專利名稱：裝訂機錯帖在線快速圖像檢測方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種裝訂機錯帖在線快速圖像檢測方法，特別是涉及采用基于 多特征圖像處理技術(shù)在線自動檢測裝訂機工作過程中存在的錯帖的方法。
技術(shù)背景在印刷行業(yè)，廠商對書帖裝訂流水線的自動化程度和質(zhì)量檢測的要強越來 越高，錯帖的自動檢測成為裝訂環(huán)節(jié)中待解決的一個重要問題。目前，基于光眼的錯帖檢測技術(shù)應(yīng)用的較多，該類技術(shù)通常采用具有有限數(shù)量(10-20個)的光電池作為信號獲取的傳感器，利用錯帖和正確帖之間的信 號幅度差別檢測錯帖。通過單片機或DSP實時采集多路信號，采用信號處理 技術(shù)進行在線識別。這類檢測方法使用的設(shè)備成本較低，但由于檢測點數(shù)目有 限，間距較大，所以檢測精度偏低，準確度較差，適用于檢測差別較大的圖形 書帖，用于文字書帖時錯誤率較高?；趫D像處理技術(shù)的錯帖檢測方法也已在裝訂機上使用，采用攝像頭獲取 書帖圖像，使用高性能DSP對圖像進行處理和分析，判斷是否為錯帖。這類 基于圖像處理的方法能夠獲得更多的細節(jié)，檢測點之間的間距在IO個微米左 右，檢測精度較高。但是，目前已有的錯帖圖像檢測方法均是基于單特征判斷， 如依據(jù)直方圖、灰度、紋理等，而現(xiàn)實環(huán)境中的書帖種類繁多，有圖形、圖文、 文字書帖等等，不同書帖的特征不盡相同，采用單一特征的圖像檢測方法容易 產(chǎn)生錯判，應(yīng)用范圍較窄。 發(fā)明內(nèi)容針對上述已有的裝訂機錯帖在線檢測方法所存在的問題，本發(fā)明推出對于 書帖圖像進行多特征提取和分析的錯帖在線快速檢測方法，其目的是在于通過 對書帖圖像進行處理和分析，獲得描述圖像不同屬性的數(shù)學特征量，根據(jù)多個 特征量計算被測圖像和模板圖像之間的相似度，以此為依據(jù)識別錯帖。本發(fā)明所涉及的裝訂機錯帖在線快速圖像檢測方法，是由CCD攝像頭提供圖像，在高速DSP中處理和分析，依據(jù)計算的多特征相似度識別錯帖。所述的裝訂機錯帖在線快速圖像檢測方法包括以下步驟1、 設(shè)置模板圖像剪切區(qū)域在裝訂機開始檢測之前，采集N幅正確帖圖像，作為圖像處理中的模板 原始圖像，在模板原始圖像中設(shè)置剪切區(qū)域，選擇模板目標，輸出模板剪切圖像，把N幅模板剪切圖像存儲在DSP的內(nèi)存中。模板原始圖像的大小設(shè)置為64X64像素、128X128像素、256X256像素 中的一種。模板剪切圖像的寬度范圍為[IO像素，40像素]、高度范圍為[IO 像素，40像素]。2、 計算模板剪切圖像的數(shù)學特征向量對于N幅模板剪切圖像采用K種方法(M_1-M_K)獲取其數(shù)學特征向量 S廣S]v，其中1SK《，1SNS20，若"[1,JV]， Sj表示第J幅模板剪切圖像對應(yīng)的數(shù)學特征向量，Sj包含K個元素，Sj二(Sjp Sj2，…，SjK}， S『S;k為方法M—1_M_K對應(yīng)的第J幅模板剪切圖像的K個特征值。采用的特征向量提取方法包括平均灰度法、計算熵的方法、二值化的方法、 小波變換法和Sober算子。3、 對被測圖像劃分子圖像向DSP輸入第F幀被測圖像，并設(shè)置剪切區(qū)域，輸出被測圖像的剪切圖 像。