一种电表铭牌图像配准方法技术

本发明专利技术公开了一种电表铭牌图像配准方法，主要是通过采集电表铭牌的图像信息，利用机器视觉技术实现电表铭牌的自动化配准以及缺陷检测。该方法可以自动识别电表铭牌中的文字、线条、边界等特征，并利用配准技术将其与标准电表铭牌模板进行校对匹配，随后进行图像比对以确定是否存在缺陷。该方法具有良好普适性和实时性，适用于不同型号、不同品牌的电表铭牌在流水线环境下的检测，具有很好的实用性和推广价值。广价值。广价值。

【技术实现步骤摘要】
一种电表铭牌图像配准方法


[0001]本专利技术涉及电力计量
，具体地说，公开了一种电表铭牌图像配准方法。

技术介绍

[0002]智能电网是一种高度智能化的电力系统，它将电力信息化、自动化、智能化，可以实现电力生产、输送、分配、销售和使用的全过程自动化管理。智能电网的建设是推动能源革命、实现能源可持续发展的重要举措，也是各国政府关注的重点领域之一。智能电网建设的关键是智能电表的配备，因为智能电表是智能电网的基础设施，也是智能电网实现智能化的关键。然而，智能电表的配备存在一些问题，其中之一是电表铭牌配准问题。电表铭牌是电表上用于标识电表型号、规格、生产厂家等信息的标识，是电表的重要组成部分。但由于当前电表铭牌的验收检测存在一些问题，如大量人工投入，误检率高等，导致电表铭牌在使用过程中容易脱落或损坏，影响了电表铭牌的使用效果和电表的整体美观度。
[0003]图像配准是为了找到最佳的透视变换矩阵，使得采样图像和标准图像能够完美地对齐。现有的配准方法分为基于深度学习的配准方法以及基于传统机器视觉的配准方法。在是深度学习技术中，有监督学习和无监督学习在图像配准领域都得到了广泛的应用。然而技术深度学习的算法往往在大量的数据上才能表现良好，并且推理速度较慢无法部署到实时的生产线上。
[0004]传统的机器视觉配准方法又分为基于特征点的配准方法与基于灰度图的配准方法。由于基于灰度图的配准方法能够得到拟合程度较好的匹配效果，但是需要花费大量的时间搜索正确的旋转角度以及平移距离，并不具有普实时性。然而，基于特征点的配准方法在图像配准领域被广泛使用，如SIFT，SURF，能够适应不同的图像尺度变化，并通过根据匹配的点快速估计出采样图像和标准图像之间的透视变换矩阵，然而这种估计方法会有一定的误差，稳定性较差。
[0005]电表铭牌的检测通常在特定的光学环境中，需要对电表表面的划痕、漏印、错印等缺陷进行识别，因此对配准的稳定性和精度的要求较高，精确的配准电表铭牌仍然具有挑战性。现有的配准方法不能解决配准中的错配等问题，也不能达到较高的实时性，无法较好的适配后续铭牌缺陷检测任务。
[0006]在传统电表生产中，电表铭牌的检测通常采用人工检测的方式，这种方式存在效率低、可靠性差等问题。随着智能电网建设的推进和电力计量设备的自动化生产的需求，电表铭牌配准方法的研究和发展变得尤为重要。
[0007]本专利技术存在如下技术问题：
[0008]1)电表铭牌图像在工业生产环境下配准精度不足
[0009]2)当前配准方案的普适性以及实时性较差

