（纺织工程专业论文）织物疵点检测系统的关键技术研究.pdf

f 。：二。：j 苏州大 本人完全了解苏州 即：学位论文著作权归 质论文的内容相一致。 信息情报中心、中国科 中国学术期刊( 光盘版 文档，允许论文被查阅 保存和汇编学位论文， 据库进行检索。 涉密论文口 本学位论文属 在年一月解密后适用本规定。 非涉密论文口 论文作者签名：型篁丝旦日 期：2 q l 立。：互 导师签 l 织物疵点检测系统的关键技术研究中文摘要 织物疵点检测系统的关键技术研究 中文摘要 织物疵点检测系统是用机器视觉的方法来代替人工检测。它可以克服人工检测的 漏检、误检、检测速度慢等缺点，适应了劳动生产率提高、纺织科技发展和人们对纺 织品质量不断提高的要求。因此对该系统的探索性研究，具有一定的科技和市场价值。 本文首先根据系统检测的要求，对图像采集系统中的摄像机、采集卡、镜头等设 备进行选型和设计并且完成工控机与摄像机的通讯和图像采集；然后，通过传统的 t s a i 两步标定法，用h a l c o n 软件实现摄像机的标定，为以后织物评分系统做准备； 最后，应用基于灰度块的方法实现两幅图像的拼接，并且用网格匹配来加快匹配速度， 使用加权平均的方法实现图像的无缝拼接。其中，图像采集系统硬件的选型和安装、 标定板的制作、h a l c o n 软件的使用和织物图像的拼接是本课题的重点，具有一定的 新意。 织物疵点检测系统能够采集到高速、清晰的图像，并且完成了标定板的制作和线 性摄像机的标定，最后，实现了两个摄像机采集图像的拼接。这些前期的工作，为以 后的织物疵点识别和织物的评分奠定了坚实的基础。 关键词t 机器视觉；织物检测；图像采集：摄像机标定；图像拼接 作者：姚桂国 指导老师：左保齐教授 r e s e a r c ho nak e yt e c h n o l o g yo ff a b r i cd e f e c t d e t e c t i o ns y s t e m a b s t r a c t f a b r i cd e f e c td e t e c t i o ns y s t e mi sak i n do fs y s t e mt h a tu s e sm a c h i n ev i s i o nt o r e p l a c et h em a n u a ld e t e c t i o n i tc a no v e r c o m ea r t i f i c i a lm i s s e dd e t e c t i o na n dm i s t a k e n d e t e c t i o n , t h u si m p r o v e st h eq u a l i t ya n dr a t eo fp r o d u c t i o n ，m a k e si m p r o v e si nt e x t i l e s c i e n c ea n dt e c h n o l o g y t h e r e f o r e ，t h e r ea r et e c h n o l o g ya n dm a r k e tv a l u ei ne x p l o r a t o r y r e s e a r c ho nt h i ss y s t e m f i r s t l y ，i n t r o d u c i n gt h es e l e c t i o na n dd e s i g no fi m a g ea c q u i s i t i o ns y s t e mb a s e do n t h er e q u i r e m e n t so ft h es y s t e m ，s u c ha sc a m e r a s ，c a p t u r ec a r d s ，l e n s e sa n do t h e re q u i p m e n t t h e nc a r r y i n go u ta n dc o m p l e t i n gi n d u s t r i a lc o m p u t e ra n dt h ec a m e r a sc o m m u n i c a t i o n a n di m a g ea c q u i s i t i o n ；s e c o n d l y ，s c o r i n gt h ec a m e r aw i t hh a l c o nc a m e r ac a l i b r a t i o n s o f t w a r et h r o u g ht h et r a