基于变化方向光源的压印立体字符分割方法的研究

摘要

在工业应用中，有些物体表面的字符是依靠表面的变形作为标记。这些立体字符不是通过色差成像，而是通过字符区域同背景区域对光线的反射不同成像。由于压印立体字符具有三维特征，因此很难实现照明、分割以及后续的检测识别。随着自动视觉检测技术的发展，对这些字符识别的准确性提出了更高的要求，其中的关键之一则是将其从背景图像中分割出来。在对如何利用压印立体字符的三维特征实现分割的研究中，国外有些学者提出了一些分割方法，而国内的研究大都还集中在基于二维灰度图像的分割基础上。基于此问题，本文在变化方向光源的条件下，根据字符的立体特征提出了三种不同的分割方法，具体的研究工作如下:
　　 首先，针对压印立体字符在不同方向光源照射下表现出不同状态的特点，在建立光照空间模型的指导下，基于散射光源与方向光源条件下采集图像的清晰度比对，指出了单一方向光源采集三维物体表面的二维灰度图像时包含深度信息不充分的局限性，提出利用变化方向光源照射下采集到的物体表面二维灰度图像彼此间的关系提取表面法向量特征以进行后续分割的方案。经过对光源方向的优化，确定了光照偏角的分布（分别为0°、90°、180°和270°）和最佳倾角的数值(63.43°)，设计了以照明光源、图像采集设备和四方向光源同步照明采集电路为核心的图像采集系统。
　　 在此基础上利用二阶多项式拟合平面消除了背景光不均匀性，采用直方图规定化的方法使图像的灰度等级一致，增强了序列图像的对比度，从而提高了法向量计算的精确性，为后续压印立体字符分割方法的研究奠定了条件和基础。
　　 接下来基于四光源光照采集系统，提出了三种不同的分割压印立体字符的方法:
　　 在基于表面纹理的分割方法中，针对压印字符表面的立体特征，首次提出了基于表面法向量的纹理特征的概念;在LBP算子的基础上引入了模糊集合的理论，提出了基于模糊化表面法向量LBP(Fuzzy-SNLBP)算子纹理特征的分割方法，并对Fuzzy-SNLBP算子中的各项参数对分割结果的影响进行了分析。通过比较实验发现:Fuzzy SNLBP比SNLBP具有更大的信息量;模糊化可有效改善SNLBP计算时的抗噪性;Fuzzy SNLBP比使用灰度值的LBP方法以及固定阈值的SNLBP方法具有更好的纹理分辨能力。
　　 在基于表面法向量和图论聚类的图像分割方法研究中，将表面三维特征引入了图论的分割方法中，构建了基于表面法向量特征的图，提出了简单可行的图论聚类的分割算法。在具体分割过程中，又将反馈控制的思想引入了图像分割系数的优化过程:将二值图像的二维信息熵作为分割质量的检测评价标准并引入反馈来调节分割系数，得到了最优的分割结果（分割系数k=64时，二值图像二维信息熵S=2.0681为最小值）;
　　 在基于PCNN和四方向光源图像融合技术的压印立体字符分割方法的研究中，提出了不需要对原始图像进行光照强度一致化处理的简单的分割方法:首先使用脉冲耦合神经网络(PCNN)提取出压印立体字符在四方向光源条件下获取的二维灰度图像中的高亮区域;然后通过图像融合的方式，得到分割完整的二值图像进行后续识别。研究中还建立了分割字符的评价标准，并以此来动态调节PCNN模型的参数，通过实验确定了最佳的分割参数。
　　 最后采用了受试者工作特征曲线(ROC)和字符的识别率，分别对三种分割算法的字符分割效果进行了评价。评价结果表明:基于四光源的图像分割技术的三种分割算法，其识别率都高于基于单独光源的图像分割方法，可见四光源的图像分割较单一光源的图像分割更具优势。三种分割方法中，基于图论聚类的分割方法识别率最高，但执行时间也最长;基于PCNN的方法识别率最低，但执行时间最短;基于纹理的分割方法执行时间和识别率居中。在实际应用中可根据需要加以选择。

目录

声明

摘要

第1章 绪论

1．1 研究背景、目的与意义

1．2 图像分割方法的研究及应用现状

1．2．1 灰度图像分割

1．2．2 深度图像分割

1．3 压印立体字符分割方法研究现状

1．4 变化方向光源技术的研究及应用现状

1．5 本文的主要研究内容与章节编排

第2章 基于变化方向光源的图像采集

2．1 光照空间的构建

2．2 图像采集质量的评价标准

2．3 变化方向光源系统设计

2．3．1 单一方向光源的局限性

2．3．2 变化方向光源的数量

2．3．3 变化方向光源的倾角

2．4 照明系统的设计

2．5 本章小结

第3章 变化方向光源序列图像对比度的增强

3．1 简化的四光源光度立体法

3．1．1 光度立体法基本原理

3．1．2 表面法向量特征的提取

3．1．3 镜面反射影响的消除

3．2 基于多项式回归平面的背景光拟合

3．3 基于直方图规定化的灰度等级一致化

3．4 实验及结果分析

3．4．1 压印立体字符的法向量提取

3．4．2 有印刷字符背景的压印立体字符的法向量提取

3．5 本章小结

第4章 基于Fuzzy-SNLBP算子的压印立体字符分割

4．1 SNLBP算子的定义和计算

4．1．1 基本LBP算子

4．1．2 表面法向量LBP算子

4．2 基于Fuzzy-SNLBP算子的表面特征提取

4．2．1 模糊化隶属度函数的构造

4．2．2 Fuzzy-SNLBP算子的计算

4．3 直方图相似性的测量

4．4 基于区域分裂与合并的纹理分割

4．5 实验及其结果分析

4．5．1 Fuzzy-SNLBP算子与SNLBP算子的分类性能对比

4．5．2 Fuzzy-SNLBP参数对分类性能的影响

4．5．3 分割结果及分析

4．6 本章小结

第5章 基于表面法向量和图论聚类的压印立体字符分割

5．1 图及其分割的基本理论

5．2 基于表面法向量与图论聚类的字符分割

5．2．1 权重矩阵的构建

5．2．2 基于表面法向量特征的图的构建

5．2．3 基于围聚类的图像分割

5．3 基于反馈控制的分割参数优化

5．3．1 分割结果质量评价标准的确定

5．3．2 基于二维信息熵反馈控制的分割参数优化

5．4 实验及结果分析

5．5 本章小结

第6章 基于PCNN和图像融合的压印立体字符分割

6．1 PCNN的基本结构

6．2 PCNN参数的设定

6．3 基于变化方向光源与PCNN融合的字符分割

6．3．1 高亮区域的检测和融合

6．3．2 不同压印立体字符的分割效果验证

6．4 主要参数对分割效果的影响

6．5 本章小结

第7章 不同分割算法的分割质量评价

7．1 基于ROC曲线的图像分割质量评价方法

7．2 几种分割算法的分割质量对比

7．3 字符识别评价

7．4 本章小结

结论

参考文献

致谢

攻读博士学位期间发表的学术论文