專利名稱：基于六角網(wǎng)格的識別系統(tǒng)及識別方法
技術領域：
本發(fā)明涉及一種實時的三維物體識別系統(tǒng)，具體涉及基于六角網(wǎng) 格的識別系統(tǒng)及識別方法。
技術背景-
我們知道，只有三種正多邊形(正三邊形、正四邊形和正六邊形) 可以完整地覆蓋一個平面，其中正四邊形覆蓋對應著方形網(wǎng)格系統(tǒng)，
它是目前的掃描光柵(ScanningRaster)采樣所使用的網(wǎng)格系統(tǒng)。發(fā) 表于2004年的文獻(Xi-qun Lu and Chun Chen, Research on Hexagonal Sampled Digital Images, Journal of Image and Graphics 6(15), 2004)指 出雖然六角網(wǎng)格的采樣密度比方形網(wǎng)格的要好，但是目前圖像輸入輸 出設備只支持矩形點陣結構的數(shù)字圖像。而早在60年代初，數(shù)學家們 就對如何分布平面上的采樣點問題進行了深入的研究，其中文獻(c. A. Rogers, Packing and Covering, Cambridge University Press, 1964)指
出，平面上采樣點的最佳分布是按六角網(wǎng)格的形式分布。這種分布對 應著正六邊形覆蓋，即每個像素對應著一個正六邊形，正六邊形的中 心點作為網(wǎng)格點，形成六角網(wǎng)格系統(tǒng)，如圖5所示。
與六角網(wǎng)格系統(tǒng)相比，方形網(wǎng)格系統(tǒng)有以下不足之處
首先，在方形網(wǎng)格中，每個像素點到其8個相鄰像素點的距離是
不相等的，既有邊相鄰的(有一條公共邊)，也有點相鄰的(有一個 公共頂點)。當直線或曲線中有一對點相鄰的像素時，就會出現(xiàn)一個 "斷點"，影響了直線或曲線的美觀性和平滑性。而在六角網(wǎng)格中， 每個像素的六個相鄰像素都是邊相鄰的，是等距離的，直線或曲線中 的每一對相鄰像素都有一條公共邊，不會有"斷開"的現(xiàn)象。
其次，采樣點的選取準則應該是能夠盡量反映原始圖像的微小細 節(jié)，或者說使采樣點之間的空隙盡量小。當然這可以通過增加采樣點 來達到，但是每個設備的掃描光柵點數(shù)量(分辨率)是固定的，由光
柵點尺寸等因素所決定；光柵點不可能無限制地小，這由制造工藝等 因素所限制。因此，在光柵點大小固定的情況下，只能通過點的合理 分布來增加采樣點。假設光柵點的直徑長度(或像素的長度)為l， 則對于一個面積為wx"的網(wǎng)格，若使用方形網(wǎng)格分布可以容納wx"
個點，而若使用六角網(wǎng)格分布可以容納;^wx"個點，點數(shù)增加了約
15.5%。點密度的增加可以更好地表現(xiàn)圖形或圖像的細節(jié)，從而提高 了對自然景象的顯示分辨率。
第三，在六角網(wǎng)格中，每個像素與其所有相鄰像素之間只有一種 相鄰關系，對應唯一一種鄰接定義，這為圖形圖像處理算法提供了簡 便的實現(xiàn)途徑，提高了算法的效率。而在方形網(wǎng)格中，每個像素到其 相鄰像素的距離不等，其相鄰像素有4鄰接和8鄰接兩種定義。圖像的 許多幾何性質(zhì)(如區(qū)域在某一點是否連續(xù)、兩點之間的距離是否相等) 和處理算法(如邊緣檢測算法)都隨著鄰接定義的不同而有不同的結 果，使得圖形圖像處理與識別的算法變得相當復雜，從而影響運算和 識別的速度。
第四，方形網(wǎng)格有兩根主軸，即橫向軸與縱向軸，和八個主方位， 其中有四個方位指向像素的四個角，相鄰方位之間的角度為45"。六 角網(wǎng)格有三條主軸和十二個主方位，其中有六個方位指向像素的六個 角，相鄰方位之間的角度為30。。由于六角系統(tǒng)具有更大的角度分辨 率，物體輪廓的呈現(xiàn)會更加精確。