d i t i o n a lt w o - s t e pc a l i b r a t i o nt s a i ，a n dp r e p a r ef o rt h e f u t u r e a p p l i c a t i o n ；f i n a l l y ，a c h i e v i n gt h es p l i c eo ft h et w oi m a g e sw i t ht h ea p p l i c a t i o no ft h e m e t h o db a s e do n 伊a y - s c a l e ，a n da c c e l e r a t i n gt h es p e e do fm a t c h i n gw 油t h e 面d t h e n b r i n g i n ga b o u tt h es e a m l e s si m a g es t i t c h i n gw i t hw e i g h t e da v e r a g e a m o n gt h e m ，t h e f o c u so ft h i st h e s i sa r et h ei n s t a l l a t i o no ft h eh a r d w a r ei ni m a g ea c q u i s i t i o ns y s t e m ，t h e m a n u f a c t u r eo fc a l i b r a t i o np l a t e ，t h em a i n t e n a n c eo fh a l c o ns o f t w a r ea n df a b r i ci m a g e s s t i t c h i n g ，w h i c ha r ei n n o v a t i o n s f a b r i cd e f e c td e t e c t i o ns y s t e mc a nc o l l e c th i g h - s p e e da n dc l e a ri m a g e s ，t h e nt h e c o m p l e t et h em a n u f a c t u r eo fc a l i b r a t i o np l a t ea n dc a l i b r a t i o no fl i n e a rc a m e r a , f i n a l l y ， r e a l i z i n gt h es p l i c eo ft h ei m a g e sc o l l e c t e db yt w o b i n o c u l a rc a m e r a t h e s ep r e - w o r kl a i da g o o df o u n d a t i o nf o rf u t u r ef a b r i cd e f e c ti d e n t i f i c a t i o na n dg r a d e k e yw o r d s ：m a c h i n ev i s i o n ；f a b r i cd e t e c t i o n ；i m a g ea c q u i s i t i o n ；c a m e r ac a l i b r a t i o n ；i m a g e l i w r i t t e nb y g u i g u oy a o s u p e r v i s e db yb a o q iz u o 目录 第一章绪论1 1 1 研究的目的与意义l 1 2 国内外研究情况。1 1 2 1 基于机器视觉的验布机研究情况1 1 2 2 摄像机标定研究情况4 1 2 3 图像拼接研究情况7 1 3 研究内容8 参考文献lo 第二章图像采集系统1 2 2 1 采集系统硬件的选型和设计。1 3 2 1 1 摄像机的选择1 3 2 1 2 镜头的选择1 4 2 1 3 图像采集卡的选择15 2 1 4 光源的选择15 2 1 5 编码器的选择16 2 1 6 计算机的选择1 6 2 2 采集设备的安装l7 2 2 1 摄像机的安装1 7 2 2 2 编码器的安装1 7 2 2 3l e d 线性光源的安装1 8 2 3 图像的采集软件的设置1 8 2 3 1 超级终端的连接与使用18 2 3 2 采集图像的校正1 9 2 3 2 图像采集1 9 2 4 采集图像评价2l 2 5 本章小结2 2 参考文献2 3 章摄像机的标定2 4 摄像机标定的基本理论2 4 1 1 图像坐标系、摄像机坐标系与世界坐标系2 4 1 2 针孔摄像机模型2 6 1 3 非线性摄像机模型。