基于机器视觉的纸张计数方法研究

摘要

印刷业、出版业等行业对国民经济发展具有很重要的作用，在印刷、出版过程中精确地进行纸张计数是这些行业面临的重要问题之一。目前基于机器视觉的纸张计数系统主要针对较厚的纸张，不能适应较薄纸张的计数。为了解决这个问题，本文提出了首先对纸张层叠图像做图像拼接，然后进行纸张计数的方案。主要研究内容和实验结果如下： （1）搭建了成像系统，并分析了关键部件的选型。成像系统是纸张计数的基础，其主要功能是采集一系列纸张层叠图像，该系统采用单相机成像，可以自上而下进行拍摄一系列图像；对成像系统中各种工业相机、光学镜头、光源做了对比，并根据纸张的厚度、侧面特征等选用合适的器件类型；在拍摄到纸张层叠图像后，对图像的特征做了更进一步分析，为后续的图像拼接和纸张计数奠定了良好基础。 （2）提出针对纸张层叠图像拼接的特征点提取算法。通过分析内点和外点对应纸张条纹骨架的关系，改进RANSAC算法估计空间变换模型的精度。提取特征点过程中，首先用动态阈值分割处理图像，将灰度图像分割为二值图像，再用数学形态学的方法处理图像，其中，用开运算平滑目标轮廓、消除噪声，用闭运算填充孔洞、连接狭窄缝隙，然后用最大圆盘法实现图像细化，得到纸张条纹的骨架特征，最后提取骨架的端点作为潜在特征点，通过分析潜在特征点中内点和外点与对应的骨架长度之间的分布规律，设定骨架长度阈值，剔除部分骨架长度较小的潜在特征点，从而提高内点所占的比例，即重复率；最后，构建特征向量，对具有平移关系的两幅图像中特征点匹配对的分布进行分析，以改进的DBSCAN聚类算法处理特征向量，通过RANSAC算法实现图像拼接。 （3）建立纸张厚度与压力的关系模型，将模型与灰度投影法相结合，实现纸张计数。在图像预处理阶段，采用Hough变换对图像进行直线倾斜校正，然后，在对比了直方图均衡化、线性灰度变换、理想高通滤波器和空间域卷积的图像增强效果后，选择直方图均衡化突出图像中的条纹特征；在图像预处理后，为了解决纸张黏连以及纸张受压变薄等问题，建立了纸张厚度与压力关系模型来描述纸张厚度与层叠数量之间的关系，采用水平积分灰度投影法得到纸张层叠图像的灰度投影曲线，然后将纸张厚度模型与灰度投影曲线相结合实现纸张计数。 实验结果表明，本文提出的特征点提取算法可以有效地提取纸张层叠图像中的特征点，所提取特征点的重复率达到了大约60%，明显优于Harris、SUSAN、FAST等传统算法；DBSCAN聚类算法与RANSAC算法相结合的方法相对于只用RANSAC算法进行图像拼接，可以显著提高拼接图像的质量；最后本文对厚度约为0.08mm的纸张进行计数，计数精度达到了97%以上，取得了理想效果。

目录

声明

1 绪论

1.1 研究背景及意义

1.1.1 研究背景

1.1.2 研究意义

1.2 国内外发展现状

1.2.1 图像拼接的发展现状

1.2.2 纸张计数的发展现状

1.3 论文的主要研究内容

1.4 论文章节构成

2 总体设计方案

2.1 成像系统设计

2.2 核心部分选型

2.2.1 工业相机的选型

2.2.2 镜头的选型

2.2.3 光源的选型

2.3 纸张层叠图像分析

2.4 本章小结

3 纸张层叠图像的拼接

3.1 纸张图像特征点提取

3.1.1 图像分割

3.1.2 数学形态学处理

3.1.3 图像细化处理

3.1.4 提取潜在特征点

3.2 基于骨架长度直方图的改进算法

3.2.1 匹配特征点

3.2.2 估计空间变换模型

3.2.3 建立骨架长度直方图

3.2.4 骨架长度阈值Tskeleton与重复率

3.2.5 实验小结

3.3 基于DBSCAN的RANSAC算法优化

3.3.1 构建向量空间

3.3.2 DBSCAN聚类

3.3.3 RANSAC算法

3.3.4 实验小结

3.4 本章小结

4 纸张层叠图像的纸张计数

4.1 图像预处理

4.1.1 Hough变换

4.1.2 图像增强

4.2 基于纸张厚度模型的灰度投影法

4.2.1 灰度投影法

4.2.2 纸张厚度模型

4.2.3 基于纸张厚度模型的灰度投影法

4.3 本章小结

5 结果与分析

5.1 算法实验

5.2 算法评价

6 总结与展望

参考文献

个人简历

致谢