第五，網(wǎng)格中的邊緣點定義為相鄰兩個像素之間的點，邊緣點是 構成物體邊緣的基本單位。每個邊緣點用強度與方向表征，強度表示 兩個像素灰度的差值，方向指向更高的灰度數(shù)值。在六角網(wǎng)格中，所 有可能的邊緣點位置構成了正則三角形點陣，三角形的邊長等于原六 角像素間距的一半。而在方形網(wǎng)格中，所有可能的邊緣點位置并不構 成正則四邊形點陣，四邊形的邊長等于原像素間距的一半，但缺了四 個角。除此以外，邊緣元素，即連接相鄰兩個邊緣點的一段直線，其 長度精確等于或近似等于六角網(wǎng)格中基本單元長度的整數(shù)倍，而方形 網(wǎng)格中情況不是這樣，其長度的比率為l: 1.414。這是另外兩個理由 說明為什么六角網(wǎng)格在精確表現(xiàn)物體輪廓方面更優(yōu)越。
方形網(wǎng)格系統(tǒng)的這些不足之處造成了現(xiàn)有的只支持方形網(wǎng)格的 這些輸入輸出設備(物理方形網(wǎng)格系統(tǒng))的相應的不足之處。Tzytten 和Tuceryan在他們近年的文獻(D. A. Trytten and M. Tuceryan， The construction of labeled line drawings from intensity images, Pattern Recognition28(2), 171-198,1995)中總結了一個可以完全地自動處理 從圖像到解釋系統(tǒng)的開發(fā)嘗試，他們的系統(tǒng)分成一系列階段進行，在 后一階段借助反饋來修正前一階段所發(fā)生的錯誤，該系統(tǒng)對于大多數(shù) 被測圖像都取得了成功，其主要的缺點就是大量的處理時間，典型地 需要一百至幾百秒，其中大部分時間化在初始階段的薄膜邊緣檢測算 法上。另外，基于方形網(wǎng)格的現(xiàn)有技術無法提供三維圖像對于旋轉及 傾斜的不變性。六角網(wǎng)格實際地出現(xiàn)在蒼蠅的視網(wǎng)膜內(nèi)，曾被嘗試構建硅視網(wǎng)膜，文獻(Xiaohong Hu， YIhua Guo， Dehua Liu and Yimin Li， Hexagonal subdivision surfaces algorithms introduction, Computer Applications and Software 8(43)， 2004)揭示六角幾何在許條領域的應 用己經(jīng)取得了良好的效果。

發(fā)明內(nèi)容
本發(fā)明的一個目的在于提供一種基于六角網(wǎng)格的識別系統(tǒng)，解決 了傳統(tǒng)的基于方形網(wǎng)格的識別系統(tǒng)的先天不足的問題。
為了實現(xiàn)上述目的，本發(fā)明的技術方案如下基于六角網(wǎng)格的識 別系統(tǒng)，其特征在于它包括可移動平臺，用于輔助六角網(wǎng)格數(shù)字圖 像的形成；攝像機，位于可移動平臺的上方，用于攝取位于可移動平 臺上的三維物體，產(chǎn)生方形網(wǎng)格數(shù)字圖像；計算機構件，用于把攝像 機攝取的數(shù)字圖像轉換成六角網(wǎng)格數(shù)字圖像，并對該六角網(wǎng)格數(shù)字圖 像進行識別，產(chǎn)生識別結果；視頻顯示器，用于實時輸出上述識別結 果。
其中可移動平臺包括底盤、與底盤連接的臺架、和臺板，臺架內(nèi) 設有螺桿，螺桿與臺板螺紋連接，臺板表面鋪放黑色柔布。
其中計算機構件包括以下模塊六角網(wǎng)格數(shù)字圖像形成模塊，與 攝像機連接，把攝像機輸出的圖像轉換成六角網(wǎng)格數(shù)字圖像；邊緣檢 測識別模塊，與六角網(wǎng)格數(shù)字圖像形成模塊連接，用于檢測六角網(wǎng)格 數(shù)字圖像中的邊緣點；邊緣減薄識別模塊，與邊緣檢測識別模塊連接， 用于對上述邊緣點進行減薄處理，形成確定的邊緣點；邊緣鏈接識別 模塊，與邊緣減薄識別模塊的輸出端連接，用于把上述確定的邊緣點 連接起來，形成圖像輪廓；特征提取識別模塊，與邊緣連接識別模塊 連接，用于確定該圖像輪廓的頂點特征。