2 7 摄像机的标定2 8 2 1 标定板的制作2 8 2 2 摄像机标定输入参数的设定2 9 3 2 3h a l c o n 软件的标定3 0 3 3 实验结果分析。3 2 3 4 空间尺寸与图像尺寸的对应关系3 2 3 5 本章小结3 3 参考文献3 4 第四章图像的拼接3 5 4 1 图像采集与预处理3 5 4 2 图像配准3 7 4 2 1 配准的基本知识3 7 4 2 2 选择实验方案。3 8 4 3 图像的融合4 0 4 3 1 平均值法4 0 4 3 2 加权平滑法4 0 4 3 3 多分辨率的方法4 1 4 4 拼接的评价4 l 4 4 1 主观拼接效果评定法4 2 4 4 2 客观拼接效果评定法4 2 4 5 实验结果与分析4 3 4 5 1 图像评价因素分析4 3 4 5 2 图像评价效果客观评价分析4 5 4 6 本章小结4 6 参考文献4 7 第五章结论4 8 5 1 结论4 8 5 2 展望4 8 i 咐录5 0 在读期间发表论文6 2 致谢6 3 织物疵点检测系统的关键技术研究 第一章绪论 1 1 研究的目的和意义 第一章绪论 我国是纺织大国，纺织业在我国的国民经济发展中一直占据着举足轻重的地位， 我国的棉纱、棉布、服装及其他纺织品产量均居世界第一位，随着我国市场经济发展 和经济全球化，纺织行业亦面临着全球性竞争，提高产品质量、降低生产成本成为企 业生存的关键，因此，质量控制和生产效率越来越受到现代企业普遍关注。 织物疵点的检测，是纺织品检测的重要组成部分。传统的验布主要依靠人工检测， 这种方法效率低、误检率和漏检率高、同时受主观因素的影响也比较大，不能满足现 在企业对产品质量的要求。而基于机器视觉的检测方法，则可以很好地克服前述人工 检测的缺点。随着计算机图像处理、模式识别、计算机性能和图像采集等技术的快速 发展，机器视觉技术用于织物疵点的检测成为很好的选择卜1 7 】。 1 2 国内外研究情况 1 2 1 基于机器视觉的验布机研究情况 1 2 1 1 国外研究情况 以色列e v s 公司出产的i - t e x2 0 0 0 ，全球已经装备了2 0 0 多台，是比较成功的 产品，其采用了特制的计算机和图像处理技术使系统检验速度高达3 0 0y d m i n ，可检 测出0 5 m m 大小的疵点。该系统可执行下列操作：标出织物不均匀处为潜在疵点； 确定检测到不均匀是否为疵点；分析每一图像，选择报告最严重的疵点；将这些不均匀 分类，依大小、方向、形状等定义为预定类疵点；依照严重程度给疵点分级；记录每一 疵点有关位置、类型、大小和严重程度的信息；为后续检索和分析储存疵点图俐。 美国a l i c e 激光验布系统由福特空间与通讯公司工业产品和应用小组于1 9 7 8 年 研究成功，其检测速度可以达到2 5 0y d m i n ，检测幅宽达6 4 英寸。该系统可检测约 2 0 种疵点，按照系统的水平，可检验的织物有细平布、薄棉府绸、斜纹和一些合纤、 短纤和长丝的坯布，是采用的激光的检测方法，与现在主流的机器视觉方法不刚2 1 。 瑞士u s t e rf a b r i s c a n 织物品质自动检测系统，在宽度方向装有2 。8 只特制高分辨 织物疵点检测系统的关键技术研究 1 1 0 - - 4 4 0 c m ，速度最高可达1 2 0r n m i n ，最 统采用神经网络技术进行初始学习，用时约 数，然后进入检测阶段，寻找与正常外观不 另外，检测结果可输入集成质量管理系统， 对疵点分类，进一步对织物质量评价，该系统是世界上著名的公司生产，其技术比较 先进，并且已经应用于实践【3 j 。 德国o p d i x 光电子公司自动检测系统，该系统结合光学和力学，在神经网络方法 处理的软件支持下用传感器对正在织造的织物表面进行检测。此装置能分类如下疵 点：污物，破洞，断经，断纬，跳纱，结子，接结疵，色疵。同时具有高达0 0 6 m m 的疵点分辨率【4 j 。 比利时巴可公司c y c l o p s 系统，该系统可直接安装于织机上，通过扫描头来回移 动检测疵点，其移动速度达18 c m s ，最大检测宽度为2 6 m 。当疵点产生时，系统不仅 会促使织机停机，而且会发出警报提醒操作工注意。疵点的类型及其位置将显示于终 端上。当解除了引起疵点的原因后，操作工于织机控制终端上作出记录，并允许织机 继续运行。c y c l o p s 系统是专为b a r c o 公司的s y c o t e x 织机管理系统而设计的，所 有被标注的疵点信息均传送至一个织物质量数据库，s y c o t e x 织机管理系统会打印出 疵点形态的图片和质量报告。