局部Radon變換技術(shù)及在毛桿折痕識(shí)別中的應(yīng)用

1、局部radon變換技術(shù)及在毛桿折痕識(shí)別中的 應(yīng)用摘要：針對(duì)羽毛桿折痕識(shí)別問(wèn)題，提出一種新的特征提取方 法。為了消除radon變換對(duì)縮放平移敏感問(wèn)題，采用改進(jìn)的 radon變換提取目標(biāo)區(qū)域的不變矩，并引入局部投影技術(shù)消 除羽毛桿生理紋理干擾。通過(guò)改變尺度因子獲得矩不變量矩 陣，并采用奇異值分解(svd)獲得特征不變量用于分類(lèi)識(shí) 別。實(shí)驗(yàn)結(jié)果表明該方法具有較強(qiáng)的魯棒性，具有較高的折 痕識(shí)別率。關(guān)鍵詞：羽毛桿折痕；radon變換；局部投影；矩不變量；圖像 識(shí)別0引言羽毛球是勞動(dòng)密集型產(chǎn)品，從羽毛分揀到成品羽毛球檢 測(cè)有十來(lái)道工序，其中羽毛桿參數(shù)的提取是分級(jí)的關(guān)鍵環(huán) 節(jié)。傳統(tǒng)檢測(cè)方法通常還是手工進(jìn)行操

2、作，存在勞動(dòng)強(qiáng)度 大、分揀質(zhì)量不穩(wěn)定因素。人們對(duì)此做了一定的研究1-4, 由于羽毛桿是寬窄不一的具有一定彎度拱度的細(xì)長(zhǎng)結(jié)構(gòu)，再 加上折痕和背景界限模糊，使得難以有效對(duì)羽毛桿折痕進(jìn)行 檢測(cè)。由于折痕的邊界難以確定，因此基于區(qū)域的形狀識(shí)別 是較好的選擇。其中，矩是進(jìn)行圖像特征表征的常用量，目 前主要有hu矩5-6、zernike矩7-10等不變矩，但是這 些不變矩計(jì)算量大，而且容易受到噪聲干擾。經(jīng)過(guò)對(duì)羽毛桿折痕統(tǒng)計(jì)分析表明大部分折痕近似表現(xiàn) 為寬度一定的直線段，該線段大致與毛桿曲線的法線平行。 針對(duì)這種折痕，本文提出用局部角度投影對(duì)折痕進(jìn)行檢測(cè)。 首先對(duì)圖像梯度幅度進(jìn)行局部角度radon變換，消除

3、了生理 紋理的影響；利用投影數(shù)據(jù)構(gòu)造圖像的平移比例不變矩，最 后采用奇異值分解(singular value decomposition, svd) 得到羽毛桿表面圖像的特征。通過(guò)對(duì)羽毛桿樣本進(jìn)行分類(lèi)實(shí) 驗(yàn)，表明特征量具有較好抗噪能力，取得較好的識(shí)別效果， 有實(shí)際應(yīng)用價(jià)值。4結(jié)語(yǔ)本文提出羽毛桿折痕識(shí)別的新方法，采用局部radon變 換提取羽毛桿的不變矩特征，通過(guò)小角度局部投影和奇異值 分解相結(jié)合獲得具有平移、比例不變性的特征量，消除了徑 向生理紋理干擾。通過(guò)與hu不變矩、zernike不變矩的對(duì)比 實(shí)驗(yàn)表明本文方法具有較好的魯棒性，提取的特征值可以達(dá) 到很好的分類(lèi)效果。實(shí)驗(yàn)結(jié)果表明該方法具有較

4、好的實(shí)時(shí) 性，對(duì)現(xiàn)場(chǎng)測(cè)試具有一定價(jià)值。參考文獻(xiàn)：劉洪江，汪仁煌，李學(xué)聰基于動(dòng)態(tài)輪廓模型的羽毛分 割改進(jìn)算法j計(jì)算機(jī)應(yīng)用，2011, 31 (8)： 2246-2245.2劉洪江，汪仁煌，何最紅，等中心線模式snake算法 對(duì)細(xì)長(zhǎng)目標(biāo)的提取j光電工程，2011, 38 (9)： 124-129.3liu h j, wang r h, ming j f, et al. the finite ridgelet transform for defeat detection of quillj advanced materials research, 2011,317/318/319：915-918.4

5、岳洪偉，汪仁煌，何最紅.基于normalized cut的羽毛桿自動(dòng)提取j計(jì)算機(jī)應(yīng)用，2012, 32 (7)： 1989-1901.5羅元，謝g,張毅.基于kinect傳感器的智能輪椅手勢(shì)控制系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)j機(jī)器人，2012, 34 ( 1 )： 110-113.6hu m k. visual pattern recognition by moment invariantsj. ieee transactions on information theory, 1962, 8 (1)： 179-187.7王向陽(yáng)，李東明，楊紅穎基于zernike色度分布矩的 彩色圖像檢索算法j模式識(shí)別與人工智

6、能，2012, 25(2)： 313-317.teh c h, chin r t. on image analysis by the met hods of momentsjieee transactions on pattern analysis and machine intelligence, 1988, 10 (4)： 496-512.9kan c, srinath m d. invariant character recognition with zernike and orthogonal fouriermellin moments j. pattern recognition,

7、2002, 35 (1)： 143-154.10liao s x, pawlak m. on the accuracy of zernike moments for image analysisj ieee transactions on pattern analysis and machine intelligence, 1998, 20 (12)： 1358-1364.11deans s r. the radon transform and some of its applicationsm. new york： wiley, 1983.12呂玉增形狀仿射不變特征提取與識(shí)別研究d.長(zhǎng)沙： 國(guó)防科學(xué)技術(shù)大學(xué)，2008.alshaykh 0 k, doherty j f. invariant image analysis based on radon transform a