付 雯 李 響（重慶電子工程職業(yè)學(xué)院軟件學(xué)院，重慶 401331）

隨著食品機(jī)械加工技術(shù)的不斷發(fā)展，食品機(jī)械加工中，越來(lái)越多的出現(xiàn)了設(shè)備對(duì)接的工藝過(guò)程，該項(xiàng)技術(shù)受到日益廣泛的關(guān)注［1，2］。通過(guò)食品機(jī)械加工對(duì)接平臺(tái)可將食品加工機(jī)械的不同區(qū)域進(jìn)行準(zhǔn)確對(duì)接，達(dá)到對(duì)接準(zhǔn)確度的要求［3－5］。因此，食品機(jī)械加工對(duì)接平臺(tái)的設(shè)計(jì)已經(jīng)成為相關(guān)學(xué)者研究的重點(diǎn)課題［6，7］。

食品機(jī)械加工對(duì)接過(guò)程中，外界的環(huán)境因素過(guò)于復(fù)雜，導(dǎo)致當(dāng)前采用信號(hào)傳感設(shè)備對(duì)食品機(jī)械加工對(duì)接平臺(tái)的對(duì)接過(guò)程進(jìn)行監(jiān)控，會(huì)受到較大干擾，精度較低，無(wú)法達(dá)到機(jī)械對(duì)接的精度控制要求［8－10］。

針對(duì)傳統(tǒng)方法的弊端，本設(shè)計(jì)提出一種基于三維圖像校對(duì)的食品機(jī)械加工對(duì)接平臺(tái)設(shè)計(jì)方法，通過(guò)分析三維圖像校對(duì)原理，依據(jù)三維圖像局部亮度、對(duì)比度、結(jié)構(gòu)信息相關(guān)性的比較，求出其結(jié)構(gòu)相似度。在大量對(duì)接圖像中采集對(duì)接區(qū)域的特征點(diǎn)，對(duì)對(duì)接區(qū)域進(jìn)行三維圖像還原。獲取幾何陣關(guān)于z軸的子矩上的任意階矩，還原食品機(jī)械加工對(duì)接平臺(tái)的對(duì)接信息。分析投影矩的定義及計(jì)算過(guò)程，通過(guò)投影矩實(shí)現(xiàn)基于三維圖像校對(duì)的食品機(jī)械加工對(duì)接平臺(tái)設(shè)計(jì)，針對(duì)目標(biāo)函數(shù)，通過(guò)Powell方法對(duì)其進(jìn)行求解，和最小值相應(yīng)的解即為食品機(jī)械加工對(duì)接平臺(tái)的對(duì)接結(jié)果。仿真試驗(yàn)結(jié)果表明，所提方法具有很高的效率及對(duì)接精度。

1 基于三維圖像的對(duì)接設(shè)備結(jié)構(gòu)相似度計(jì)算

三維圖像校對(duì)過(guò)程實(shí)際上就是利用三維視覺(jué)方法，模擬人眼視覺(jué)校對(duì)過(guò)程，對(duì)機(jī)械對(duì)接過(guò)程進(jìn)行校對(duì)。其主要思想是利用三維信息計(jì)算對(duì)接設(shè)備的吻合結(jié)構(gòu)相似度，計(jì)算最大值，完成最優(yōu)對(duì)接位置的計(jì)算。

1.1 結(jié)構(gòu)相似度計(jì)算模型的基本思想

依據(jù)對(duì)接設(shè)備三維圖像局部亮度、對(duì)比度、結(jié)構(gòu)信息相關(guān)性的比較，通過(guò)滑動(dòng)窗口方法求出其大小，一個(gè)窗口代表一個(gè)子圖像，結(jié)構(gòu)相似度可描述成：

式中：

X、Y——用于描述原始設(shè)備圖像的子圖像和待校準(zhǔn)設(shè)備圖像的子圖像；

l（X，Y）、c（X，Y）、s（X，Y）——分別用于描述X和Y的亮度相關(guān)函數(shù)、對(duì)比度相關(guān)函數(shù)以及結(jié)構(gòu)相關(guān)函數(shù)，上述三項(xiàng)均相互獨(dú)立；

