簡(jiǎn)川霞，高 健，李克天，敖銀輝

(廣東工業(yè)大學(xué) 機(jī)電工程學(xué)院，廣東 廣州 510006)

基于機(jī)器視覺(jué)的印刷套準(zhǔn)識(shí)別方法研究

簡(jiǎn)川霞，高 健，李克天，敖銀輝

(廣東工業(yè)大學(xué) 機(jī)電工程學(xué)院，廣東 廣州 510006)

針對(duì)印刷套準(zhǔn)檢測(cè)存在的精度低、速度慢的問(wèn)題，提取了印刷標(biāo)志圖像的Tamura紋理特征，包括粗糙度、對(duì)比度和方向度，以描述其印刷標(biāo)志套準(zhǔn)或套不準(zhǔn)特征。設(shè)計(jì)了支持向量機(jī)的分類器對(duì)印刷標(biāo)志圖像進(jìn)行套準(zhǔn)識(shí)別，并采用高斯徑向基核函數(shù)用于非線性數(shù)據(jù)的分類。實(shí)驗(yàn)結(jié)果證明，采用建議的印刷標(biāo)志圖像特征提取和分類方法，識(shí)別準(zhǔn)確率達(dá)到90%，識(shí)別時(shí)間為0.032 751 s，方法在識(shí)別準(zhǔn)確率和識(shí)別速度上都優(yōu)于人工檢測(cè)和文獻(xiàn)[8]的方法。

機(jī)器視覺(jué)；印刷套準(zhǔn)；紋理特征；支持向量機(jī)

印刷采用黃、品紅、青、黑四色印版套印實(shí)現(xiàn)色彩和階調(diào)的復(fù)制。印刷四色相互套準(zhǔn)是實(shí)現(xiàn)印刷復(fù)制的基礎(chǔ)。目前印刷套印檢測(cè)多采用人工進(jìn)行，有許多缺點(diǎn)：1)精確性較差。人眼限于生理結(jié)構(gòu)，對(duì)套準(zhǔn)檢測(cè)的精度有限。即是借助于檢測(cè)工具，也難以達(dá)到機(jī)器的檢測(cè)精度。2)重復(fù)性較差。人眼易疲勞，會(huì)隨檢測(cè)時(shí)間增加，穩(wěn)定性下降，導(dǎo)致檢測(cè)準(zhǔn)確性降低。即使同樣的印刷樣張?zhí)诇?zhǔn)標(biāo)志，人眼每次檢測(cè)結(jié)果都可能有細(xì)微差別。機(jī)器可以用相同的方法多次完成檢測(cè)工作而不會(huì)感到疲倦。3)速度慢。人工檢測(cè)印刷套準(zhǔn)，需數(shù)秒左右，不能滿足實(shí)時(shí)生產(chǎn)需求，機(jī)器檢測(cè)速度可以達(dá)到毫秒級(jí)。且人工檢測(cè)采用抽檢方法，機(jī)器檢測(cè)可以實(shí)現(xiàn)全檢。4)客觀性差。人工檢測(cè)結(jié)果受主觀情緒的影響，客觀性較差。5)成本較高。隨著人工成本的增加，采用人工檢測(cè)的費(fèi)用也逐漸增加。機(jī)器視覺(jué)檢測(cè)由于各種優(yōu)勢(shì)完全可以取代人工檢測(cè)，成本也低許多。

