582008年12月 中国制造业信息化 第37卷 第23期

基于MATLABGUI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GUI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;GUI

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MATLABGUI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。

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。

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)

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

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。