matlab图像画轮毂,基于形状匹配及纹理筛选的汽车轮毂型号识别

0引言由于自动化工业进程的需要,轮毂型号的自动识别是必不可少的,而机器视觉作为一门融合了计算机技术、图像处理等技术的人工智能分支应运而生,因其具有高效、快速、非接触等优点,已广泛应用于诸多领域。目前的轮型识别表现出了识别精度不够高,易受背景干扰影响的缺点[1],故如何提取准确的轮型信息就显得尤为重要。近年来在计算机视觉领域,形状识别及纹理识别技术越来越被重视[2-3]。NiuL等人[4]提出一种改进的形状上下文(shapecontext,SC)理论,通过计算在极坐标下每一维和每一转角的轮廓点个数得出模板和搜索子图的吻合程度[5],具有计算量小运算速度快的优点。但是轮毂型号的识别应当具有一定的灵活性,其中很重要的一点就要使形状识别具有旋转不变性。因此uniD等人[6]和原玥等人[7]分别提出基于不变矩的物体识别,前者通过提取物体形状的位移、旋转和缩放不变特征构建不变矩;后者通过改进的Hu不变矩得到适合非线性不连续空间的矩不变特征向量,对存储介质进行识别,克服了模板不能旋转的困扰。但其稳定性都不高,识别率偏低,故只能用作形状的粗提取。为此LiW等人[8]提出由粗到精的飞机目标识别算法,此方法用于飞机目标的提取具有精度较高,鲁棒性强的优点。但是作为车轮,其内部往往很多轮廓相互交错,容易对目标产生干扰造成识别不准确。LiuM.Y.等人[9]和DanielssonO等人[10]结合WangA等人[11]的边缘最小距离计算提出chamfer模板匹配方法,并用线段代替边界点,再通过边界拟合及整体距离张量确定相匹配的形状,降低了计算量,并提高了抗干扰能力[12-13]。而一个轮辐面不仅具有轮辐形状信息,而且还有轮辐的纹理信息[14-15],不同轮辐的形状不同,所反映在轮毂上的纹理也不同,故还可以利用轮毂的纹理作为一个特征去进一步筛选不同型号的轮毂。Gon9alvesW.N.等人[16-17]提出利用随机游走的方法遍历一幅图片的纹理信息,最后通过纹理[18]得出直方图来表征两幅图的差异性。综上所述,本文提出一种基于形状匹配及纹理筛选,且同时具备稳定性和旋转不变性的轮型识别算法,首先利用形状匹配找到相应轮毂的轮辐形状,在形状识别的基础上对轮毂图片进行随机游走,最后通过纹理直方图的对比确定正确的轮毂型号。1轮辐形状识别在轮辐形状的识别过程中,首先取一个模板,用模板在轮毂样图的边缘图中进行模板匹配,然后根据轮毂的中心对称数nt计算模板需要旋转的角度及次数,再次在边缘图中进行模板匹配,直到完成nt次匹配。若模板在边缘图中匹配到nt个相同的形状则表示轮辐形状匹配成功。1.1计算轮辐关于中心的对称数定位到轮毂所在的圆区域,即可得到轮毂的圆心和半径。参照轮毂上孔洞的位置,可以按一定的比例切出轮孔所在的环形区域,如图1(b)所示。再通过二值化处理即可得到轮辐关于中心的对称数nt。图1计算轮辐关于中心的对称数Fig.1Calculationofthesymmetrynumberofspokes1.2最小距离模板匹配先取一个标准轮毂的轮辐形状作为模板图,得出模板的轮廓(如图2实线部分),调整模板的大小使它与待识别轮毂的轮辐相当,假设这个轮廓有n个像素点。再对待识别样图进行边缘查找,并以二值图像的形式呈现出样图的高频边缘图像(如图2虚线部分),即边缘部分灰度值为255,背景部分灰度值为0。然后用一个小正方形窗口遍历模板轮廓一周,看这个窗口内有没有样图的边缘点(即虚线上的点),若有则计算此点到窗口中心的距离,若窗口内有多个边缘点,只取到窗口中心距离最近的一个边缘点,并记下这个距离di,如