技術(shù)特征：

1.一種基于機(jī)器視覺的服裝尺寸自動(dòng)測(cè)量系統(tǒng)，其特征在于，包括檢測(cè)臺(tái)(1)、光源(2)和CCD相機(jī)(3)，所述的檢測(cè)臺(tái)(1)的上方設(shè)置有光源(2)，所述的光源(2)的上方設(shè)置有CCD相機(jī)(3)，所述的CCD相機(jī)(3)與圖像采集卡(4)連接，圖像采集卡(4)與計(jì)算機(jī)(5)連接，計(jì)算機(jī)(5)上還連接有輸出設(shè)備(6)。

2.一種利用權(quán)利要求1所述的測(cè)量系統(tǒng)進(jìn)行的基于機(jī)器視覺的服裝尺寸自動(dòng)測(cè)量方法，其特征在于，具體按照以下步驟實(shí)施：

步驟1，對(duì)需要尺寸測(cè)量的衣服進(jìn)行圖像采集；

步驟2，用中值濾波的方法對(duì)衣服圖像進(jìn)行濾波，去除圖像中的噪聲；

步驟3，用直方圖均衡化的方法進(jìn)行圖像增強(qiáng)；

步驟4，采用Harris角點(diǎn)檢測(cè)算法對(duì)增強(qiáng)后的圖像P₂進(jìn)行角點(diǎn)檢測(cè)，從而得到初步角點(diǎn)；

步驟5，在步驟4后得到的候選角點(diǎn)集corner(x,y)中的每個(gè)角點(diǎn)內(nèi)總能找到局部峰值，通過局部峰值所代表的像素點(diǎn)就可以確認(rèn)初步角點(diǎn)集corner′(x,y)；

步驟6，將步驟5中得到的初步角點(diǎn)集corner′(x,y)送入Susan角點(diǎn)檢測(cè)算法去除候選角點(diǎn)集中的偽角點(diǎn)，進(jìn)而得到圖像P5中響應(yīng)強(qiáng)烈的角點(diǎn)；

步驟7，采用標(biāo)定角點(diǎn)位置坐標(biāo)的方法，計(jì)算角點(diǎn)位置坐標(biāo)之間的直線距離或水平垂直距離來計(jì)算相應(yīng)的幾何尺寸；

步驟8，輸出衣服的尺寸測(cè)量結(jié)果。

3.根據(jù)權(quán)利要求2所述的基于機(jī)器視覺的服裝尺寸自動(dòng)測(cè)量方法，其特征在于，所述的步驟1具體為：將需要測(cè)量的衣服放在檢測(cè)臺(tái)(1)的背景板上，通過CCD相機(jī)(3)采集衣服的圖像，并且用圖像采集卡(4)將圖像傳輸給計(jì)算機(jī)(5)。

4.根據(jù)權(quán)利要求2所述的基于機(jī)器視覺的服裝尺寸自動(dòng)測(cè)量方法，其特征在于，所述的步驟2具體為：設(shè)x_ij是輸入圖像P₀在(i,j)處的像素，在其周圍開一個(gè)m×n的矩形窗口A；窗口從左向右水平掃描，而后再回到下一行重新掃描；對(duì)每個(gè)窗口內(nèi)的所有像素按其灰度值的大小進(jìn)行排序，求出中值x_m，然后將中值x_m替換成x_ij，去除圖像的噪聲，得到去除噪聲的圖像P₁；

二維中值濾波表達(dá)式如(1)所示：

$y_{i,j}=\underset{A}{Med}\left\{x_{ij}\right\}---\left(1\right)$

式中：y_i,j為矩形窗口中值濾波值，A為矩形窗口，x_ij為圖像在(i,j)處的像素值。

5.根據(jù)權(quán)利要求2所述的基于機(jī)器視覺的服裝尺寸自動(dòng)測(cè)量方法，其特征在于，所述的步驟3具體為：

用灰度變換函數(shù)對(duì)去除噪聲后的圖像P₁進(jìn)行直方圖修正，提高圖像灰度級(jí)的動(dòng)態(tài)范圍，達(dá)到改善圖像質(zhì)量的目的；灰度變換函數(shù)公式如(2)所示：

$\begin{array}{c}{s}_k=T\left(r_k\right)=\underset{i=0}{\overset{k}{\Σ}}\frac{n\left(i\right)}{N}\\ k=0,1,2,...,255\end{array}---\left(2\right)$