為了避免分母是零造成的不穩(wěn)定，C1、C2、C3取數(shù)值較小的常數(shù)。

μX、μY、σX、σY、σXY分別用于描述X、Y的亮度均值、標(biāo)準(zhǔn)差和協(xié)方差，其中協(xié)方差σXY可通過(guò)式（5）求出：

其中，N用于描述子設(shè)備圖像的像素總量，針對(duì)多模態(tài)圖像，因?yàn)閷?duì)接設(shè)備圖像內(nèi)容有很大的差異，fSSIM（X，Y）通常不為1，甚至兩幅對(duì)接設(shè)備圖像成像亮度相反。對(duì)圖像進(jìn)行校對(duì)時(shí)，子圖像間σxx＜0，使得fSSIM（X，Y）不再為最大值，所以，需對(duì)式（4）進(jìn)行調(diào)整，用｜σXY｜替代σXY，則有：

使s（X，Y）免于外界亮度信息的干擾。為了便于分析，本設(shè)計(jì)取α＝β＝γ＝1，則經(jīng)調(diào)整后的對(duì)接設(shè)備圖像的滑動(dòng)窗口可描述成：

通過(guò)式（7）求出所有窗口中（子圖像）的fSSIM（X，Y）值，再對(duì)全部子圖像進(jìn)行累加平均：

式中：

M——用于描述子設(shè)備圖像的數(shù)量；

Xj、Yj——用于描述第j個(gè)子圖像。

歸一化信息可描述成：

式中：

HX、HY——分別用于描述原圖像與待校對(duì)圖像的邊緣熵；

HXY——用于描述上述二者的結(jié)構(gòu)相似性，依次描述如下：

其中p（x）、p（y）分別用于描述原設(shè)備圖像與待校對(duì)設(shè)備圖像的概率密度；p（x，y）用于描述兩幅圖像之間的聯(lián)合概率密度。

1.2 基于立體視覺(jué)校對(duì)的對(duì)接圖像特征點(diǎn)的選取

根據(jù)上述圖像識(shí)別原理可以選取2個(gè)最優(yōu)的對(duì)接設(shè)備，進(jìn)行對(duì)接。

對(duì)接過(guò)程依據(jù)三維立體視覺(jué)原理，可塑造食品機(jī)械加工對(duì)接模型，實(shí)現(xiàn)食品機(jī)械加工對(duì)接平臺(tái)三維圖像對(duì)接校驗(yàn)。具體過(guò)程：

在對(duì)食品機(jī)械加工校驗(yàn)對(duì)接過(guò)程中，需要在前期確定的符合相似度要求的對(duì)接圖像中采集對(duì)接區(qū)域的特征點(diǎn)，同時(shí)對(duì)對(duì)接區(qū)域進(jìn)行有效的三維區(qū)域定位。食品機(jī)械加工對(duì)接過(guò)程采集的樣本圖像采集過(guò)程見(jiàn)圖1。

圖1中，r用于描述食品機(jī)械加工對(duì)接圖像像素點(diǎn)，利用圖像采集設(shè)備E1對(duì)機(jī)械對(duì)接平臺(tái)圖像的對(duì)節(jié)點(diǎn)進(jìn)行采集，獲取的對(duì)接點(diǎn)為r1，需同時(shí)通過(guò)E1、E2兩個(gè)圖像采集設(shè)備完成對(duì)接平臺(tái)其他對(duì)接點(diǎn)的圖像采集，和該圖像相應(yīng)的實(shí)際對(duì)接平臺(tái)特征點(diǎn)可記作R。依據(jù)該特征點(diǎn)的空間位置，即可實(shí)現(xiàn)食品機(jī)械加工對(duì)接平臺(tái)中，對(duì)接過(guò)程三維圖像空間特征點(diǎn)的定位。

圖1 樣本圖像采集原理圖Figure 1 Sample image acquisition principle diagram

隨機(jī)選擇對(duì)接設(shè)備對(duì)接過(guò)程樣本圖像中的一點(diǎn)R，該點(diǎn)在圖像采集設(shè)備E1和E2上的特征點(diǎn)分別為r1與r2，和上述兩幀樣本圖像相應(yīng)的投影矩陣可分別貌似成P1和P2，則有：

