一种基于边缘几何特征的图像识别方法及系统技术方案

本发明专利技术公开了一种基于边缘几何特征的图像识别方法，包括对工件的原始图像进行滤波处理；对上述滤波处理后的图像进行二值化处理；对二值化处理后的图像查找获得轮廓序列集；从上述轮廓序列集中筛选出合格的工件轮廓；确定上述工件轮廓的最小外接矩形，并确定上述工件轮廓的中心点；沿上述最小外接矩形的四条边的方向截取上述工件轮廓的四个子序列；使用边缘几何特征算子计算上述四个子序列中各子序列的能量值；确定上述四个子序列中能量值最大的子序列，并确定工件的方向角。本发明专利技术还提供了相应的图像识别系统。本发明专利技术无需建立工件的模板数据库，降低了存储消耗，减少了计算时间，能够满足高速实时性要求；同时具有较高的快速识别能力。

【技术实现步骤摘要】
一种基于边缘几何特征的图像识别方法及系统
本专利技术属于机器视觉图像处理
，更具体地，涉及一种基于边缘几何特征的图像识别方法及系统。
技术介绍
机器视觉是计算机科学的重要研究领域之一，结合光、机、电综合应用检测识别技术，发展十分迅速。主要研究范畴包括图像特征检测、轮廓表达、基于特征的分割、距离图像分析、形状模型及表达、立体视觉、运动分析、颜色视觉、主动视觉、自标定系统、物体检测、二维与三维物体识别及定位等。其应用范围也日益扩大，涉及到机器人、工业检测、物体识别、医学图像分析、军事导航和交通管理等诸多领域。采用机器视觉技术的智能装配可以大大缩短产品开发时间,在不变更硬件的情况下处理各种零部件。机器视觉技术不仅可以用于完成一些看起来很简单(如汽车零件装配等)的任务,更可在恶劣或有害的工作环境下实现装配。目前，在工业领域中，已经有很多以机械手、视觉系统为主体的带感知的机器人系统进入实用阶段。例如晶体管自动焊接系统、管子凸缘焊接机器人、有视觉的装配机器人、汽车车轮装入轮毅作业的自动系统等等。机器人应用视觉的方式有很多种，如对机械手定位以及跟踪目标提供反馈控制信息；确定和辨别零件的位置方本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于边缘几何特征的图像识别方法，其特征在于，所述方法包括以下步骤：S1：对工件的原始图像进行滤波处理，以去除噪声；S2：根据选定的阈值，对上述滤波处理后的图像进行二值化处理；S3：对二值化处理后的图像使用轮廓查找算法，获得轮廓序列集；S4：使用几何规则作为条件，从上述轮廓序列集中筛选出合格的工件轮廓；S5：确定上述工件轮廓的最小外接矩形，并确定上述工件轮廓的中心点；S6：沿上述最小外接矩形的四条边的方向截取上述工件轮廓的四个子序列；具体包括：分别以最小外接矩形四条边的中心点为圆心，以所在矩形边长的0.1-0.4倍为半径画圆；选取工件轮廓被四个圆截取的四个轮廓片段组成工件轮廓子序列集；S7：使用边缘几何特征算子计算上述四个子序列中各子序列的能量值，具体包括：将工件轮廓子序列集{CL,CR,CT,CB}带入能量值函数分别得到各边缘轮廓能量值F(CL),F(CR),F(CT),F(CB)；其中：C代表工件轮廓，CL,CR,CT,CB分别代表工件轮廓中被截取的左、右、上、下部分轮廓子序列；N表示子序列C'中的序列点总数量，XJ、YJ分别表示子序列C'中点PJ的横坐标和纵坐标的值；S8：比较上述四个子序列中各子序列的能量值的大小，确定能量值最大的子序列，根据能量值最大的子序列及上述工件轮廓的中心点，确定工件的方向角；步骤S8具体包括：比较步骤S7中得到的四个子序列中两对子序列的能量值F(CL)和F(CR),F(CT)和F(CB)，其中C代表工件轮廓，CL,CR,CT,CB分别代表工件轮廓中被截取的左、右、上、下部分轮廓子序列；取两对子序列中相差比例较大的那一对中能量值较大者作为最大能量值工件轮廓；将最小外接矩形中，最大能量值工件轮廓所对应的边的中点记为PD；获取工件轮廓的中心点PO到点PD所作的射线与图像坐标系横轴正方向的夹角，作为工件的方向角。2.如权利要求1所述的图像识别方法，其特征在于，所述步骤S3具体为：遍历二值化处理后的整幅图像，发现并标记所有0和1像素的分界点，每一组闭合的分界点构成一个边缘序列；将所有检测到的边缘序列以轮廓树的形式进行分类整合，得到整幅图像的轮廓序列集。3.如权利要求1所述的图像识别方法，其特征在于，所述步骤S4具体为：通过设置轮廓阈值，从上述轮廓序列集中排除误检测的轮廓序列，得到工件轮廓，其中所述轮廓阈值包括轮廓的大小和长宽比。4.如权利要求1所述的图像识别方法，其特征在于，所述步骤S5具体包括：...

【专利技术属性】
技术研发人员：周向东，唐小琦，杜宝森，宋宝，叶伯生，乔文君，熊烁，南文虎，
申请(专利权)人：华中科技大学，
类型：发明
国别省市：