工业产品视觉检测中的感兴趣区域建模与提取

摘要

在基于机器视觉的工业产品自动检测中，图像处理模块关系到检测系统的准确性与时效性，而感兴趣区域的提取起着至关重要的作用，它能减少计算浪费，能降低分析处理过程的复杂度，是后续目标检测与提取的基础。目前工业产品视觉检测中的感兴趣区域提取技术研究较少，所以这方面的研究具有重要的工程应用价值和意义。
　　本文提出一种基于建模与匹配的感兴趣区域精确提取技术。它主要包括感兴趣区域建模与图形的精确定位两部分。以手机外壳视觉缺陷检测为例，分析检测图像的感兴趣区域特点与组成，提出了基于组态的感兴趣区域建模技术，即从基础的图形建模出发，进而到复杂的组合图形建模，层层递进最后完成整个ROI的建模组态。此外本文还根据三对属性来完成感兴趣区域的组成子图形的分类，以方便后续图形的精确定位。针对待检测图像与模板图像之间可能存在较大偏移量而影响图形精确定位的问题，本文提出采用层次定位的方法来对感兴趣区域子图形精确定位。该方法首先采用基于灰度投影的快速模板匹配方法获取待检测图像相对模板图的水平与垂直偏移量，模型加上偏移量即得到图形的粗定位区域。然后在图形各自的粗定位区域内进行精确定位，其中提出了基于分块投影找精确边缘的四边形图形定位方法、基于自适应阈值Canny检测圆边缘的圆图形定位方法以及基于平面曲线旋转匹配的不规则图形定位方法。最后在基础图形精确定位的基础上利用图形相互间的几何位置关系完成复杂图形的精确定位。最后，将本文感兴趣区域提取方法集成到手机外壳表面缺陷检测系统中，经过实时在线测试与分析，证实该感兴趣区域提取技术能在准确率与实时效率上满足工业生产的需求。

目录

声明

摘要

1 绪论

1．1 研究背景及意义

1．2 感兴趣区域提取研究现状

1．2．1 感兴趣区域提取方法

1．2．2 国内研究现状

1．2．3 国外研究现状

1．3 主要研究工作

1．4 论文章节安排

2 ROI提取总体技术路线

2．1 ROI提取需求分析

2．2 ROI提取基本方法及分析

2．2．1 基于阈值分割的图像分割

2．2．2 基于边缘的图像分割

2．2．3 基于区域的图像分割

2．3 总体技术路线

2．4 本章小结

3 感兴趣区域建模

3．1 ROI建模分析

3．2 基于组态的感兴趣区域建模

3．2．1 基础图形建模表示

3．2．2 组合图形建模

3．2．3 ROI建模组态

3．3 图形属性分类

3．3．1 规则与不规则图形

3．3．2 依赖性与非依赖性

3．3．3 简单与组合图形

3．4 基于可扩展标记语言的模型存储

3．5 本章小结

4 感兴趣区域层次定位

4．1 基于模板匹配的ROI模型粗定位

4．1．1 传统模板匹配方法粗定位

4．1．2 基于灰度投影的快速模板匹配

4．2 规则图形精确定位

4．2．1 四边形图形精确定位

4．2．2 圆图形精确定位

4．2．3 组合图形精确定位

4．3 不规则图形精确定位

4．4 本章小结

5 工业产品检测中的应用

5．1 手机外壳表面缺陷检测中的ROI提取

5．1．1 感兴趣区域提取结果

5．1．2 结果分析

5．2 本章小结

6 总结与展望

6．1 工作总结

6．2 工作展望

参考文献

攻读学位期间主要的研究成果目录

致谢