基于Choquet积分的图像模板匹配系统及算法技术方案

本发明专利技术涉及一种基于Choquet积分的图像模板匹配系统及算法，包括检测并提取产品区域图像；对提取后的图像进行预处理、二值化及形态学操作；缺陷形态信息和位置信息获取；位置误差筛选和相似度筛选；计算Choquet积分的系统概率、信念度量以及合理性筛，依次去除不满足阈值要求的点，筛选出匹配点。本发明专利技术的本方案实施后可提高产品的安全可靠性，降低产品成本，减少资源浪费，提高工作效率。本发明专利技术基于Choquet积分的模板匹配方法能提供更好的匹配性能。本发明专利技术基于模糊算法，对于存在遮挡，物体交叠等不完整的信息环境能实现较好的匹配。

Image Template Matching System and Algorithms Based on Choquet Integral

【技术实现步骤摘要】
基于Choquet积分的图像模板匹配系统及算法
本专利技术涉及一种基于Choquet积分的图像模板匹配系统及算法，属于视觉匹配

技术介绍
现有模板匹配算法难以实现不完整的信息环境中确定参考图像(模板)在较大图像(场景)上的最佳匹配位置。然而在现实的产品图像中，可能存在由于产品交叠，遮挡等情况导致获取的产品图像信息并不完整，这为匹配增加了难度。Choquet模糊积分给出了一种直觉模糊判据矩阵的决策新方法，本专利技术基于Choquet模糊积分提供一种全新的图像模板匹配系统及匹配算法。
技术实现思路
本专利技术的目的在于克服现有技术的不足，提供一种基于Choquet积分的图像模板匹配系统及算法，通过结合有限数量的图像模板匹配算法的匹配决策来获得更精确和鲁棒的匹配，与模糊度量相关的Choquet积分可以用于处理由于不完整的图像信息造成的模糊性。本专利技术目的通过如下技术方案予以实现：提供一种基于Choquet积分的图像模板匹配算法，包括1)获取并提取产品区域图像；2)对提取后的图像进行预处理、二值化及形态学操作；3)缺陷形态信息和位置信息获取；4)位置误差筛选和相似度筛选；5)计算Choquet积分的系统概率、信念度量以及合理性筛，依次去除不满足阈值要求的点，筛选出匹配点。优选的，形态学操作包括通过腐蚀操作滤除图像中的颗粒噪声，采用膨胀操作适度还原被腐蚀目标的边缘。优选的，位置误差筛选包括计算产品的位置误差，如果误差超过阈值，结束该图像的检测；如果位置误差未超过阈值，则进行相似度筛选。优选的，相似度筛选包括计算纹理相似性h(x(i))，筛选出超过纹理阈值的像素点。优选的，系统概率计算如下：其中p({x(i)})为像素x(i)的权值，n为像素点数。优选的，p({x(i)})采用x(i)点的模糊密度除以最大模糊密度获得。优选的，信念度量计算方法为：其中m(A(i))＝g(x(i))-g(x(i-1))，g(x(i))为特征值的模糊度量，X为图像点集。优选的，合理性计算方法为：其中m(A(i))＝g(x(i))-g(x(i-1))，g(x(i))为特征值的模糊度量，X为图像点集。优选的，还包括步骤6)根据匹配的点计算匹配率，进而确定是否与图像模板匹配。优选的，所述特征值包括亮度、对比度、旋转或比例。同时提供一种基于Choquet积分的图像模板匹配系统，包括：获取模块，获取产品的图像；提取模块，提取产品区域图像；处理模块，对产品区域图像进行预处理、二值化及形态学操作并发送给缺陷形态信息获取模块和位置信息获取模块；缺陷形态信息获取模块，获取产品缺陷形态信息；位置信息获取模块获取产品位置信息；位置误差筛选模块，基于产品位置信息计算产品的位置误差，如果误差超过阈值，结束图像的检测；如果位置误差未超过阈值，则将图像发送给相似度筛选模块；相似度筛选模块，对图像像素点进行相似度筛选后发送给Choquet积分的系统概率匹配器；Choquet积分的系统概率匹配器，计算像素点的系统概率，去除低于系统概率阈值的像素点后发送给Choquet积分的信念度量匹配器；Choquet积分的信念度量匹配器，计算像素点的信念度量，去除低于信念度量阈值的像素点后发送给Choquet积分的合理性匹配器；Choquet积分的合理性匹配器，计算像素点的合理性，去除低于合理性阈值的像素点。优选的，形态学操作包括通过腐蚀操作滤除图像中的颗粒噪声，采用膨胀操作适度还原被腐蚀目标的边缘。优选的，相似度筛选模块计算纹理相似性h(x(i))，筛选出超过纹理阈值的像素点。优选的，系统概率计算方法为：其中p({x(i)})为像素x(i)的权值，n为像素点数。优选的，p({x(i)})采用x(i)点的模糊密度除以最大模糊密度获得。优选的，信念度量计算方法为：其中m(A(i))＝g(x(i))-g(x(i-1))，g(x(i))为特征值的模糊度量，X为图像点集。优选的，合理性计算方法为：其中m(A(i))＝g(x(i))-g(x(i-1))，g(x(i))为特征值的模糊度量，X为图像点集。优选的，所述特征值包括亮度、对比度、旋转或比例。本专利技术与现有技术相比具有如下优点：(1)本专利技术的匹配方案实施后可提高产品的安全可靠性，降低产品成本，减少资源浪费，提高工作效率。(2)本专利技术基于Choquet积分的模板匹配方法能提供更好的匹配性能。(3)本专利技术基于模糊算法，对于存在遮挡，物体交叠等不完整的信息环境能实现较好的匹配。附图说明图1为本专利技术匹配算法流程图。具体实施方式一、Choquet积分方法聚合个体匹配器1、模糊测量：给定一个有限的离散整集x＝{x1，x2，…xn}，一个概率测度P：2X→[0，1]可以通过模糊度量属性来定义：(1)有界性P(φ)＝0和P(X)＝1；(2)任何A的可加性P(A∪B)＝P(A)+P(B)，和A∩B＝φ。可能性度量具有以下属性：(1)有界性Pos(φ)＝0Pos(X)＝1；(2)任何的Pos(A∪B)＝max(Pos(A)，Pos(B))。作为可能性度量的对偶性的必要性度量具有极性属性而不是最大属性；(3)Nec(A∩B)＝min(Nec(a)，Nec(B))任何这些属性可以看作是模糊度量g的以下单调性的有限变体：(1)g(A∪B)≥max(g(A)，g(B))；(2)g(A∪B)≤min(g(A)，g(B))任何信念度量和相似度度量可以用基本概率分配(BPA)来表示，该基本概率分配是一个集合函数，m(A)：2X→[0，1]；m(φ)＝0和信念度量被定义为作为信念度量的二元性的合理性度量被定义为：Pl(A)＝∑B∩A≠φm(B)众所周知，相似度和信念度量分别是高概率和低概率度量的子集。如果焦点元素是嵌套或辅助的，即通过集合的包含关系进行排序，则可信度和信念度量分别成为可能性和必要性度量。在这里，焦点元素是一个集合A，使m(A)＞0得。换一种说法，Pl(A∪B)＝max(Pl(A)，Pl(B))和Bel(A∩B)＝min(Bel(A)，Bel(B))。因此，可能性度量也被称为辅音可信性度量和必要性度量作为辅助信度度量。2、Choquet积分模糊度量我们将描述关于概率，信念和合理性度量的离散Choquet积分。Choquet积分是关于概率测度的常规函数期望的泛化，将常规期望概念推广到使用概率测度以外的可能性度量的期望。让我们从Choquet与r概率测度的积分开始。因为h({x(1)})≤h({x(2)})≤…≤h({x(n)})，关于模糊度量g的Choquet积分被定义为CI(h1，…hn)＝∑i＝1，…n[g(A(i))-g(A(i+1))].h(xi)Ai＝{xi，xi+1，…xn}和An+1＝φ。熟悉的是，作为一个特例，Choquet积分关于概率测度减少到加权算术平均算子。对于概率测度，由于可加性，Choquet积分公式表示为：同时让模糊措施按照0≤g({x(1)})≤g({x(2)})≤…≤g({x(n)})＝1。这里，假定作为约束条件。它可以通过将给定的模糊密度除以最大模糊密度。这个假设是g成为可能性度量的条件。考虑一个子集A(i)＝{x(i)，…x(n)}。函数的离散上下期望值(UE和LE)h1，…，hn分别由Lebesgues-Stielje本文档来自技高网...

