基于压缩感知和Hough变换的层叠纸张计数算法研究.docVIP

　　基于压缩感知和Hough变换的层叠纸张计数算法研究 第1章 绪论 1.1研究背景和意义 在纸张制造、印刷和包装等行业中，为了准确地得到最终码放整齐的纸张数量，纸张计数是很常见的操作。事实上，纸张的数量在加工之前是已知的，但是在加工处理的过程(纸张切割和印刷等)中，一些纸张由于处理不当导致损坏或质量不合格而被抛弃，最终得到的纸张数量是未知的，因此对层叠纸张的总数量进行统计是非常有必要的。传统的层叠纸张计数方法有人工计数方法和使用专门的层叠纸张计数装置计数方法。人工计数方法指的是利用工人进行手工计数，这种计数方法有很多缺点，例如准确性容易受到工人主观因素的影响、纸张容易因为工人的因素遭到损坏、影响工人的健康(视觉)和效率低下等。层叠纸张计数装置原理是：首先测量出单位纸张的厚度(或重量)，然后测量出层叠纸张的厚度(或重量)，根据这两个数值，最终计算出层叠纸张的数量。这种测量方法受测量设置的灵敏度、周围环境(空气湿度等)和纸张本身特性(纸张的均匀性、层叠纸张的平整性等)等诸多因素的制约，往往得不到准确的计数结果。而且层叠纸张计数装置占用场地大、功耗高、操作工序复杂、计数费时、易产生误差和不易保养维护。因此，找到一种速度快且计数准确的层叠纸张计数方法来替代人工计数和层叠纸张计数装置势在必行。机器视觉[1][2]是近些年来发展十分迅猛的一门技术，它是一门涉及图像处理、自动化技术和人工智能等很多领域的交叉学科。机器视觉通过使用智能化的机器来模拟人类的视觉感知系统，借助各类成像系统来获取外界事物的图像，通过高速的处理器来对图像进行处理并加以理解，进而完成检测和控制等任务。机器视觉技术可以快速而准确地获取信息，而且信息进入计算机后容易进行处理，所以被广泛地应用于工业生产中。为了解决层叠纸张计数机存在的诸多问题，国内外学者尝试将机器视觉技术应用到层叠纸张计数中，并取得了较好的效果。 . 1.2研究现状 层叠纸张计数算法是基于机器视觉的层叠纸张计数系统中的核心和难点，找到一种计数准确、速度快且对层叠纸张图像质量依赖性较低的层叠纸张计数算法是研究的重点。国内已有学者将纹理技术应用到层叠纸张计数算法中，并取得了较好的效果。李毅等人[6]尝试从滤波和逐行分析这两种角度出发，提取层叠纸张图像中的边缘信息，从而得到计数结果。实验效果表明，通过二维 Gabor 滤波的方式虽然速度比较快，但是算法对层叠纸张图像的质量依赖性比较高，因而算法计数结果的准确性往往无法得到保证；通过一维逐行频率分析的方式虽然能够得到比较准确的计数结果，但是算法的速度比较慢。苗良等人[7]基于图像的纹理特征出发提出了两种算法，通过提取层叠纸张图像的纹理特征来得到计数结果。实验效果表明，基于图像倾斜校正的像素投影算法虽然速度较快，但是受层叠纸张图像的质量影响较大；基于统计学观点的差分统计算法虽然能够得到比较准确的计数结果，但是其速度较慢。郑光等人[8]将数学形态学思想应用到算法中，提出了一种新的层叠纸张计数算法。算法首先采用数学形态学中的运算去除层叠纸张图像中的噪声，然后连接层叠纸张图像中断裂的条纹，最后通过逐行扫描得到层叠纸张图像的计数结果。实验效果表明，算法对层叠纸张图像的质量依赖性较高，而且算法的速度比较慢。 .. 第2章 压缩感知理论和 Hough 变换理论 2.1 压缩感知理论框架 图像的变换编码是一种使用变换来实现数据压缩的方法，它通过正交变换可以得到所描述的图像信号在频域中的一组变换系数，这组变换系数不存在相关性，只针对这部分变换系数编码就能够完成图像信号压缩的任务。图像的变换编码主要是要使得图像信号在频域中能更加能量集中地表示，少部分变换系数上携带着大部分特征信息，而其它变换系数等于零或几乎为零[12]。这种传统的以采样定理为准则的采样方式要求采样频率不得低于原始信号最高频率的两倍，海量的采样数据将会增加数据传输、存储和处理的成本。而且在一些特殊的环境中，由于受采样设备和采样时间等因素制约，根本不可能按照采样定理的指导来进行数据采样。压缩感知框架与传统的以采样定理为准则的采样过程不一样的是，它不会对信号进行直接采样，而是将信号进行投影后再进行采样，也就是说它是使用一种压缩的形式去采样的，其最终的目的是使得信号采样和信号压缩这两个过程同时进行[13]。压缩感知表明，如果信号本身或在某个变换域上具有稀疏性或可压缩性，那么就可以突破采样定理的采样下限，从而避免采样、传输、存储和处理等过程中不必要的浪费。 .. 2.2 信号的稀疏表示 信号的稀疏表示其实就是在某个特定基下寻找尽可能少的基向量用来表示原始信号。由于信号的稀疏表示可以有效地提取信号的特征信息，降低信号存储、传输和处理的成本，因此对于信号的稀疏表示的研究是非常有意义的。在信号稀疏表示的应用中，经常使用字典来取代传统方