用于模板匹配的图像亮度自适应调节方法及目标识别方法技术

本申请公开了用于模板匹配的图像亮度自适应调节方法及目标识别方法，调节方法包括：确定多个图像亮度值；将多个具有不同图像亮度值的源图像与模板进行匹配，得到多个用于评价匹配程度的互相关系数；拟合得到图像亮度值和互相关系数之间的关系曲线；确定关系曲线中互相关系数最大值对应的最优图像亮度值；将待处理图像的亮度调节为最优图像亮度值。本申请对图像亮度进行自适应调节后，使得源图像能够以最佳亮度进行模板匹配，从而保证模板匹配的成功率，提高模板匹配算法对环境变化的鲁棒性。提高模板匹配算法对环境变化的鲁棒性。提高模板匹配算法对环境变化的鲁棒性。

【技术实现步骤摘要】
用于模板匹配的图像亮度自适应调节方法及目标识别方法


[0001]本申请涉及机器视觉
，特别涉及用于模板匹配的图像亮度自适应调节方法及目标识别方法，该方法能够应用于视觉引导工业机器人抓取与搬运。

技术介绍

[0002]模板匹配算法是计算机视觉领域中一种最基本、最常用的模式识别方法，用于解决预先给定的基准图像是否在待识别源图像出现，以及出现位置在哪里的问题，广泛应用于物体识别与定位。这里，将基准图像称为模板，待匹配图像称为源图像。模板匹配的过程是将模板与源图像进行二维卷积操作，计算二者的相似度，最后找出相似度指标出现的最大位置即为模板匹配的最佳位置。当前的模板匹配算法主要有两种，根据选择的图像指标不同分为基于灰度的模板匹配算法和基于特征的模板匹配算法。在基于灰度的模板匹配算法中，根据模板和源图像的灰度值生成的参考序列和比较序列，使用互相关（Cross Correlation，CC）系数作为模板与源图像相似度的评价指标，计算这两个序列之间的相关程度。而在基于特征的模板匹配算法中，通常选择图像中存在的物体边缘作为特征，首先使用边缘提取算法分别提取模板和源图像中物体的边缘，然后同样使用归一化互相关系数评价二者的相似度。
[0003]由于模板匹配算法原理简单、执行效率高，因此在实际中得到了广泛的应用。模板匹配算法在实际中的一个典型应用实例是基于视觉引导的机器人搬运系统，即为搬运机器人配备一个由工业相机、镜头和光源组成的视觉系统，对待抓取的工件进行视觉定位。工件的视觉定位算法通常采用模板匹配算法，即首先在抓取位置对一个标准工件进行图像采集将其作为模板，然后与采集到的待抓取工件的源图像进行比较，得到工件在机器人坐标系下的位置和角度信息。最终将上述位置和角度信息提供给机器人进行抓取操作。
[0004]尽管模板匹配算法已经作为标准算子集成至多种视觉处理软件中，例如OpenCV、Halcon、VisionPro、VisionMaster等，并且已经成功应用于实际中的工件识别与定位。然而，这些标准模板匹配算法在工业现场的使用过程中，容易受到一些干扰因素影响而导致模板匹配失败，其中最主要的因素是现场光照剧烈变化和待匹配工件源图像一致性所造成的源图像曝光过度或者曝光不足，图像的灰度或边缘特征与模板产生较大的差异，导致模板匹配互相关性系数降低，严重的会导致模板匹配失败。
[0005]为了解决现场环境光照和工件特征剧烈变化情况下的模板匹配的问题，目前采用的方法是由机器视觉工程师根据现场环境以及零件表面质量，通过不断试错的方法得到使模板匹配程度最高的源图像亮度。这种方式不但效率低，需要针对不同实际条件进行大量的人工调整工作。而且算法鲁棒性差，环境光照和工件特征再次发生变化时，同样会导致模板匹配算法失效。因此，需要一种能够根据当前环境以及工件特征自适应调节源图像亮度的方法，更进一步提高标准模板匹配算法在实际应用中的适用性。

