基于形态学网格节点提取算法.docVIP

基于形态学网格节点提取算法 　　摘 要：针对网格图像节点提取的问题，提出了一种通过对网格图像进行滤波、二值化、细化及去除毛刺，利用形态学处理，最终实现网格图像节点的提取的算法。实验表明该算法能够有效的提取网格图像的节点，为后续的图像匹配等工作确定基础。 　　关键词：特征提取；网格节点；形态学处理 　　中图分类号：TP391 文献标志码：A 　　Image Grid Nodes Extraction Algorithm Based on Morphological Processing 　　LI Wan-bing1，WANG Ping2 　　（1.College of Mechanical Engineering，Xijing University，Xi’an，Shaanxi，710123，China 　　2.College of Automation Engineering，Nanjing University of Aeronautics and Astronautics，Nanjing，Jiangsu，211106，China） 　　Abstract：A feature extraction algorithm was proposed for grid node images.this algorithm involves image filtering，binarization，thinning，burrs removing and morphological processing.the experimental results indicated that the presented algorithm can accurately extract the image grid nodes as feature points，and it provides a solid foundation for subsequent matching processing. 　　Key words：feature extraction；grid nodes；morphological processing 　　0 引 言 　　方形网格结构简单，在实际的工程中应用普遍。例如在以薄壁板材为坯料的各种板料零件制造加工中，要分析板料的变形情况，用以评价板料的性能，优化加工工艺等[1]。通常采用坐标网格技术用来获取板料表面的应变分布。其中应用到了方形网格，首先使用标定好的CCD相机在不同角度对印制有网格的板料表面进行拍摄，再应用数字图像处理方法提取图像上的网格节点，并建立拍摄图像网格节点间的匹配关系，根据立体视觉理论解算出这些特征点在三维空间的坐标，从而计算得到板料表面的应变分布。此外，建筑中也有诸多的网格或类似网格的结构部件。如钢管的连接部分，其为十字形的连接板。通过视觉方式测量建筑物的关键网格节点，可以分析建筑结构的强度变形能力、延展性等特性。在无人机的自主降落中，可以将方形网格作为无人机自主降落所需的合作目标，通过无人机机载的视觉系统提取方形网格的节点特征来估算无人机的位置姿态。在基于合作目标的空间交汇对接中，可以将合作目标设计为方形网格，通过提取目标飞行器上网格的节点来估计飞行器的位姿参数。双目立体视觉中，可以通过提取左右相机中网格图像节点的图像坐标，通过配准来完成物体的三维重建。在以上所述的工作中，准确的提取网格特征点（节点）是保证这些工作顺利进行的重要基础。通常基于灰度图像的特征提取算法有Harris角点检测算法[2]、SUSAN角点检测算法[3]以及SIFT算法[4]等。Harris算法和SUSAN算法可以很好地检测到图像中的角点，虽然网格节点也可以看作是特殊的角点，但是由于网格线粗细等方面的影响，Harris和SUSAN算法子并不能准确定位本文所期望的网格节点。SIFT算法可以在多尺度上提取到稳定的反映图像本质特征的特征点，但通常所获取的特征点并不是本文所期望的特征。针对网格图形的特征，本文基于图像处理基本理论，应用数学形态学的知识，实现网格节点的定位提取，为后续的图像配准、三维重建等工作打下坚实的基础。 　　1 网格节点提取预处理 　　1.1 图像滤波 　　实际采集的图像中往往含有随机噪声，会极大影响网格节点的有效提取，因此网格节点提取前图像的预处理是必要的。本文使用线性滤波器来对图像进行滤波。 　　1.2 图像二值化 　　为了使计算机快速并准确地理解图像中的目标内容，需要对图像进行二值化处理，把目标从图像背景中区分出来，去除背景干扰因素。通常采用阈值运算分割灰度图像进行图像二值化，运算方法如式（5）表示 　　g（i，j）=255f（i，j）T0f（i，j）T（5） 　　其中，f