国科学院自动化研究所模式识别国家重点实验室 周密邋陶建华;与电脑面谈[N];计算机世界;2007年

7 本报记者 王宇;芯技术点亮未来[N];电脑报;2010年

相关博士学位论文 前10条

1 樊建伟;基于特征点的SAR图像配准算法研究[D];西安电子科技大学;2017年

2 杨利敏;图像特征点定位算法研究及其应用[D];上海交通大学;2008年

3 刘宝泉;干涉合成孔径雷达测量关键技术研究[D];西安电子科技大学;2008年

4 李旭东;基于特征点的增强现实三维注册算法研究[D];天津大学;2009年

5 廖斌;基于特征点的图像配准技术研究[D];国防科学技术大学;2008年

6 易盟;基于特征点的图像配准及其在稳像中的应用[D];西安电子科技大学;2013年

7 靳峰;基于特征的图像配准关键技术研究[D];西安电子科技大学;2015年

8 罗楠;图像局部不变特征的匹配算法及应用研究[D];南京理工大学;2015年

9 张少敏;基于熵图估计的医学图像配准中特征点和梯度特征研究[D];东北大学;2011年

10 李建国;火星探测器自主光学着陆导航方法研究[D];哈尔滨工业大学;2014年

相关硕士学位论文 前10条

1 章帆;实用化人脸识别系统的研究与应用[D];武汉理工大学;2017年

2 欧阳欢;影像线特征在三维重建中的应用方法研究[D];战略支援部队信息工程大学;2018年

3 廖天星;基于特征点的超声散斑追踪算法及弹性成像应用研究[D];西南石油大学;2018年

4 刘金达;基于机器视觉的纸张计数方法研究[D];郑州大学;2019年

5 姚志生;基于双目立体视觉机械尺寸检测研究[D];安徽工业大学;2018年

6 张丰;基于特征的目标稳定跟踪技术[D];国防科学技术大学;2016年

7 王宇佳;施工电梯安全门转角检测方法研究[D];西安理工大学;2018年

8 来昊;计算机辅助颅骨特征点标定方法研究[D];西北大学;2018年

9 陆超华;基于厚度特征的兵马俑碎片匹配技术研究[D];西北大学;2018年

10 赵瑞欣;基于角点结构特征的运动匹配[D];西华大学;2018年

本文编号：2653130