被測圖像的剪切圖像的大小設(shè)置為64X64像素、128X128像素、256X 256像素中的一種，其大小要與模板原始圖像的大小相同。把被測圖像的剪切圖像進一步劃分為H個子圖像，子圖像的寬度和高度 等于模板剪切圖像的寬度和高度，H的計算方法為設(shè)橫向和縱向相臨2個子 圖像中心點像素的橫向和縱向間距為g個像素，其中l(wèi)Sg^3，被測圖像的剪切圖像的寬度和高度分別為W和W2，子圖像的寬度和高度分別為Wk)和1V2()，在一幅被測圖像的剪切圖像中子圖像的數(shù)目為H-[( w廣w10)/g] x [( w2- w20)/g] 針對H個子圖像，采用與模板剪切圖像完全相同的K種特征向量提取方 法(M—1-M—K)獲取H個子圖像的數(shù)學特征向量U廣UH，若Je[1,//]， Uj表 示第J個子圖像對應(yīng)的數(shù)學特征向量，Uj包含K個元素，Uj={un， uj2，， uJK} ， u;1 - UjK為方法M_l-M—K對應(yīng)的第J個子圖像的K個特征值。
4、 計算相似度
輸入模板剪切圖像的數(shù)學特征向量S廣SN和被測圖像子圖像的數(shù)學特征 向量U廠UH，以模板剪切圖像的數(shù)學特征向量為基準向量，采用通用的相似度 計算公式計算模板數(shù)學特征向量Sj與被測圖像子圖像的數(shù)學特征向量U廣UH 之間的相似度，J=l、 2、、 N，得到與Sj對應(yīng)的相似度向量Vj={ pn， pn， ' ， Pjh }， P"畫Pm為Sj與U廣UH之間的相似度值。
對N個相似度向量Vj進行優(yōu)化選擇，找出Vj中最優(yōu)的相似度值pw， J=l、 2、、 N，輸出最優(yōu)相似度向量P-(pop pQ2，， poN}。采用的優(yōu)化選擇方 法包括求最大相似度法、求平均相似度法。
進一步對最優(yōu)相似度向量P統(tǒng)計，采用求最大相似度的方法獲得P中的
最大相似度值pmax二MAX(P(h， PQ2， ， pQN)，把pmax與相似度閾值比較，如
果pmax大于相似度閾值，則為正確帖，否則為錯帖，相似度閾值位于區(qū)間
內(nèi)。
5、 輸出計算結(jié)果
根據(jù)最大相似度Pmax，判斷書帖為正確帖還是錯誤帖，并由DSP向裝訂 機發(fā)送控制信號。
本發(fā)明所涉及的裝訂機錯帖在線快速圖像檢測方法通過設(shè)置多個模板圖 像，采用多種方法提取其數(shù)學特征向量，同時計算被測圖像的數(shù)學特征向量， 建立它們之間的相似度關(guān)系。相對現(xiàn)有的采用多路信號處理識別錯帖的方法， 本發(fā)明采用了圖像處理技術(shù)提高了檢測精度，相對現(xiàn)有的單特征計算方法，本發(fā)明通過多特征提取提高了錯帖檢測方法的適應(yīng)能力和范圍，可檢測的對象更
廣泛，準確性也更高。


圖1為本發(fā)明涉及的裝訂機錯帖在線快速圖像檢測方法的流程圖
圖2為本發(fā)明涉及的相似度計算的流程圖
附圖中標記說明
SG 、輸入模板圖像1
SG12、輸入模板圖像2
SG1N、輸入模板圖像N
SG2Q、設(shè)置模板圖像剪切區(qū)域
SG21、輸出模板剪切圖像l
SG22、輸出模板剪切圖像2
SG2N、輸出模板剪切圖像N
SG31、模板圖像l的數(shù)學特征向量
SG32、模板圖像2的數(shù)學特征向量
SG3N、模板圖像N的數(shù)學特征向量
SG41、設(shè)置剪切區(qū)域大小