【技术保护点】
1.一种基于Choquet积分的图像模板匹配算法，其特征在于，包括：1)获取并提取产品区域图像；2)对提取后的图像进行预处理、二值化及形态学操作；3)缺陷形态信息和位置信息获取；4)位置误差筛选和相似度筛选；5)计算Choquet积分的系统概率、信念度量以及合理性筛，依次去除不满足阈值要求的点，筛选出匹配点。

【技术特征摘要】
1.一种基于Choquet积分的图像模板匹配算法，其特征在于，包括：1)获取并提取产品区域图像；2)对提取后的图像进行预处理、二值化及形态学操作；3)缺陷形态信息和位置信息获取；4)位置误差筛选和相似度筛选；5)计算Choquet积分的系统概率、信念度量以及合理性筛，依次去除不满足阈值要求的点，筛选出匹配点。2.如权利要求1所述的基于Choquet积分的图像模板匹配算法，其特征在于，形态学操作包括通过腐蚀操作滤除图像中的颗粒噪声，采用膨胀操作适度还原被腐蚀目标的边缘。3.如权利要求1所述的基于Choquet积分的图像模板匹配算法，其特征在于，位置误差筛选包括计算产品的位置误差，如果误差超过阈值，结束该图像的检测；如果位置误差未超过阈值，则进行相似度筛选。4.如权利要求3所述的基于Choquet积分的图像模板匹配算法，其特征在于，相似度包括计算纹理相似性h(x(i))，筛选出超过纹理阈值的点。5.如权利要求4所述的基于Choquet积分的图像模板匹配算法，其特征在于，系统概率计算方法为：其中p({x(i)})为x(i)的权值，n为点数。6.如权利要求5所述的基于Choquet积分的图像模板匹配算法，其特征在于，p({x(i)})采用x(i)点的模糊密度除以最大模糊密度获得。7.如权利要求1或5所述的基于Choquet积分的图像模板匹配算法，其特征在于，信念度量计算方法为：其中m(A(i))＝g(x(i))-g(x(i-1))，g(x(...

【专利技术属性】
技术研发人员：舒雨锋，李龙根，范四立，熊长炜，梅阳寒，刘志伟，张峻华，罗立星，陈天宇，梁耀荣，
申请(专利权)人：东莞职业技术学院，
类型：发明
国别省市：广东,44