[发明专利]一种基于视觉的精密结构件识别方法

权利要求书

1.一种基于视觉的精密结构件识别方法，其特征在于，包括以下步骤：

步骤1：基于互信息熵的图像快速定位：使用滑动窗口对待检测的精密结构件图像进行扫描，采用互信息熵衡量模板精密结构件图像与待检测精密结构件图像的相似度以进行快速粗定位，进一步完成模板精密结构件图像与待检测精密结构件图像中结构件目标的定位；

步骤2：基于等积环形的图像分割：对定位后的结构件图像采用等积环分割得到多个目标环；

步骤3：有效特征点的筛选及匹配系数MRR的计算：

步骤3.1对Sobel算子改进：传统的Sobel算子描述水平、垂直方向的特征，对这4个方向的梯度加权求和，因此增加±45°以及±135°这4个方向的卷积核；

步骤3.2等积环的梯度幅值与梯度方向计算：在各等积环中使用8方向Sobel算子计算梯度幅值PGA与梯度方向PGD；

步骤3.3筛选有效特征点：将上述所得到的梯度幅值PGA与梯度方向PGD分别进行统计分组，使用预先设置的阈值筛选出符合条件的n₂个有效特征点；

有效特征点的梯度幅值区间为[400,600]，有效特征点的梯度方向区间设为[-70,+70]；

步骤3.4特征匹配以及计算匹配系数MRR：将模板图像中的圆环的平均梯度幅值与待检测图像的圆环的平均梯度幅值进行欧氏距离的比较，得到梯度幅值的特征匹配度；

为比较待检测图像圆环与目标图像圆环的梯度方向的匹配度，将各个圆环特征点的梯度方向区间[-70,+70]平均分成10个子区间，再将各个子区间进行比较；因此，待检测图像各个圆环中特征点的平均梯度方向为然后，使用欧氏距离计算待检测图像窗口M和目标图像M₁的梯度幅值差值PGA以及梯度方向差值PGD：

将上述所得到的PGA以及PGD带入公式PGAD＝PGA*PGD中，计算得出待检测角点集中的n₂个点的匹配系数MR_i，i＝1,2,…,n₂；

因此，最终的匹配系数为

步骤4：根据匹配系数对精密结构件进行定位与识别：通过对模板图像特征和待检测图像特征的匹配实现精确定位及识别分类。

2.根据权利要求1所述的一种基于视觉的精密结构件识别方法，其特征在于，所述等积环的梯度幅值与梯度方向计算具体为：

3.2.1计算各方向的梯度幅值，设原图像f(x,y)为M，0°方向卷积结果为T₀，45°方向卷积结果为T₄₅，90°方向卷积结果为T₉₀，135°方向卷积结果为T₁₃₅，则卷积结果为：

3.2.2计算0°-90°以及45°-135°的综合梯度幅值：

3.2.3计算0°-90°以及45°-135°的综合梯度夹角：

3.2.4计算梯度幅值PGA^k：设K为分割得到的圆环总个数，α为L₁、L₂之间的夹角，根据余弦定理求得像素点的8方向卷积综合梯度幅值L，进而求得第k个圆环上像素点的梯度幅值PGA^k；

α＝θ₂-θ₁ (6)

L＝L₁²+L₂²-2L₁L₂cos(180-a) (7)

3.2.5计算梯度方向PGD^k及角度矫正；选用各个圆环上的平均梯度方向作为随变角，将求得的每个梯度方向减去随变角，便使所得到的梯度方向具有了抗旋转变化的能力；设N^k为第k个圆环中所包含的像素点个数，计算f(x,y)范围内的平均梯度方向，即随变角度β：

则梯度方向的计算公式为：