其中，（w1，x1，1）與 （w2，x2，1）用于描述圖像采集設(shè)備采集的對(duì)接時(shí)三維圖像中特征點(diǎn)的坐標(biāo)；（Z，A，B，1）用于描述上述特征點(diǎn)在標(biāo)準(zhǔn)坐標(biāo)系中的坐標(biāo)；用于描述pm第k行第l個(gè)元素。通過(guò)式（15）完成對(duì)上述特征點(diǎn)的擴(kuò)展變換處理：

對(duì)式（15）～（17）進(jìn)行簡(jiǎn)化，則有：

通過(guò)式（18）、（19）可實(shí)現(xiàn)對(duì)接過(guò)程的三維圖像虛擬仿真：

依據(jù)上述分析的方法，即可塑造食品機(jī)械交給對(duì)接平臺(tái)識(shí)別模型，從大量對(duì)接圖像中識(shí)別出關(guān)鍵圖像，為食品機(jī)械加工對(duì)接平臺(tái)設(shè)計(jì)提供可靠依據(jù)。

1.3 對(duì)接校對(duì)算法的設(shè)計(jì)

1.3.1 投影矩的定義及計(jì)算 針對(duì)上述分析提取的特征點(diǎn)，其幾何矩可描述成：

可直接對(duì)矩進(jìn)行計(jì)算，將其看作是食品機(jī)械加工設(shè)備對(duì)接圖像的特征。然而由于計(jì)算量過(guò)大，很難將其應(yīng)用于圖像校對(duì)，因此，將式（22）轉(zhuǎn)換成：

對(duì)式（23）括號(hào)中的表達(dá)式進(jìn)行提取，定義幾何陣關(guān)于z軸的子矩：

獲取Ti（x，y）在i∈ ｛0，1，…｝上的任意階矩后，即可有效還原食品機(jī)械加工對(duì)接信息f（x，y，z）。

其中，X＝ Δx，Δy，Δz，sx，sy，sz，θx，θy，θz用于描述待優(yōu)化參數(shù)，分別用于描述待對(duì)接機(jī)械在x，y與z方向的位移、縮放因子以及旋轉(zhuǎn)角度。針對(duì)上述最小化問(wèn)題，本研究通過(guò)Powell方法對(duì)其進(jìn)行求解，和最小值相應(yīng)的解即為食品機(jī)械加工對(duì)接平臺(tái)的對(duì)接結(jié)果。

2 仿真試驗(yàn)分析

為了驗(yàn)證本研究基于三維圖像校對(duì)的食品機(jī)械加工對(duì)接方法的有效性，需要進(jìn)行相關(guān)的試驗(yàn)分析。試驗(yàn)在 Microsoft Visual C＋＋ .Net環(huán)境下進(jìn)行，通過(guò)MFC類(lèi)庫(kù)完成界面交互，同時(shí)結(jié)合VTK（visualization toolkit）部分功能。VTK是一種應(yīng)用于3D計(jì)算機(jī)圖形學(xué)、圖象處理及可視化的軟件系統(tǒng)工具。試驗(yàn)的原圖見(jiàn)圖2。

圖2 食品加工機(jī)械圖Figure 2 Food processing machinery

對(duì)同一食品機(jī)械加工對(duì)接三維模型進(jìn)行2次隨機(jī)的輪廓勾畫(huà)，將2個(gè)機(jī)械的映射變換關(guān)系用待對(duì)接機(jī)械在x，y與z方向的位移、縮放因子以及旋轉(zhuǎn)角度進(jìn)行描述，對(duì)一個(gè)機(jī)械進(jìn)行映射變換，然后通過(guò)本方法求出該映射變換。得到三維圖像見(jiàn)圖3。由表1可知，本方法的測(cè)試結(jié)果具有較高的精度，滿(mǎn)足食品機(jī)械加工對(duì)接的需求。

