基于傅里叶描述子的轮胎标识点形状识别.pdfVIP

第 14卷 第 34期 2014年 12月 科 学 技 术 与 工 程 Vo1．14 No．34 Dec．2014 1671— 1815(2014)34—0235—05 ScienceTechnologyandEngineering @ 2014 Sci．Tech．Engrg． 基于傅里叶描述子的轮胎标识点形状识别 王 勇 郭 慧 沈 霞 (华东理工大学机械与动力工程学院，上海 200237) 摘 要 针对人工识别轮胎标识点形状效率低、误差大等问题，提 出了一种基于傅里叶描述子的轮胎标识点形状识别算法。 首先对采集的轮胎标识点图像进行降噪、分割、轮廓提取等图像预处理操作；然后通过对预处理后的轮胎标识点图像进行傅 里叶变换，提取轮胎标识点轮廓的傅里叶描述子系数；最后通过计算待识别轮胎标识点图像的傅里叶描述子系数，与轮胎标 识点模板库中图像的傅里叶描述子系数的欧氏距离数值，其中与最小欧氏距离相对应的模板库形状即为待识别轮胎标识点 轮廓 的近似形状，从而实现轮胎标识点的形状识别。实验选取圆形、方形、菱形以及十字形，四种共计200幅轮胎标识点形状 图像 ，进行标识点形状识别准确率测试。寞验结果表明，该算法能准确地识别出轮胎标识点形状，四种轮胎标识点形状的平 均识别准确率为97．25％，其中圆形和方形轮胎标识点的形状识别准确率达 98％。 关键词 傅里叶描述子 标识点 欧氏距离 形状识别 中图法分类号 TP391．41； 文献标志码 A 为了能够有效地对轮胎进行分类，轮胎的侧面 像处理的结果。为了能够获取较高质量的标识点图 会打印上不同形状的标识点。然而，在轮胎标识点 像，设计了一种轮胎标识点图像采集装置。图 1为 识别过程中，人工识别标识点的方法不仅工作强度 轮胎标识点图像采集装置的结构示意图。 大、效率低 ，还易出现错检现象 ¨。 随着人工智能算法和数字图像处理技术的发 展 ，国内外对形状的智能识别做过大量研究。Du 等 利用计算机视觉技术，提出了一种披萨饼形 状提取和分类的方法，实现了对披萨饼形状的实时 监测 。Shi等 利用支持 向量机智能算法，设计 了一 种交通标识牌形状识别方法。王津京等 通过识别 苹果形状，设计了一种 自动采摘苹果的装置 。然而， 将人工智能算法应用于轮胎标识点形状识别的研究 较少。 本文提出的基于傅里叶描述子的轮胎标识点形 状识方法，主要包括标识点图像获取、图像去噪、图 像分割、轮廓提取等图像预处理。提取边缘轮廓的 傅里叶描述子系数，计算待识别标识点与模板库标 图 l 轮胎标识点图像采集装置结构不意图 识点的傅里叶描述子的欧 氏距离，实现轮胎标识点 Fig．1 Thestructureoftiremarkingpoints 形状识别 。 imageacquisitiondevice 1 轮胎标识点图像获取 分析 图1，不难发现在标识点图像采集装置中， 存在两套照明装置和两台工业相机。这是由于本文 在轮胎标识点图像的获取过程中，轮胎生产车 研究的轮胎标识点图像分布于轮胎的两侧面。由于 间内存在着诸多干扰因素：外界光照、电压波动等。 传输结构的限制，图像采集装置中的下相机，不能够 这些干扰因素将会导致获取的标识点图像质量不 通过一次拍照而获取完整的轮胎标识点图像。为 高，然而标识点图像的质量将会直接影响到后续图 此，通过设置下相机拍照的感兴趣区域宽度 ，对同一