基于模板匹配的金刚石颗粒图像识别.docx

基于模板匹配的金刚石颗粒图像识别.docx

《基于模板匹配的金刚石颗粒图像识别.docx》由会员分享，可在线阅读，更多相关《基于模板匹配的金刚石颗粒图像识别.docx（30页珍藏版）》请在冰豆网上搜索。

基于模板匹配的金刚石颗粒图像识别

基于模板匹配的金刚石颗粒图像识别

信号与信息处理专业

研究生熊辉指导教师夏健刚

图像处理与识别广泛应用于交通、遥感、工业检测、生物医学、地质等许

多领域。

人造金刚石颗粒的质量检测控制技术，也越来越受到人们的重视。

本文旨在讨论图像的模板匹配方法在金刚石晶型选择中的应用以及金刚石

颗粒统计的方法，并在以LabVlEW和NIVision7．1DevelopmentModule为主

的虚拟仪器开发平台上，结合图像处理技术构建了一个实验系统。

本文工作的

主要研究内容包括：

1、提出了金刚石颗粒图像的识别方法。

根据金刚石晶体形状和色彩以及图

像的背景比较固定，选择了基于图像颜色和形状信息的匹配方法对金刚石图像

进行匹配。

使用预制的单晶模板或者从原始图像中选择模板进行匹配，可以快

速对金刚石晶体类型进行分类，并统计出匹配的晶体数目。

2、实现了原始图像上的金刚石颗粒数目统计。

采用视觉开发工具，设计了

可以根据晶体颗粒半径范围检测晶体颗粒数目的程序模块，经过对图像进行灰

度变换、阈值化处理、颗粒分析、滤波，可以快速准确地统计出符合一定半径

范围要求的颗粒数目，并输出电子表格统计表，有利于金刚石生产的质量控制。

3、实验结果表明，本实验系统可以快速准确的实现人造金刚石图像的晶体

分类和颗粒统计，克服了人工操作带来的低精度和低效率。

实验方法可以推广

应用到其他图像识别的领域。

关键词：

模板匹配金刚石颗粒图像识别LabVIEW

Theimagerecognitionofthediamondparticlesbasedon

thetemplatematching

Major：

SignalandInformationProcessing

Graduate：

XiongHuiAdviser：

XiaJiangang

Theimageprocessingandimagerecognitionhavebeenappliedinmanyareas

extensively,suchasthetransportation，remotesensing，theindustrydetection，

biomedicine，geology，etc．Qualitycontroltechniqueoftheartificialdiamond

particlesalsoattractsmanypeople’sinterests．

Theaimofthisthesisistodiscusstheimagetemplatematchingmethodinthe

applicationofthediamondcrystalshaperecognitionandthemethodofparticles

statisticsintheimage．Anexperimentsystembasedonimageprocessingtechniques

isimplementedwiththevirtualinstrumentdevelopmenttoolkitsofLabVIEWand

theNIVision7．1DevelopmentModules，

Themainresearchcontentsofthethesisinclude：

Firstly,theparticlesimagerecognitionmethodisintroducedbasedonthe

