表面质量检测中定位核自动识别算法研究

摘要

随着印刷行业的快速发展，印刷企业对于产品成本及产品质量的控制愈加重视，自动化印刷品表面质量检测成为印刷行业检测的主要方式。
　　在检测前，工人们通常会采集一幅合格样品的图像作为模板，检测时将实时采集得到的样本图像与模板图像进行配准和对比分析，以判断样品是否存在缺陷。为了保证配准的准确性，通常会在模板图像中划定一个显著且唯一的区域用来辅助定位，这个区域称为定位核。
　　传统的定位核选取方式为人工选取，这样的选取方式存在很多问题。首先，受先验知识影响，不同的人选取的定位核也不尽相同，定位核的选取没有明确的标准，选取质量因人而异;其次，给操作工做定位核相关图像领域的培训，无形中会增加整套自动化检测系统的使用成本。
　　本文以电子产品标签为研究对象，对定位核的自动获取方法进行了探索，提出了一些可行的方法，并取得一定成果，具体如下:
　　(1)收集生活中常见的电子产品，模拟工业现场环境拍摄电子产品标签图像，建立样本库，为后面的实验分析提供样本。
　　(2)给出定位核的定义及选取准则，同时设计了一种标签图像定位核备选区域提取方法。首先，基于最大稳定极值区域算法得到连通域，进而从区域面积、方差、宽高比、边界距离四方面建立条件筛选模型，滤除不适合做定位核的区域。然后，设计邻近区域合并准则，合并邻近区域，保证区域内图形的完整性。最后，将不同区域的梯度内积和作为相似度量值，标记相似区域并剔除，输出定位核备选区域。实验表明，该算法不仅简洁有效，而且还能在一定程度上不受机械系统固有误差的影响。
　　(3)在研究最优定位核区域特征的基础上，本文设计了最优定位核的提取方法。首先，设计并提取表征最优定位核的区域特征。接下来，基于局部异常因子设计最优定位核判定准则，结合输入的两个区域特征得到最优定位核。最后，将得到的最优定位核，应用到检测系统中测试定位核有效性及配准时间。实验结果表明，该算法所提取出的最优定位核能够代替人工选取，同时耗时低，可靠性高。

目录

声明

致谢

摘要

1 引言

1．1 研究意义及背景

1．2 国内外研究现状分析

1．3 论文主要研究内容

1．4 论文组织结构

2 定位核自动获取相关原理及样本库的建立

2．1 机器视觉系统介绍

2．2 最大稳定极值区域

2．3 图像金字塔分层搜索算法

2．4 样本库的设计与建立

2．5 本章小结

3 定位核备选区域提取方法研究

3．1 表面质量检测中定位核的定义及选取准则

3．1．1 定位核的定义

3．1．2 定位核的选取准则

3．2 图像分割相关算法对比分析

3．2．1 基于阈值的图像分割

3．2．2 基于k-means聚类的图像分割

3．3 定位核备选区域算法框架

3．3．1 基于MSER的图像预分割

3．3．2 条件筛选模型的建立

3．3．3 邻近区域合并准则的设计

3．3．4 基于梯度内积的相似区域检测

3．4 实验结果及分析

3．5 本章小结

4 最优定位核选取方法研究

4．1 最优定位核区域特征有效性研究

4．2 最优定位核区域特征提取

4．2．1 区域离散性的特征提取

4．2．2 区域显著性的特征提取

4．2．3 最优定位核区域特征实验分析

4．3 最优定位核判定准则的设计与实现

4．3．1 基于LOF的异常检测算法概述

4．3．2 最优定位核判定准则的设计

4．3．3 实验效果分析

4．4 基于金字塔分层搜索策略的定位核配准应用测试

4．4．1 有效性分析

4．4．2 匹配耗时

4．5 本章小结

5．1 研究工作总结

5．2 下一步展望

参考文献

作者简历及攻读硕士学位期间取得的研究成果

学位论文数据集