当前位置:文档之家› 基于MATLABGUI的零件图像识别

基于MATLABGUI的零件图像识别

基于M AT LAB GU I 的零件图像识别

夏庆观,盛党红,温秀兰

(南京工程学院自动化学院,江苏南京 211167)

摘要:零件图像识别有多种方法,其关键是零件图像的特征提取,为此提出了基于图像边缘检测提取零件图像特征和用径向基神经网络实现识别的方法。首先对零件图像进行边缘检测,提取零件图像的边缘轮廓;然后将被检测的边缘轮廓图像分成若干个子区域并分别统计各子区域的边缘像素量,各子区域中的相对边缘像素系数作为零件的特征,将这些特征作为神经网络的输入样本,由径向基神经网络实现识别;最后由GU I 完成零件图像的识别,实验结果证明是有效的。关键词:特征提取;模式识别;神经网络;GU I

中图分类号:TP391 文献标识码:A 文章编号:1672-1616(2008)23-0058-04 模式识别是计算机识别或机器识别,目的是利用计算机对物理对象进行分类,在错误概率最小的条件下,使识别结果尽量与客观物体相符合[1,2]。在模式识别技术中,模式类是一类事物的代表,而模式是某一事物的具体表现。对于被识别的对象,需要确定一些与识别有关的因素作为研究的依据,每一个因素可以称为一个特征,模式是被研究对象所具有特征的描述。模式的特征集可以用处于同一个特征空间的特征向量表示,特征向量的每个元素称为特征。一个典型的模式识别系统是由数据获取、预处理、特征提取、分类决策和分类器设计等5个部分组成。

零件图像特征可以是图像场的原始特征,如零

件轮廓的曲线和纹理特征等,也可以是空间频谱,或者是直方图特征等。本文利用零件图像的边缘像素作为图像的特征[3],应用神经网络进行识别,最后使用MATLAB GU I 完成零件图像的识别。

1 零件图像的特征提取

图1所示为480 640像素的零件图像A 、零件图像B 和零件图像C,它们是由CCD 摄像头,美国国家仪器公司(简称NI 公司)的PXI-1042Q 测控仪、PXI-1411图像采集板组成的图像采集系统获取的。这3幅零件图像作为零件图像识别中的

标准图像。

基于MATLABGUI的零件图像识别

图1 零件图像

图像边缘是人们判别物体的重要依据之一,是

图像的最基本的特征。图像的边缘检测有多种方法,本文采用Sobel 边缘检测对图1零件图像进行边缘检测,得到如图2所示的边缘检测图像。

图像中每一个边缘像素都是图像的特征,利用图像所有边缘像素进行零件识别的运算量是很大的,为了减少运算量,把边缘检测之后的图像分成m n 子矩阵图像,图3所示是图2(a)分成的4

收稿日期:2008-08-27

基金项目:江苏省教育厅自然科学基金资助项目(08KJD510014)

作者简介:夏庆观(1947-),男,上海人,南京工程学院教授,主要研究方向为计算机检测技术、模式识别。

基于MATLABGUI的零件图像识别

图2 零件图像的边缘检测

4的子矩阵图像。子矩阵图像中的边缘像素用1表示,其余像素用0表示,统计各子矩阵中表示1的像素量,各子矩阵中为1的边缘像素量与各子矩阵中0和1的像素之和的比值作为相对像素系数,这样得到相对像素系数矩阵[c ij ]m n ,即特征参数。将相对像素系数矩阵的各列按自左到右、上下首尾相接的次序,组成行向量C k ,k =1,2, ,m n 。相对像素系数向量C k

为图像的特征样本。

基于MATLABGUI的零件图像识别

图3 边缘图像分割为子矩阵图像

2 径向基神经网络的识别

径向基函数(Radial Basis Function,RBF)方法是在高维空间进行插值的一种技术,由于径向基神经网络具有结构自适应确定、输出与初始权值无关的特性,因此在模式识别技术中得到广泛的应用[4,5]。径向基神经网络模型如图4所示,隐层为径向基层,