artificialdiamondcrystalshapeandcolorinformation，withthesinglecrystal

templatewhichisreadyorselectingthetemplatefromtheoriginalimage．The

diamondcrystaltypecanbeclassifiedquickly,andthematchedcrystalnumbercan

becounted．

Secondly，theparticlesstatisticmethodoftheoriginaldiamondimageiscarried

outinthethesis．Withthevisiondevelopmenttoolkits，accordingtotheparticles

radiusrange，theproceduremoldisdesignedtodetectcrystalparticlesnumberand

11

四川大学硕士学位论文

reporttheresultinMicrosoftExcelformsaftergrayleveltransforming，threshold

processing，filtering，particlesanalyzing．Itisadvmltageoustothequalitycontrolof

thediamondproduction．

Thirdly，theexperimentalresultsshowthatthisexperimentsystemcancarryoul

thecrystalclassificationandstatisticsoftheartificialdimnondimagemorequicklv

andaccuratelythanthelowaccuracyandlowefficienciesoperationbyhand，

Furthermore，itcanbeextendedtootherapplicationareasofimagesrecognize．

Keywords：

templatematching，diamondparticles，imagerecognition，LabVIEW

11I

1、绪论

20世纪60年代以来，人工合成金刚石技术兴起，至90年代日臻完善，人

造金刚石，如图1，1（C），几乎已完全取代工业用天然金刚石如图1．1（a），其用

量占世界工业用金刚石消费量的90％以上（在中国已达99％以上）¨J。

人造金

刚石的性能和质量的检测不仅影响到其应用技术，而且还影响市场竞争和出口。

所以，金刚石检测技术已愈来愈受到人们的重视。

国际上一些著名的公司和厂

家，将金刚石质量评价、性能检测技术视为“对外竞争的王牌”，不惜投入大量

的人力、物力进行研究，使检测装备精良、检测项目配套，技术水平先进。

1．1金刚石及金刚石颗粒检测概述

金刚石是碳在高温高压条件下的结晶体，是自然界最硬的矿物。

金刚石是

一种稀有、贵重的非金属矿产，在国民经济中具有重要的作用。

（a）

图11（a）天然金刚石图：

（b）世界头号钻石一库里南1号；（c）人造金刚石单晶

1．11金刚石的形成

1）天然成因

目前认为，金刚石主要有三个形成途径【2]：

①太吉宙形成的粗大金刚石是长期作用的结果；②太古宙下沉的洋壳转变为榴辉岩时，在伴随升温过程中形成与硫化物共生的粗粒金刚石；⑧金伯利岩岩浆或钾镁煌斑岩岩浆在上升过程中，当其中的流体（以N2，C02，CH4为主要组分）达到饱和状态时结晶出微粒金刚石。