與人工檢測(cè)相比，機(jī)器視覺(jué)檢測(cè)由于其速度快、精度高、客觀性好、成本低等優(yōu)點(diǎn)可以完全取代人工檢測(cè)，且可以無(wú)間斷地連續(xù)工作。印刷套準(zhǔn)檢測(cè)研究也逐漸引入機(jī)器視覺(jué)檢測(cè)，并取得了一些成果[1-4]。文獻(xiàn)[5]基于圖像處理提出了印刷對(duì)角線方向套準(zhǔn)方法并設(shè)計(jì)了自動(dòng)控制系統(tǒng)。文獻(xiàn)[6]提出了一種基于彩色圖像配準(zhǔn)的膠印十字星校正方法，該方法首先利用圖像的顏色特征，從獲取的CCD圖像中提取青、品紅、黃、黑四種單色圖像，然后在圖像中分別檢測(cè)十字星位置，接著分別利用二值化分色圖像的垂直和水平投影距離，計(jì)算出各色十字星傾斜和平移校正參數(shù)，完成膠印機(jī)各色版的機(jī)械套準(zhǔn)。文獻(xiàn)[7]比較了標(biāo)準(zhǔn)圖像與實(shí)際套準(zhǔn)圖像，得出角度和位置的偏差值，并據(jù)此調(diào)節(jié)印刷機(jī)構(gòu)。文獻(xiàn)[8]提取了印刷套準(zhǔn)圖像的兩種特征，即顏色特征和紋理特征，并采用最小距離分類器對(duì)套準(zhǔn)圖像的特征進(jìn)行分類，取得了較好的效果。文獻(xiàn)[9]提出一種套準(zhǔn)偏差自動(dòng)檢測(cè)方法，基于視覺(jué)成像原理拍攝套準(zhǔn)標(biāo)記圖像，采用圖像分析理論建立套準(zhǔn)偏差計(jì)算方法。文獻(xiàn)[10]針對(duì)由青、品紅、黃、黑印刷原色色點(diǎn)組成的套印圖標(biāo)，建立了由不同色點(diǎn)圓心距離表征套印精度的方法。文獻(xiàn)[11]介紹了一種基于機(jī)器視覺(jué)的印刷套準(zhǔn)標(biāo)識(shí)檢測(cè)，對(duì)印版的測(cè)量標(biāo)記進(jìn)行圖像識(shí)別和分析，在HSI彩色空間的基礎(chǔ)上，通過(guò)色調(diào)、飽和度和灰度的三維特征空間映射對(duì)彩色圖像進(jìn)行分割，得到與印刷產(chǎn)品圖像質(zhì)量相關(guān)的參數(shù)。這些檢測(cè)方法都取得了一定的效果，但有些算法過(guò)于復(fù)雜，檢測(cè)的準(zhǔn)確率不高。

本文重點(diǎn)研究了印刷套準(zhǔn)檢測(cè)系統(tǒng)，搭建了印刷套準(zhǔn)標(biāo)志的圖像獲取平臺(tái)，并提取了標(biāo)志圖像的Tamura紋理特征，設(shè)計(jì)了支持向量機(jī)的印刷套準(zhǔn)標(biāo)志分類器，以實(shí)現(xiàn)印刷套準(zhǔn)與套不準(zhǔn)兩類狀態(tài)的分類。

1 印刷套準(zhǔn)機(jī)器視覺(jué)識(shí)別系統(tǒng)

印刷套準(zhǔn)機(jī)器視覺(jué)識(shí)別流程如圖1所示。通過(guò)印刷標(biāo)志圖像獲取系統(tǒng)(見(jiàn)圖2)獲取印刷標(biāo)志圖像(套準(zhǔn)圖像和套不準(zhǔn)圖像)，經(jīng)過(guò)圖像預(yù)處理操作后，提取印刷標(biāo)志圖像的紋理特征，訓(xùn)練分類器，得到分類器模型。在測(cè)試階段，用此分類器模型對(duì)未知標(biāo)簽的套準(zhǔn)標(biāo)志圖像特征進(jìn)行分類，得出套準(zhǔn)與套不準(zhǔn)兩種狀態(tài)，實(shí)現(xiàn)印刷套準(zhǔn)檢測(cè)。

圖1 印刷套準(zhǔn)機(jī)器視覺(jué)識(shí)別流程

圖2 印刷標(biāo)志圖像獲取系統(tǒng)

為了獲取較好的圖像質(zhì)量，采用具有較高分辨率的CCD攝像機(jī)(本系統(tǒng)中采用640×480像素)。經(jīng)過(guò)A/D轉(zhuǎn)換器，將攝像機(jī)獲取的模擬信號(hào)轉(zhuǎn)換為數(shù)字信號(hào)，然后再將數(shù)字信號(hào)傳輸給圖像工作站進(jìn)行下一步的圖像處理。

2 印刷套準(zhǔn)標(biāo)志的Tamura紋理特征提取

印刷套準(zhǔn)標(biāo)志的紋理特征反映了心理學(xué)角度上的紋理屬性，正好對(duì)應(yīng)于Tamura紋理特征[12-15]的幾個(gè)分量。本文通過(guò)提取印刷套準(zhǔn)標(biāo)志的Tamura紋理特征的粗糙度、對(duì)比度和方向度分量來(lái)刻畫(huà)印刷套準(zhǔn)標(biāo)志的心理特點(diǎn)。

1)粗糙度

印刷套準(zhǔn)標(biāo)志圖像粗糙度計(jì)算如下。首先計(jì)算圖像中大小為2k×2k個(gè)像素的活動(dòng)窗口中像素的平均灰度值A(chǔ)k(x,y)，即有