本發(fā)明的另一個目的在于提供一種基于六角網(wǎng)格的識別方法，解 決了傳統(tǒng)的基于方形網(wǎng)格的識別系統(tǒng)的先天不足的問題。
為了實現(xiàn)上述目的，本發(fā)明的技術方案如下 一種基于六角網(wǎng)格 的識別方法，其特征在于它包括以下步驟A、攝取三維物體圖像， 由攝像機攝取放置在可移動平臺上的三維物體，形成方形網(wǎng)格數(shù)字圖 像；B、合成六角網(wǎng)格數(shù)字圖像，由計算機構件對攝像機攝取的方形 網(wǎng)格數(shù)字圖像進行處理，形成六角網(wǎng)格數(shù)字圖像；C、邊緣檢測識別， 由計算機構件檢測六角網(wǎng)格數(shù)字圖像中的邊緣點；D、邊緣減薄識別， 由計算機構件對上述邊緣點進行減薄處理，形成確定的邊緣點；E、 邊緣鏈接識別，由計算機構件把上述確定的邊緣點連接起來，形成圖 像輪廓；F、特征提取識別，由計算機構件確定該圖像輪廓的頂點特 征；G、輸出顯示結果，在視頻顯示器中顯示上述圖像輪廓。
本發(fā)明解決了傳統(tǒng)的基于方形網(wǎng)格的識別系統(tǒng)的先天不足的問 題。由于六角幾何具有許多優(yōu)于方形幾何的特性諸如定向不敏感性、
角增量均勻性、中央像素鄰域的等同性，這些特性有助于我們以一種 相對簡單和清晰的方式來分析圖像。本發(fā)明提出的基于六角網(wǎng)格的圖 像識別算法(邊緣檢測識別、邊緣減薄識別、邊緣鏈接識別和特征提 取識別)不僅運算時間短，而且提高了圖像識別的精確率。這些算法 全部采用整數(shù)型運算，可以用于識別任何一種結構形狀的三維物體。 這些算法可以在速度和魯棒度兩個方面從根本上提高現(xiàn)有的實際機 器視覺系統(tǒng)。并且，本發(fā)明系統(tǒng)及識別方法有望貢獻于改進的圖像分 析的準確度和速度，此類圖像分析的領域包括掃描電子顯微鏡、無線 移動結構、醫(yī)學圖像、衛(wèi)星圖像和工業(yè)檢驗等。


圖1為本發(fā)明--實施例的示意圖
圖2為圖1中計算機構件的方框圖
圖3為本發(fā)明的流程框圖
圖4為本發(fā)明一實施例的具體流程圖
圖5為本發(fā)明一實施例的結果輸出圖
具體實施例方式
下面結合附圖和實施例對本發(fā)明作詳細說明。
本發(fā)明的一種基于六角網(wǎng)格的識別系統(tǒng)，其特征在于它包括可 移動平臺1，用于輔助六角網(wǎng)格數(shù)字圖像的形成；攝像機2，位于可
移動平臺的上方，用于攝取位于可移動平臺上的三維物體，產(chǎn)生方形
網(wǎng)格數(shù)字圖像；計算機構件3，用于把攝像機攝取的方形網(wǎng)格數(shù)字圖 像轉換成六角網(wǎng)格數(shù)字圖像，并對該六角網(wǎng)格數(shù)字圖像進行識別，產(chǎn) 生識別結果；視頻顯示器4，用于實時輸出上述識別結果。
本發(fā)明的一種基于六角網(wǎng)格的識別方法，其特征在于它包括以下 步驟A、攝取三維物體圖像301，由攝像機2攝取放置在可移動平 臺上的三維物體，形成方形網(wǎng)格數(shù)字圖像；B、合成六角網(wǎng)格數(shù)字圖 像302，由計算機構件3的六角網(wǎng)格數(shù)字圖像形成模塊201對該方形 網(wǎng)格數(shù)字圖像進行處理，形成六角網(wǎng)格數(shù)字圖像；C、邊緣檢測識別 303，由計算機構件3的邊緣檢測識別模塊202檢測六角網(wǎng)格數(shù)字圖 像的邊緣點；D、邊緣減薄識別304，由計算機構件3的邊緣減薄識 別模塊203對上述邊緣點進行減薄處理，形成確定的邊緣點；E、邊 緣鏈接識別305，由計算機構件3的邊緣鏈接識別模塊204把上述確 定的邊緣點連接起來，形成圖像輪廓；F、特征提取識別306，由計 算機構件3的特征提取識別模塊205確定該圖像輪廓的頂點特征；G、 輸出顯示結果307，在視頻顯示器4中顯示上述圖像輪廓。