SG42、輸入第F幀被測圖像
SG44、輸出剪切圖像
SG51、設(shè)置大小
SG52、劃分的被測圖像的子圖序列 SG61、被測圖像子圖IMt的數(shù)學特征向量 SG62、被測圖像子圖IM2的數(shù)學特征向量 SG6H、被測圖像子圖IMH的數(shù)學特征向量 SG7Q、計算相似度 SG721、計算相關(guān)度pu-pmSG722、計算相關(guān)度p21-p2H SG72N、 i十算禾目關(guān)度PN1—PNH SG8。、輸出計算結(jié)果
具體實施例方式
現(xiàn)結(jié)合附圖對本發(fā)明作進一步詳細闡述。圖1和圖2顯示本發(fā)明涉及的裝 訂機錯帖在線快速圖像檢測方法的流程圖，如圖所示，裝訂機錯帖在線快速圖
像檢測方法包括以下步驟
1、 設(shè)置模板圖像剪切區(qū)域
在裝訂機開始檢測之前，采集N幅正確帖圖像作為模板原始圖像 SG _SG1N，模板原始圖像大小為256X256像素，其中N=16。在模板原始圖 像中設(shè)置剪切區(qū)域，選擇模板目標，剪切區(qū)域大小設(shè)置為20X20像素。
輸出模板剪切圖像，模板剪切圖像大小為20X20像素，把16幅模板剪切 圖像SG2廠SG加存儲在DSP中。
2、 計算模板剪切圖像的數(shù)學特征向量
對于16幅模板剪切圖像采用K種方法(M—1-M—K)獲取其數(shù)學特征向量 SrS16，取K-3，采用的特征向量提取方法如下
平均灰度法(M一1):對模板剪切圖像中的所有像素的灰度值求和取平均 值，以此平均灰度值作為描述模板屬性的數(shù)學特征值。
計算熵的方法(M—2):求模板剪切圖像中的所有像素的熵，以此作為數(shù)學 特征值。
二值化的方法(M—3):對模板剪切圖像進行二值化，如果模板中的當前像 素的灰度值小于設(shè)定的閾值，則為目標對象像素，設(shè)置為黑色，否則為背景像 素，設(shè)置為白色，以黑色像素的數(shù)目作為描述模板屬性的數(shù)學特征值。
三種特征向量提取方法計算的16個模板剪切圖像的特征向量表示為 Sl二[Sn， S12， S3]T， S2=[S2i， S22, S23]T，…，S16=[S161， S162, S163]T。式中，s皿表示第m個模板剪切圖像的第n種特征向量提取方法對應(yīng)的特征值， m=l、 2、 ...16， n=l、 2、 3。
3、 對被測圖像劃分子圖像
向DSP輸入被測圖像SG42，設(shè)置剪切區(qū)域SG41的大小為256X256像素， 獲得被測圖像的剪切圖像SG44。
把被測圖像的剪切圖像SG44進一步劃分為H個子圖像，橫向和縱向相臨 的2個子圖像中心點像素的橫向和縱向間距為2個像素，子圖像的大小SG51 設(shè)置為20X20像素，其中H二13924。針對H個子圖像，釆用平均灰度法、計 算熵的方法和二值化的方法計算H個子圖像的數(shù)學特征向量U廣Uh 。
三種特征向量提取方法計算的K個子圖像的特征向量表示為 U,二[un, u12, u13]T， Ur=[u21， u22， u23]T，…，UH=[sm, sm, sH3]T。 式中，Umn表示第m個子圖像的第n種特征向量提取方法對應(yīng)的特征值，m=l、 2、』，n=l、 2、 3。
4、 計算相似度
