随着机器视觉相关技术的发展,微视觉领域在检测精度以及自动化程度方面的要求也越来越高。传统人工精密检测的方法,存在误差较大、效率较低等问题。机器视觉技术以其独有的非接触性、高精度等特性,逐渐占据越来越多的市场份额,在工业领域的应用也逐渐增多。但是在微视觉领域,普遍存在低信噪比、大数据量、视野范围较小等问题,以上问题会直接影响检测的精度及效率,尤其在本文研究内容涉及的微靶球检测领域尤为明显。因此本文结合信息论理论和视觉注意算法,提出了一种在微视觉环境下的基于视觉熵注意机制的微靶球快速检测方法。(1)首先采用多视场协同检测的方法,利用低分辨率但视野较大的镜头采集微靶球的大视场图像。应用视觉注意算法,获取大视场图像中的感兴趣区域,进而获取感兴趣区域坐标,得到小视场图像。在小视场图像中提取微靶球的特征,进行处理、筛选,最终融入大视场图像中获取微靶球坐标位置。(2)在视觉注意算法的研究过程中,本文以微视觉环境为研究背景,将信息论理论和机器视觉相结合,提出了一种基于熵值计算方法的视觉注意算法。算法的推导以生物学中人眼的余光感知机制为起点,结合概率论理论和信息论熵值理论,经演变推导得到视觉熵注意算法,以此算法来提取大视场中的感兴趣区域。文中实验结果表明,在微视觉环境下,视觉熵注意机制能够精确、高效的获取大视场中的显著区域。(3)由于微视觉图像低信噪比的特点,需要进行图像增强处理,来获取更清晰、准确的微靶球图像。但由于微靶球的高度聚集性,使得视野的大部分区域都没有微靶球的分布。为了降低无目标区域的噪点对整体图像的影响,本文采取局部图像增强的方法,应用目标边缘增强和照度增强相结合的算法,来获取精确的微靶球信息。文中实验表明在图像增强这一环节所应用的方法相对其他方法能够有效、精准的增强微靶球的显示效果。(4)在成功获取大、小视场之后,针对大、小视场图像的目标进行特征提取及匹配处理,但是由于微视觉图像大数据量、低信噪比等特征,造成传统的特征提取匹配算法无法得到精确的结果。因此在传统算法的基础上,文中提出一种目标轮廓差分熵敛散性判别算法,有针对性的消除误识别、误匹配现象,提高筛选精度。