基于图像处理的胎面纠偏技术研究-模式识别与智能系统专业论文.docx

摘 摘 要 Abstract Abstract 摘 要 本文以轮胎生产过程中的半成品，胎面输送系统中的胎面图像作为研究对象。胎 面图像通过固定在皮带上方的CCD摄取所得，该图像信号经过图像采集卡送入PC机， 对该图像信号进行一系列处理之后，计算出胎面的偏移角度。利用胎面图像的偏移角 度作为反馈信号，通过控制器对系统进行控制，相应的调整纠偏皮带,保证胶带无偏移 的输送。在对图像去噪及怎样提取胎面边缘和机架边缘两条直线方面进行了比较深入 的研究:在前人研究的基础上，应用阙值分割和边缘检测对胎面图像进行处理。 首先，在胎面图像去噪方面对阙值法、平移不变量及系数放大法进行深入的研究， 在此基础上对系数放大法进行了改进，该改进算法与常用的软阙值法和硬阙值法相比， 提高了峰值信噪比CPSNR)，降低了均方误差CMSE)且改善了图像的视觉效果。另 外结合平移不变量、系数放大法及Huresure规则对图像进行去噪，该结合算法与单独 的平移不变量方法或单独的系数放大法相比，改善了图像的视觉效果，提高了峰值信 噪比CPSNR)，降低了均方误差CMSE)。 其次，在前人研究的基础上对胎面图像进行阙值分割。研究了Otsu的类间方差法、 最优阙值分割算法及迭代阙值分割算法。本文的胎面图像分割是为了下一步进行目标 特征提取作准备。经过多次实验发现，最优阙值分割算法对本文的胎面图像最为有效， 因此本文采用最优阙值分割算法。 然后，应用边缘检测算子对胎面图像进行边缘检测。对常用的Roberts算子、Sobel算 子、Prewitt算子、拉普拉斯算子、Log算子及Canny算子进行了深入的学习。经过实验 发现，Roberts算子检测的结果最有利于本文提取胎面边缘和机架边缘。 最后，对边缘检测后的胎面图像进行特征提取。胎面边缘和机架边缘是本文的目 标物体，本人对怎样提取出胎面边缘和机架边缘进行了深入研究，并对提取出的目标 物体进行后处理。由于灰度值不同出现了断线、细线和细点，为了下一步计算出胎面 边缘和机架边缘之间的夹角，必须去除作为干扰的细点和细线，把胎面边缘的断线和 机架边缘的断线连接成直线。编程计算出胎面边缘和机架边缘之间的夹角。(此夹角作 为胎面纠偏系统的反馈信号，通过控制器对系统进行控制，相应的调整纠偏皮带,保证 胶带无偏移的输送。) 关键词:胎面图像;小波去噪;阙值分割;边缘检测; 特征提取; 计算角度. 万方数据 – I – – – PAGE IV – 万方数据 – – PAGE III – 万方数据 Abstract This research is focused on semi-finished products of tire production, tire image on its transportation system. The tire image is caught by the CCD that is on the top of the conveyer roller. The image signal is processed into PC by the image card. According to the processing results, excursion angle is calculated. The tire excursion angle is used as the feedback signal to control the system by adjusting the correct excursion strap that guarantees the transportation of tire correctly. Image de-noising and how to distill the tire edge and bracket edge two lines are researched deeply. Base on the previous research, threshold segmentation and edge detect are used to process the image. Firstly, it carried out deep research on threshold method，translation invariant and coefficient magnify in the respect of tire image de-noising and the coefficient magnify is improved based on the research. The improved calculating met