本發(fā)明中使用的攝像機2采用CCD攝像儀。CCD (電荷耦合器件) 是一種基于硅片技術的電晶體光傳感器裝置。用于視頻攝像儀的CCD 光傳感器具有離散的光電位置，或稱為像素，以正比于照射光強而積
累相應的電荷，當以像素接像素、行接行地掃描時，對應生成一種實 時的模擬視頻信號，然后通過D/A轉換器數(shù)字化。光傳感器裝置大
致可以分為兩類行-掃描光傳感器由一條單行光電位置組成，這類 CCD攝像儀適合于對運動物體的成像；二維傳感器例如我們所使用 的具有768x512像素分辨率的Hamamatsu CCD攝像儀適合于對靜止 物體的成像。文獻(Stefano Baronti et al.， Detector shape in hexagonal sampling grids, SPIE Vol. 4540, pp. 354-365, Dec. 2001)揭示了現(xiàn)有的 二維光傳感器CCD攝像儀都使用矩形或方形點陣。傳統(tǒng)的物理矩形 點陣長期以來一直最常用于數(shù)字圖像的輪廓檢測，由于這些點陣最適 合于連續(xù)的光柵掃描技術，該技術用于成像硬件形成圖像己經(jīng)超過了 70年之久，這些成像硬件包括從早期的光電析象管到近期的CCD點 陣。
作為本發(fā)明系統(tǒng)的一個創(chuàng)新構件，可移動平臺l (STANDA7T125 Basic Translation Stage)直接安置在CCD攝像儀2的下方如圖1所示。 可移動平臺1包括底盤5、與底盤連接的臺架6和臺板7，臺架6內(nèi)設有 螺桿8，螺桿8與臺板7螺紋連接，臺板7表面鋪放黑色柔布。這個構件 是必需的，由于CCD攝像儀2中的二維方形光傳感器點陣不能直接產(chǎn) 生六角網(wǎng)格數(shù)字圖像。通過旋轉可移動平臺1的橫向位移螺桿8半周稍 多一點得到0.06毫米的臺板7水平位移，這個值等于兩個相鄰方形像 素間距的一半。根據(jù)本發(fā)明的一個實施例，由六角網(wǎng)格數(shù)字圖像形成 模塊201形成六角網(wǎng)格數(shù)字圖像，在沒有水平位移的情況下，六角網(wǎng) 格數(shù)字圖像形成模塊201先記錄并存儲攝像機2攝取的數(shù)字圖像的所 有偶數(shù)行像素值，然后令可移動平臺的臺板7平移0.06毫米，記錄所 有奇數(shù)行的像素值。合成的數(shù)字圖像很好地近似于由真實物理六角網(wǎng) 格上所攝取的圖像。由于在六角網(wǎng)格中相鄰行之間的相對距離是同一 行中兩個相鄰像素間距的0.866倍，合成的圖像在垂直方向上被壓縮 了13.4%，然而這個壓縮所產(chǎn)生的影響對于隨后用于識別的邊緣檢測 和特征提取分析是可以忽略不計的。
第二種獲取六角網(wǎng)格數(shù)字圖像的方法是先數(shù)字化全部掃描行，然
后應用簡單的求平均插值公式((強度[j] [i] +強度[j] [i + l])/2 強
度[j] [i])于所有隔一行的全部像素，再整行向右平移半個像素單位。
此方法的主要缺點是由于求平均算法形成了一個低通濾波器，隔一行 上的邊緣被模糊了，應用邊緣檢測算法后引入了多余的邊緣點，這些 邊緣點使隨后的處理變得復雜。
作為本發(fā)明系統(tǒng)的核心構件計算機構件3，起著數(shù)字化、存儲和分
析處理的作用，內(nèi)置的分析軟件主要包括四大功能模塊，分別執(zhí)行邊 緣檢測識別、邊緣減薄識別、邊緣鏈接識別和特征提取識別模塊，以 便充分識別物體。 1. 邊緣檢測識別模塊202 假定六角網(wǎng)格中的邊緣點檢測在每個像素上并行地執(zhí)行，每個像
