基于神经网络的显微视觉多目标识别

摘要

随着机器人技术的发展,机器人的操作对象延伸到微观领域,微装配机器人应运而生,并且技术日渐成熟。微装配机器人依靠视觉伺服,获得显微视觉下目标物体的图像坐标及空间坐标,是后续机械手自动装配的前提。本文开展的基于神经网络显微视觉的多目标识别是微装配机器人视觉伺服的主要组成部分,而准确的识别各类目标是视觉伺服的基础。
　　本文以靶装配机器人为平台,研究显微视觉下的多目标识别,包括多目标预处理,目标分割,特征提取和多目标识别四个部分。首先简要介绍靶装配机器人的系统结构及操作目标,针对显微视觉下图像的特点,对图像进行一系列的预处理,包括图像灰度化,均值滤波,边缘提取,图像分割。通过对几种常见的边缘提取方法的比较,采用Canny算子进行边缘提取。由于阈值方法不能很好的对多目标图像进行分割,本文采用聚类算法实现多目标分割,并根据目标的形状特征,实现微夹钳的聚类。基于靶装配机器人操作目标的结构特征,采用不变矩特征量进行特征提取。针对显微视觉下各目标容易被相互遮挡,采用不变矩方法无法满足大部分目标被遮挡的情况,本文提出了一种基于Hough变换模板相关度匹配的方法实现目标识别。
　　针对神经网络在分类中的优势,采用神经网络对目标进行识别。将各个目标特征量作为神经网络分类器的输入,然后对分类器进行训练,实现多目标识别和分类。并设计了基于神经网络的多目标识别系统,实验证明有较好的识别和分类效果。

目录

封面

声明

中文摘要

英文摘要

目录

1 绪论

1.1课题的研究背景

1.2国内外的研究现状

1.3论文的结构

1.4 课题来源

2 图像预处理

2.1 图像灰度化

2.2 图像滤波

2.3 图像的边缘检测

2.4 图像的形态学处理

2.5 图像目标分割

2.6小结

3 特征提取与目标识别

3.1 图像特征提取方法

3.2 基于不变矩的特征提取方法

3.3 改进的Hough变换模板相关度匹配算法

3.4 小结

4 基于神经网络的多目标识别系统

4.1 图像目标识别的方法

4.2 基于神经网络的多目标识别

4.3 小结

5 总结与展望

致谢

参考文献

附录：攻读硕士期间发表的论文