一种基于改进模板匹配方法的零件识别方法组成比例

本发明专利技术公开了一种基于改进模板匹配方法的零件识别方法，包括以下步骤：

【技术实现步骤摘要】
一种基于改进模板匹配方法的零件识别方法


[0001]本专利技术涉及数字图像处理
，具体涉及一种基于改进模板匹配方法的零件识别方法
。

技术介绍

[0002]长期以来，机器视觉技术一直备受关注
。
作为机器视觉的重要组成部分，图像匹配是各类计算机视觉应用的核心任务，对后续的图像处理任务至关重要
。
其中，模板匹配通常给定一个模板图像，在待匹配图像上通过计算相似性度量来寻找与模板对应的区域，在目标跟踪
、
图像拼接
、
医学图像分析等领域中得到广泛应用
。
[0003]现有的相关算法已经得到了广泛应用，但在实际应用场景中存在许多限制
。
陈彦龙
(“CN114898133A
‑
图像模板匹配方法
、
存储介质和计算机”)
提出通过输入图像的多个朝向的线性化响应图，通过训练好的模板的特征点坐标和朝向来查找所述输入图像中对应位置和相应的线性化响应图像，进而求得相似性图像，进而得到模板匹配结果
。
简化了包含特征点的匹配模型，有效提高了自动匹配的精确度
。
然而，该方法在计算坐标方向导数
、
梯度方向图和量化角度图时，对图像噪声非常敏感，如果输入图像存在噪声或干扰，可能会导致计算结果不准确，从而影响模板匹配的结果，且该方法没有考虑图像中的光照变化，在存在光照变化的情况下，梯度方向和量化角度图可能会受到影响，导致匹配结果不准确
。
吴立刚等人
(“CN111160477A
‑
一种基于特征点检测的图像模板匹配方法”)
提出了运用采用特征检测器对目标图像进行特征提取和特征描述；对匹配模板的特征描述与目标图像的特征描述进行特征匹配，并筛选出目标匹配特征点
。
然而，该方法对尺度变化不具备自适应性，该方法需要预先设定特征检测器的参数，包括特征点的尺度范围
。
如果目标的尺度发生变化，可能需要重新调整特征检测器的参数，否则会导致匹配结果不准确
。
罗培羽等人
(CN113537388A
‑
一种基于图层特性的缩放图像模板匹配方法
)
提出通过图像轮廓的空间信息从外到内依次匹配相似度距离，大幅提升模板匹配的时间性能
。
然而，该方法仅适用于多纹理物体，对于表面光洁无内轮廓的物体并不适用
。
郑永斌等人
(CN113705731A
‑
一种基于孪生网络的端到端图像模板匹配方法
)
提出了将模板匹配任务作为分类回归问题处理
。
它利用深度互相关操作和通道注意力机制进行特征融合，使用
DIoU
损失函数构建回归损失
。
提高复杂情况下的模板匹配鲁棒性，同时提高模板定位的精度
。
然而，该方法的计算复杂度较高，对大视场下的小差异的匹配效果有限，并且受限于训练数据的多样性
。
白瑞林等人
(CN102654902A
‑
一种基于轮廓向量特征的嵌入式实时图像匹配方法
)
提出利用线特征来描述图像轮廓，并具有抗图像畸变
、
噪声
、
遮挡
、
光照变化和极性反转等能力
。
通过采用图像金字塔搜索策略，从高层小分辨率的待测图像开始快速匹配模板，然后逐级向下精确目标位置，以减少匹配时间
。
然而，该方法主要依赖于轮廓向量特征，对于某些具有复杂纹理或颜色特征的目标，可能无法提供足够准确的匹配，并且处理大型图像时可能会消耗较多的计算资源
。
[0004]现在工业范围内使用的方法主要包含两个方面，常见的有基于灰度值和形状两
种
。
基于灰度值的模板匹配方法包括基于相关性的匹配方法和基于相似性的匹配方法，其主要思想是将待匹配图像与模板图像进行比对，计算二者之间的相似度得分，并找到最匹配的模板
。
然而，这种方法需要预先准备大量的模板，存储和读取的效率都不高，并且对于不同的光照条件和视角变化很敏感
。
而基于形状的模板匹配方法则是通过对待匹配物体的轮廓进行匹配，来实现识别和定位
。
该方法需要预先准备一系列具有不同形状和旋转角度的模板，并计算待匹配物体的形状特征和旋转角度，然后在所有的模板中寻找最佳匹配
。
然而，该方法也存在着模板存储和读取效率低
、
对于图像噪声和变形不敏感等问题
。
因此有必要研发一种开发复杂度较低
、
匹配可靠且具有很强实时性的匹配方法
。