输出层为线性层。

基于MATLABGUI的零件图像识别

图4 径向基神经网络模型

对零件图像A 、零件图像B 和零件图像C 进

行边缘检测,并分别处理成4 4子矩阵,相对像素系数作为RBF 神经网络的学习样本。设RBF 神经网络输出矩阵为[100;010;001],分别表示零件图像A 、零件图像B 和零件图像C 。

在识别之前,采集被识别的零件图像。对采集的零件图像进行边缘检测,处理成4 4子矩阵,相对像素系数作为RBF 神经网络的测试样本。

RBF 神经网络的学习样本和测试样本见表1。

表1 RBF 神经网络的学习样本和测试样本

学习样本

零件图像A 零件图像B 零件图像C 测试样本

0.00800.21540.19030.00660.31530.40010.33140.32670.30820.27700.28500.30400.09610.01140.00190.09900.31160.45120.37120.29020.7164

0.81490.67950.68040.58570.67050.68940.62310.5516

0.28460.20170.55490.55680.43800.36080.55450.45690.72730.75240.45980.62690.50660.50950.62550.44270.51520.35370.42660.17710.18130.14680.14540.41570.46690.40480.40910.54500.52840.48390.55490.2334

0.2093

0.2159

0.2429

3 基于GU I 的零件图像识别

3.1 图形用户界面

图形用户界面(Graphical User Interfaces,GU I)是由窗口、按键、菜单、光标、文字说明等对象

(objects)构成的一个用户界面,用户通过鼠标或键盘激活这些对象,实现计算、处理和显示[6]。

3.2 设计过程

在MAT LAB GU IDE 设计界面工作区中设置

4个坐标轴(Ax es)控件、7个静态文本(Static T ex t)控件和2个按键(Push Button)控件。4个坐标轴控件分别用于显示零件A 、零件B 、零件C 和被识别的零件;7个静态文本控件中的6个控件用于文字说明,另1个静态文本控件用于显示识别结果;1个按键控件用于运行GU I 程序,另1个按键控件用于结束GU I 程序。GUIDE 设计界面如图5

所示。

基于MATLABGUI的零件图像识别

基于MATLABGUI的零件图像识别

图5 G U IDE 设计界面

3.2.1 窗口和控件的参数设置

双击设计工作区,出现工作区的属性编辑框Property Inspector,在工作区的属性编辑框中设置如下属性值:

Name gui-tuxiangshibie

分别打开6个静态文本控件属性编辑框Prop erty Inspector,在属性编辑框中分别设置如下属性值:

String 基于GUI 的零件图像识别String 零件图像A String 零件图像B String 零件图像C String 被识别的零件图像String 识别结果

FontSize 和FontWeight 设置均为:FontSize 12FontWeig ht

bold

打开余下的1个静态文本控件属性编辑框Property Inspector,在属性编辑框中设置如下属性值:

Backgroundcolor 白色

T ag shibie-text

分别双击2个按键控件,出现属性编辑框Property Inspector,在1个属性编辑框中设置如下属性值:

String ON

Tag

on-pushbutton

在另1个属性编辑框中设置如下属性值:String Close Tag close-pushbutton FontSize 和FontWeig ht 设置均为:FontSize 12FontWeight bold 3.2.2 菜单编辑器

窗口和控件的参数设置后,在菜单编辑器对话窗口中添加菜单和子菜单file 、on 、close,T ag 分别为:file-menu 、on-menu 、close-menu,如图6所示。