輸入模板剪切圖像的16個數(shù)學特征向量S廣S^和被測圖像子圖像的H個 數(shù)學特征向量U廣Uh，以模板剪切圖像的數(shù)學特征向量為基準向量，計算模板 剪切圖像的數(shù)學特征向量S廠Sw與被測圖像子圖像的數(shù)學特征向量U廣Uh之 間的相似度，獲得相似度向量V廣V16，采用的相似度計算公式為<formula>formula see original document page 9</formula>
式中，m=l、 2、、 16， n=l、 2、…、H， ^為第m個模板剪切圖像的特征 值平均值^=(^+^2+^3)/3， ^為第n個被測圖像子圖像的特征值平均值 & = + " 2 + " 3)/3 。相似度向量V廣V16為:
Vl=[pll， Pl2,…，P2H]T，
T
V2 =[p21, P22，…，P2H]，Vi6= [Pl61， Pl62，…，Pl6H]。
對16個相似度向量V廠Vw采用求最大相似度的方法進行統(tǒng)計，獲得最優(yōu)
相似度向量PHP(u， P02，…，P。I6}。進一步對16個相似度值PM-P(h6求最大
相似度算，得到最大相似度PMAx:Max(p。i， pQ2，…，p。16)，把Pmax與沒定的
相似度閾值比較，如果PMAX大于相似度閾值，則為正確帖，否則為錯帖，相
似度閾值設(shè)為0.6。 5、輸出計算結(jié)果
根據(jù)最大相似度Pmax，判斷書帖為正確帖還是錯誤帖，如果為錯誤帖， 由DSP向裝訂機發(fā)送報警信號，裝訂機進行排廢。
對本領(lǐng)域的技術(shù)人員來說，很明顯，本發(fā)明可以做出多種改進和變化，只 要落入所附的權(quán)利要求書及其等同的范圍內(nèi)，本發(fā)明就涵蓋本發(fā)明的這些改進 和變化。
權(quán)利要求
1. 裝訂機錯帖在線快速圖像檢測方法，其特征在于，該方法包括以下步驟1)設(shè)置模板圖像剪切區(qū)域在裝訂機開始檢測之前，采集N幅正確帖圖像，作為圖像處理中的模板原始圖像，其中1≤N≤20，在模板原始圖像中設(shè)置剪切區(qū)域，選擇模板目標，輸出模板剪切圖像，把N幅模板剪切圖像存儲在DSF的內(nèi)存中；2)計算模板剪切圖像的數(shù)學特征向量對于N幅模板剪切圖像采用K種方法獲取其數(shù)學特征向量S1-SN，其中1≤K≤5，若J∈[1，N]，SJ表示第J個模板剪切圖像對應(yīng)的數(shù)學特征向量，SJ包含K個元素，SJ＝{sJ1，sJ2，…，sJK}，sJ1-sJK為第J幅模板剪切圖像的K個特征值；3)對被測圖像劃分子圖像向DSP輸入第F幀被測圖像，并設(shè)置剪切區(qū)域，輸出被測圖像的剪切圖像；被測圖像的剪切圖像的大小與模板原始圖像的大小相同；把被測圖像的剪切圖像劃分為H個子圖像，子圖像的寬度和高度等于模板剪切圖像的寬度和高度；針對H個子圖像，采用與模板剪切圖像完全相同的K種特征向量提取方法獲取H個子圖像的數(shù)學特征向量U1-UH，若J∈[1，H]，UJ表示第J個子圖像對應(yīng)的數(shù)學特征向量，UJ包含K個元素，UJ＝{uJ1，uJ2，…，uJK}，uJ1-UJK為對應(yīng)的第J個子圖像的K個特征值；4)計算相似度輸入模板剪切圖像的數(shù)學特征向量S1-SN和被測圖像子圖像的數(shù)學特征向量U1-UH，以模板剪切圖像的數(shù)學特征向量為基準向量，采用相似度計算公式計算模板數(shù)學特征向量SJ與被測圖像子圖像的數(shù)學特征向量U1-UH之間的相似度，J＝1、2、…、N，得到與SJ對應(yīng)的相似度向量VJ＝{ρJ1，ρJ2，…，ρJH}，ρJ1～ρJH為SJ與U1-UH之間的相似度值；對N個相似度向量VJ進行優(yōu)化選擇，找出VJ中最優(yōu)的相似度值ρ0J，J＝1、2、…、N，輸出最優(yōu)相似度向量P＝{ρ01，ρ02，...