此外，金刚石还具有变质成因【2】【⋯。

变质成因的金刚石颗粒非常细小，一般

为0．02—0．5mm。

2）金刚石的合成

金刚石的合成就是用人工的方法使非金刚石结构的碳或含碳物质转变为

金刚石结构的碳的相变过程。

合成金刚石的方法有高压法与低压法两种。

高压

法包括动压法与静压法，静压法又分为静压熔媒法、静压直接转变法和采用晶

核的熔媒法【4】。

工业上采用的主要是静压熔媒法，其次是动压爆炸法。

静压熔

媒法与采用晶核的温度梯度法都能合成宝石级金刚石【51。

低压法中最主要的方

法是激活低压气相生长法（CVD法）f6】，目前只用于金刚石薄膜的合成。

11．2金刚石的成分与结构

1）金剐石的化学组成

金刚石是碳的一种同素异形体。

此外，碳还有石墨、无定形碳、白碳，以

及C60、C70、C76，C82、C94、直到c266等单质形态【7J。

作为单质矿物的金刚石，其化学成分除了碳之外，还含有多种杂质元素，

主要有N、B、si、Al、Ca、Mg、Be、Ni、Cu、Fe等。

其中N和B是最

重要的杂质元素，它们的含量与存在形式直接影响金刚石的光、电、热等物理

性能，成为金刚石分类的基本依据【8]。

2）金刚石的晶体结构

金刚石的晶体结构图【9】如图1．4，图1．5。

金刚石属等轴晶系矿物，晶体结

构为立方面心结构。

碳原子之间以共价键连接，碳原子的价电子发生sp{杂化后

可形成四个等同的单键即O-键，相互之间的夹角为109度28分，指向正四面体

的4个顶角。

因此，每个碳原子与周围网个碳原子形成四面体配位，整个结构

可视为以角顶相连的四面体的组合。

最近原子间距为0．154450+0．000005rim。

此外，还存在一种由瞬时动压产生的六方金刚石，属六方晶系，最近原子间距为0．1545nm。

3）金刚石的结晶形态

金刚石的结晶形态复杂，有各种类型的单晶、聚晶、双晶、连生体与集合

体。

天然金刚石通常以平面或曲面八面体，菱形十二面体，立方体的单形或它

们的聚形出现，少见立方体，六八面体等聚形。

合成金刚石以平面的立方体、

--）k面体聚形为主，极少数为菱形十二面体、四角-----A面体等。

1．1．3金刚石中的缺陷

净度与颜色决定了金刚石作为宝石的价值，杂质与缺陷则影响了金刚石的

净度与颜色。

绝对完整的金刚石单晶是不存在的，金刚石总是包含各种各样的

缺陷，包括体缺陷，线（面）缺陷，以及点缺陷。

体缺陷即包裹体，线（面）缺陷主

要指位错、滑移线与堆垛层错。

点缺陷是缺陷的基本组成单位，因而是金刚石

性质的直接影响因素，体缺陷与线（面）缺陷归根结底是通过组成它们的或由它们

引发的点缺陷而作用于金刚石的各种性质的。

1．1．4金刚石的分类

1）金刚石按用途分为两类：

质优粒大可用作装饰品的称宝石级金刚石即钻石，质差粒细用于工业的称工业用金刚石。

工业用金刚石以其超硬性广泛用于机电、光学、建筑、交通、

冶金、地勘、国防等工业领域和现代高、新技术领域。

2）金刚石按所含微量元素可分为I型金网Ⅱ石和II型金刚石两个类型：

I型金刚石多为常见的普通金刚石。

II型金刚石比较罕见，仅占金刚石总

量的1％～2％。

II型金刚石因常具有良好的导热性、解理性和半导体性等，多

用于空间技术和尖端工业。

具微蓝色彩的优质大粒II型金刚石视为钻石中之珍

品，如重3106ct（Carat，克拉）世界著名的“库利南”钻石，如图1．1∞），即

属此类⋯⋯。

3）金刚石按晶体形状分类：

形状包含晶体形态、长短轴之比和结晶度等若干结构特征，通常的晶体颗

粒是表面光滑、晶棱清晰的规则几何形状。

人造金刚石的晶体形态形式较为多

样，大致可分为近八面体聚形、近六八面体聚形、近四八面体聚形、近=八面

体聚形、近立方体以及不规则形Ill】。

对于金刚石颗粒形态与强度、热稳定性之

间的关系前人已做了研究【l2]I”】，颗粒形状越规则、晶形越完整、晶面越光滑、

晶棱越清晰，其强度也越大、热稳定性也越好。

