圖像拼接在塑料薄膜疵点检测系统中的应用.docVIP

图像拼接在塑料薄膜疵点检测系统中的应用本文将图像拼接技术引入塑料薄膜疵点检测系统，在待检物幅面较宽的情况下，有效解决了单CCD相机难以满足检测精度要求而采用的多CCD相机采集图像的配准融合的问题，克服了多线阵CCD机械拼接和光学拼接装置要求高、难度大的困难，实现了宽幅待检图像的无缝拼接。引言：塑料薄膜产品在工业生产和人们的日常生活中都起着十分重要的作用。然而，目前国内大多数薄膜生产企业依然采用传统的人工方法对薄膜疵点进行检测。其缺点是：检测速度有限、精度不高、对检测人员熟练程度和责任心要求较高。随着工业自动化技术的不断提高和发展，传统人工检票方法以及不能够满足现代工业的高效、高精度、集成化需求，急需基于机器视觉技术的自动化检测方法来替代传统人工检测的方法，而塑料薄膜产品因其幅面较宽，单个CCD相机难以满足其检测精度要求，多线阵CCD机械拼接和光学拼接对拼接装置要求苛刻，难以满足工业现场需求。图像拼接技术作为数字图像处理一个重要内容，主要是用来实现全景图和超宽视角图像的合成，还原实际视场。现已经广泛运用于宇宙空间探测、海洋以及地质勘探、医学、气象、军事、刑侦等领域。1.图像拼接技术图像拼接技术是指将两幅或者以上来自同一场景，相互间存在重叠部分的图像进行匹配对准，经过图像融合后形成一幅包含各个图像序列信息的宽视角、完整的新图像。图像拼接常用的算法流程如图1所示：图像配准是采用一定的匹配策略，找出待拼接图像中的模板或者特征点在参考图像中对应的位置，进而确定两幅图像之间的变换关系。 建立变换模型就是则是根据模板或者图像特征之间的对应关系，计算出数字模型中各参数值，从而建立两幅图像的数字变换模型。统一坐标变换即根据建立的数字转换模型，将待拼接图像转换到参考图像的坐标系中，完成统一坐标变换。图像融合则解决图像配准后的重叠，实现平滑无缝拼接。图像拼接的关键在于图像的配准与融合。2.图像的配准与融合2.1 图像配准图像配准是将不同时间、不同视角、不同设备获得的两幅或者更多的图像重叠复合的过程，配准的主要目的是解决同一劲舞在不同时间或者同一时间不同摄像头上获取的图像，根据特征值或者属性来确定在另一个图像中的对应位置。给定两幅待配准图像I1（X1，Y1）和I2（X2，Y2）则图像配准可以表示为式（1）：I2（X2，Y2）=g（I1（f（x，y））） （1）式中：f为二维空间的坐标变换，g为一堆灰度变换。图像配准主要分为以下三种方式：基于灰度信息的图像配准方法，基于变换域的配准方法，基于特征的配准方法。基于灰度信息的图像配准算法是一般不需要对图像进行复杂的预处理，而是利用图像本身所具有的灰度统计信息衡量图像的相似程度。他是一种匹配测度量，即通过计算配准图像之间的互相关值，来确定图像之间的匹配程度，互相关最大时的搜索窗口决定了配准图像之间的位置关系。而其优点是简单易行，相似性度量值能够很好的表示两幅图像的相似程度，但是缺点是计算量很大，对噪音很敏感，典型的基于灰度信息的图像配准方法主要有互相关系数法、序贯相似度检测匹配法和交互信息法。基于变换域的图像配准方法其基本思想是将傅里叶变换用于图像配准，其优点在于：图像间的平移、旋转和尺度变换在频域均有对应量，对抗与频域不相关或者独立噪音，用FFT可以快速实现。其常用方法为相位相关法。相位相关法是用于配准两幅图像的平移变化的典型方法，其依据是傅里叶变换的平移特性，即两幅图像之间的平移关系可以由傅里叶变换后的相位差来体现。基于特征的图像配准方法主要是根据图像性质提取适合图像配准的几何或者灰度特征，常用的有角点、直线段、边缘轮廓特征，矩不变量、重心等。（1）特征提取 根据图像性质提取适用于图像配准的几何或者灰度特征，主要是特征点（包括角点，线的交叉点，高曲率点）、直线段、边缘、轮廓、闭合区域、特征结构以及统计特征，如矩不变量，重心等等。（2）特征匹配 定义图像几何特征之间的相似函数，建立待配准图像特征之间的对应关系，各种各样的特征描述算子以及特征的空间相似测度都用于完成这一目的。（3）变换模型估计变换就是讲一幅图像中的坐标点变换到另一幅图像的坐标系中，常用的空间变换有刚体变换、放射变换、投影变换和非线性变换。变换模型估计就是通过估计或者最优化搜索等方法将得到的映射函数的类型和参数，以便能够对齐待配准图像。（4）图像重采样和变换依据映射函数对待配准图像进行图像变换，使用恰当的插值技术计算出非整点数点坐标的图像值。随着小波理论研究的不断深入，基于小波变换的图像配准方法也先后提出，比如用小波变换模数和局部变大能量量度为特征点，采用互相关系数等局部灰度准则作为相似度的量度，因其特征点的提取和匹配可以由低分辨率向分辨率逐级选代，从而减少运算量，提高了配准的经度。2.2 图像融合图像融合是指