，ρ0N}；進一步對最優(yōu)相似度向量P統(tǒng)計，采用求最大相似度的方法獲得P中的最大相似度值PMAX＝MAX(ρ01，ρ02，...，ρ0N)，把PMAX與相似度閾值比較，如果PMAX大于相似度閾值，則為正確帖，否則為錯帖，相似度閾值位于區(qū)間
；5)輸出計算結(jié)果根據(jù)最大相似度PMAX，判斷書帖為正確帖還是錯誤帖，并由DSP向裝訂機發(fā)送控制信號。
2、 …、N，輸出最優(yōu)相似度向量P-(P(H， Po2， ...， p0N};進一步對最優(yōu)相似度向量P統(tǒng)計，采用求最大相似度的方法獲得P中的 最大相似度值PMAX:MAX(p。p p。2，…，pQN)，把PMAX與相似度閾值比較，如 果PMAX大于相似度閾值，則為正確帖，否則為錯帖，相似度閾值位于區(qū)間
;5)輸出計算結(jié)果根據(jù)最大相似度Pmax，判斷書帖為正確帖還是錯誤帖，并由DSP向裝訂機發(fā)送控制信號。2、 根據(jù)權(quán)利要求1中裝訂機錯帖在線快速圖像檢測方法，其特征在于步驟 1中所述的模板原始圖像的大小設(shè)置為64X64像素或128X 128像素或256X 256像素。
3、 根據(jù)權(quán)利要求1中裝訂機錯帖在線快速圖像檢測方法，其特征在于步驟 1中所述的模板剪切圖像的寬度范圍為[IO像素，40像素]、高度范圍為[IO 像素，40像素]。
4、 根據(jù)權(quán)利要求1中裝訂機錯帖在線快速圖像檢測方法，其特征在于步驟 2種所述的特征向量提取方法為平均灰度法、計算熵的方法、二值化的方法、 小波變換法或Sober算子。
5、 根據(jù)權(quán)利要求1中裝訂機錯帖在線快速圖像檢測方法，其特征在于步驟3種所述的H的計算方法為設(shè)橫向和縱向相臨兩個子圖像中心點像素的橫向和縱向間距為g個像素，其中KgS3，被測圖像的剪切圖像的寬度和高度分 別為Wl和w2，子圖像的寬度和高度分別為w。和w2。，在一幅被測圖像的剪切 圖像中子圖像的數(shù)目H為-H=[( w廣w10)/g] x [(Wr w20)/g;i
6、 根據(jù)權(quán)利要求1中裝訂機錯帖在線快速圖像檢測方法，其特征在于步驟 4種所述的找出Vj中最優(yōu)的相似度值pw的方法為求最大相似度法或求平均相 似度法。
全文摘要
本發(fā)明涉及裝訂機錯帖在線快速圖像檢測方法，特別是涉及采用基于多特征圖像處理技術(shù)在線自動檢測裝訂機工作過程中存在的錯帖的方法。該方法主要包括以下步驟設(shè)置模板圖像剪切區(qū)域，計算模板剪切圖像的數(shù)學特征向量，對被測圖像劃分子圖像，計算相似度，輸出計算結(jié)果。本發(fā)明采用多種方法提取其數(shù)學特征向量，同時計算被測圖像的數(shù)學特征向量，建立它們之間的相似度關(guān)系，準確性更高。
文檔編號G06T7/00GK101271577SQ200810102878
公開日2008年9月24日 申請日期2008年3月28日 優(yōu)先權(quán)日2008年3月28日
發(fā)明者王躍宗 申請人:北京工業(yè)大學