基于機器視覺的黑片缺陷檢測圖像特征提取技術(shù)研究.pdf

1、機器視覺是用計算機來模擬人的視覺功能，其中非常重要的一環(huán)就是圖像處理。特征提取是圖像處理中的一個重要研究方面，而角點是圖像中非常重要的特征，包含豐富的圖像信息。角點提取的準確性會影響到對圖像的理解和分析，同時它對于確定場景中的物體以及立體視圖匹配都有重要的作用。本文在深入研究了基于灰度和基于邊緣的兩類角點提取算法后，運用多尺度思想分別提出了改進的Harris多尺度角點提取和基于圖像特征融合的角點提取方法。
　　 Harris角點

2、檢測是一種經(jīng)典的角點檢測算法，現(xiàn)實中應(yīng)用比較廣泛，但不具有尺度變化特性，所以在圖像的角點提取中往往改變參數(shù)的選擇也得不到滿意的提取效果。在Harris算法的基礎(chǔ)上，本文將多尺度空間和模糊系數(shù)引入到該算法中，在多個尺度下結(jié)合Harris算法對角點進行提取，最后通過一全局閾值來篩選角點。通過算法設(shè)計和實現(xiàn)，將本文所提方法與經(jīng)典算法統(tǒng)一實現(xiàn)在一個程序界面中利于進行比較研究。改進方法融合了多個尺度的特征信息，克服了單一尺度的Harris角點檢測

3、可能存在的角點信息丟失和易提取偽角點等問題。
　　 基于圖像邊緣的角點提取雖提取精度較高，但往往對噪音敏感且運算量大；而基于圖像灰度的角點提取易于實現(xiàn)但提取效果往往不佳。本文在研究了這兩類提取特點的基礎(chǔ)上提出一種融合圖像邊緣特征和圖像灰度特征的角點檢測方法。首先在一較低尺度用Canny算法求出所有邊緣點，然后求出每一邊緣點的曲率值并求出初始角點集，利用Harris算法通過實驗在一較優(yōu)尺度下對初始角點進行篩選并確定最終的角點集合。