当织造完成，管理系统会制订出一个质量建议，该装置 的优势在于它可以安装在织机上，而不需要独立的验布机，在事前控制疵点的产生【5 】。 2 0 0 1 年，希腊r a d o v a ns t o j a n o v i c 研究出了自动验布机样机( 如图1 1 ) 。它由 线性相机和线性光源、d s p 、计算机组成。该算法首先用阈值和滤波预处理，然后应 用几何特征( 面积、方向等) 和纹理特征( 对比度、均值、熵等) 作为特征值，用神经 网络进行分类。可以检测到o 5 m m 的疵点，识别达到8 6 2 ，误识别率为4 3 ，该 系统还没用于实际的检 图1 1 织物检测实验系统 2 织物疵点检测系统的关键技术研究 第一章绪论 1 2 1 2 国内研究情况 东华大学汪军、李立轻、夏冬升、黄秀宝的自动验布等级客观评定系统的专利中 提出了用机器视觉的方法对织物疵点进行检测，其主要算法过程是：利用自适应小波 环境下的能量等5 个特征进行疵点检测；同时选用疵点的长度、宽度、长径比三个特 征用于织物等级的评等。他们是国内最早研究了织物疵点检测和评分的方法，但是其 采集选用面阵相机，影响了其实际的应用【7 】【8 】。 湖北工业大学赵大兴、朱锦雷等提出了布匹疵点检测系统的一些硬件选择与安装 方法。通过快速摄像机对移动布匹进行等间隔采样，将采集的图像进行预处理，再提 取特征值，根据预先定义的模板与图像进行匹配，得出匹配数( 即检测到的瑕疵数量) ， 最终决定布匹的质量等级。该检测系统采用图像模板匹配的序贯相似性检测算法 ( s s d a ) 进行处理，并改进了该算法的计算效率，在进行等间隔采样时，须确定坯布 的移动速度。此检测速度高达2 0 0 m m i n ，是目前国内研究比较成功的一个样机【9 。1 1 。 华中科技大学孙志刚、严锋等深入研究了织疵检测系统的硬件设计和采集、数据 库等软件编程。该团队针对纺织工业中视觉系统的应用需求，提出了一个基于d s p ( 数字信号处理) 、f p g a ( 现场可编程门阵列) 和p c i ( 外设组件互连标准) 混合 结构视觉系统设计的方案。系统采用2 0 4 8 像素高精度线阵相机作为图像捕获设备， 辅以f p g a 逻辑单元进行相机控制，以d s p 作为系统核心，对图像数据的存储与传 输方式进行了深入研究。同时，对服务器控制程序模块、驱动程序模块、图像数据库 模块等开发和设计给出了详细的实施方案。该研究是疵点检测研究的基础研究，没有 采用已经成熟的设备和软件，是现在国内比较深入的研究之一【l 扣1 3 】。 华中科技大学朱德森、邹超、龚艳军等，龚艳军提出了自动验布机的软、硬件的 设计方法。在硬件方面主要研究图像采集卡的设计，在软件上主要提出了运用小波的 方法检测疵点，b p 神经网络进行分类的方案。具体的检测效果没有提及到。邹超则 提出基于类别共生矩阵方法对织物疵点进行检测，相对于上面的一个团队，他们侧重 于理论的研刭1 4 。15 1 。 武汉理工大学祁林，将织物图像转换为灰度图，使用直方图均衡化法来增强图像 的清晰度和对比度；然后利用类似“灰度共生矩阵”的统计算法别织物的纹理密度，基 于织物经纬密度和疵点特征对织物图像进行数据压缩，加快了后继处理速度并减少了 图像的噪声干扰；再利用灰度阈值分割将织物图像二值化提取出疵点部分，并用“腐 蚀一膨胀”算法滤除灰度阈值二值化过程中产生的噪声点；最后提取疵点的特征值， 测效果可以对 序把返回的结果存入数据库或用户指定的位置，并根据结果控制机械部分做相应的运 动。该系统检测精度为0 5 r a m ，速度为1 0 0 m m i n ，是国内推出的产品之一【1 7 】。 1 2 2 摄像机标定研究情况 在机器视觉应用中，为确定空间物体表面某点的三维几何位置与其在图像中对应 点之间的相互关系，必须建立摄像机成像的几何模型，这些几何模型参数就是摄像机 参数。根据是否需要标定参照物来分，可分为传统摄像机标定方法和摄像机自标定方 法。传统摄像机标定是在一定的摄像机模型下，基于特定的实验条件，如形状、尺寸 已知的标定物，经过图像处理，利用一系列数学变换和计算方法，求取摄像机模型的 内部参数和外部参数。不依赖于标定参照物的摄像机标定方法，仅利用摄像机在运动 过程中周围环境的图像与图像之间的对应关系对摄像机进行的标定称为摄像机自标 定方法。虽然自标定方法非常得灵活，但它并不是很成剥1 8 9 1 。 1 2 2 1 经典标定方法研究情况 ( 1 ) 直接线性变换( d l t ) 方法：a b d a l a z i z 和k a r a r a 于1 9 7 1 年提出直接线性变换摄 像机标定方法，从摄影测量学的角度深入研究了摄像机采集图像和实际物体之间的对 应关系，建立摄像机成像几何的线性模型，通过求解线性方程的手段即可求得摄像机 模型的参数。