技术实现思路

[0010]在智能电网建设和电力计量设备自动化生产的背景下，本专利技术旨在提供一种快
速、准确的电表铭牌印刷缺陷检测方法，公开了一种电表铭牌图像配准方法，以提高电表生产的质量和效率。针对现有的电表铭牌配准技术不适用于在检测流水线上实时的对图像进行处理的技术问题，设计了基于ORB算法以及归一化互相关算法的两阶段铭牌配准技术，实现了铭牌采样图像和标注图像之间的相互匹配，从而为后续的缺陷检测打下基础。
[0011]本专利技术是通过如下技术方案来实现的：
[0012]本专利技术公开了一种电表铭牌图像配准方法，包括：
[0013]获取一张标准无缺陷的电表铭牌图像作为标准图像；
[0014]获取工业生产环境下的一张三通道RGB电表铭牌图像作为样本图像；
[0015]将三通道的RGB电表铭牌样本图像转换为灰度样本图像；
[0016]执行高斯去噪算法去除灰度样本图像中的噪点，得到去噪后的灰度样本图像；
[0017]根据Sobel边缘检测算法检测去噪后的灰度样本图中的铭牌轮廓，得到铭牌轮廓图；
[0018]根据阈值法将铭牌轮廓图从灰度图转化为黑白图像，提取其中的最大轮廓作为新的样本图像；
[0019]根据ORB算法分别提取标准图像以及新的样本图像中的特征点；
[0020]根据提取到的特征点，执行RANSAC算法估计出样本图像与标准图像之间的变换矩阵，并对样本图像执行配准变换，得到了首次配准变换后的样本图像；
[0021]根据归一化互相关系数法对首次配准变换后的样本图像和标准图像进行进一步配准，得到进一步配准后的样本图像；
[0022]将进一步配准后的样本图像与标准图像比对，自动在样本图像中标记出缺陷所在位置。
[0023]作为进一步地改进，本专利技术所述的将三通道的RGB电表铭牌样本图像转换为灰度样本图像，具体为灰度图为单通道图像，转换公式如下所示：
[0024]I＝0.2989*R+0.5870*G+0.1140*B
[0025]I为灰度图，R、G、B分别为三个通道的图像信息；
[0026]作为进一步地改进，执行高斯去噪算法去除灰度样本图像中的噪点，得到去噪后的灰度样本图像，具体为：
[0027][0028]I
smoothed
代表去噪后的图像，I(s,t)为原图像，σ代表高斯核函数的标准差；
[0029]作为进一步地改进，本专利技术所述的根据Sobel边缘检测算法检测去噪后的灰度样本图中的铭牌轮廓，得到铭牌轮廓图，具体为：
[0030]通过尺度大小为3的Sobel算子对图像进行边缘检测，检测过程分为水平方向检测以及垂直方向检测；
[0031]作为进一步地改进，本专利技术所述的根据阈值法将铭牌轮廓图从灰度图转化为黑白图像，提取其中的最大轮廓作为新的样本图像，具体为：
[0032]图像像素阈值法的阈值范围为0
‑
255，将轮廓图像转换为黑白图后提取其最大面积的轮廓作为铭牌轮廓，用一个外接矩阵提取出该铭牌图像；
[0033]作为进一步地改进，本专利技术所述的阈值为100；
[0034]作为进一步地改进，本专利技术所述的根据ORB算法分别提取标准图像以及样本图像中的特征点，具体为：
[0035]提取特征点采用FAST算法来检测图像中的关键点，FAST算法通过对像素点的灰度值进行比较，快速地检测出角点；描述特征点采用BRIEF算法，BRIEF算法使用一个二进制字符串来描述关键点周围的像素点。随后利用暴力匹配法将两张图像中的特征点进行匹配，把特征距离最小的前100个特征对作为匹配结果。特征距离使用汉明距离来衡量，具体公式如下：
[0036][0037]作为进一步地改进，本专利技术所述的根据提取到的特征点，根据提取到的特征点，执行RANSAC算法估计出样本图像与标准图像之间的变换矩阵，并对样本图像执行配准变换，得到了首次配准变换后的样本图像，具体为：
[0038]将ORB提取的这些特征通过RANSAC算法估计出采样铭牌图像和标准图像之间的单应性矩阵，并应用该矩阵对采样铭牌图像进行透视变换，RANSAC算法的过程为：
[0039]1)定义样本集合S＝x1，x2，...，x
n
，其中每个样本x
i
是一个d维向量；
[0040]2)定义模本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种电表铭牌图像配准方法，其特征在于，包括：获取一张标准无缺陷的电表铭牌图像作为标准图像；获取工业生产环境下的一张三通道RGB电表铭牌图像作为样本图像；将三通道的RGB电表铭牌样本图像转换为灰度样本图像；执行高斯去噪算法去除灰度样本图像中的噪点，得到去噪后的灰度样本图像；根据Sobel边缘检测算法检测去噪后的灰度样本图中的铭牌轮廓，得到铭牌轮廓图；根据阈值法将铭牌轮廓图从灰度图转化为黑白图像，提取其中的最大轮廓作为新的样本图像；根据ORB算法分别提取标准图像以及新的样本图像中的特征点；根据提取到的特征点，执行RANSAC算法估计出样本图像与标准图像之间的变换矩阵，并对样本图像执行配准变换，得到了首次配准变换后的样本图像；根据归一化互相关系数法对首次配准变换后的样本图像和标准图像进行进一步配准，得到进一步配准后的样本图像；将进一步配准后的样本图像与标准图像比对，自动在样本图像中标记出缺陷所在位置。2.根据权利要求1所述的电表铭牌图像配准方法，其特征在于，所述的将三通道的RGB电表铭牌样本图像转换为灰度样本图像，具体为：灰度图为单通道图像，转换公式如下所示：I＝0.2989*R+0.5870*G+0.1140*BI为灰度图，R、G、B分别为三个通道的图像信息。3.根据权利要求1所述的电表铭牌图像配准方法，其特征在于，所述的执行高斯去噪算法去除灰度样本图中的噪点，得到去噪后的灰度样本图像，具体为：I
smoothed
代表去噪后的图像，I(s,t)为原图像，σ代表高斯核函数的标准差。4.根据权利要求1或2或3所述的电表铭牌图像配准方法，其特征在于，所述的根据Sobel边缘检测算法检测去噪后的灰度样本图中的铭牌轮廓，得到铭牌轮廓图，具体为：通过尺度大小为3的Sobel算子对图像进行边缘检测，检测过程分为水平方向检测以及垂直方向检测。5.根据权利要求4所述的电表铭牌图像配准方法，其特征在于，所述的根据阈值法将铭牌轮廓图从灰度图转化为黑白图像，提取其中的最大轮廓作为新的样本图像，具体为：图像像素阈值法的阈值范围为0
‑
255，将轮廓图像转换为黑白图后提取其最大面积的轮廓作为铭牌轮廓，用一个外接矩阵提取出该铭牌图像。6.根据权利要求5所述的电表铭牌图像配准方法，其特征在于，所述的阈值为100。7.根据权利要求1或2或3或5或6所述的电表铭牌图像配准方法，其特征在于，所述的根据ORB算法分别提取标准图像以及新的样本图像中的特征点，具体为：提取特征点采用FAST算法来检测图像中的关键点，FAST算法通过对像素点的灰度值进行比较，快速地检测出角点；描述特征点采用BRIEF算法，BRIEF算法使用一个二进制字符串来描述关键点周围的像
素点，随后利用暴力匹配法将两张图像中的特征点...

【专利技术属性】
技术研发人员：金肖，朱润哲，
申请(专利权)人：浙江大学嘉兴研究院，
类型：发明
国别省市：