因为颗粒形状和表面光滑程度

决定了金刚石颗粒与工件的接触面的几何形状，不规则的形状影响金刚石颗粒

承受外部载荷的面积，因而影响了切削点的形成状况，使作用力集中在某些晶

棱或晶面上，使金刚石颗粒容易受到破坏。

1．15金刚石检测概况

我国自1963年生产出第一颗人造金刚石以来，在人造金刚石的检测方法、

项目和技术等方面迅速向国际先进水平靠拢，有些已列入国家标准。

我国人造

金刚石生产的选别工艺，目前基本上有振动选型、人造金刚石的磁选、激光粒

度分析等。

1）振动选型

振动选型就是通过外力，利用不同金刚石单晶晶体外形不同，在分选盘面

上的机械运动轨迹差异来进行分选的，是一种行之有效的选别方法。

国内在振

动选型方面，多年来经过了起步仿造，改进及自主研究开发的各个阶段，已经取得了长足的发展[14】【【5J【m1。

国内目前仍有用振动选型机单一方法选型，由于待

分选的金刚石颗粒小，粒度均匀，化学性质相同，密度差别极小，现在单靠振

动选型已不能满足科研和生产的需要。

2）人造金刚石的磁选

人造金刚石的磁选是在机械振动选型作业后的一个辅助选别作业，它是利

用人造金刚石单晶生长过程中出现的内部缺陷一夹杂铁磁性杂质造成的磁性差

异来实现分选的，夹杂越多，磁性越强，但是晶体质量越差f"】。

3）激光粒度分析

激光粒度分析以其测量速度快、动态范围大、操作简单、重复性好等优点，

成为目前全世界最流行的粒度分析仪器。

随着激光粒度分析仪的发明，粒度检

测克服了以往检测方法的缺点，大大减轻了劳动强度，加快了检测速度，提高

了检测的准确性。

但是在实际应用中，采用同一生产厂家不同型号的激光粒度

仪对同一样品检测结果却不相同，原因是由于不同型号的激光粒度分析仪设计

原理、数据采集方式、算法不同，导致检测结果有所差别【l引。

较早将图像处理技术用于金剐石生产的是美国G。

E．公司，利用计算机图象

处理技术分析晶体特征，将传统的目测法变为量化的晶体面表测试，可以快速

地检测出大量的金刚石晶体特征。

具体方法是用图象处理技术测量一定数量颗

粒的长径比，然后给出一个分布图11⋯。

1．2开发环境概述

在本实验检测系统中，使用的是NI公司的LabVIEW7．1版及其视觉开发模

块（NationalInstrumentsVision7．1DevelopmentModule，包括IMAQViSiOn

Builder和IMAQViSiOil两部分）。

LabVIEW是N1公司推出的图形化虚拟仪器开发平台，各个专业领域的工

程师、科学家通过定义和连接代表各种功能模块的图标，可方便迅速地建立起

通常只有高超编程技巧的程序员才能编制的高水平的应用程序。

因此，它又被

称为“面向工程师和科学家的编程平台”[20112”。

视觉开发模块（包括IMAQVisionBuilder和IMAQVision两部分）可快

速开发视觉应用系统，IMAQVisionBuilder除生成一个LabVIEW图框外，还

——婴型奎堂堡主堂笪堡塞——

能够产生Visua]Basic和C语言脚本。

IMAQVisiOrl中包括一整套丰富的MMX

优化函数，用于完成灰度、彩色以及，，进制图像的显示、处理（统计、滤波和

几何变换）、形状匹配、斑点分析、计算和测量等[22】。

IMAQVision软件包为图像处理提供了完整的功能。

它将400多种功能整合

到应用软件中，以实现功能强大的图像处理解决方案。

现在的图像采集用户可

以利用LabVIEW图形化编程的优异性能和高效率，利用CVI对C代码的控制

能力和流畅性，开发出基于通用编程语言的解决方案。

13本文的主要工作

本文按照开题报告所确定的方案，根据我们的实际需要和现有的实验条件，

就图像匹配在金刚石检测中的应用做了较为深入的研究，构建了一套金刚石颗

粒图像自动处理实验系统，编制了一套专门用于金刚石颗粒分类和数目统计的

软件。

具体的内容包括以下几个方面：