然而这种方法完全没有考虑摄像机过程中的非线性畸变问题，为了提高 标定精度，非线性最优化算法仍不可避免【2 0 1 。 ( 2 ) 非线性标定方法：非线性标定方法使用大量未知数和大范围作线性优化。非线 性模型越精确，计算代价越高。这类标定方法的优点是可以假设摄像机的光学成像模 型非常复杂，充分考虑成像过程中的各种因素，能够得到较高的标定精度。然而由此 带来的问题是摄像机定标的结果取决于摄像机的初始给定值，如果初始值给得不恰 当，很难通过优化程序得到正确的定标结果。如果迭代过程设计不当，在高扭曲的条 4 织物疵点检测系统的关键技术研究第一章绪论 件下，优化过程可能不稳定且优化程序非常费时，无法实时得到标定结果【侈】。 ( 3 ) 基于r a c 两步标定方法：线性标定方法和非线性标定方法都有各自的优缺点， 利用线性方法进行摄像机标定，其缺点是没有考虑镜头的非线性畸变，精度不高。利 用非线性优化进行摄像机标定，虽然精确设计了摄像机型，但是非线性求解的结果取 决于设定的初始值，而目给定的初值不合适，就很难得到准确的结果。如果将两者结 合起来，先利用线性变换方法或者透视变换矩阵求解摄像机参数，再以求得的参数为 初始值，考虑畸变因素，并利用最优化算法进一步提高定标精度，这就形成了所谓的 两步法。 8 0 年代中期t s a i 提出的基于r a c 的定标方法是计算机视觉像机定标方面的一项 重要工作，该方法的核心是利用径向一致约束来求解除像机光轴方向平移外的其它像 机外参数，然后再求解像机的其它参数。基于r a c 方法的最大好处是它所使用的大 部分方程是线性方程，从而降低了参数求解的复杂性，因此其定标过程快捷，准确【2 1 1 。 ( 4 ) 张正友的平面标定方法：张正友的平面标定方法是介于传统标定方法和自标定 方法之间的一种方法。该方法的步骤如下：打印一张棋盘方格图并贴在一个板面上， 然后从不同的角度拍摄不少于3 张模板图像，检测出每幅图像中的特征点，由检测到 的特征点可以计算出每幅图像的平面投影矩阵h ，最后确定出摄像机的参数。它避免 了传统方法设备要求高，操作繁琐等缺点，相比自标定方法精度高。但缺点是需要确 定模板上点阵的物理坐标以及图像和模板之间点的匹配，这给不熟悉计算机视觉的使 用者带来了不便【2 2 。 1 2 2 2 自标定方法研究情况 ( 1 ) 直接求解k r u p p a 方程的自标定：f a u g e r a s 等提出的自标定方法是直接基于求解 k r u p p a 方程的一种方法，该方法利用绝对二次曲线像和极线变换的概念推导出了 k r u p p a 方程。利用k r u p p a 方程求得多幅图像上所有像点到对应极线的距离之和，并对 这个距离采用l m 算法求最小值，即可求出相应的摄像机内参数。基于k r u p p a 方程的 自标定方法不需要对图像序列做射影重建，而是对两图像之间建立方程，在某些很难 将所有图像统一到一致的射影框架的场合，这个方法会比分层逐步标定法更具有优 势，但代价是无法保证无穷远平面在所有图像对确定的射影空间里的一致性，当图像 序列较长时，基于k r u p p a 方程的自标定方法会不稳定 2 3 - 2 4 】。 ( 2 ) 分层逐步标定：近年来，分层逐步标定法成为自标定研究中的热点，并在实际 织物疵点检测系统的关键技术研究 代了直接求解k r u p p a 方程的方法。分层逐步标定法首先要求对图像序列 再通过绝对二次曲线( 面) 施加约束，定出仿射参数( 即无穷远平面方程) 数。分层逐步标定法特点是在射影标定的基础上，以某一幅图像为基准 从而将未知数数量缩减，再通过非线性优化算法同时解出所有未知数。 缺点在于非线性优化算法的初值只能通过预估得到，不能保证收敛性；射影重建时均 是以某参考图像为基准，则参考图像的选取不同，标定的结果也不同，这不满足一般 情形下噪声均匀分布的假设1 2 3 j 。 ( 3 ) 基于绝对二次曲面的自标定法 t r i g g s 将绝对二次曲面的概念引入到自标定的研究中来。这种方法与基于k r u p p a 方程的方法在本质上是一致的。都是利用了绝对二次曲线在欧氏变换下的不变性，但 在输入多幅图像并能得到一致射影重建的情形下，基于二次曲面的自标定法更具优 势，其根源在于二次曲面包含了无穷远平面和绝对二次曲线的所有信息，且基于二次 曲面的自标定方法又是在对所有图像做射影重建的基础上计算一次曲面的，从而保证 了无穷远平而对所有图像的一致性【2 5 】。 ( 4 ) 基于主动视觉的自标定法 基于主动视觉的摄像机自标定方法是摄像机自标定方法中的一个重要分支。