自动视觉检测技术的模型方法是基于图像构建模型,不同的纹理在一定的假设条件下以不同的模型参数值表示。如何对参数估计方法进行优化是模型方法的主要内容。元信从事光电仪器22年,专注于视觉自动检测技术的开发与应用。元信将在下面为您介绍自动视觉检测技术的模型方法。
自动视觉检测技术
典型的模型方法有马尔可夫随机场模型、分形模型和自回归模型。
(1)分形模型。分形的概念最早是由美国数学家曼德尔布罗特提出的。许多自然图像(如海岸线)是非常不规则和非常光滑的,但是所有的海岸线在形态学上都是自相似的,即局部形状与整体形状相似。自相似的形式在自然界中广泛存在,曼德尔布罗特称部分与整体在某种程度上相似的身体是分形的。1975年,曼德尔布罗特建立了分形几何学。在此基础上,研究分形特性和应用的科学,称为分形理论。
Pentland首次使用分形来描述纹理,认为分形在本质上与图像的灰度表示有一定的对应关系。指出分形维数是描述纹理的一个重要特征。在分形模型中如何确定分形维数是描述纹理的一个重要问题。常用的算法有Keller的箱形维数和Sarkar等人提出的差箱法。分形模型主要适用于具有自相似性的自然纹理。
(2) MRF模型。随机场模型试图用概率模型来描述纹理的随机过程,其本质是描述图像像素对其邻域像素的统计依赖性。常见的随机场模型有马尔可夫模型、吉布斯模型等。
MRF模型将纹理图像视为一个随机的二维图像场,假设像素的灰度水平仅与邻域内像素的灰度水平相关,并使用局部邻域的条件分布描述作为相应随机场的局部特征。MRF模型的优点是可以将局部特征与全局特征联系起来,具有较好的抗噪声性能。然而,基于马尔可夫随机场模型,仅通过局部特征很难得到全局联合分布。科恩将马尔科夫与高斯分布联系起来,提出了高斯-马尔科夫模型(GMRF)。在检验过程中,假设检验问题起源于高斯-马尔可夫模型。
徐珂等以分形维数为特征量,采用法勒毯子覆盖法计算不同尺度下图像的分形维数。利用尺度-分形维数曲线估计最优维数,用于热轧带钢表面缺陷的自动识别,取得了较好的效果。李庆中等人基于分形特征进行了水果缺陷快速识别研究,该方法提取的纹理特征不受光照强度变化的影响,且对平移、旋转和缩放不变性。