圖3 三維建模效果圖Figure 3 Rendering 3dmodeling

表1 本方法測(cè)試結(jié)果Table 1 The method test results

為了進(jìn)一步驗(yàn)證本方法的有效性，分別對(duì)本方法和傳統(tǒng)方法進(jìn)行仿真試驗(yàn)。由圖4可知，采用本方法所需耗費(fèi)時(shí)間一直低于傳統(tǒng)方法。這是因?yàn)楸痉椒ㄊ紫葘?duì)食品機(jī)械加工對(duì)接平臺(tái)的對(duì)接過(guò)程進(jìn)行三維仿真，再依據(jù)校對(duì)方法實(shí)現(xiàn)食品機(jī)械加工對(duì)接平臺(tái)的設(shè)計(jì)，實(shí)現(xiàn)過(guò)程簡(jiǎn)單，計(jì)算量相對(duì)較低。由圖5可知，采用本方法獲取的準(zhǔn)確度明顯高于傳統(tǒng)算法，說(shuō)明本方法不僅具有較高的效率，還具有較高的準(zhǔn)確度，驗(yàn)證了本方法的有效性。

圖4 本方法和傳統(tǒng)方法所需時(shí)間比較Figure 4 In this paper，the method and the time needed for traditional methods comparison results

圖5 本方法和傳統(tǒng)方法準(zhǔn)確度比較Figure 5 Method and traditional method accuracy comparison results in this paper

3 結(jié)論

本研究提出一種基于三維圖像校對(duì)的食品機(jī)械加工對(duì)接平臺(tái)設(shè)計(jì)方法，分析了三維圖像校對(duì)原理，依據(jù)三維圖像局部亮度、對(duì)比度、結(jié)構(gòu)信息相關(guān)性的比較，求出其結(jié)構(gòu)相似度。在大量對(duì)接圖像中采集對(duì)接區(qū)域的特征點(diǎn)，對(duì)對(duì)接區(qū)域進(jìn)行三維圖像還原。獲取幾何陣關(guān)于z軸的子矩上的任意階矩，還原食品機(jī)械加工對(duì)接平臺(tái)的對(duì)接信息。分析了投影矩的定義及計(jì)算過(guò)程，通過(guò)投影矩實(shí)現(xiàn)基于三維圖像校對(duì)的食品機(jī)械加工對(duì)接平臺(tái)設(shè)計(jì)，仿真試驗(yàn)結(jié)果表明，所提方法具有很高的效率及對(duì)接精度。

1 李京娜，王國(guó)宏，孫少燕，等.基于修改后的結(jié)構(gòu)相似度的三維圖像配準(zhǔn)［J］.光電工程，2012，21（12）：70～76.

2 余慧婷，張杰，潘萌.噪聲對(duì)三維圖像歸一化互信息配準(zhǔn)的影響［J］.中國(guó)醫(yī)學(xué)影像學(xué)雜志，2011，19（11）：844～849.

3 劉東旭，劉洪，呂濤.基于CT數(shù)據(jù)的三維配準(zhǔn)技術(shù)在正畸中的應(yīng)用［J］.華西口腔醫(yī)學(xué)雜志，2010，28（2）：119～123.

4 呂曉琪，李娜，張寶華，等.基于體素相似性的三維多模腦圖像配準(zhǔn)研究［J］.中國(guó)醫(yī)學(xué)影像學(xué)雜志，2013，14（2）：146～151.

5 周柏清，任勇軍.正則化最近點(diǎn)優(yōu)化圖像集匹配的三維人臉識(shí)別［J］.計(jì)算機(jī)工程與應(yīng)用，2014（12）：169～174.

6 周世勛，張杰.灰度預(yù)分割對(duì)三維醫(yī)學(xué)圖像配準(zhǔn)的作用［J］.中國(guó)醫(yī)學(xué)影像學(xué)雜志，2013，21（4）：301～304.

7 吳晨，何建國(guó)，劉貴珊，等.基于近紅外高光譜成像技術(shù)的馬鈴薯干物質(zhì)含量無(wú)損檢測(cè)［J］.食品與機(jī)械，2014，30（4）：126～130.

8 戰(zhàn)旭梅，劉靖，劉萍.高效液相色譜法測(cè)定香腸中亞硝酸鹽含量［J］.食品與機(jī)械，2014，30（4）：18～22.

9 晁學(xué)鵬.冶金鐵軌對(duì)接控制過(guò)程三維圖像虛擬仿真［J］.電氣應(yīng)用，2014（20）：90～93.

10 孫謙，何明一.三維重建中點(diǎn)云模型與紋理圖像的配準(zhǔn)［J］.計(jì)算機(jī)仿真，2011，28（11）：218～221.