(1)

式中：k=0,1,…,5，g(i,j)是位于像素(i,j)的灰度值。然后分別計(jì)算每個(gè)像素在水平和垂直兩個(gè)方向上互不重疊的窗口之間的平均灰度差

(2)

式中：Ek,h(x,y)和Ek,y(x,y)分別是水平方向和垂直方向互不重疊的窗口之間的平均灰度差。將取最大E值的k設(shè)置為最佳值Sbest(x,y)=2k。最后粗糙度Fcrs可以通過(guò)計(jì)算整幅圖像中Sbest的平均值來(lái)得到，公式為

(3)

式中：m和n為圖像矩陣的行數(shù)和列數(shù)。Sbest(i,j)是中心位于(i,j)的窗口最佳值。

2)對(duì)比度

圖像對(duì)比度是指圖像上明暗區(qū)域的灰度層級(jí)，層級(jí)多代表對(duì)比度大，可以通過(guò)對(duì)像素灰度分布情況的統(tǒng)計(jì)得到的。對(duì)比度Fcon計(jì)算公式如下

(4)

式中：α4=μ4/σ4，μ4是像素灰度均值的四階矩，σ2是方差。該值給出了整個(gè)圖像或區(qū)域中對(duì)比度的全局度量。

3)方向度

θ=arctan(ΔV/ΔH)+π/2

(5)

(6)

計(jì)算出所有像素的梯度向量后，構(gòu)造直方圖HD。計(jì)算直方圖中峰值的尖銳程度(即波峰周?chē)档淖兓偤?來(lái)獲得圖像總體方向性Fdir，表示如下

(7)

式中：p代表直方圖中的某個(gè)峰值，np為直方圖中所有的峰值，wp代表該峰值p所包含的量化值范圍，φp是wp中具有最大直方圖值的量化數(shù)值，HD(φ)為屬于wp的φ的直方圖。

3 支持向量機(jī)

支持向量機(jī)[16-17]是Cortes和Vapnik在1995年提出，建立在結(jié)構(gòu)風(fēng)險(xiǎn)最小化基礎(chǔ)之上，有較好的泛化能力。與神經(jīng)網(wǎng)絡(luò)相比，它在解決小樣本、非線性及高維模式識(shí)別中表現(xiàn)出許多特有的優(yōu)勢(shì)，被廣泛用于數(shù)據(jù)分類和回歸。支持向量機(jī)數(shù)學(xué)模型為

s.t.yi[(w·xi)+b]≥1-ξi,ξi≥0

(8)

其相應(yīng)的對(duì)偶問(wèn)題為

(9)

4 實(shí)驗(yàn)及分析

印刷分色得到黃(Y)、品紅(M)、青(C)和黑(K)，共有4個(gè)印刷色版，在印刷過(guò)程中，依次相互疊印實(shí)現(xiàn)4色套印，任何兩個(gè)色版套準(zhǔn)是4色套準(zhǔn)的基礎(chǔ)。本文研究的是兩個(gè)灰度圖像之間的套準(zhǔn)，即獲取的C、M、Y和K圖像先進(jìn)行去色操作，獲得灰度圖像，然后再進(jìn)行圖像之間的套準(zhǔn)識(shí)別。本文通過(guò)圖像獲取平臺(tái)獲得的印刷標(biāo)志灰度圖像見(jiàn)圖3。圖3a是套準(zhǔn)的圖像，圖3b是5個(gè)套不準(zhǔn)的圖像。本實(shí)驗(yàn)通過(guò)圖像獲取平臺(tái)分別獲取30個(gè)套準(zhǔn)圖像和30個(gè)套不準(zhǔn)圖像，對(duì)60個(gè)圖像進(jìn)行預(yù)處理，然后提取Tamura紋理特征，部分印刷標(biāo)志圖像的Tamura特征見(jiàn)表1。

圖3 印刷標(biāo)志圖像

序號(hào)粗糙度對(duì)比度方向度標(biāo)簽1352588498019930206561123528706989855302052471335580471003665001088111435635449851138022447015355353699912170117760163539107993883301192271736887608610287899×10-9-1836651238767456901×10-9-1936887608610287899×10-9-11036651138767456901×10-9-11136889008610287899×10-9-11236651428767456902×10-9-1……………6036651398767646900×10-9-1