素使用本身像素灰度fe和它的六個相鄰像素灰度f,至f6作為輸入數(shù)
據(jù)，加上一個取差閾值To和一個比率閾值Ro。我們采用下面概括性
的算法來確定邊緣點
1) 依次沿著三條主軸
A) 如果兩個灰度差值的符號相反，即中央像素的灰度高于或 低于兩個相鄰像素的灰度，那么放置邊緣點在差值大于TQ的像 素的棱邊上。
B) 如果兩個灰度差值的符號相同，即中央像素的灰度介于兩
個相鄰像素的灰度之間，那么放置邊緣點
i) 在像素的棱邊，若灰度差值的比率大于Ro且差值之和大 于了o。
ii) 在像素的中心，若灰度差值的比率小于Ro且差值之和 大于To。
2) 每個像素的最后邊緣點集合應該由位于像素中心的唯一的一 個邊緣點或者由位于棱邊上的一個或多個邊緣點組成。
3) 中心/棱邊的優(yōu)先應該由沿主軸最大總灰度的改變來決定。
4) 最終的棱邊上的邊緣點應該由共享棱邊的兩個像素來確定。 一個C語言編寫的程序用于執(zhí)行上述的邊緣檢測算法，檢測后的
結果如圖5所示。
2. 邊緣減薄識別模塊203
邊緣檢測程序運行之后，基于每個像素和它的六個相鄰像素的灰 度值，數(shù)字圖像的最初邊緣點集合可以確定，然而深一層的邊緣減薄 仍應該執(zhí)行。雖然邊緣點的置放規(guī)則，尤其是邊緣點必須放置在像素 中心或棱邊的規(guī)則，有助于阻止多重邊緣的發(fā)生，但少量多重邊緣仍 然確實發(fā)生，在進一步的圖像處理之前應加以減薄。
邊緣減薄采用下面的算法
1) 執(zhí)行邊緣減薄當兩個邊緣點分別位于兩個相鄰像素的中心，它 們的方向與六角網(wǎng)格的其中一條主軸的夾角都小于30°，即12-方位碼的一個單元。
2) 若其中一個邊緣點的強度小于另一個邊緣點強度的3/4，消去 強度較弱的邊緣點。
3) 否則，消去這兩個邊緣點，在兩個像素共享的棱邊上插入一個 平均邊緣點，這個新的邊緣點具有
a. 強度=(強度l +強度2) / 2
b. 方向=(方向l +方向2) / 2 (默認值為垂直于棱邊若 非整數(shù)的話)
3.邊緣鏈接識別模塊204
邊緣點一旦確定以后，這些邊緣點必須連接在一起以形成邊緣部
分或頂點，最后生成圖像的輪廓。在六角網(wǎng)格中，用于執(zhí)行邊緣鏈接
和特征提取的最小實際單元是7-像素六角鄰域，即中央像素和它的六 個相鄰像素。在7-像素六角鄰域內(nèi)，共有37個可能邊緣點聚合成六層， 即中央層和五個外部層，每個外部層包含6個或12個等距離的邊緣點。 一個六角鄰域內(nèi)的邊緣特征是由邊緣點的鏈組成的，特別是直形、 曲形邊緣部分或L型頂點構成的單鏈，和由一條主鏈加一條側鏈構成 的箭型、叉型、T型頂點，更復雜的頂點類型在此不作考慮。對于這 些鏈可以約定兩個一般的條件
1. a.主鏈必須起始于其中一個外部層(2，3，4)，繼續(xù)到其中一個 內(nèi)部層(O，l)，終止于其中一個外部層(2,3，4)。
b.側鏈必須起始于其中一個外部層(2，3，4)，終止于其中一個 內(nèi)部層(O, 1)，與主鏈的一個頂點相交。
2. 邊緣點的方向通常應垂直于連接邊緣點的邊緣元素的方向。 條件l要求特征居于六角鄰域的中央，如果邊緣點的鏈余留在外部層， 且六角鄰域在此一特征的外圍，則須由六角鄰域的鄰接像素加以檢 測，條件2要求似是而非的邊緣必須垂直于灰度改變的方向。
六角鄰域內(nèi)的邊緣鏈接的算法如下
1) 起始于離中心最遠、具有最高位置序號的邊緣點；
2) 以最段距離先向內(nèi)層而后向外層依次連接邊緣點；
3) IF —條單鏈可以形成THEN
IF此單鏈用盡了所有邊緣點THEN
RETURN邊緣部分或L型頂點； ELSEIF —些邊緣點剩余THEN
重新起始于剩余邊緣點中具有最高位置序號的邊緣點，
并按照步驟2連接邊緣點；
IF側鏈和主鏈可以在層O或層l的邊緣點聯(lián)合THEN
