自动视觉检测技术的建模方法

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。