在本實(shí)驗(yàn)中支持向量機(jī)分類器采用臺(tái)灣林智仁教授開(kāi)發(fā)的Libsvm工具箱。實(shí)驗(yàn)中的算法采用MATLAB編程，在Intel Core i3-2100，3.10 GHz的計(jì)算上實(shí)施。訓(xùn)練集由20個(gè)套準(zhǔn)圖像和20個(gè)套不準(zhǔn)圖像組成，其余已知標(biāo)簽的圖像作為測(cè)試集。支持向量機(jī)采用高斯徑向基核函數(shù)，在訓(xùn)練集上采用網(wǎng)格優(yōu)化的方法獲取最優(yōu)的懲罰參數(shù)C和γ(γ=1/2σ2，σ是核寬度)。文獻(xiàn)[8]中提出提取印刷標(biāo)志圖像的灰度共生矩陣，然后采用最小距離法進(jìn)行套準(zhǔn)識(shí)別。本文建議的方法與文獻(xiàn)[8]提出的方法和人工檢測(cè)進(jìn)行比較，獲得的識(shí)別準(zhǔn)確率和識(shí)別耗時(shí)比較見(jiàn)表2。從表2中可以看出，采用文獻(xiàn)[8]和本文建議的方法都比人工檢測(cè)的識(shí)別準(zhǔn)確率高，與文獻(xiàn)[8]相比，本文建議的方法識(shí)別準(zhǔn)確率提高了5%。在識(shí)別速度上，文獻(xiàn)[8]和建議的方法耗時(shí)分別為0.043 452 s和 0.032 751 s， 遠(yuǎn)低于人工檢測(cè)的時(shí)間(2 s)，且建議的方法也比文獻(xiàn)[8]的方法耗時(shí)少0.010 701 s。支持向量機(jī)對(duì)于小樣本的模式識(shí)別具有優(yōu)勢(shì)，而且是基于結(jié)構(gòu)風(fēng)險(xiǎn)最小化算法，因此在分類識(shí)別時(shí)，泛化能力強(qiáng)，識(shí)別準(zhǔn)確率高。

表2 識(shí)別準(zhǔn)確率比較

對(duì)比項(xiàng)人工方法文獻(xiàn)[8]本文建議的方法識(shí)別準(zhǔn)確率/%808590識(shí)別時(shí)間/s200434520032751

5 小結(jié)

本文提出了印刷套準(zhǔn)標(biāo)志的識(shí)別方法，提取了套準(zhǔn)標(biāo)志的Tamura特征，包括粗糙度、對(duì)比度和方向度，并設(shè)計(jì)了支持向量機(jī)的分類識(shí)別方法，實(shí)驗(yàn)證實(shí)取得了較好的印刷套準(zhǔn)識(shí)別效果。如何獲得套準(zhǔn)誤差及控制調(diào)節(jié)結(jié)構(gòu)實(shí)現(xiàn)印刷套準(zhǔn)是下一步研究重點(diǎn)。

[1] 孟璇. 單張紙膠印機(jī)自動(dòng)套準(zhǔn)的研究[D].西安：西安理工大學(xué)，2006.

[2] 李治江，董川，楊萍，等. 基于序貫相似性檢測(cè)算法的彩色印品套準(zhǔn)精度檢測(cè)方法[J].中國(guó)印刷與包裝研究，2014，6(2)：30-35.

[3] 王梅，李克天，趙榮麗，等. 印刷自動(dòng)套準(zhǔn)偏差檢測(cè)軟件的主要技術(shù)問(wèn)題分析[J].包裝工程，2008，29(12)：122-124.

[4] 謝志萍. 基于圖像模式識(shí)別與PLC控制的印刷套準(zhǔn)自適應(yīng)系統(tǒng)[J].計(jì)算機(jī)應(yīng)用研究，2011，28(9)：3404-3406.

[5] 張海燕，趙博. 基于圖像處理的單張紙膠印機(jī)對(duì)角線套準(zhǔn)及自動(dòng)控制系統(tǒng)[J].包裝工程，2005，26(2)：50-51.

[6] 王枚，潘國(guó)華，初永玲，等. 基于彩色圖像配準(zhǔn)的膠印十字星校正方法[J].中國(guó)印刷與包裝研究，2012，4(4)：86-90.

[7] 王梅，趙榮麗，李克天，等. 印刷自動(dòng)套準(zhǔn)標(biāo)記識(shí)別方法的研究[J].包裝工程，2007，28(8)：60-62.

