基于模板的異常檢測系統(tǒng)及其關(guān)鍵技術(shù)研究.pdf

1、隨著工業(yè)、軍事等領(lǐng)域?qū)Ξ惓z測需求的日益增大,加之高性能、高可靠性圖像處理算法的日益成熟,促使機器視覺技術(shù)廣泛應(yīng)用于異常檢測當中。針對實際需求和一些亟待解決的問題,本文開展研究,設(shè)計并實現(xiàn)了基于模板的異常檢測系統(tǒng)。
　　 針對單一的異常檢測算法無法普遍適用于各種應(yīng)用環(huán)境和不同特征檢測對象的問題,提出采用工廠策略模式對系統(tǒng)的異常檢測算法模塊進行設(shè)計,并實現(xiàn)了利用灰度信息配準匹配的異常檢測和利用輪廓信息對準匹配兩種適用于不同應(yīng)用場合

2、的異常檢測方法。通過工廠策略模式和相應(yīng)的配置文件,在應(yīng)用環(huán)境或者檢測對象的特征發(fā)生變化時,客戶可以動態(tài)創(chuàng)建、配置和加載符合當前異常檢測需求的算法,確保在當前應(yīng)用中,異常檢測模塊能在快速、穩(wěn)定、準確之間保持很好的平衡。
　　 針對利用灰度信息模板匹配的異常檢測方法容易受到攝像機抖動和環(huán)境光照變化影響的問題,設(shè)計了一種具備容錯能力的分塊投影匹配法,實現(xiàn)了攝像機抖動的圖像糾正；接著在介紹了利用高斯濾波器和多項式擬合消除光照變化方法的基

3、礎(chǔ)上,提出了實時性能更好的Wallis變換法來消除光照變化的影響；最后基于加權(quán)多區(qū)域差分矩陣進行異常決策。實踐證明,在攝像機抖動量不大,光照連續(xù)變化的情況下,該方法能實現(xiàn)快速、準確地檢測異常。
　　 針對利用輪廓信息對準匹配的異常檢測方法對輪廓點分割的準確度要求很高的特點,首先對比了常用的邊緣檢測算法,提出采用Canny算子來準確提取圖像的邊緣,克服了傳統(tǒng)邊緣檢測算子易受噪聲干擾和粗輪廓的問題。接著基于邊界追蹤構(gòu)建目標輪廓,同時