邵 欣 段亞玲 余正杰

(西安物探裝備分公司技術(shù)研發(fā)中心 陜西西安)

地震檢波器彈簧片視覺識別系統(tǒng)設(shè)計

邵 欣 段亞玲 余正杰

(西安物探裝備分公司技術(shù)研發(fā)中心 陜西西安)

視覺識別技術(shù)是生產(chǎn)線自動化過程中重要的前沿技術(shù)之一,在石油地震檢波器生產(chǎn)過程中,檢波器彈簧片的自動定向及版型識別又是生產(chǎn)線自動化的一個關(guān)鍵環(huán)節(jié)。介紹了一種檢波器彈簧片視覺識別系統(tǒng)設(shè)計方案,并主要對視覺識別應(yīng)用于彈簧片的設(shè)計原理進行了分析。

檢波器;彈簧片;視覺識別;SUSAN算法

0 引 言

動圈式地震檢波器以其性能穩(wěn)定和價格低廉等優(yōu)點,在地震勘探生產(chǎn)中廣泛使用。國內(nèi)外地震檢波器制造廠商都在努力應(yīng)用新技術(shù)、新方法,不斷提高生產(chǎn)線的自動化水平,以減小制造過程中人為因素對產(chǎn)品質(zhì)量的影響,從而提高產(chǎn)品合格率、降低生產(chǎn)成本。

彈簧片是檢波器中至關(guān)重要的彈性部件。彈簧片的多片分離、定位、版型識別、抓取等工藝是檢波器生產(chǎn)線自動化中的難點。生產(chǎn)過程中彈簧片的尺寸測量等都是通過光學(xué)系統(tǒng)完成的,多年的檢波器生產(chǎn)實踐,我們總結(jié)出彈簧片具有非常突出的視覺特點:首先,不論彈簧片鍍金與否,其外觀顏色均勻度很高。其次,彈簧片的內(nèi)緣和外緣都是非常標(biāo)準(zhǔn)的圓形。最后,彈簧片還有獨特的腐蝕連接用的耳朵。這些視覺特點都非常適合用機器視覺的方法來進行定位及版型識別。因此,設(shè)計一種適用于彈簧片的機器視覺系統(tǒng),來對其進行定位及版型識別尤為重要。

1 視覺識別系統(tǒng)構(gòu)成[1]

彈簧片的視覺識別系統(tǒng)是以計算機為主的實時圖像處理系統(tǒng),由光學(xué)照明系統(tǒng)、工業(yè)攝像機、圖像處理軟件、動作控制等部分組成,如圖1所示。

圖1 視覺識別系統(tǒng)構(gòu)成

2 視覺識別系統(tǒng)流程設(shè)計

視覺識別系統(tǒng)的設(shè)計結(jié)構(gòu)關(guān)鍵在于識別算法的選擇,彈簧片視覺識別系統(tǒng)設(shè)計結(jié)構(gòu)流程如圖2所示。

圖2 視覺識別系統(tǒng)設(shè)計流程圖

在該算法的應(yīng)用過程當(dāng)中,考慮到自動生產(chǎn)線工作現(xiàn)場的實際情況,為了有效地提取預(yù)存模板圖像的特征點,我們使用加強黃色的灰度圖像,同時還要對獲取的彈簧片圖像進行了預(yù)處理,以便提取出圖像當(dāng)中的幾何特征,這些預(yù)處理主要包括減小和濾除圖像中的噪聲、邊界銳化等。這其中濾波和分割是提取預(yù)模板圖像幾何特征前的兩個重要步驟。

3 圖像精度分析及濾波器設(shè)計原理[2]

識別系統(tǒng)的數(shù)字圖像精度首先決定于成像系統(tǒng)分辨率,但是成像系統(tǒng)的價格是隨其分辨率的增加而呈指數(shù)上升的,因此這種靠增加成像系統(tǒng)分辨率來提高圖像精度的途徑是不經(jīng)濟和有限的,就本系統(tǒng)而言,成像系統(tǒng)分辨率為1 280×1 024就足以滿足應(yīng)用需求。

除了上述成像系統(tǒng)分辨率決定圖像精度外,成像系統(tǒng)的幾何畸變也會影響系統(tǒng)的圖像精度。幾何畸變主要會影響圖像中彈簧片的幾何位置及幾何形狀。幾何畸變主要由于透鏡系統(tǒng)像差及透視誤差引起,是一種典型的系統(tǒng)誤差。而彈簧片識別系統(tǒng)采用位置固定及靜止圖像的方法,在對彈簧片模板進行標(biāo)定,因此提高識別系統(tǒng)的定位精度、根據(jù)模板進行標(biāo)定都可以減小幾何畸變誤差。