[8] 于麗杰，李德勝. 彩色印刷套準(zhǔn)識(shí)別方法研究[J].計(jì)算機(jī)工程與應(yīng)用，2011，47(5)：163-165.

[9] 王躍宗，劉京會(huì)，李德勝，等. 套準(zhǔn)偏差自動(dòng)檢測(cè)方法[J].機(jī)械工程學(xué)報(bào)，2009，45(12)：242-246.

[10] 趙明炎，徐艷芳，王瑜，等. 基于數(shù)字圖像處理的套印誤差檢測(cè)方法[J].北京印刷學(xué)院學(xué)報(bào)，2009，17(2)：1-4.

[11] 李德勝，于麗杰，黃云峰，等. 基于機(jī)器視覺(jué)的印刷套準(zhǔn)標(biāo)識(shí)檢測(cè)[C]//北京市紀(jì)念中國(guó)博士后制度實(shí)施二十周年——首都現(xiàn)代制造技術(shù)發(fā)展論壇論文集.北京：出版者不詳，2005：133-140.

[12] JING J，ZHANG H，WANG J，et al. Fabric defect detection using Gabor filters and defect classification based on LBP and Tamura method [J].Journal of the Textile Institute，2013，104(1)：18-27.

[13] MAJTNER T，SVOBODA D. Extension of Tamura texture features for 3D fluorescence microscopy[C]//Proc. Second Joint 3DIM/3DPVT Conference： 3D Imaging， Modeling， Processing， Visualization and Transmission. Piscataway，NJ，USA：[s.n.]，2012：301-307.

[14] LI Fugui，HUANG Tianqiang. Video copy-move forgery detection and localization based on Tamura texture features[C]//Proc. The 6th International Congress on Image and Signal Processing (CISP). Piscataway，NJ，USA：[s.n.]，2013：864-868.

[15] LI Xiaoqiang，SUN Qing，WANG Jingjing. Classification of tongue coating using Gabor and Tamura features on unbalanced data set[C]//Proc. IEEE International Conference on Bioinformatics and Biomedicine (BIBM). Piscataway，NJ，USA：[s.n.]，2013：108-109.

[16] ARNOSTI N A，KALITA J K. Cutting plane training for linear support vector machines[J].IEEE Trans. Knowledge and Data Engineering，2013，25(5)：1186-1190.

[17] BRAUN A C，WEIDNER U，HINZ S. Support vector machines，import vector machines and relevance vector machines for hyperspectral classification - A comparison[C]//Proc. the 3rd Workshop on Hyperspectral Image and Signal Processing：Evolution in Remote Sensing. Piscataway，NJ，USA：[s.n.]，2011：1-4.

Study on Printing Registration Recognition Based on Machine Vision

JIAN Chuanxia, GAO Jian, LI Ketian, AO Yinhui

(SchoolofElectromechanicalEngineering,GuangdongUniversityofTechnology,Guangzhou510006,China)

To solve the accuracy and speed of printing registration detection, Tamura textures of the printing mark images are extracted, including coarseness, contrast and directionality, which describe the registration features of printing marks. The classifier of Support Vector Machine (SVM) is proposed to identify the registration of printing mark images, and Gaussian radial basis function is used as kernel function in SVM for nonlinear classification. Experimental results show that recognition accuracy achieves 90%, and occupied time of image recognition is 0.032 751 s using the proposed method of feature extraction and classification. The proposed method is superior to manual detection and the method in the reference [8] in recognition accuracy and time.

machine vision; printing registration; texture; support vector machine

國(guó)家“973”計(jì)劃項(xiàng)目(2011CB013104)；國(guó)家自然科學(xué)聯(lián)合基金重點(diǎn)合作項(xiàng)目(U1134004；51275093)；高等教育學(xué)科建設(shè)重點(diǎn)項(xiàng)目(2012CXZD0020)；廣東省專項(xiàng)研發(fā)項(xiàng)目LED行業(yè)基金項(xiàng)目(2011A081301001；2012A08030300)

TP391.41

A

10.16280/j.videoe.2015.16.019

2015-01-07

【本文獻(xiàn)信息】簡(jiǎn)川霞，高健，李克天，等.基于機(jī)器視覺(jué)的印刷套準(zhǔn)識(shí)別方法研究[J].電視技術(shù),2015，39(16).

簡(jiǎn)川霞(1979— )，博士生，主研圖像處理、機(jī)器視覺(jué)和模式識(shí)別。

責(zé)任編輯：任健男