式中：N是圖像的像素總數(shù)，n(i)為去噪后圖像的直方圖，r_k為去噪后圖像的第k級(jí)灰度，s_k為變換后的圖像的第k級(jí)灰度；由于只是圖像灰度級(jí)概率密度函數(shù)的近似，因此經(jīng)過直方圖均衡后，能夠得到接近平坦的直方圖，最終得到增強(qiáng)后的圖像P₂。

6.根據(jù)權(quán)利要求2所述的基于機(jī)器視覺的服裝尺寸自動(dòng)測(cè)量方法，其特征在于，所述的步驟4具體為：

步驟4.1，計(jì)算經(jīng)由步驟3得到的增強(qiáng)后的圖像P₂在水平X方向上和垂直Y方向上的灰度梯度，求得兩個(gè)方向梯度的乘積，進(jìn)而得到圖中像素點(diǎn)Q(x,y)的自相關(guān)矩陣M′；

具體進(jìn)行算法實(shí)現(xiàn)時(shí)，采取與卷積相似的方法，分別利用像素點(diǎn)Q在X方向的模板和Y方向上的模板在圖像上移動(dòng)，通過計(jì)算每個(gè)位置所對(duì)應(yīng)的中心像素梯度得到增強(qiáng)后的圖像P₂在X和Y方向上的梯度，再計(jì)算每個(gè)像素點(diǎn)對(duì)應(yīng)的X和Y方向梯度I_x,I_y的乘積，進(jìn)而得到一幅新的圖像P₃，最后得到像素點(diǎn)Q(x,y)的自相關(guān)矩陣M′：

$M^{\′}=\left[\begin{array}{cc}{I^2}_x& I_x{I}_y\\ I_x{I}_y& {I^2}_y\end{array}\right]---\left(3\right)$

其中，I_x,I_y為增強(qiáng)后的圖像像素點(diǎn)在水平和垂直方向上的梯度；

對(duì)新的圖像P₃作高斯濾波，進(jìn)行平滑處理，得到該圖像的自相關(guān)矩陣M，

$M=M^{\′}\⊗w_{u,v}=\left[\begin{array}{cc}{I^2}_x& I_x{I}_y\\ I_x{I}_y& {I^2}_y\end{array}\right]\⊗\exp \[-(u^2+v^2)/2{\mathrm{\δ}}^2\]---\left(4\right)$

式中：I_x,I_y分別為圖像P₃像素點(diǎn)在水平X上和垂直方向Y上的灰度梯度，W_u,v表示均值為零的離散二維高斯函數(shù)；然后得到圖像P₄；

步驟4.2，將待處理圖像P₄矩形區(qū)域窗口w內(nèi)的像素點(diǎn)Q(x,y)向任意方向移動(dòng)微小位移量(u,v)，像素點(diǎn)Q(x,y)的灰度為f(x,y)，則像素點(diǎn)Q(x,y)移動(dòng)(u,v)的灰度的改變量E(x,y)如下所示：

$\begin{array}{c}E(x,y)=\underset{u,v}{\Σ}{w}_{u,v}{\[f(x+u,y+v)-f(u,v)\]}^2\\ =\underset{u,v}{\Σ}{w}_{u,v}{\[u\frac{\∂f}{\∂x}+v\frac{\∂f}{\∂y}+o(u^2,v^2)\]}^2\\ ={\mathrm{Ax}}^2+{\mathrm{By}}^2+2C_{xy}\end{array}$

將與自相關(guān)函數(shù)相聯(lián)系的矩陣M代入上式后，得到每個(gè)像素點(diǎn)Q(x,y)移動(dòng)(u,v)的灰度的改變量E(x,y)如下所示：

E(x,y)＝(x,y)M(x,y)^T

式中：E(x,y)表示灰度的改變量，其與局部自相關(guān)函數(shù)很接近，M是像素點(diǎn)Q(x,y)的自相關(guān)矩陣，描述了這個(gè)自相關(guān)函數(shù)在原點(diǎn)的形狀；

步驟4.3，使用自相關(guān)矩陣M的跡Tr(M)和矩陣M的行列式值Det(M)代替特征值的求取，下式的局部區(qū)域最大值為角點(diǎn)；

T＝Det(M)-kTr²(M)

考慮到高對(duì)比度的邊界點(diǎn)被誤檢的概率很高，所以對(duì)減號(hào)右邊部分進(jìn)行了修正，將k設(shè)定為Harris算子的參數(shù)，一般取0.04～0.06；

因此定義角點(diǎn)邊沿響應(yīng)函數(shù)CRF：

$\begin{array}{c}CRF=\det \left(M\right)-{\mathrm{ktrace}}^2\left(M\right)\\ =\frac{1}{({I^2}_x+{I^2}_y)+\mathrm{\ϵ}}\{{I^2}_x{I^2}_y-{\left(I_x{I}_y\right)}^2\}\end{array}$