RETURN箭型、叉型或T型頂點； ELSE RETURN; ELSE RETURN。
上述算法沒有考慮邊緣點的可能多重鏈，在這種情況下，可能需 要應用最小成本，即最高品質(zhì)函數(shù)來評價各種選擇以便選出最佳的一
個。 一個適合的品質(zhì)函數(shù)可以是
<formula>formula see original document page 10</formula>(其中《表示直接邊緣長度，乾,表示直接路徑長度)，當直接邊緣垂
直于直接路徑時，《返回最高值。
4.特征提取識別模塊205
為了提取定性的特征信息，需要應用線條標簽方案于數(shù)字圖像的 邊緣，在六角網(wǎng)格上掃描六角鄰域檢測典型的直線/曲線和頂點特征。 發(fā)生于六角鄰域內(nèi)的一些可歸類的幾何特征的特性可以通過下面的
描述加以區(qū)分
A. 特征類型
1) 單鏈特征
a. 直線/曲線(兩個角度都不小于等于120")
b. L型頂點(一個角度小于等于120°)
2) 兩鏈特征
a. 箭形頂點(一個角度大于180"
b. 叉形頂點(沒有角度大于等于180°)
c. T形頂點(一個角度等于180"
B. 存在一個特征的必要條件
1) 在六角鄰域內(nèi)至少有3個邊緣點；
2) 至少一個邊緣點位于中央像素的中心或棱邊，即層0或層1。
特征提取的算法如下
1) 檢査上述B中的必要要求；
2) 起始于最外層位置上的邊緣點，先向內(nèi)接近中央層再向外層形 成邊緣點的一條鏈，每次搜索最靠近的未使用的邊緣點；
3) 如果一條鏈用盡了六角鄰域內(nèi)的所有邊緣點，査找可能的頂點
中心和整個的角度改變，確定此鏈是直線、曲線還是L型頂點；
4) 否則的話，起始于最外層位置上未使用的邊緣點，向中央層接
近形成一條鏈，與已存在的鏈在適當?shù)捻旤c位置聯(lián)合。檢查橫穿六角 鄰域的直線是否存在，和頂點的三個部分之間的角度以便確定頂點的 類型。
一個c語言編寫的程序用于執(zhí)行上述的特征提取算法，執(zhí)行結果 如圖5所示，對于一個三維楔形物圖像，共顯示了兩個L型頂點、一 個叉型頂點、 一個箭型頂點、 一個T型頂點，和一條直線/曲線。
湯浩鈞先生在其美國麻省大學的博士論文《Ph.D. Thesis "Rapid Pattern Recognition of Three Dimensional Objects Using Parallel Processing Within a Hierarchy of Hexagonal Grids" by Haojun Tang, University of Massachusetts Lowell, Massachusetts, USA in 1995》中， 提出了基于分層六角網(wǎng)格并行處理的機器視覺系統(tǒng)的基本思想和處 理算法。本發(fā)明系統(tǒng)中的識別方法在借鑒這些算法的基礎上，做了進 一步的改進和提高。
盡管在該實施例中，采用軟件的方法實現(xiàn)了六角網(wǎng)格圖像識別的
功能，但是應當理解，該功能也可以采用硬件的方法來實現(xiàn)。
視頻顯示器4可以是陰極射線管(CRT)的，也可以是液晶顯示
(LCD)的，本系統(tǒng)采用的是一臺21英寸NEC彩色CRT顯示器。視 頻顯示器的選擇比CCD攝像儀的選擇次要得多，CCD攝像儀的空間 和亮度分辨率直接控制著生成的數(shù)字圖像的優(yōu)劣。而一臺視頻顯示 器，即使顯示質(zhì)量差一些，也不會影響識別系統(tǒng)的整體效果。
獲取圖像是本識別系統(tǒng)的第一步。 一個輸入圖像可以用許多不同 的能量形式產(chǎn)生，最通常的形式是光能量，然而X光、紅外熱、雷達、 無線電射頻和聲能等形式也是常用的。在該實施例中使用兩個鵝頸臺 燈9從樣品的左右兩邊照射，通過調(diào)節(jié)臺燈9得到最佳的圖像對比度。 CCD攝像儀2被架設在可移動平臺1上方光軸垂直高度66厘米處
