[发明专利]一种具有烟包姿态计算的卷烟包装缺陷检测方法

权利要求书

1.一种具有烟包姿态计算的卷烟包装缺陷检测方法，其特征在于，包括以下步骤：

S1、将合格外观烟包图像采用HARRIS算法进行烟包特征点识别提取，通过随机树算法进行合格外观烟包特征点与标准烟包图像特征点的匹配，匹配结果通过随机抽样一致算法剔除误匹配点，匹配点对通过最小二乘法计算出合格外观烟包的姿态，利用姿态数据通过反投影变换将待检区域进行图像矫正；将各检测区域经过矫正后的图片信息进行保存，形成合格外观检测区域图片序列，将该序列中的图像纹理特征进行抽取即成为合格外观模型库；

S2、将待检测烟包图像采用HARRIS算法进行烟包特征点识别，通过随机树算法进行待检测烟包特征点与标准烟包图像特征点的匹配，匹配结果通过随机抽样一致算法剔除误匹配点，匹配点对通过最小二乘法计算出待检烟包的姿态，该姿态包含该烟包在X,Y,Z轴上的平移及旋转量，根据估算出的姿态数据通过反投影变换将待检区域进行图像矫正，极大的纠正由于烟包位姿变化引起的匹配区域相似度降低问题；

S3、将步骤S2得到的矫正图像与步骤S1的合格外观模型库进行相似度计算；计算通过得到合格外观烟包；如果计算不通过得出不合格外观烟包进行剔除。

2.如权利要求1所述的一种具有烟包姿态计算的卷烟包装缺陷检测方法，其特征在于：

所述HARRIS特征点提取：

HARRIS算法受信号处理中自相关函数的启发，给出了与自相关函数相联系的矩阵；矩阵的特征值是自相关函数的一阶曲率，如果在图像中某点的行列曲率值都高，则认为该点是特征点；

HARRIS算法的表达式如下所示：

上式中，g_x为x方向的梯度，g_y为y方向的梯度，为高斯模板；HARRIS算法的角响应函数如下所示：

R＝det(M)-k×tr(M)²；

上式中，k为常数；角响应函数的判别准则是：在有角存在的区域为正值，在有边存在的区域为负值，在无变化的区域为很小的值；实际应用时，计算图像窗口中心点的R值，当其大于某一个给定的阈值，则认为该点是角点。

3.如权利要求1所述的一种具有烟包姿态计算的卷烟包装缺陷检测方法，其特征在于：所述随机树特征点匹配算法：将训练样本图片先进行HARRIS特征点提取，然后以特征点为中心将其周围32*32像素的图片进行截取，并对片元进行随机仿射变换，模拟从不同角度和距离上观察此物体，将仿射后的片元放入随机树中，在随机树的每一层节点中随机的获取两个像素点的灰度值，并比较大小，大于落入右节点，小于落入左节点，通过层层比较该片元最终将落在随机树的某个子节点；通过大量训练片元的输入，将会在终端节点上获得片元落入量的一个概率分布，该分布意味着当被测试片元落入该终端节点后，被测片元在多大程度上与某一训练样本片元相似；通过此方法，便可将被测图片特征点与样本图片特征点进行匹配。

4.如权利要求1所述的一种具有烟包姿态计算的卷烟包装缺陷检测方法，其特征在于：随机抽样一致性算法表述如下：

Step1:根据给定的置信概率P、每次抽样需要的匹配点对个数m和误匹配率ε，利用式7计算出最小抽样次数M；

1-(1-(1-ε)^m)^M＝P；

Step2:对每次抽样出的8个点对都进行基本矩阵估算，并把所有点对带入估算出来的基本矩阵中，利用Sampson加权算子计算Sampson距离来划分局内点和局外点；记录每个基本矩阵所划分出的局内点数目；

上式为Sampson加权算子，其中(Fm)_i,(Fm')_i分别为3×1向量Fm,Fm'的第i项；

Step3:局内点最多的基本矩阵为最优矩阵，利用最优矩阵中得到的局内点来估算最终的基本矩阵；

Step4:估计出最终基本矩阵之后，再将所有点对带入基本矩阵中，利用Sampson距离对局内点和局外点进行划分，局内点被认为是正确匹配点，局外点为误匹配点。