图6 菜单编辑

3.2.3 回调函数

点击菜单栏中的File,再点击保存,文件名为gui-tux iangshibie,这时MAT LAB 生成2个文件,即gui-tux iangshibie.fig 和gui-tuxiangshibie.m 。打开gui-tux iangshibie.m 文件,在回调函数function on -pushbutton -Callback (hObject,eventdata,handles)下方空白处填写读取零件图像、图像边缘检测、像素系数的统计、神经网络识别等程序代码。在回调函数function close-pushbut ton-Callback(hObject,eventdata,handles)下方空白处填写close 。

4 实验结果

在MAT LAB 指令窗中输入gui-tuxiangshi bie,可以得到如图7所示的识别结果。实验表明利用零件图像边缘像素系数作为零件图像的特征,在技术上是可行的。

图7 识别结果

5 结束语

零件图像识别的关键是如何获取零件图像的特征,描述零件图像的特征有多种方法,但是有些特征描述不适合图像识别。本文将零件图像的相对边缘像素系数作为零件图像的特征,是零件图像特征描述的新方法。显然,相对边缘像素系数的数量会影响识别率,适当多的子矩阵能获取较多的特征参数,这样可避免或减少误识别,然而过多的特征参数会使网络结构复杂,运算量变大。所以选用适当数量的子矩阵是后续研究的问题。

参考文献:

[1] 边肇祺,张学工.模式识别[M].北京:清华大学出版社,

2000.

[2] 杨淑莹.模式识别与智能计算???M ATLAB技术实现[M].

北京:电子工业出版社,2008.

[3] 夏庆观,盛党红,路 红,等.零件图像的特征提取和识别的

研究[J].中国机械工程,2005,16(22):45-47.

[4] 周开利,康耀红.神经网络模型及其M ATLAB仿真程序设计

[M].北京:清华大学出版社,2005.

[5] M artin T Hagan,How ard B Demuth,M ark H Beal.神经网络设

计[M].北京:机械工业出版社,2005.

[6] 陈

基于MATLABGUI的零件图像识别

光,毛涛涛,王正林,等.精通M AT LAB GUI设计[M].

北京:电子工业出版社,2008.

Recognition of Parts Image Based on MATLAB GUI

XIA Qing-guan,SHENG Dang-hong,WEN Xiu-lan

(Nanjing Institute of Technology,Jiangsu Nanjing,211167,China)

Abstract:The key of the m ethod to recog nize part image is features extraction.It presents a method to extract part imag e feature and to recognize parts based on image edg es detected and neural netw orks.T he edges from part image are detected using edge detection.Then,edge image is divided into several sub-areas and their edge pixels are counted respectively,the relative edge pixel coefficient in each sub-area is considered as its feature,the features are used as the input of RBF neural netw ork to realize pattern recognition.The recogni tion processing of parts image is realized by GU I.Experiment results that the proposed method can efficiently recognize parts.

Key words:Features Extraction;Pattern Recognition;Neural Networks;GU I

(上接第57页)

(1.Nanjing University of Aeronautics and Astronautics,Jiangsu Nanjing,210016,China)

(2.CSR Sifang Locomotive and Rolling Stock Co.Ltd.,Shandong Qingdao,266111,China) Abstract:In order to im prove the real-time interpolating accuracy,the processing speed and machining preci sion of the CNC system,it uses a real-time interpolation algorithm of cubic B-spline curves w ith constant feed-rate and non-uniform changing parameter in each cycle.Using dig ital sig nal processor(DSP)can re duce the calculating time.Since the control pulses of axes are synchronistical during timer interrupt periods, the interpolating trajectory are sig nificantly improved.The results show that the algorithm makes all of the interpolating points in the theoretical curve and assures the high speed and precision requirements of the mo tion control system.

Key words:Cubic B-spline Curves;Real-time Interpolation;DSP;Pulse Control

基于MATLABGUI的零件图像识别

下载文档原格式(PDF原格式,共4页)
相关文档
  • 基于matlab的图像识别

  • 基于opencv的图像识别

  • 建筑物图像识别研究

  • 图像识别算法的研究

相关文档推荐: