ＨＥＢＥｌＮ０ＮＧＪ 圃叵 基于模式识别的图像检测算法的研究 山东青州潍坊工程职业学院 １引言 蒋庆磊郇新聂永涛 １ 统计类型 目前旧内零部件加＿ｌｌ：生产广泛采用自动化牛产线模式，受 加一Ｉ 技术的不足干¨不确定因素的影响，零件加１ 质量不一定ｌ１Ｊ 以保证，凶此，需要对零件加工过程中存在的缺陷实现智能判 别，分析加工的零件合格情况。当前采用计算机控制生产加丁过 程和零件加丁质量检测，要达到生产加工过程适应自动化的质 的图像检测效果，并可以达到实时零件加Ｔ质量的检测。 统计模式识别方法，是参照概率统计理沦和决策理论的内 容形成的识别方式，其原理是假设待识别的对象或者运算提取 的特征量是具有分布规律的随机变量。统计类型的模式识别．是 依据模式统计特性，借助特定处理技术，采用模式识别进行数据 统计分析，利用提取的目标特征实现分类识别处理。统计类型模 是对原始数据进行运算的结果。 ２．３聚奖分析 检过程，就要选用较高精度的模式识别算法，获得快速、高精度 式识别的原理是：借助一个数组，代表输入的对象内容。该数组 本文结合传统检测算法存在的缺陷，根据检测的精度和实 时性要求，优化比对像素箅法，设计了一种基于特定模式识别扶 取零件加Ｔ质量缺陷的图像检测算法。上述算法是基于机器视 聚类模式识别的算法并不惟一，常选用模糊均值的方法，其 算法是利朋在ｎ维空间相应的数据点的欧式几何贴近度．将待 检测的数据进行聚类处理，进而计算出不同类聚的间距。 根据算法优缺点的综合分析，本文选用模糊统计分类的方 法，对待检测零件的加工质量完成统计模式识别。利用ｉ亥算法吖 以获得正确结果的几率较高，具有十分重要的生产实际运用价 值。 ３图像检测算法 觉和零件加工质量检测标准，合理选取图像灰度阔值大小，借助 特定模式识别实现检测，既能够保证较高的图像检测精度，又町 以提高检测效率，达到实时检测的目的。利用上述图像检测的算 法 已经设计出来高效率的图像加Ｔ质量检测系统，并且将其运 用到实际工业生产中去。调试结果说明，基于模式识别的图像检 测算法可以对零件加工中存在的缺陷进行判别，与其他算法进 行比较，大大提高检测效率，满足检测系统的设计要求。 ２模式识别简述 ２．１模糊类型 Ｓｏｂｅｌ算子、Ｐｒｅｗｉｌ！算子、Ｒｏｂｅｒｔ算子、Ｇａｕｓｓ—Ｌａｐｌａｃｅ算子、 Ｋｉｒｓｃｈ算子、Ｃａｎｎｙ算子等，是实现图像边缘检测的主要算法。图 像检测算法的原理是获取图像不连续部分的特征，基于闭合的 边缘区域，提取待检测图像的边缘，分析图像的特定参数。获取 的图像边缘对应图像不连续的局部特性，边缘特性是在垂直方 向上像素变化大，而在平行方向上像素变化小。所以选取合适的 边缘检测算子十分重要。 ３．ＩＳｔ，ｂｅｌ算子 已知事物的不同类别，判断待检测的或新的对象应该隶属 于哪一类，或是否为新的类别的过程，即模糊类型的模式识别。 模糊类型的问题一般包含两种：第一，识别模糊的模式库和待识 别对象；第二，识别模糊的模式库和分明待识别对象。解决第一 类模式识别问题采用间接方法，而解决第二类模式识别的问题 采用直接方法。 本论文是潍坊市科技发展项目课题的阶段性研究成果，项目编 号：２０１６ＧＸ０８３ 选取相邻像素区域的梯度值，来换算 单个像素的梯度，即 Ｓｏｌ，ｅｌ算子。其原理是选取某图像区域的每个像素，获取它相邻 点灰度的加权差，再将每个方向上的灰度加权差求和，即该算子 大。国家对创新多功能产品也是大力支持，为这种产品的发展提 能化的概念在我们的生活中也被广泛熟知，使用多功能产品在 生活中的比重也越来越大，人们对杯子的期望也越来越高。为了 使人们出行更便捷，生活丰富多彩，多功能水杯的发展速度也非 常快， 现了各式各样的水杯，每一个水杯都有各自的特点。而 本产品还是少见的，它融合了其他产品的优点，使充电、保温、夜 灯融合在一起。尤其那些出行者，对本产品可谓是更加青睐。 多功能产品在市场上深受人们的喜爱，销售量的份额也很 供了有利的条件和基础。多功能水杯有着广阔的市场发展前景， 希望为多功能产品开辟一条阳光之道。 ６结论 本设计实现了多功能一体化，使一物多用，一物多便。从人们 的生活角度出发，让杯子的功能多元化，使人们的生活更加丰富 多彩。 ２０１７年第１２期 窟讹 ３７ 圃 旺 零件 像，对应着不同的向量值．所以需要借助学习训练样本， 得到合格、可修复的不合格、不可修复的小合格 种模糊模式， 使其与后续待识别的目标图像进行比较，基本完成埘待检测零 的网像边缘效果。 ３ ２Ｐｒｅｘ￣ｉｔｔ算子 采用微分理论，即Ｐｒｅｗｉｔｔ算子。其原理是将梯度算子采用卷 积运算，并输出卷积的最大值，可以采用一般模板卷积进行运算。 ３．３ｌｋｏｂｅ￣算子 件图像的分类Ｔ作。本零件加丁质量检测系统的类别有：合格类 Ａ、不合格可修复类Ｂ和不合格不可修复类Ｃ。根据特定的识别 甬数，如果要判断待检图像的类别，只需把提取的特征值代人识 别函数中计算．基于最大隶属度的原则来判别Ａ、Ｂ、Ｃ中最大 类，即模式识别的最终结果 待检测零件的模糊统计分类算法的 流程如图７所示。 广 采用微分算子，近似提取梯度的幅值，即Ｒｏｂｅ￣算子。其基 本原理是根据梯度的特点，求取梯度值，采取在任一个交叉成直 角方向上求导，利用局部差分算子提取边缘算子，也是选取４个 斜向上的像素交叉运用差分获取梯度。 ３．４Ｇａｕｓｓ—Ｌａｐｌａｃｅ算子 疑 静擅碉Ｉ＝ 圉量的特住．１ １ － 选用与边缘方向无关的微分算子，即Ｇａｕｓｓ—Ｌａｐｌａｃｅ（拉普拉 斯）算子 岜是一个标量，在同一个方向上的性质相同，其算子原 理是求解罔像每个像素的二阶导数，然后求和提取边界。 ３．５Ｋｉｒｓ￣ １１算子 Ｉ簟＾ｔｔ企古ｌ Ｉ获取田口的 ｌ铬的豳●．Ｉ＂ｔ．奇证爹散． Ｋｉ￣ｃｈ算子是运用多方向获取边缘检测的算子。该算子是ｉＪ司 整某一特定值并在子域中不同方向上搜索边界，然后把它们与 １ｌ１ ：台 墨：蔓Ｈ ： Ｉ 苗 溢 的曩●．Ｉｌ Ｉ” ｎ￣Ｔ ＩＡ 鲁．１像阈值进行比较，进而判定有无边界。 ｊ ６Ｃａｎｎｙ算子 奠豹田囊．１ｌ１Ｊ” ’ ’ 酐墨Ｃａｎｎｙ锋子的原理是利用高斯滤波实现图像平滑，利用有限 差分，获取梯度的方向和幅值，然后针对梯度的幅值采取非极大 值抑制，运朋双阂值算法实现检测和边缘连接，最后提取恰当的 边缘： 根据算子原理的优缺点可知，本文选用Ｃａｎｎｙ边缘检测算 子，实现待检测零件的边缘检测。 ４模式识别下的图像检测案例分析 ４．１待检测零件的图像处理过程 Ｌ 图７模糊统计分类算法的流程图 利用零件加ｌ１ 质量检测系统的软件进行待检测零件的图像 处理。软件初始化后，借助文件菜单巾的“打开位图”项目，打开 待检测零件的原始罔像，效果如图１所永。对原始图像进行灰度 露 帆 ，千钇＿ 处理、中值滤波（１Ｘ３模板）的效果如图２、图３所示。时滤波后的 三＂慢鼽西菇 蒙皋Ｉ，出 ， 像进行灰度均衡处理，效果如图４所示。对均衡后的【像进行 二值化、Ｃａｎｎｙ算子处理，效果如图５、图６所示。 网 图１原始图像 图２灰度处理 图３中值滤波 图８运行结果 ４．ｊ检测软件的运行效果 通过检测软件的实际测试，获得的效果如 ８所示。 ５结论 通过检测系统的运行，表明基于模式识别的图像检测算法， 具有结果稳定、准确的优点．适ｊ｝ｊ于待检测零件加［：质量的检 测，同时该算法识别效果明显，实现了自动、快速检测，具有较高 的研究价值。 参考文献： ｆ１】岳国伟．基于窗口平移的图像线性目标快速检测算法研究 图４灰度均衡 图５ ｓ－４Ｊｆ４￣ 图６ Ｃａｎｎｙ算子 Ⅲ．山东科技大学学报，２（）１５（６）：９６￣１０１． ４．２图像的模式识别过程 Ｉ２】周丽芬．驾驶员辅助系统的图像模式识别算法研究Ｕ１．现 代计算机，２０１４（２４）：２１～２６． 根据待识别零件特征向量，对零件加Ｔ质量问题进行分类， 并将其归类到已知类别中。为正确划分待识别的目标图像的模 式类，应设计出对应有效的分类函数。本文基于零件加１ 质量识 别要求，选取线性识别器进行分类。一１：作原理是：根据特定类 ４ 的已知样本集合，来获取待检测罔像的分类。由于每个待检测的 ３８ 农抽２０１７年第１２期