計(jì)算出的響應(yīng)函數(shù)CRF所對(duì)應(yīng)的極大值點(diǎn)，由這些點(diǎn)構(gòu)成候選角點(diǎn)集corner(x,y)，進(jìn)而得到有初步角點(diǎn)的新圖像P₅。

7.根據(jù)權(quán)利要求2所述的基于機(jī)器視覺的服裝尺寸自動(dòng)測(cè)量方法，其特征在于，所述的步驟6具體為：

步驟6.1，計(jì)算模板的相似度函數(shù)及圓形掩膜區(qū)域面積，

使用一個(gè)包含37個(gè)像素的圓形模板，將模板中每個(gè)像素的灰度與模板中心的灰度進(jìn)行比較，計(jì)算出相似度函數(shù)值；

具體步驟為：將包含37個(gè)像素的圓形模板中的每個(gè)像素的灰度與模板中心的灰度進(jìn)行比較，相似度函數(shù)如式(5)所示：

$c(\stackrel{\‾}{r},r_{\stackrel{\‾}{0}})=\exp \{-\[\frac{I\left(r\right)-I\left(r_0\right)}{t}\]\}---\left(5\right)$

式中：和分別是模板中心點(diǎn)和模板中其它點(diǎn)的坐標(biāo)，為模板中點(diǎn)的坐標(biāo)比較結(jié)果，t是角點(diǎn)檢測(cè)算法的閾值，與檢測(cè)角點(diǎn)的數(shù)量有關(guān)，t值越大檢測(cè)角點(diǎn)數(shù)量越?。?/p>

通過迭代法計(jì)算圓形模板的閾值t，將使不同對(duì)比度的圖像能夠得到與圖像對(duì)比度適應(yīng)的閾值；將掩膜區(qū)內(nèi)的每個(gè)像素點(diǎn)進(jìn)行比較，那么掩膜區(qū)的像素點(diǎn)個(gè)數(shù)就是USAN區(qū)域的面積即

$n\left({\stackrel{\‾}{r}}_0\right)=\mathrm{\Σ}C(\stackrel{\‾}{r},{\stackrel{\‾}{r}}_0)---\left(6\right)$

根據(jù)公式(6)然后分別計(jì)算初步角點(diǎn)集corner′(x,y)中的各初步角點(diǎn)坐標(biāo)下圖像上的值；

步驟6.2，將初步角點(diǎn)集corner′(x,y)的初步角點(diǎn)坐標(biāo)下圖像上的值代入式(7)，可以將候選角點(diǎn)集中的不符合偽角點(diǎn)響應(yīng)函數(shù)的值去除，進(jìn)一步將邊緣角點(diǎn)周圍的偽角點(diǎn)擦除，沒有偽角點(diǎn)影響衣服尺寸測(cè)量的精度，最終得到了沒有偽角點(diǎn)的圖像P₆；

式中：g是幾何閾值，決定提取的角點(diǎn)的尖銳程度，進(jìn)行角點(diǎn)提取時(shí)取g＝1/2_max。

8.根據(jù)權(quán)利要求2所述的基于機(jī)器視覺的服裝尺寸自動(dòng)測(cè)量方法，其特征在于，所述的步驟7具體為：

步驟7.1，為了得到衣服的真實(shí)尺寸，采用標(biāo)定角點(diǎn)位置坐標(biāo)的方法，計(jì)算圖像P₆中角點(diǎn)位置坐標(biāo)之間的直線距離或水平垂直距離來計(jì)算相應(yīng)的幾何尺寸，通過真實(shí)尺寸計(jì)算公式進(jìn)行計(jì)算，如式(8)所示：

$\left\{\begin{array}{c}k=L_0/L_1\\ L_2=\sqrt{{(x_0-x_1)}^2+{(y_0-y_1)}^2}\\ L_3={\mathrm{kL}}_2\end{array}\right.---\left(8\right)$

式中：L₀是長方形服裝面料標(biāo)準(zhǔn)件的實(shí)際長度，L₁是標(biāo)準(zhǔn)件在圖像中所占的長度，經(jīng)過計(jì)算k值為0.953；x₀,x₁,y₀,y₁分別是兩個(gè)角點(diǎn)位置的坐標(biāo)值，L₂是所測(cè)衣服圖像中兩個(gè)角點(diǎn)之間的長度，L₃為所測(cè)衣服實(shí)際的長度。