局部Radon变换技术及在毛杆折痕识别中的应用
开篇：润墨网以专业的文秘视角，为您筛选了一篇局部Radon变换技术及在毛杆折痕识别中的应用范文，如需获取更多写作素材，在线客服老师一对一协助。欢迎您的阅读与分享！
摘要：
针对羽毛杆折痕识别问题，提出一种新的特征提取方法。为了消除Radon变换对缩放平移敏感问题，采用改进的Radon变换提取目标区域的不变矩，并引入局部投影技术消除羽毛杆生理纹理干扰。通过改变尺度因子获得矩不变量矩阵，并采用奇异值分解（SVD）获得特征不变量用于分类识别。实验结果表明该方法具有较强的鲁棒性，具有较高的折痕识别率。
关键词：
0引言
羽毛球是劳动密集型产品，从羽毛分拣到成品羽毛球检测有十来道工序，其中羽毛杆参数的提取是分级的关键环节。传统检测方法通常还是手工进行操作， 存在劳动强度大、分拣质量不稳定因素。人们对此做了一定的研究[1-4]，由于羽毛杆是宽窄不一的具有一定弯度拱度的细长结构，再加上折痕和背景界限模糊，使得难以有效对羽毛杆折痕进行检测。由于折痕的边界难以确定，因此基于区域的形状识别是较好的选择。其中，矩是进行图像特征表征的常用量，目前主要有Hu矩[5-6]、Zernike矩[7-10]等不变矩，但是这些不变矩计算量大，而且容易受到噪声干扰。
经过对羽毛杆折痕统计分析表明大部分折痕近似表现为宽度一定的直线段，该线段大致与毛杆曲线的法线平行。针对这种折痕，本文提出用局部角度投影对折痕进行检测。首先对图像梯度幅度进行局部角度Radon变换，消除了生理纹理的影响；利用投影数据构造图像的平移比例不变矩，最后采用奇异值分解（Singular Value Decomposition，SVD）得到羽毛杆表面图像的特征。通过对羽毛杆样本进行分类实验，表明特征量具有较好抗噪能力，取得较好的识别效果，有实际应用价值。
4结语
本文提出羽毛杆折痕识别的新方法，采用局部Radon变换提取羽毛杆的不变矩特征，通过小角度局部投影和奇异值分解相结合获得具有平移、比例不变性的特征量，消除了径向生理纹理干扰。通过与Hu不变矩、Zernike不变矩的对比实验表明本文方法具有较好的鲁棒性，提取的特征值可以达到很好的分类效果。实验结果表明该方法具有较好的实时性，对现场测试具有一定价值。
参考文献：
[1]
刘洪江，汪仁煌，李学聪.基于动态轮廓模型的羽毛分割改进算法[J].计算机应用，2011，31（8）：2246-2245.
[2]
刘洪江，汪仁煌，何最红，等.中心线模式Snake算法对细长目标的提取[J].光电工程，2011，38（9）：124-129.
[3]
LIU H J，WANG R H，MING J F， et al.The finite ridgelet transform for defeat detection of quill[J]. Advanced Materials Research， 2011， 317/318/319： 915-918.
[4]
岳洪伟，汪仁煌，何最红. 基于Normalized cut的羽毛杆自动提取[J]. 计算机应用，2012，32（7）：1989-1901.
[5]
罗元，谢，张毅. 基于Kinect传感器的智能轮椅手势控制系统的设计与实现[J]. 机器人，2012，34（1）：110-113.
[6]
HU M K. Visual pattern recognition by moment invariants[J].IEEE Transactions on Information Theory，1962，8（1）：179-187.
[7]
王向阳，李东明，杨红颖.基于Zernike色度分布矩的彩色图像检索算法[J]. 模式识别与人工智能，2012，25（2）：313-317.
[8]
TEH C H，CHIN R T.On image analysis by the methods of moments[J].IEEE Transactions on Pattern Analysis and Machine Intelligence，1988，10（4）：496-512.
[9]
KAN C，SRINATH M D. Invariant character recognition with Zernike and orthogonal FourierMellin moments[J].Pattern Recognition，2002，35（1）：143-154.
[10]
LIAO S X，PAWLAK M. On the accuracy of Zernike moments for image analysis[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence，1998，20（12）：1358-1364.
[11]
DEANS S R. The Radon transform and some of its applications[M].New York：Wiley，1983.
[12]
吕玉增.形状仿射不变特征提取与识别研究[D].长沙：国防科学技术大学，2008.
[13]
ALSHAYKH O K， DOHERTY J F. Invariant image analysis based on Radon transform and SVD[J].IEEE Transactions on Circuits and Systems Ⅱ： Analog and Digital Signal Processing，1996，43（2）：123-133.