（1）实验检测应用系统硬件总体方案设计。

根据企业的要求或同类设备的

功能和技术指标进行系统硬件的设计：

（2）实验系统应用软件的设计和调试。

其中包括了金刚石颗粒图像的匹配

和数目统计功能；

（3）检测系统的现场调试和误差修正。

由于实验系统是准备用在实际的生

产当中的，所以要考虑到环境或其他一些因素对测量系统的影响，并设法消除

这些因素对实际测量的影响，提高测量的准确性和稳定性。

__2图像匹配概述

2．1图像匹配的概念

图像匹配时，预先获取二维匹配图s并进行网格化、数字化，将其分成Nx

×Ny维的图像像元，并对每一个像元赋予一定的灰度级厂眼，Ny），从而，构

成一个用一定灰度值表示的数字化阵列Xs，并把它作为匹配图。

然后将模板图

了1按用类似的方法数字化、网格化，分成Mx×My维的图像像元，并对每个像

元赋予一定的灰度级譬触，My），从而构成一个用一定灰度值表示的数字化阵

列Xt。

匹配就是将匹配图与模板图加以比较，以获取与模板图匹配的那个匹配

图的子图（见图2．1）。

匹配的衡定方法可以用各种相似度的度量算法。

2．2图像匹配的发展与现状

早期的匹配技术主要用于几何矫正后的多波段遥感图像的匹配，借助于求互相关函数的极值来实现。

匹配算法是基于像元灰度的算法，这些算法大部分以相关函数或相关系数作为图像匹配的判别准则。

因此，习惯上称图像匹配为图像相关或数字相关。

其研究始于1959年至1963年期间，由IBM公司为美军研制成一个全数字化的自动测图系统DAMCS，首次采用离线数字相关。

1980年以来，研究工作转入到提高图像匹配的精度和可靠性方面，德国的Aekermann教授提出的最小二乘图像匹配[23]㈣是一种高精度的匹配算法，其精度达几分之一至几十分之一个像元的数量级，是目前精度最高的一种匹配算法。

为了提高可靠性，人们又开始研究利用图像固有的特征，提出了一些基于特征的图像匹配算法，并研究了一些基于特征与基于灰度相结合的图像匹配算法。

随着人工智能在图像匹配中应用的研究，将来的图像匹配将是基于对图像的理解和解释的图像匹配算法[251。

它应该能够象人类视觉一样，不仅可以识别同名像点，而且可以自动判读其属性。

这要求研究一些算法，同时也要依赖于各种高速的硬件和计算技术的发展。

基于以上描述，我们可以把图像匹配方法分为三类：

1）基于图像灰度的图像匹配【26】【27]

此方法研究最早。

目前的大多数情况下，此类算法仍然是最有效的。

以参考图像和输入图像上含有相同兴趣点的区域为基础，以某种相关度量，例如协方差、相关系数，取最大值来判断两图像中的同名像点。

参考图像和输入图像中的相应区域称为目标区域和搜索区域，它们可以用二维窗口，也可以用一维窗口。

本类方法中以最小二乘法精度最高。

在基于图像灰度的基础上，同时顾及目标窗口和搜索窗口的几何变形及辐射畸变的影响，使相关的精度达到了子像元的精度。

2）基于图像特征的图像匹配【28】【29】[30]

该类算法利用了数字图像处理中的边缘特征提取技术、首先检测出参考图像和输入图像中的特征，如特征点、线、区域、结构等。

这些特征的集合称为特征空间，是匹配的基础。

然后用匹配算法在特征空间中进行匹配，从而确定两图像的对应关系。

这类方法可靠性高，但精度低于最小二乘法。

在实用中较好的方法是将基于特征和基于灰度算法结合起来，并形成由粗到精的分层匹配方案。

这样既利用了基于特征的算法的较高的可靠性，又利用了基于灰度的

匹配方法的高精度。

由于基于特征的算法精度一般在1—2个像元内，正好为基于灰度的算法提供了很好的近似，从而使结果的精度和可靠性都很高。

3）基于对图像的理解和解释【jw的图像匹配

这类算法不仅能自动识别相应的像点，而且还可以由计算机自动识别多种目标的性质和相互关系，具有极高的可靠性和精度，这种基于理解和解释的匹配涉及到诸如计算机视觉、模式识别、人工智能等许多领域，不仅依赖于上述领域的理论上的突破，而且有待于高速并行计算机的研制与发展。