識別系統(tǒng)的圖像在成像、數(shù)字化過程中難免會有各種干擾,這些干擾就會形成噪聲。這些噪聲使得圖像上的像素點灰度值不能正確地反映空間物體對應(yīng)點的光強值。對于本系統(tǒng)來說,噪聲主要來源于光子噪聲、暗電流噪聲、光響應(yīng)非均勻性噪聲、讀出噪聲、雜波噪聲。一般來說,這些噪聲在圖像中都表現(xiàn)為高頻信號,因此一般的濾波器都是通過減弱和消除傅立葉空間中的高頻分量來達到濾波的目的。然而,彈簧片中的各種結(jié)構(gòu)細節(jié),如:邊緣和角,也都屬于高頻分量,因此,如何在濾除噪聲的同時最大限度地保留圖像中的結(jié)構(gòu)特征,一直是圖像濾波研究中的主要方向。

線性濾波器有移動平均濾波器和高斯濾波器等,非線性濾波器中最常用的有中值濾波器和SUSAN(Smallest Univalue Segment Assimilating Nucleus)濾波。其中SUSAN濾波可以在濾除圖像噪聲的同時很好的保存物體的其它結(jié)構(gòu)特征,能夠滿足彈簧片視覺識別系統(tǒng)中對定位模板圖像進行噪聲平滑的效果要求。SUASN方法是一類圖像處理算法的總稱,包括濾波,邊緣提取,角點提取,所有這些算法的基本原理都是相同的。

SUSAN濾波實質(zhì)上是加權(quán)平均的均值濾波,相似度測試函數(shù)為它的加權(quán)因子。式(1)定義了相似度測試函數(shù),它衡量了像素S[i,j]與其領(lǐng)域內(nèi)各像素S[i-m,j-n](m,n為偏移量)之間的相似程度?？梢钥闯?相似度測量函數(shù)不僅比較了S[i-m,j-n]和S[i,j]灰度值的差異,而且還考慮了S[i-m,j-n]與S[i,j]之間距離的影響。

式(1)中,S[i-m,j-n],S[i,j]為像素的灰度值,T是衡量灰度值相似程度的閥值,其取值對濾波結(jié)果影響較小。其中:θ可認為是高斯平滑濾波器的方差,θ取較大的值可以得到較好的平滑效果,θ取較小的值能保持圖像中的細節(jié),經(jīng)過多次實驗,我們認為取θ=4.0較為合適。

但我們是不是可以這樣去想，具體的文本形式盡管各不相同，但無非都是為了樹典型立榜樣或者指出不足針砭時弊，文本的社會價值和給人有益的啟示也往往成為出題人必須觀照的思考點。

相似度測量函數(shù)定義的濾波函數(shù)如式(2):

式(2)中,S[i,j]是像素濾波后的灰度值。由式(2)可知,相似度大的權(quán)值就大,因此對濾波結(jié)果的影響較大,相反則影響較小。SUSAN濾波不包括中心點本身,可以有效的去除脈沖噪聲。經(jīng)過SUSAN濾波后效果對比圖如圖3所示。

圖3 SUSAN濾波后對比效果

4 圖像分析算法選擇

經(jīng)過濾波去除噪聲干擾之后,下一個環(huán)節(jié)是把彈簧片圖像分離成互不重疊的有意義的區(qū)域,在彈簧片的圖像中可以做到分離出單一區(qū)域。分類的依據(jù)是像素的頻譜特性,空間特性,灰度值等。這實際上是由圖像處理過渡到圖像分析的重要一環(huán),也是一種通用的計算機視覺識別技術(shù)。圖像分割的算法可分為兩大類:基于度量空間的灰度閾值分割法和基于空間區(qū)域增長分割法。對于彈簧片識別系統(tǒng)而言,圖像主要有背景灰度與彈簧片灰度二個灰度構(gòu)成,因此基于度量空間的灰度閾值分割法更為適用。相當(dāng)于對圖像進行二值化處理。閾值一般由圖像的灰度直方圖計算得到。我們采用迭代算法針對雙峰直方圖進行了閾值計算。效果比較滿意。迭代算法是針對雙峰直方圖計算分割閾值的方法。既首先確定圖像中最大和最小灰度值Mmax和Mmin,令初始閾值為:

根據(jù)T將圖像分成目標(biāo)和背景兩部分,分別求出兩部分的平均灰度值:

式中,i為灰度值,ni為灰度值等于i的像素個數(shù),由此得到新的閾值:

如果:Tk+1=Tk,則迭代過程結(jié)束,否則繼續(xù)。

5 幾何邊緣角點提取[3]

幾何特征點集是能正確反映定位標(biāo)志位置點的集合,特征的選擇對最終的模板匹配有重要影響。幾何特征點數(shù)目越多匹配精度越高。但速度相對會慢。數(shù)目越少匹配精度會差。因此,我們經(jīng)過多次實驗盡量選擇了最合適的幾何特征點,對匹配的速度和提取邊緣集合精度兩者都兼顧的原則。為提取定位模板的幾何特征點集,首先利用迭代算法對圖像進行分割,然后利用SUASAN邊緣和角點提取算法得到定位模板的幾何邊緣點。

SUSAN幾何邊緣提取,是在給定大小的窗口中對像素進行運算,得到窗口中心點處的角點初始響應(yīng),再在所有初始響應(yīng)中尋找局部極大值,得到最終的幾何邊緣點集,其算法如下:

(1)由式(3)計算窗口中灰度值與窗口中心像素相似的像素個數(shù)n(x0,y0):

重復(fù)(1)(2)得到圖像中所有像素處的角點初始響應(yīng),最后尋找局部極大值得到邊緣點集和角點的位置。幾何閾值對輸出的結(jié)果有一定影響,它不僅影響輸出角點的數(shù)量,更重要的是它還影響輸出角點的形狀,例如,當(dāng)減小幾何閾值時,被檢測出的角點將會更尖銳?；叶炔铋撝礣對輸出的角點的幾何形狀的影響不大,但它會影響輸出角點的數(shù)量。因為灰度差閾值定義了窗口中容許的最大灰度變化,而在彈簧片中,圖形模板與其背景圖像融合處灰度變化是最大的,所以當(dāng)減小灰度閾值時,算法可以檢測出圖像中更微小的邊緣幾何變化,輸出更多的角點。

顯而易見,在彈簧片視覺識別系統(tǒng)中,如果以模板圖像的幾何特征點作為依據(jù),那么特征點的數(shù)量將會顯著減小,運算時間也大大縮短,可以大幅度提高彈簧片的定位速度。

輸入的彈簧片圖像經(jīng)上述處理后,得到彈簧片的幾何邊緣集合結(jié)果如圖4所示。

圖4 彈簧片的幾何邊緣集合

根據(jù)提取的幾何邊緣集合,可以計算得到相應(yīng)的對稱軸線及與模板一致的軸線方向。

6 結(jié)束語

本文提出了一種用于檢波器彈簧片視覺識別的設(shè)計原理,并根據(jù)該原理給出了部分處理結(jié)果,這些結(jié)果已經(jīng)在PC機上實現(xiàn)。在檢波器生產(chǎn)線的自動化過程中,這種視覺識別設(shè)計是具有非常重要的現(xiàn)實意義。

[1] 于起峰.基于圖象的精密測量與運動測量[M].北京:科學(xué)出版社,2002

[2] 章毓晉.圖象工程(上冊)-圖象理解和計算機視覺[M].北京:清華大學(xué)出版社,2000

[3] 岡薩雷斯.數(shù)字圖像處理[M].北京:電子工業(yè)出版社,2003

PI,2011,25(1):10～12

Machine vision is one of the advanced methods about automatic production line.During the course of Seismic Geophone production,the automatic directing property and distinguish property of the Geophone spring are the key link in the automatization of the production line.The paper introduces a new type of Geophone spring vision system,including its principle and technical specification.

Key words:Seismic Geophone,Geophone spring,machine vision,SUSAN arithmetic

Design of machine vision system for Seismic Geophone spring.

Shao Xin,Duan Yaling and Yu Zhengjie.

P631.4+36

B

1004-9134(2011)01-0010-03

邵 欣,女,1968年出生,工程師,1991年合肥工業(yè)大學(xué)機械制造及工藝專業(yè),現(xiàn)在中石油東方地球物理勘探有限責(zé)任公司西安物探裝備分公司技術(shù)研發(fā)中心,從事技術(shù)研發(fā)工作。郵編:710082

2010-08-11編輯:梁保江)