基于小波变换的多尺度边缘检测及其在模具识别中的应用.pdfVIP

机械设计 JOURNAL 104 OFMACHINEDESIGN 基于小波变换的多尺度边缘检测及其 在模具识别中的应用 陈智丽 (东北大学信息科学与-1-程学院，辽宁沈阳110004) 摘要：在模具识别中，模具内置铁件接近模具背景色，且相对模具尺寸较小，识别不同种类的模具内置铁件安放是 否正确需要得到准确的单像素级图像边缘。本文采用小波变换进行多尺度图像边缘检测，在基于Mallat小波模极大值边 缘检测方法的基础上借用双闽值操作技术原理，对结果进一步细化。将边缘点链接，并将不同尺度下的边缘图像合成， 从而最终得到单像素级的边缘图像，以满足下一步识别的要求。 关键词：小波变换；边缘检测；模极大值；多尺度；双阈值操作 在汽车坐垫生产的流水线中有这样一个重要的环节—— ∥(J，y)：jI妙rP，上)；掣 向生产线上不同种类的坐垫模具中安放不同种类的内置铁件， s s s UX 模具内置铁件安放是否正确，是否出现放错、放偏、漏放等错 ∥(训)；丢缈，(三，上)：掣掣。 j 5 5 vy 误操作将直接影响到产品是否合格。在模具识别技术中，获得 模具内置铁件的清晰的轮廓线是识别模具内置铁件是否异常 则对于任意二维函数f(x，y)∈L2(R2)，其小波变换有 的重要前提。而受模具内置铁件尺寸小与模具背景色接近以及 两个分量： 器件和环境的影响，模具内置铁件的界线很不清晰，给进一步 wff(x，y)=f(x，y)·虻(x，Y) ．． 识别带来困难。如能发现一种精致而复杂的边缘描绘方法，得 W?f(x，Y)=f(x，Y)·吣(x，y) 到单像素级的边缘，意义十分重大。 上式简记成矢量形式： 边缘像素实质上是局部图像范围内灰度的急剧变化点(奇 去№y)坦(x，y)】 异点)，图像边缘就是二维图像中奇异点的集合【l】。由于小波变 f，wf(x，y)1：。 换对突变信号的敏感性，以及它在时域和频域具有很好的定位 tw：f(x，y)J 专№y)．0．(x，y)】 性能，’可以采用小波进行奇异性分析来实现奇异点定位，从而 =sgrad【f(x，Y)·0。(x，y)】 达到检测边缘的目的【21。本文充分利用小波变换的“时频”局 部化特点，设计了三次B样条小波平滑滤波窗算子，对模具 图像进行多尺度滤波，得到不同尺度下的小波变换，再结合双 方向的梯度。通常s取27，则梯度的辐角和模值分别为 阈值操作技术，在每种尺度下分别提取图像边缘，然后利用边 缘信息的多尺度特性，综合多尺度边缘形成真正的边缘图像。 有效地克服了模具内置铁件尺寸小与模具背景色接近以及噪 识似，力wl嬲l 声等不利因素的影响，最终得到单像素级的边缘图像，为下一 梯度的方向指向梯度的模取极大值的方向，与 步的模具识别工作打下了良好的基础． A【wof(x，y)】方向垂直。因此，只需沿着梯度方向检测小波变 换系数模的局部极大值点，即可得到图像的边缘点。 1 小波变换的边缘检测理论 2模具图像的多尺度边缘检测 利用小波变换提取边缘优于经典