技术实现思路

[0005]专利技术目的：本专利技术的目的是在于提供一种基于改进模板匹配方法的零件识别方法，提升多品种相似零件间的识别效率
。
[0006]技术方案：本专利技术所述的一种基于改进模板匹配方法的零件识别方法，包括以下步骤：
[0007](1)
获取待识别零件：采用
CCD
或
CMOS
传感器对工件表面图像进行采集；
[0008](2)
图像预处理：对采集的待识别零件图像进行高斯滤波并二值化，找到图像中零件的最大外轮廓，剔除周围的噪声轮廓；
[0009](3)
粗筛选：通过
Hu
矩与
Zernike
矩对数据库中采集的图像进行初步筛选，得到一批满足筛选阈值的图像；
[0010](4)
构建图像金字塔：对经过初步筛选的图像与数据库中模板图像组成一对相似图像，根据每一对相似图像分别建立对应两组图像金字塔；
[0011](5)
基于图像金字塔的模板匹配：对两组图像金字塔中图像从上往下即从低分分辨率向高分辨率逐层搜索，两图像金字塔对应层两两逐层进行多角度
、
多方向模板匹配；
[0012](6)
输出图像金字塔的模板匹配结果：筛选出数据库中最接近的零件，将其零件编号与数据库中存储的模板图像显示在显示器上
。
[0013]进一步的，所述步骤
(4)
所述的图像金字塔是一种多尺度特征金字塔，即图像金字塔底层图像为原分辨率图像，其他层由原图像多次上采样处理得到，分辨率从底层向上逐层降低；其中，图像上采样处理方式采用双线性插值方法
。
[0014]进一步的，所述步骤
(5)
通过多层旋转搜索的匹配方法进行模板匹配，具体为：对金字塔的最低分辨率层即顶层图像采取全局穷尽搜索，将不同姿态的顶层金字塔模板与顶层金字塔图像的各个区域都进行相似度系数计算；其中，相似度系数采用的是平均灰度方差，通过计算待匹配图像与模板图像的平均灰度方差，并对本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于改进模板匹配方法的零件识别方法，其特征在于，包括以下步骤：
(1)
获取待识别零件：采用
CCD
或
CMOS
传感器对工件表面图像进行采集；
(2)
图像预处理：对采集的待识别零件图像进行高斯滤波并二值化，找到图像中零件的最大外轮廓，剔除周围的噪声轮廓；
(3)
粗筛选：通过
Hu
矩与
Zernike
矩对数据库中采集的图像进行初步筛选，得到一批满足筛选阈值的图像；
(4)
构建图像金字塔：对经过初步筛选的图像与数据库中模板图像组成一对相似图像，根据每一对相似图像分别建立对应两组图像金字塔；
(5)
基于图像金字塔的模板匹配：对两组图像金字塔中图像从上往下即从低分分辨率向高分辨率逐层搜索，两图像金字塔对应层两两逐层进行多角度
、
多方向模板匹配；
(6)
输出图像金字塔的模板匹配结果：筛选出数据库中最接近的零件，将其零件编号与数据库中存储的模板图像显示在显示器上
。2.
根据权利要求1所述的一种基于改进模板匹配方法的零件识别方法，其特征在于，所述步骤
(4)
所述的图像金字塔是一种多尺度特征金字塔，即图像金字塔底层图像为原分辨率图像，其他层由原图像多次上采样处理得到，分辨率从底层向上逐层降低；其中，图像上采样处理方式采用双线性插值方法
。3.
根据权利要求1所述的一种基于改进模板匹配方法的零件识别方法，其特征在于，所述步骤
(5)
通过多层旋转搜索的匹配方法进行模板匹配，具体为：对金字塔的最低分辨率层即顶层图像采取全局穷尽搜索，将不同姿态的顶层金字塔模板与顶层金字塔图像的各个区域都进行相似度系数计算；其中，相似度系数采用的是平均灰度方差，通过计算待匹配图像与模板图像的平均灰度方差，并对零件的灰度特征进行评价，以确定对应区域的有效灰度差异度
。4.
根据权利要求1所述的一种基于改进模板匹配方法的零件识别方法，其特征在于，所述步骤
(5)
基于图像金字塔的模板匹配通过逐层映射的方式逐步细化角度
。5.
根据权利要求3所述的一种基于改进模板匹配方法的零件识别方法，其特征在于，所述全局穷尽搜索包括以下步骤：
(31)
顶层以步长
S
旋转遍历
n
个角度，实现全方向的粗角度计算；
(32)
对顶层计算出的
n
个角度的相似度值进行排序，挑出最高的相似度值与对应角度，方便映射到下一层继续细化角度；
(33)
下一层在其上一层求得角度的基础上，...

【专利技术属性】
技术研发人员：张辉，章泓基，官震，车伟民，朱成顺，杨林初，陈曙光，沈洁，
申请(专利权)人：江苏科技大学，
类型：发明
国别省市：