研究基于虚拟多传感器信息融合计算机视觉检测方法

论文导读：的检测过程进行说明，其中一个为有检测目标的区域，一个为没有检测目标的区域。在应用过程中，已经训练获得到了匹配器标准模板。对一幅实时图像，分别用Cnany边缘算子和空间均值滤波等变换得到到相应的边缘特征图像和去噪声特征图像，原始图像也作为一个特征图像。用C表示目标，N表示非目标，目标识别框架为U={C，N}。具体实现步骤如
【摘要】在线计算机视觉检测系统的研究就是根据计算机视觉原理、综合利用与计算机视觉相近或相关学科的技术、研究出可以对工业过程生产线上刚性成品及其中间产品实现在线实时检测的系统。本文主要研究了基于虚拟多传感器信息融合的计算机视觉检测策略。
【关键词】虚拟多传感器;计算机;视觉检测

一、视觉信息系统模型与实现策略

对于一个通用视觉系统来说，其性能主要取决于两方面的因素：一方面总体上是如何组织的，有哪些模块组成，模块间如何联系;另一方面是每个模块内采用了哪些技术，信息如何被加工的。许多专用的视觉信息系统模型是一种松散的知识库模型。这些以松散的知识库为主的模型都各有特点，但共同的不足就是计算量特别大，对信息处理采取不同的抽象和表达，复杂度也不断增大，难以满足连续工业在线快速检测的要求。针对这些不足，本文提出一种专用的有知识驱动、信息融合的视觉信息系统模型，该模型实现了对图像中被检测目标个数的搜索，用以实现螺纹钢支数工业计算机视觉系统的在线检测。具体实现过程为：

1.训练匹配器模板：用上文提供的策略获取标准匹配器模板。

2.获取特征图：将实时图像灰度图分别用Cnany边缘算子、邻域平均值算子进行变换获得相应的特征图。
3.搜索特征量并确定其基本信度：将上述特征图和灰度图在相同的位置同时扫描，获得相应的特征，根据特征量得到相应检测目标的基本信度。

4.确定模板匹配相似度：利用匹配技术确定匹配器模板和指定区域的相似度及基本信度。

5.合成基本信度并作出判断：权系数D-S证据融合算法计算最终的信度，根据结果判断该区域有无被测目标。

6.优化屏蔽搜索区域：屏蔽搜索到被测目标的区域，避开重复搜索。

7.获得被测目标总支数：依次搜索特征图像，累加有被测目标的总数，即得到原始实时图像中的被测目标总支数。

二、证据理论应用举例

为了说明检测过程，考虑对两个典型区域的检测过程进行说明，其中一个为有检测目标的区域，一个为没有检测目标的区域。在应用过程中，已经训练获得到了匹配器标准模板。对一幅实时图像，分别用Cnany边缘算子和空间均值滤波等变换得到到相应的边缘特征图像和去噪声特征图像，原始图像也作为一个特征图像。用C表示目标，N表示非目标，目标识别框架为U={C，N}。具体实现步骤如下：
（1）传感器基本信度分配确定;
（2）计算加权后各个传感器的基本信度分配;
（3）按照DenlPster组合公式将m1：和m2组合;
（4）将m1：和.m2组合。
由计算结果可知，通过融合后不确定性的基本信度下降到0，在实际应用中，该值可能会大些，在应用中隐含地引入了一个限制条件，即mU（<）0.02时本次决策才有效。采用基本信度分配进行决策，根据公式，即y（x）=m（A）-m_ThV可知，给定阀值m_ThV时，可以根据融合结果确定出被检测区域的类别。在实际应用中，给定经验阀值m_ThV=0.89，则对区域1有y（x）=0.997-0.8>0，可确定出区域1中存在检测目标;而对区域2有y（x）=0.292-0.89<0，故区域2尽管有些特征类似于检测目标端面（如模板匹配程度、区域灰度均值等），但通过融合可以明显地区分出来该区域不存在检测目标。