(其間的垂直距離以樣品充滿CCD攝像儀的視域為準， 一般在30厘 米 150厘米。)，無光表面樣品三維楔子是由木料切割而成的，采樣 時被擺放成某個角度，以便在攝像儀下形成全景的三維透視。CCD攝 像儀2通過透鏡聚焦光線到二維光傳感器上，光傳感器再把光能量轉 換為成比例的電信號，即圖像的模擬信號，模擬信號然后通過一個 4-位數(shù)/模(D/A)轉換器變?yōu)閿?shù)字數(shù)據(jù)形式，存儲于計算機3中。圖 像配準時先記錄偶數(shù)行，然后物理地平移圖像域半個像素單位再記錄 奇數(shù)行組成兩階段的數(shù)字化。這一方法優(yōu)于模擬實際六角網(wǎng)格配準圖 像的插值法。
為方便起見選擇計算機終端上圖像尺寸為25x25部分的像素灰度 數(shù)值(O-15范圍)，由于黑色柔布的效果，我們得到的背景灰度通常 為0，偶爾為1。 一個由C語言編寫的軟件對所輸入的六角網(wǎng)格灰度 數(shù)組開始執(zhí)行上述算法，輸出結果如圖5所示。結果顯示邊緣檢測 識別生成了相當清晰的邊緣點圖像，但仍需某些深一層的邊緣減??； 簡單的邊緣減薄識別經(jīng)執(zhí)行消去了大多數(shù)多余的邊緣點；邊緣鏈接識 別和特征提取識別經(jīng)執(zhí)行后顯示了應有的頂點，且大多數(shù)頂點特征得 到正確歸類，改進的頂點歸類需要使用金字塔處理的非局部信息。
圖4中示出了本發(fā)明--實施例的具體流程圖。首先在模塊401中 攝取三維物體圖像，模塊402中合成六角網(wǎng)格數(shù)字圖像。接著進行邊 緣檢測識別，在模塊403中計算相鄰六角像素之間的灰度差，在模塊 404中依次沿著三條主軸確定邊緣點，在模塊405中判斷沿主軸最大 總灰度變化的兩個差值比率是否大于T，如否，則消去棱邊上的邊緣 點，置放單個邊緣點在像素中心406;如是，則在模塊407選擇邊緣 點在棱邊上。然后執(zhí)行邊緣減薄識別，在模塊408中執(zhí)行邊緣減薄當 兩個邊緣點分別位于兩個相鄰像素的中心，它們的方向與六角網(wǎng)格的 其中一條主軸的夾角都小于30°。在模塊409中判斷一個邊緣點的強 度是否小于另一個的強度的3/4，若否，則在模塊410中消去這兩個
邊緣點，在共享棱邊上插入一個平均邊緣點；若是，則在模塊411中 消去強度較弱的邊緣點。接著執(zhí)行邊緣鏈接識別，在模塊412中檢査
一個特征存在的必要要求，即在一個六角鄰域內(nèi)至少有3個邊緣點且 至少一個邊緣點位于中央像素的中心或棱邊(層0或層1)，接著在
模塊413中，起始于最外層位置上的邊緣點，先向內(nèi)接近中央層再向
外層形成邊緣點的一條鏈，每次搜索最靠近的未使用的邊緣點。接著
執(zhí)行特征提取識別，在模塊414中，判斷一條鏈是否用盡了六角鄰域 內(nèi)的所有邊緣點，如否，則在模塊415中，起始于最外層位置上未使 用邊緣點，向中央層接近形成一條鏈，與已存在鏈在適當頂點位置聯(lián) 合；檢査橫穿鄰域的直線是否存在和頂點的三個部分之間的角度以確 定頂點類型；如是，則在模塊416中，查找可能的頂點中心和整個的 角度改變，確定此鏈是直線、曲線還是L型頂點。最后在模塊417中， 輸出識別結果。 、
雖然本發(fā)明是參考最實用的優(yōu)選實例進行說明的，但可以理解的 是，本發(fā)明并不局限于所披露的實施例，相反，可以覆蓋包含在其精 神的和權利要求書的范圍內(nèi)的各種修改和等效方案。
權利要求
1、基于六角網(wǎng)格的識別系統(tǒng)，其特征在于它包括可移動平臺，用于輔助六角網(wǎng)格數(shù)字圖像的形成；攝像機，位于可移動平臺的上方，用于攝取位于可移動平臺上的三維物體，產(chǎn)生方形網(wǎng)格數(shù)字圖像；計算機構件，用于把攝像機攝取的數(shù)字圖像轉換成六角網(wǎng)格數(shù)字圖像，并對該六角網(wǎng)格數(shù)字圖像進行識別，產(chǎn)生識別結果；視頻顯示器，用于實時輸出上述識別結果。