所谓 主动视觉系统是指摄像机被精确安装于可控制平台上，通过主动控制摄像机作特殊运 动获得多幅图像。利用图像和可控制的摄像机运动参数来确定摄像机的内参和外参【2 6 1 。 一般情况下，当应用的场合所要求的精度很高并且摄像机的参数不经常变化时， 传统标定方法为首选。而自标定方法主要应用于精度要求不高和不太方便安置标定物 的场合，如通讯、虚拟现实、移动机器人等。 1 2 3 图像拼接研究情况 图像拼接，是将两幅或多幅图像拼接成一幅大幅图像，以满足大视场的需求，主 要包括两个关键技术，即图像配准和图像融合。图像配准即把同一场景在不同时刻、 不同视角、不同传感器下拍摄的图像进行空间对齐与灰度融合，也就是找到图像间最 佳的匹配位置。图像融合的主要问题是如何使拼接的两幅或多幅图像在拼接之后不出 现明显的拼接接缝，使其在亮度上没有明显的灰度差别。 1 2 3 1 配准研究情况 ( 1 ) 基于变换域的图像配准方法 6 织物疵点检测系统的关键技术研究 第一章绪论 该方法中，最主要的变换域方法就是傅氏变换方法。它利用了傅立叶变换的函数 平移，旋转和缩放在频率域都有其对称性的特性。对于图像的平移，计算两幅图像功 率谱的傅立叶变换可得一个脉冲函数，该函数仅在平移量处为零。对于旋转，可使用 极坐标方式表示，使图像的旋转转化为图像的平移，再用相同的方法计算图像间的旋 转角度。假如图像之间仅有平移变换还有旋转变换，则我们分两步进行计算：先计算 旋转变换后计算平移变换。具体的步骤如下：设r 伍，y ) 为参考图像，s ( x ，y ) 为待匹配 图像，s ( u ，v ) 和r ( u ，v ) 分别为它们的傅立叶变换，这两幅图像之间存在一个平移量 ( x o ，y o ) ： s ( x ，少) = r ( x x o ，y j ，o ) 它们之间的傅立叶变换关系为： s ( u ，v ) = e - j ( + 州r ( u ，1 ，) 即两幅图像之间存在平移时，它们的傅立叶变换幅值相同，仅一个相位差。 此方法对于平移量和旋转及缩放的图像配准非常适合。同时，它具有硬件支持和 快速算法，因此计算速度快，同时能克服相关性噪声和依赖频率噪声，可适合多传感 器和光源变化采集的图像，但是它需要图像重复的区域要超过一半，限制了其应用范 围【2 7 。2 9 1 。 ( 2 ) 基于灰度的图像配准方法 该方法一般需要对图像进行复杂的预先处理，而后利用图像本身具有的灰度统计 信息来度量图像的相似程度。此方法是几种匹配方法中，算法时间复杂度最大的一种， 不能满足实时的要求，所以一般要对其进行改进后使用。其主要特点是实现简单，但 应用范围较窄 2 8 - 2 9 】。 ( 3 ) 基于特征的图像配准方法 基于特征的图像配准方法是目前图像配准方法中应用最广的一类，该方法首先要 对待配准图像进行预处理，然后进行图像的特征提取，最后，利用提取到的特征完成 两幅图像特征之间相似度的匹配。通过特征的匹配关系建立图像间的配准映射变换， 由于图像中有很多种可以利用的特征，因而产生了许多基于特征匹配的方法。常用到 的图像特征有：特征点( 包括角点、高曲率点等) 、直线段、边缘、轮廓、闭合区域、 特征结构以及统计特征( 矩小变量、重心等) 。它在有明显几何特征的图像中应用的 很广( 如机械零部件等) ，但是如纹理等图像不适用1 3 0 】。 1 2 3 2 图像融合技术的研究情况 7 织物疵点检测系统的关键技术研究 同角度或不同摄像机的图像采样，光强都有差异。因此在图像拼接 显的缝隙。图像融合就是要消除图像光强或色彩的不连续性。其主 拼接处的光强平滑过渡以消除光强的突变。常用的方法有三种： 其主要思想是让中值滤波器作用在边界附近区域，使与周围灰度 素取与周围像素接近的值，从而消除的亮度不连续性。中值滤波器 性滤波器，会模糊细节，目前仅使用在一些特殊情况下。 该方法是一种最简单的多幅图像融合方法，即对多幅源图像的对 应像素点进行加权处理，以两幅图像为例，设a ( i ，j ) 为图像a 中的一个像素点，b ( f ，歹) 为图像b 中与之对应的像素点，则融合图像中的像素点可通过下式得到， c ( i ，j ) = w a ( i ，) + ( 1 一w ) 幸b ( i ，j ) ，其中w 根据实际情况决定。加权平均法直观、实 现简单；但抗干扰能力较差，可用于实时性要求高，精度要求不高的场合。 ( 3 ) 多分辨率技术：一般有多分辨金字塔结构和小波变换的方法。将图像分解成不 同频率上的一组图像，在每个分解的频率域上，将图像重叠边界附近加权平均。最后 将所有频率上的合成图像合成一幅拼接图像。该方法是目前融合效果最好的一种，但 是算法比较复杂，应用受到限制3 1 。7 1 。 