（机械制造及其自动化专业论文）图像特征提取在逆向工程三维建模中的研究及应用.pdf

中文摘要 摘要 目前，逆向工程广泛应用于新产品设计制造中，图像特征提取建模是逆向工 程研究中的重要内容。论文以图像特征提取在逆向工程三维建模为研究对象，分 别从图片和三角网格中提取图像的特征轮廓线。提出了基于图像边缘提取小孔特 征轮廓的建模方法和多种子点提取特征线的方法。 针对小孔的逆向建模设计，为提高建模效率、质量和孔的位置精度，提出了 基于图像边缘提取小孔特征轮廓的建模方法。该方法通过对三维扫描中采集的 c c d 图像进行图像增强处理：主要包括图像平滑去噪、图像灰度处理；利用改进 后的形态学梯度边缘检测算子对孔完成边缘轮廓线提取，再导入三维设计软件中 完成数据建模。将该方法应用于某款车灯灯座的逆向设计中，灯座上有许多安装 和定位的小孔，利用改进形态学梯度提取的轮廓线完成孔的建模，将其与传统逆 向建模得到的孔做各孔的位置精度分析，结果表明通过图像特征提取后的轮廓线 得到的小孔三维数据，其位置精度比传统建模更接近原始设计数据，并且在建模 效率上也明显提升，简化了建模方法。 在对三角网格特征线提取中，提出一种基于多种子点提取特征线的方法。先 根据各节点的曲率大小和法向矢量检测整体网格数据的特征轮廓存在区域并用不 同的颜色凸显；在适当位置指定种子点并计算种子点的相关属性；构建节点评估 函数模型来选择路径节点；最后将提取的特征轮廓线进行光顺处理。通过实例表 明，该算法不仅对封闭特征和锐利边缘提取有效，还对开口特征和特征变化平缓 的区域有效，尤其对相同特征分叉时提取的准确性更高。因此验证了该算法在三 角网格数据边界提取中具有良好的可行性、鲁棒性和实用性。 将该两种方法应用于车灯座和汽车油泥模型特征线提取和建模实例中，验证 了以上方法是有效的和可行的。 关键词：特征提取，形态学梯度，逆向工程，评估函数，光顺处理 重庆大学硕士学位论文 英文摘要 a b s t r a c t c u r r e n t l y ，r e v e r s ee n g k e 血gi s 谢d e l yu s e d i nn e wp r o d u c t sd e s i g na 1 1 d m a i l u f k t u r e i m a g ef e 砷u r ee ) 【仃a c t i o ni so n es i g i l i f i c 锄tp a r to fi 沁v e r s ee n g i l l e e r i n g r e s e a r c h i ti st h eo b j e c to fs t u d yo f 衄e ed i m e n t i o n a lm o d e l i n gi nr e v e r s ee n g i n e e r i n g t h ef e a ：t u r el i i l e sa r ee x t r a 酏e d 矗o mp i c t l l r e sa i l d 1 r e et r i a n g u l a rm e s h e s t l l i ss t u d y p r o p o s e st w om e 也o d t h ef i r s to n e i sc r e a t i n gh o l e sb a s e do ni m a g ef ea t l 瞰ee x t r a c t i o n t h ea n o t h e ro n ei sa i la l g o r i t h mf o re x 仃a c t i n gf b a n 聆c u r v e so n 仃i a l l g l em e s h e sb a s e d o nm u l t i - s e e dp o i n t s i na l l u s i o nt oh o l em o d e l i l l gi nr e v e r s ee n g i n e e r i n gf o ri i n p r o v i i l gp o s “i o n a l p r e c i s i o n ，t h es t u d yh a sp r o p o s e dam 劬o do fc r e a t i n gh 0 1 e sb a s e do ni m a g ef e a t u r e e x t r a c t i o n t h ep r o c e s si n c l u d e st 1 1 r e em a i l ls t e p s f i r s t ，1 ei m a g e ss h o u l db eh a n d l e d 晰t 1 1i m a g ee n l m c e m e n tt e c n o l o g y n e x t ，e x 廿a l c tm ec o n t o u r1 i n e so fh 0 1 e s 诵也 i m p r o v e dm o 印h 0 1 0 9 i c a lg r a d i e n to p e r a t i o n f i n a l l y ，t h ee x t r a c t e df e a t u r e l i n e sa r e i m p o n e di nm o d e l i n gs o r t h em 弛o d h a l sb e e na p p l i e dt oo n ec a r1 锄ph 0 1 d e r n e c o m p a r a t i v ea n a l y s i so f t h eh 0 1 ep o s i t i o np r e c i s i o nb e t 、v e e nt r a d i t i o n a lm o d e l i n gw a y s a 1 1 dt h ep r o p o s e dm e t h o dh a v eb e e nd o n e t h er e s u l t ss h o wm a tt l l i sm e t h o di sm o r e a c c u r a t et h a nt