基于圖像灰度統計曲線的最優位置確定法

賈志前

摘 要：針對基于改進SIFT的最優位置確定法存在的實時性差的問題，提出了一種基于圖像灰度統計曲線的待檢產品圖像在標準庫中最優位置確定法。該方法采用圖像灰度統計的曲線趨勢分析法進行圖像匹配，對比待檢產品與標準庫的圖像灰度統計曲線趨勢，從而確定待檢的產品圖像在標準庫中的最優位置。實驗結果表明采用基于圖像灰度統計曲線的最優位置確定法比基于改進SIFT的最優位置確定法平均可節省4.38s。

關鍵詞：圖像灰度統計曲線；最優方位的確定；圖像匹配；SIFT算法

引言

因為機器視覺技術[1]具有損壞小、成本低、速度快、正確率高、時間工作長等優勢，所以其在現代工業自動檢測領域中被普遍使用。對于各種工業產品，使用機器視覺技術檢測，因為在測試階段產品是隨機放置的，所以它應該是在一個隨機的方向，以實現產品測試的檢測，故首先要確定待檢物品圖像在合格產品的圖像標準庫中最優方位信息。因此，需研究一種快速準確確定待檢測圖在標準庫中位置的方法。

確定最優位置過程就是圖像的匹配過程，一般的圖像匹配方法有： Harris-Affine、Edge-Based Regions 、Hessian-Based Affine 、MSER、ASIFT算法和SIFT（Scale Invariant Feature Transform）算法[2]。改進的SIFT算法不僅具備SIFT的尺度、旋轉、平移的不變性等優點，而且還擁有比SIFT更高更可靠的準確度，故其被普遍應用，但是它在匹配速度方面有所不足，不能滿足工業檢測的實時性。文章提出一種基于圖像灰度統計曲線的最優位置確定法在實時性方面有很大的突破。

1 基于改進SIFT的最優位置確定法

采用SIFT算法結合RANSAC對待匹配圖像與標準庫中圖像進行一一匹配，可以增強圖像匹配的準確度，從而確定待匹配圖像在合格產品標準庫中的最優位置，其步驟如下：

Step1.以3°為采樣步長對合格產品進行采樣，獲得120幅圖像，對每幅圖像進行SIFT特征點提取[3]，為每個特征點建立特征向量，得合格產品標準庫。

Step2.獲取隨機方位下的待檢產品圖像，對其進行SIFT特征點提取，并建立特征向量。

Step3.取隨機方位下待檢圖的一個特征點，從合格產品標準庫中找出距離這個待檢特征點最近的兩個特征點，若在這兩個標準庫特征點中最近距離比上次近距離的值小于0.65，則將其判斷成一對匹配點。對隨機方位下待檢圖的所有特征點進行一一匹配。

Step4.利用RANSAN算法[4]去除誤配點，統計合格產品標準庫中每幅圖像含有的匹配點數，將匹配點數最多的圖像判為待檢圖像在標準庫中的最優位置。

2 基于圖像灰度統計曲線的最優位置確定法

若產品待識別尺寸非常小，則采用步長就非常小，獲取的合格產品標準庫圖像數量非常多。選擇將待配圖和標準庫的圖像進行一一匹配的話，將需要較長時間，則工業的實時性要求就得不到滿足。而采用基于圖像灰度的統計曲線趨勢分析法的查找速度較快，可以滿足工業的實時性要求。

2.1 灰度統計曲線法的步驟

Step1.分別對合格產品和待檢產品以3°為采樣步長獲取120幅圖

像，對每幅圖像進行灰度平均值計算，以每幅圖像的灰度平均值分別建立合格品灰度統計曲線和待檢品灰度統計曲線。

Step2.比對合格品灰度統計曲線和待檢品灰度統計曲線，確定待檢產品圖像在標準庫的最優位置。

2.2 灰度平均值法

3 實驗結果及分析

文章以產品內部多個待檢測零件為檢測目標，實驗中圖片是來自X射線圖像，實驗環境是，Intel（R） Core（TM） i5-2450M CPU @ 2.5GHZ 2.50GHZ的處理器，4.00GB內存，仿真品臺Matlab2010b，操作系統Windows7。采用基于改進SIFT的最優位置確定法，將待檢圖與標準庫中圖像一一匹配，得到待檢圖與標準庫中24°位置圖像的匹配點數最多[3]，故位置相對應，如圖2所示，耗時間為8.4s。采用基于圖像灰度的統計曲線趨勢分析法，如圖3所示，由于待檢產品序列圖的像灰度統計曲線與合格產品序列圖像的灰度統計曲線大體趨勢一致，確定在隨機擺放下的待檢產品第一幅圖像與標準庫中第9幅位置圖像對應，即對應24°位置圖像，識別過程用時4.02s。上述的檢測時間，均是在保證準確率的情況下經40次實測統計作平均值得出。實驗結果表明，基于圖像灰度的統計曲線趨勢分析法在實時性方面明顯優于基于SIFT的最優位置確定法。

4 結束語

文章提出了一種基于灰度統計曲線的最優位置確定法，僅以兩條灰度統計曲線對比為依據，確定兩個序列圖之間的對應關系，大大的減小了圖像匹配的運算量，極大的提高了圖像匹配的速度。實驗結果表明本方法匹配速度較快，適用于實時性要求高的工業批量生產領域。

參考文獻

[1]韓芳芳.表面缺陷視覺在線檢測關鍵技術研究[D].天津大學，2011：3-15.

[2]Matas J，Chum O，Urban M，et al. Robust wide-baseline stereo from maximally stable extremal regions[J].Image and VisionComputing

（S2628-8856），2004，22（10）：761-767.

[3]徐青，韓躍平，楊志剛.SIFT算法與折半查找法在產品表面缺陷檢測中的應用[J].計算機測量與控制，2014，22（1）.

[4]邱亞輝，李長青，崔有幀.RANSAC算法在剔除圖像配準中誤匹配點的應用[J].影像技術，2014，26（4）.