1 3 研究内容 综述相关技术之研究情况，现在的织物疵点检测系统多采用机器视觉的方法，但 是对检测系统的硬件和摄像机采集图像后续处理没有详细的研究，所以提出本文研究 的重点内容。首先，研究自动验布机所需的硬件配置以及图像采集中的一些关键技术； 其次，研究摄像机的标定方法；最后，完成两个摄像机采集图像的拼接。本论文章节 如下： 第一章概述基于机器视觉自动验布机的国内外研究情况。除了对现有检测系统的 介绍，还对现有的一些理论研究进行了讨论。同时，还对本文主要研究的摄像机标定 和图像拼接的研究近况进行了阐述。 第二章主要研究自动验布机系统的图像采集系统。首先，介绍了机器视觉中摄像 机、光源、镜头、采集卡等一些硬件的选型；其次，探讨了光源、编码器与相机的安 装；最后，说明了两种机器视觉软件的采集方法设置。 第三章主要介绍摄像机标定的技术，主要为以后特征的提取和评分系统做准备。 本章主要研究了高精度标定板的制作和基于h a l c o n 机器视觉软件的摄像机的标定方 8 织物疵点检测系统的关键技术研究 第一章绪论 法。 第四章主要解决左右二幅图像的拼接问题。首先对图像进行消噪等预处理，其次 通过对现有配准方法的研究，排除基于特征和相位相关法，选择基于灰度的方法进行 配准；再次，通过相关度度量方法和融合方法的比较选择最好的方案；最后，为了加 快拼接速度，选择网格匹配。通过图像和评价标准，证明该方法可以实现图像有效拼 接。 第五章对本文进行总结，说明本文主要贡献和存在问题，以及对以后的研究提出 一些建议。 9 绪论织物疵点检测系统的关键技术研究 参考文献 【1 】何志贵，魏丽琼i t e x 2 0 0 0 型织物自动检验系统 j 】涸外纺织技术，2 0 0 0 ， ( 1 2 ) ：3 6 3 8 【2 】a l i c e 激光验布系统 j 美国纺织工业， 【3 】r m e i e r , j u h l m a n n ，e t c u s t e rf a b r i s c a n 1 9 9 9 ，( 3 ) ：4 8 5 1 1 9 7 8 1 4 2 ( 2 ) ：4 1 织物品质自动检测系统【j 】国际纺织导报， 【4 】h s c h m a l f u b ，k l s c h i n n e r 自动在线织物检验【j 】国际纺织导报，1 9 9 9 ，( 3 ) ：5 2 5 6 5 a l l f r e dr o c k e r y a u t o m a t e df a b r i ci n s p e c t i o n ：a s s e s s i n gt h ec u r r e n ts t a t eo ft h e a r t j t e c h n i c a ls p e c i f i c a t i o n s ，2 0 01 ，( 6 ) 【6 】r a d o v a ns t o ja n o v i c w , e t c r e a l t i m e v i s i o n b a s e d s y s t e m f o rt e x t i l ef a b r i c i n s p e c t i o n r e a l t i m ei m a g e j ，2 0 01 【7 】汪军，李立轻，夏冬升一种自动验布等级评定系统 c 】东华大学，专利号： 2 0 0 5l0 1 10 2 4 4 6 8 】夏冬升基于计算机视觉的织物等级自动评定研究 d 】东华大学2 0 0 5 1 2 【9 】赵大兴等一种坯布表面疵点在线检测装置【c 】湖北工业大学，专利号： 2 0 0 8 1 0 0 4 8 3 2 1 3 【1 0 】赵大兴，王璜，朱锦雷基于机器视觉的织物疵点检测系统 j 】湖北工业大学学报， 2 0 0 8 ，2 3 ( 3 ) ：7 3 7 5 【1 l 】朱锦雷基于机器视觉的布匹疵点的快速识别算法研究【d 】湖北工业大学，2 0 0 8 3 【1 2 】宫海涛基于织疵检测的机器视觉系统研究 d 】华中科技大学，2 0 0 7 2 【1 3 】严锋织物疵点检测系统软件研究 d 】华中科技大学，2 0 0 7 5 1 4 】龚艳军布匹疵点自动检测系统的研究和设计 d 】华中科技大学，2 0 0 5 9 【1 5 】邹超布匹疵点在线检测的算法研究【d 】华中科技大学，2 0 0 6 4 【1 6 】祁林织物疵点的计算机软件识别方法研究 d 】武汉理工大学，2 0 0 6 4 17 】h t t p ：w w w e a s t h o p e c n c o m p r o d u c t d o ? h i d d e n = p r o d u c t v i e w & i d = p 0 0 5 1 8 