技术实现思路

[0006]本申请实施例提供了一种用于模板匹配的图像亮度自适应调节方法及目标识别方法，用以解决现有模板匹配方法中算法鲁棒性差，以及通过人工试错的方式对待匹配图像亮度进行调整，效率低下的问题。
[0007]一方面，本申请实施例提供了一种用于模板匹配的图像亮度自适应调节方法，包括：确定多个图像亮度值；将多个具有不同图像亮度值的源图像与模板进行匹配，得到多个用于评价匹配程度的互相关系数；拟合得到图像亮度值和互相关系数之间的关系曲线；确定关系曲线中互相关系数最大值对应的最优图像亮度值；将待处理图像的亮度调节为最优图像亮度值。
[0008]另一方面，本申请实施例还提供了一种目标识别方法，包括：获取待处理图像；将待处理图像的亮度按照上述的方法设置为最优图像亮度值；采用模板匹配方法对调节亮度后的待处理图像进行目标识别。
[0009]本申请中的一种用于模板匹配的图像亮度自适应调节方法及目标识别方法，具有以下优点：1、以模板匹配互相关系数作为评价指标，通过自适应调整待匹配源图像亮度，解决了现有模板匹配算法在现场光照和工件表面质量发生变化的情况下，需要通过人工调整源图像亮度以保证模板匹配算法有效性的问题，提升了模板匹配算法的鲁棒性和自动化程度。
[0010]2、本申请提出的图像亮度自适应调节方法的计算复杂度为，因此算法可以在有限次迭代后得到最优图像亮度值。此外，还可以根据实际情况设置模板匹配互相关系数阈值以及最大迭代步数作为算法的终止条件，使得算法能够在有限次运行后停止，保证了算法的实时性。
[0011]3、通过将本申请提出的图像亮度自适应调节方法与现有视觉处理软件中的标准模板匹配算法进行集成，提升了原有模板匹配算法在实际使用中对环境变化的适应性。
附图说明
[0012]为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0013]图1为本申请实施例提供的一种用于模板匹配的图像亮度自适应调节方法的流程图；图2为本申请实施例提供的图像亮度值和模板匹配的互相关系数之间的曲线图；图3为本申请实施例提供的凸函数三分法寻优过程示意图；图4为本申请实施例提供的三分法流程图。
具体实施方式
[0014]下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
[0015]现有技术中，为了消除光照变化的影响，Jia K.使用归一化互相关（Normalized Cross Correlation，NCC）系数作为源图像和模板相似度的度量。在NCC计算过程中，模板与源图像中每个像素的灰度值都减去了整个图像到灰度平均值并且除以其标准差的乘积，实现了图像灰度值的归一化操作，因此该方法对于光照条件的线性变化具有一定的鲁棒性。在CN110472674A中，首先通过边缘检测算子提取出模板与源图像中待匹配物体的边缘，然后进行匹配相似度的计算。该方法对于光照条件的非线性变化具有较强的鲁棒性，因为在进行物体边缘检测时，对图像中梯度向量也同样进行了归一化操作。然而，上述两种方法在光照条件发生剧烈变化的情况下使用，会因为源图像曝光不足或曝光过度导致源图像灰度特征与模板差异过大，或者源图像中物体的边缘梯度变化过小而导致边缘无法被识别，造成模板匹配失败。CN112396563A提出了一种基于局部亮度进行自适应增益调制的图像增强算法，目的在于解决图像中的光晕效应并使图像各部分亮度向人眼敏感区间迁移，从而提升客观对比度和视觉质量。由于模板匹配方法的关注点在于源图像与模板中特征的一致性程度，因此将上述方法直接应用于处理模板匹配算法的效果不佳。CN104036474A提出了一种图像亮度本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于模板匹配的图像亮度自适应调节方法，其特征在于，包括：确定多个图像亮度值；将多个具有不同图像亮度值的源图像与模板进行匹配，得到多个用于评价匹配程度的互相关系数；拟合得到所述图像亮度值和互相关系数之间的关系曲线；确定所述关系曲线中互相关系数最大值对应的最优图像亮度值；将待处理图像的亮度调节为所述最优图像亮度值。2.根据权利要求1所述的一种用于模板匹配的图像亮度自适应调节方法，其特征在于，所述确定多个图像亮度值，包括：将预设的图像亮度值区间划分为多个间隔，将每个所述间隔的端点值作为多个所述图像亮度值。3.根据权利要求1所述的一种用于模板匹配的图像亮度自适应调节方法，其特征在于，采用最小二乘法拟合所述关系曲线。4.根据权利要求1所述的一种用于模板匹配的图像亮度自适应调节方法，其特征在于，在确定所述最优图像亮度值时，还根据预先确定的互相关系数阈值确定相应的图像亮度搜索区间，并在...

【专利技术属性】
技术研发人员：贺晨龙，李明明，
申请(专利权)人：陕西科技大学，
类型：发明
国别省市：