一般说来，基于特征的方法因它们不童接依赖于像素值，所以经常需要较复杂的图像处理以抽取特征，因此不利于硬件实现。

由于Fourier变换具有独特的优点，所以Kugin和Hines提出了位相相关法，AUiney提出了一维Fourier变换的方法，Lee提出了谱方法。

Wang等先用Sober算子对图像进行分割，并用图像上的以中心作为特征点组成线段，用线段的方向和线段的长度得N-维直方图，然后进行图像匹配P“。

Corvi用聚类方法得到变换模型的旋转和平移参数的初始值。

并进一步对特

征点用最小距离方法匹配【3⋯。

Stockman采用闭区域的中心作为控制点，对具有几何变换关系的图像，利用线交叉点和线段端点匹配，并且用聚类方法进行图像匹配【331。

Dana用多分辨率边缘检测得到不同分辨率下的图像边缘，然后采用分层优化得到图像变换参数【3⋯。

Li将轮廓检测与灰度局部统计特性结合起来提取特征点。

并对特征点进行初始匹配和精确匹配，最后得到真实匹配13”。

另外Li利用形状相似性规则，并且检测角点，利用区域边界和其他强边缘作为特征，来进行匹配136J。

Ton和Jain也是利用中心作为控制点，并利用松弛算法来进行图像匹配13”。

Bourret采用多尺度边缘检测和边缘闭合过程，并计算图像分割后的能量函数进行图像分割，并用模拟退火算法极小化能量函数完成图像匹配13”。

Unser应用二维三次连续样条函数的多分辨率结构，由粗到精用迭代策略和最速下降方法寻找图像仿射变换的参数进行图像匹配p⋯Djamdji对两幅图像用“atrous”算法进行小波分解得到特征点，进行匹配运算【40】Hsieh等用图像分解的局部模极大值作为侯选特征点，并筛选得到真实特征点。

然后，用相关系数法得到补偿后的两幅图像之间的特征点对，晟后根据仿射变化条件下，同一幅图像中两点距离保持不变的特点消除错误匹配点【41I。

特征点的匹配时，在常规方法是先得到匹配控制点对，再确定变换函数，但它要求已精确得到一组匹配点对。

当特征匹配比较困难时，可用带反馈的点匹配方法，其中特征匹配和最优变换的确定是同时进行的【28】{29】，通过迭代方式考察所有可能的匹配点对。

特征点匹配常用的方法有：

互相关系数法，松弛法、聚类分析方法等。

2．3常见的图像匹配方法

23．1模板匹配法

模板匹配是对图像边缘锐化及检测的方法，它也可以用于图像匹配【42]1431。

设模板图?

设为Mx×My维叠放在匹配图S（Nx×姆雒）上平移，模板图覆盖下的那块基准图中的搜索子图为∥”，i，，为这块子图的左上角像点在匹配图S中的位置，即搜索子图的特征点，其中1兰f

匹配时通过求相关函数的计算来找到它以及被搜索图的坐标位置。

若模板图r和搜索子图为Si,j，完全一致，则r和S．．-之差为零。

一般来说通过相关函数来确定最佳匹配点。

应用中可以用下列两种测度之一来衡量T和Si,j的相似程度。

或用相关函数做相似性测度：

其中，0≤R（i，J）≤1，当且仅当Si,j（m，n）／T（m，n）为常数时，Ri,j取极大值（等于1）。

若用S（i,j）表示搜索子图，T表示模板，则式（2—4）即为：

当且仅当矢量T和s（i，J）之间的线性相关,即s（i，，）《T时，R（i，J）=1，否则R（i，j）≤1。

显然，因为模板要在（Nx—Mx+1）x（Ny—My+1）个参考位置上做相关计算，其中除一点以外都是在非匹配点上做无用功。

所以用相关法求匹配的计算量很大，因此，人们提出改进的方法一SSDA算法。

23．2序贯相似性检测算法（SSDA）

改进的算法SSDA[44][45]，是由巴尼亚和希尔佛曼提出。

改进的算法是基于这样的认识：

在进行图像匹配时，不匹配位置的图像的匹配误差s比匹配时图像的匹配误差了大的多。

因此，如果把图像匹配的误差累加起来，则随着累加次数的增加，不匹配位置的图像的匹配误差￡比匹