】中国科学院自动化研究所模式识别国家重点实验室摄相机标定 c 】h t t p ：w w w n l p r i a a c c n e n g l i s h r v 【1 9 】马颂德，张正友计算机视觉【m 】北京：科学出版社，1 9 9 8 2 0 】a b d e l a z i zy i ，k a r a r ah m d i r e c tl i n e a rt r a n s f o r m a t i o ni n t oo b j e c ts p a c ec o o r d i n a t e s 1 0 织物疵点检测系统的关键技术研究第一章绪论 i nc l o s e - r a n g e p h o t o g r a m m e t r y 【j 】c l o s e r a n g ep h o t o g r a m m e t r y ，1 9 7 1 ，1 - 1 8 【21 ry t s a l a ne f f i c i e n ta n da c c u r a t ec a m e r ac a l i b r a t i o nt e c h n i q u ef o rr e c o g n i l i o n 【c 】i np r o c e e d i n go fc o m p u t e rv i s i o na n dp a t t e r nr e c o g n i t i o n 19 8 6 ，3 6 4 - 3 7 4 【2 2 】z yz h a n g f l e x i b l ec a m e r ac a l i b r a t i o nb yv i e w i n gap l a n ef r o mu n k n o w n o r i e n t a t i o n s j i e e ei n t e r n a t i o n a l c o n f e r e n c eo nc o m p u t e rv i s i o n ，i e e ec o m p u t e r s o c i e t y , 19 9 9 ，6 6 6 - 6 7 3 2 3 】邹华计算机视觉中的摄像机自标定 d 】西安建筑科技大学，2 0 0 5 6 【2 4 雷成，吴朝福，胡占义k r u p p a 方程与摄像机自标定【j 】自动化学 报，2 0 0 1 ，2 7 ( 5 ) ：6 2 1 6 3 0 2 5 】t r i g g sb a u t o - c a l i b r a t i o na n da b s o l u t eq u a d r i c j i n ：p r o c e e d i n g so fc o m p u t e r v i s i o na n dp a t t e mr e c o g n i t i o n ，19 9 7 ，6 0 4 - 614 2 6 mas as e l f - c a l i b r a t i o nt e c h n i q u ef o ra c t i v es y s t e m j i e e et r a n sr o b o t i c sa n d a u t o m a t i o n ，1 9 9 6 ，1 2 ( 1 ) ：1 1 4 - 1 2 0 2 7 】张桂林，徐捷频域相关技术在图像匹配中的应用【j 】模式识别与人工智能，1 9 9 7 ； 1 0 ( 1 ) ：8 7 - 9 2 【2 8 】侯舒维闺像拼接技术研究 d 】西安电子科技大学，2 0 0 5 1 【2 9 】王红梅，张科，李言俊图像匹配研究进展 j 计算机工程与应用，2 0 0 4 ，1 9 ，4 2 4 5 3 0 葛永新基于特征的图像配准算法研究 d 】重庆大学，2 0 0 6 5 3 1 】毛小东图像配准与拼接方法研究 d 】西安电子科技大学，2 0 0 6 1 【3 2 】张翔基于机器视觉的织物组织结构自动识别系统一图像拼接算法的研究与实现 d 】东南大学，2 0 0 6 4 3 3 】晁锐，张科，李言俊一种基于小波变换的图像融合算法【j 】电子学报，2 0 0 4 ，3 2 ( 5 ) ：7 5 0 7 5 3 【3 4 】b u r tp j t h ep y r a m i da ss t r u c t u r ef o re f f i c i e n tc o m p u t a t i o n 【j 】m u l f i r es o l u t i o n i m a g ep r o c e s s i n ga n da n a l y s i s ，1 9 8 4 ，1 2 ( 3 )