2、 按權利要求1所述的基于六角網(wǎng)格的識別系統(tǒng)，其特征在于 可移動平臺包括底盤、與底盤連接的臺架、和臺板，臺架內(nèi)設有螺桿， 螺桿與臺板螺紋連接，臺板表面鋪放黑色柔布。
3、 按權利要求1所述的基于六角網(wǎng)格的識別系統(tǒng)，其特征在于 六角網(wǎng)格數(shù)字圖像形成模塊，與攝像機連接，把攝像機輸出的方形網(wǎng) 格數(shù)字圖像轉換成六角網(wǎng)格數(shù)字圖像；邊緣檢測識別模塊，與六角網(wǎng) 格數(shù)字圖像形成模塊連接，用于檢測六角網(wǎng)格數(shù)字圖像中的邊緣點； 邊緣減薄識別模塊，與邊緣檢測識別模塊連接，用于對上述邊緣點進 行減薄處理，形成確定的邊緣點；邊緣鏈接識別模塊，與邊緣減薄識 別模塊的輸出端連接，用于把上述確定的邊緣點連接起來，形成圖像 輪廓；特征提取識別模塊，與邊緣鏈接識別模塊連接，用于確定該圖 像輪廓的頂點特征。
4、 按權利要求1至3中任一項所述的基于六角網(wǎng)格的識別系統(tǒng)， 其特征在于攝像機采用CCD攝像儀。
5、 一種基于六角網(wǎng)格的識別方法，其特征在于它包括以下步驟: A、攝取三維物體圖像，由攝像機攝取放置在可移動平臺上的三維物 體，形成方形網(wǎng)格數(shù)字圖像；B、合成六角網(wǎng)格數(shù)字圖像，由計算機 構件對該方形網(wǎng)格數(shù)字圖像進行處理，形成六角網(wǎng)格數(shù)字圖像；C、 邊緣檢測識別，由計算機構件檢測六角網(wǎng)格中數(shù)字圖像的邊緣點；D、 邊緣減薄識別，由計算機構件對上述邊緣點進行減薄處理，形成確定 的邊緣點；E、邊緣鏈接識別，由計算機構件把上述確定的邊緣點連 接起來，形成圖像輪廓；F、特征提取識別，由計算機構件確定該圖 像輪廓的頂點特征；G、輸出顯示結果，在視頻顯示器中顯示上述圖 像輪廓。
6、 按權利要求5所述的基于六角網(wǎng)格的識別方法，其特征在于 步驟A包括把物體放置在可移動平臺的臺板上，由攝像機攝取產(chǎn)生第一次數(shù)字圖像；轉動螺桿，移動可移動平臺的臺板，再由攝像機攝 取該物體產(chǎn)生第二次數(shù)字圖像；步驟B包括由計算機構件提取第一次數(shù)字圖像中的所有偶數(shù)行像素值；由計算機構件提取第二次數(shù)字圖 像中的所有奇數(shù)行像素值；由計算機構件合成上述的偶數(shù)行像素值和 奇數(shù)行像素值，形成六角網(wǎng)格數(shù)字圖像。
7、按權利要求6所述的基于六角網(wǎng)格的識別方法，其特征在于 在步驟A中，可移動平臺的臺板平移0.06毫米。
全文摘要
本發(fā)明涉及基于六角網(wǎng)格的識別系統(tǒng)，其特征在于它包括可移動平臺，用于輔助六角網(wǎng)格數(shù)字圖像的形成；攝像機，位于可移動平臺的上方，用于攝取位于可移動平臺上的三維物體，產(chǎn)生方形網(wǎng)格數(shù)字圖像；計算機構件，用于把攝像機攝取的數(shù)字圖像轉換成六角網(wǎng)格數(shù)字圖像，并對該六角網(wǎng)格數(shù)字圖像進行識別，產(chǎn)生識別結果；視頻顯示器，用于實時輸出上述識別結果。本發(fā)明采用基于六角網(wǎng)格的識別系統(tǒng)和識別方法，以一種相對簡單和清晰的方式來分析圖像和識別物體。本發(fā)明系統(tǒng)及識別方法有望貢獻于改進的圖像分析的準確度和速度。
文檔編號G06K9/62GK101201902SQ20061014734
公開日2008年6月18日 申請日期2006年12月14日 優(yōu)先權日2006年12月14日
發(fā)明者湯浩鈞, 王年年, 理查德·斯坦麥茨 申請人:湯浩鈞