机器视觉是一种理想的非接触检测技术,对于提高生产效率和提升产品质量有着重要的意义,具有广阔的应用和发展前景。图像处理是机器视觉的核心技术之一,能否从图像中得到准确的分析结果决定了机器视觉检测的成败。如何对图像提取合理、有效的特征长期以来都是图像处理等领域中的研究热点,是决定算法性能的关键因素。图像特征表示方法的发展为视觉检测应用打下坚实的理论基础,而有效利用多视图像的信息为提高机器视觉检测能力提供了新的方法,例如增强对模型的特征描述能力以及扩大检测的视场范围。本课题围绕多视图视觉检测理论与应用中的关键问题展开研究,提出相应的解决方法。本论文共分为七章,各章的主要研究内容如下:第一章,阐述了课题的研究背景和意义,综述了机器视觉的发展与应用概况,同时介绍了图像特征表示理论、多视图特征表示、图像质量评价、多视图像拼接等领域的研究现状,分析了多视图视觉检测研究面临的主要问题,并阐明了本课题的主要研究内容。第二章,对基于视图的三维物体特征描述问题进行研究,提出一种多视图目标特征融合方法。算法采用词袋模型对图像提取特征,解决了传统视觉单词量化过程中的歧义性问题,得到准确的视觉单词频率直方图特征向量;另外通过向量相似度估计视图之间的重叠关系,并对同一对象的多个视图进行合并,得到完整的模型特征;最后在模型匹配过程中考虑每个视觉单词的重要性。与现有方法相比,本方法不需要设计复杂的相机阵列,可以采用灵活的方式获取多个视图,而且多视图融合特征在模型匹配时更加合理,在多视图模型检索实验中表现出更好的性能。第三章,对图像质量评价技术进行研究,分析了在机器视觉系统中由于对焦不准确导致的离焦模糊的失真特点,并提出一种基于统计特征模型的无参考模糊图像质量评价方法。算法对待测图像块和多张高质量自然图像分别提取空间域自然场景统计特征、频域响应统计特征以及信息熵三种统计特征,并对特征进行拟合得到待测图像块与参考图像各自的多元高斯分布模型,通过计算两个模型之间的分布距离估计图像局部失真程度,最后利用相位一致性图对局部质量进行加权计算图像的整体质量。实验结果表明算法具有优异的性能,能够得出和主观评分较为一致的评价结果,并且不会受到图像具体内容影响。此外,在机器视觉场景下对不同类型检测对象进行评价,结果证明本文方法具有很好的通用性。第四章,对多视图像拼接与融合技术进行研究,提出了一种综合了局部优化配准、最佳缝合线以及多分辨率融合的图像拼接算法。针对待拼接图像不满足全局单应性而无法准确配准的问题,提出了一种局部变形调整的优化方法减小投影误差,同时增加全局相似性约束防止图像发生畸变。另外,图像间存在运动物体或视差会使图像重叠区域不能完全对齐从而导致重影、模糊现象。采用最佳缝合线方法避免使图像内容直接叠加,但会带来新的畸变,因此将缝合线向两侧进行扩展,并使用拉普拉斯金字塔的多分辨率融合方法改善融合效果。改进的拼接方法可以有效解决拼接过程中遇到的各类问题,相比现有的方法能够取得更好的拼接结果。第五章,对图像重定位技术进行研究,提出了一种伸缩性能感知的最优双向接缝图像重定位算法。算法基于离散的重定位操作——Seam Carving,针对现有图像重要性分析方法的不足,提出了一种综合了视觉显著性和单向梯度的改进能量函数。另外提出墙——缝模型用于估计出图像的可伸缩率及最优伸缩倍数,并计算出每个方向上最优的接缝数量。采用综合操作迭代地在一个方向上裁剪并在另一个方向上插入接缝从而快速地改变图像的高宽比,最后通过均匀缩放将图像映射至目标尺寸。该算法能够使多种类型的图像匹配到不同分辨率和高宽比的显示设备,相比其他方法引入更少的视觉畸变,得到视觉效果更优的重定位图像。针对机器视觉应用中出现的多视图合成图像,采用本算法可以有效地将其重定位至标准的尺寸格式,从而能够正常地进行显示等处理。第六章,针对实际应用中遇到的图像目标识别、分类、尺寸测量等问题进行研究,分别提出相应的机器视觉检测算法。首先,提出基于局部特征的两级模板匹配方法,实现对不规则目标的识别与尺度等级估计,并将相应的机器视觉检测系统应用到实时的包裹分拣流水线上。另外,提出一种综合了颜色、形状等特征的零件图像识别算法,用于为产品装配过程提供视觉引导信息。在该算法的基础上,搭建了一个机器视觉零件检测系统。最后,本章提出一种基于多视图的机器视觉尺寸测量方法,利用图像拼接技术扩大检测的视场范围,最终实现对大尺寸目标进行高精度测量。第七章,对本课题的主要工作做了总结,指出了研究工作中的创新点,并对后续的研究方向做出展望。