基于边缘特征的工件图像匹配

　　图像配准是指同一目标的两幅(或者两幅以上)图像在空间位置上的对准,是图像处理领域中的一个非常重要的问题,是图像融合、变化检测的基础。现有的图像配准的方法大致可以分为3大类:区域匹配、特征匹配和相位匹配。其中,基于特征的图像配准方法因其不直接依赖于灰度、鲁棒性好、抗干扰性强、计算量小、速度快而成为应用最广泛的图像配准方法。基于特征的方法利用对应的点特征、边缘特征和区域特征等进行相似性测度,这类算法常常在图像匹配中被使用。边缘代表了图像中的大部分本质结构,能较好地剔除传感器的类型和姿态的变化导致的几何畸变成像畸变的影响。由于边缘检测计算快捷,成为了基于特征匹配方法的一个较好的选择。将改进的Hausdorff距离和遗传算法相结合基于边缘的工件图像匹配方法[1],经图像检测表明,一般能快速并准确地匹配图像中的物体。该方法克服了传统方法的局限,但还存在不完善之处,如当待识别目标图像亮度不均匀时,由于边缘提取效果不太好,则不易识别,或识别速度很慢。笔者提出一种对于光照条件的变化具有很好适应能力的工件图像匹配方法,可用于工件的识别。我们提出的方法主要包含如下几个方面的内容:

　　(l)对原始图和模板图采用样条小波进行增强,用Canny算子分别提取边缘,形成各自的边缘图。

　　(2)由于Hausdorff距离具有强抗干扰能力和容错能力,采用改进的Hausdorff距离作为图像匹配的相似性度量。

　　(3)为了加快匹配速度,采用了基于种群代沟信息的自适应遗传算法的搜索策略。并在仿真实验中,利用工件图像进行匹配仿真来验证此算法的有效性。

　　1　数字图像增强[2]

　　针对亮度不均匀的图像,采用样条小波增强,然后使用Canny算子提取图像边缘。该方法改善了视觉效果,加强了边缘和细节,增加了边缘提取的准确性,同时也为进一步的边缘特征点匹配奠定了良好的基础。

　　1·1　样条小波变换的实现

　　式(4)表明不论正变换还是逆变换,都是利用滤波器对图像进行卷积滤波。对卷积后的系数进行采样或插值,可得到一次变换的分解系数。只要满足采样定律,通过相应的逆变换可精确重建原图像。

　　在一维的情况卜,采用B样条小波的二阶微分作为基函数,定义如下

　　如果引入平滑算子S2jf=f*βn2j, j=1,2,…,J,可看出上面的小波变换正是平滑算子的二阶微分。在二维的情况下,原始图像分别在水平和竖直两个方向上与平滑算子进行卷积

　　对图像低通滤波可获得近似部分,这样就完成了小波的第一层分解。通常分解为三层,分解过程如图1所示。