三、优化屏蔽搜索区域

为了提高搜索效率，避开重复搜索，当确定出所搜索的区域存在被测目标时，如图1中区域1，可以根据所搜索的被测目标直径，计算该截面上的边界，推导出与这些边界相切的另外可能存在的被测目标的模板顶点的轨迹：（x-s）2+（y-t）2=D2口。其中（s，t）为当前模板覆盖区域的顶点坐标，D为被测目标截面半径，（x，y）为另外被测目标截面上覆盖的模板顶点坐标。然后该圆下半部分以点（s，t）为中心垂直分割，其左半部分圆内与半圆的交集部分）全部屏蔽，作为不再搜索区域;右半部分圆内（半圆与区域1的交集部分）给出特殊标志，表示此区域不再作为搜索区域顶点，但该区域的边界、灰度、灰度梯度等信息均保留，以免将有用信息屏蔽。在边缘特征图中，对区域2与半圆交集部分不再搜索支数;而对区域1与半圆交集部分，仅对该区域的特征信息完成搜索仍然需要搜索。
图1

四、试验与结果分析

为验证上述策略，进行了两个方面的试验。
首先是研究了策略的有效性。对于被测试的每一幅图的结果，用程序测试完后将结果同时显示到图像中，并在搜索到被测目标的区域用一个黑色圆标注，表示在该区域已经搜索到一个目标。这样可以完成搜索结果与被检测目标实际位置进行对比，可以判断算法实现、搜索结果的有效性。确定有没有误搜索：在没有目标的位置搜索的被测目标（虚检）;而在有目标的地方又没有搜索的被测目标（漏检）。避开了搜索结果与目标真实数目一致而位置不符合实际的情况。并且，在搜索到的检测目标旁边标注浅灰色半圆，表示该区域已经在搜索过程中被屏蔽过。给出几幅对实时图像算法及搜索过程有效性验证结果的实际图像，图像中被测目标为中18的螺纹钢端面。
可见，该策略搜索的钢材在图像中的位置和支数都符合实际位置和支数，表明该策略是有效的。在端面特征中，选择用边缘特征、局部灰度均值特征、梯度分布特征和模板匹配器匹配程度特征等四个特征的信度分配来融合确定目标，实现对图像区域的分类，从而可以实现工业计算机视觉在线检测的任务。
然后用实际在线检测的策略试验所提出的策略的准确性。在实际应用中对φ20的成品钢进行了连续在线检测。系统的准确性还是比较高的，基本实现了在线快速的检测功能。
五、小结
本章通过对螺纹钢生产线上采集的实时图像的特征分析，提出了虚拟多传感器的概念，将实时图像用不同变换得到多幅特征图像，将每一幅特征图像在相同检测区域的特征信息看作是一种传感器获取的信息。这样，将实时图像中被测目标的识别理由归结为非线性二分类理由。利用虚拟多传感器信息，提出了基于加权D-S证据理论信息融合的模式分类策略，将该分类策略应用到计算机视觉检测中，在此基础上，提出了一种工业计算机视觉检测系统的实现策略。
在检测某一区域是否存在检测目标时，在特征图像中相应的区域根据论文导读：靠性时得到了保证，并得到了比较高的准确性。该策略的准确性可以达到97%。参考文献张婷.计算机图形图像设计与视觉传达设计的研究.信息系统工程，2014（2）.漆随平.基于计算机视觉的检测策略与应用研究.浙江大学，2005.作者简介：张丽楠（1986—），女，现供职于同煤浙能麻家梁煤业公司，曾被评为大同市“三八红旗手”。
获取特征信息，得到是否存在被测目标的基本信度分配，即：在边缘特征图像中对应的区域获得边缘信息、在去噪特征图像中对应的区域获得区域灰度均值信息和梯度分布信息、在原始图像中对应的区域获得与标准匹配模板相似度的信息;将这些信息量化成基本信度分配，用加权D-S证据理论融合这些基本信度分配;根据融合结果完成对区域分类，确定出是否有检测目标存在;历遍整幅图像即可得到图像中被测目标的总数。
将实现所提出的检测策略的应用程序及其系统应用的某炼钢厂进行了在线检测，结果表明，所研究的策略实现了在不增加传感器数量和对传感器要求的情况下使检测系统的可靠性时得到了保证，并得到了比较高的准确性。该策略的准确性可以达到97%。
参考文献
[1]张婷.计算机图形图像设计与视觉传达设计的研究[J].信息系统工程，2014（2）.
[2]漆随平.基于计算机视觉的检测策略与应用研究[D].浙江大学，2005.
作者简介：张丽楠（1986—），女，现供职于同煤浙能麻家梁煤业公司，曾被评为大同市“三八红旗手”。