基于图像处理的包装袋快速定位方法研究

摘要

在工业流水线中实时监测等领域中，都需要实时性很强的图像匹配算法来处理。如何在保证精度的情况下，提高匹配速度，具有重要的理论意义和实用价值。本文的主要研究方向是如何在保持图像匹配的精度的情况下，实现图像的快速匹配。
　　目前成熟的快速图像匹配算法主要为基于灰度的快速匹配算法和基于特征的图像快速匹配算法等。基于特征的图像快速匹配算法能够有效克服基于灰度的图像快速匹配算法所产生的匹配效率低和容易受噪声影响等缺点。本文通过对特征匹配算法的特征提取算法的匹配速度进行实验对比，找出了能够实现图像特征快速提取Fast Hessian斑点匹配算法，并对其了改进。在基于改进的Fast Hessian斑点检测算法的基础上，本文提出了一种基于标记点的图像快速匹配方法，利用改进的Fast Hessian斑点检测算法快速找出标记点。相对比于原Fast Hessian斑点检测算法，由于在斑点粗定位中，只从尺度空间中的中间尺度层进行斑点粗定位，因此，在构建尺度空间时，只对前三层进行滤波处理而不是所有尺度层进行滤波，这样减少滤波处理的计算量，比原检测算法提高了检测效率。利用改进算法找出标记点后，通过对图像标记点处的图像差做计算，即利用距离测度找出两幅图像的相似度，进而找出合格图像。然后，对图像进行噪声处理，经过实验验证，在图像加入高斯噪声和椒盐噪声后，本算法仍能检测出相同的标记点，因此，本算法有较强的抗噪声干扰能力。
　　通过实验仿真验证，本文提出的图像匹配算法的图像匹配效率以及匹配精度能够满足流水线包装过程中对于包装袋进行快速定位的要求。

目录

声明

摘要

1 绪论

1．1 研究背景

1．2 研究现状

1．3 研究目的和意义

1．4 本文的主要工作和章节安排

2 图像匹配理论与方法

2．1 图像匹配原理

2．2 图像匹配四要素

2．3 图像匹配流程

2．4 基本匹配方法

2．5 本章小结

3 图像特征提取

3．1 角点提取算法

3．2 边缘特征植测

3．3 斑点特征检测

3．4 改进的Fast Hessian斑点检测算法

3．5 实验结果及分析

3．5 本章小结

4 图像快速匹配处理方法

4．1 图像预处理部分

4．2 图像校正

4．3 标记点检测获取

4．4 根据标记点对图像进行匹配

4．5 实验结果及分析

4．4 本章小结

5 总结与展望

5．1 总结

5．2 展望

致谢

参考文献