r a d i t i o n a lw a y st o 聊dh o l em o d e l i n g f o re x t 础c t i n gf e a t l 鹏l i n e si nt r i a i l g l em e s h e s ，t l l i ss t u d ya l s op r 叩o s e sa i l a l g o r i t h mf o re x 仃a c t i n gf e a ：t u r ec u r v e so n 仃i a n g l em e s h e sb a s e do nm u l t i s e e dp o i n t s f e a ：t u r el i n ep o s i t i o n so ft r i a n g ：l l l a rm e s h e s 、e r ed e t e c t e do nn l eb a l s i so fc u i n r a ：t u r ev a l u e a n dn o m a lv e c t o r ，h i g l l l i g h t e dt 1 1 e s ep o s i t i o n s 谢t 1 1d i 岱蹦e n tc 0 1 0 u r s t oa s s i g ns e v e r a j s e e dp o i n t so nm ep r o p e rp o s i ! t i o n ，锄dc o m p u t em e i rf e a n l r ea t t r i b u t e s c o n s t n l c tt l l e n o d ea s s e s s m e n tm n “o n s 锄dc h o o s ec o r r e c tp a mn o d e s f i n a l l y ，s m o o t l l 伍ec u r v e s e x t r a c t e d 丘o mt 1 1 et r i a l l g u l a rm e s h e s e x p e r i m e n t a l r e s u l t ss h o wt l l a tm em e 也o dc o u l d b ee f f e c t i v en o t0 1 1 1 yi ne ) ( n 锨i n gc l o s e df e a t u r e 吼l r v e s ，b u ta l s oo p e n e df e a ：t u r e c u r v e sa n dt h er e g i o nf b 狐聪sa r ec h a l l g i n gg e n t l y i ti s1 1 i 曲e ra c c 唧c et 1 1 a 1 1o 也e r m e t h o d st 0d e t e c tf e a t u r ea t 也eb 咖c hf e a ：t u r er e g i o n s k 舒w o r d s ：f e a t u r ee x t a c t i o 玛m o 巾h o l o g i c a lg r a d i e n t ，r e v e r s ee n g i i l e e r h 喀，f u n c t i o n e v a l 咖i o n ，s m o o t h j n g i i i 1 绪论 1 绪论 1 1 图像特征提取研究的国内外现状 伴随着计算机技术、数字测量技术的不断提高，以及三维建模软件的专业化， 功能多样化等，使得逆向工程在三维特征造型、计算机图像识别、数字化设计与 制造和计算机图像数字处理等领域有着十分重要的应用，产品特征重构是逆向工 程研究的核心技术之一。在产品逆向设计时，特征轮廓线提取对各个特征模型重 构都拥有重要的意义。可以将图像特征提取分成两个方面来研究：从三维图形 中提取，从c c d 图片中提取。 几何特征是几何造型的关键要素，它对控制几何形体的形状具有极为重要的 作用。产品逆向设计就是根据扫描得到实物的点云数据，然后利用计算机建模软 件对产品的几何形状特征和拓扑信息完成设计和改进。最基本的特征是点、线、 面。点云数据中的特征轮廓线不仅仅是重要的基本特征，也是用于确定各曲面范 围的依据，对产品特征重构的质量和精度都要重要影响【2 j 。在文献 3 ，4 中，提出一 种构建球面参数模型来进行三角网格数据的特征轮廓提取，这种方法得到的边界 线比较准确，然后需要占用大量的计算机系统资源，并且处理计算的速度缓慢。 李江雄【5 j 将杂乱无序的点云进行三角网格化处理，根据网格的各种特性检测出边界 上的和非边界区域的网格，该算法对海量点云数据处理有效，对点云密度小的数 据不能有效提取出特征。s h e n gh a l lh 叭等【6 】提出单一种子点的搜索方法，它可以 减少噪声对每个节点的影响，仅对具有相同曲率、特征曲线闭合的网格提取有效， 仍具有以下四个缺点：仅用一个种子点进行搜索，时间和空间复杂性高，效率 低；对开口的特征线提取时，正负收索方向无法汇合，即使对封闭特征提取时， 如果汇合节点不在同一网格节点，也很容易导致特征线提取失败；对曲率发生 变化的特征提取不容易成功；用两节点之间的连线来构成特征线，导致提取的 特征线弯曲，虽采用了文献1 7 弗j 中的方法来光顺路径，但效果不佳，特征曲线呈锯 齿状不均匀分布，不利于三维逆向建模时对曲线的利用和编辑。 刘胜兰等【9 】提出的基于边的方法来提取三角网格模型的特征线，利用顶点加权 法、均匀化法来减少在各个细小狭窄三角形片体处的计算误差，能实现自动回溯 寻找边界特征点，但仅适用于一般自由曲面，并在收索过程中容易产生曲线波动和 曲线中断现象，对与图像中虚假特征点具有很强的敏感性。肼sd e m a r s i n 【l o 】提出 了基于图论和法向量估计来提取点云数据中具有锐利边缘的封闭特征线，主要的 优点是创建的群主比原始数据少，缺点是对曲率变化不连续和非锐利边缘的特征 提取困难。h w 6 0 i l l j 利用八叉树三维网格来划分点云数据，将数据分成一个个如同 重庆大学硕士学位论文 细胞一样的单元，却不能保证每次切片厚度，导致提取精度下降。y a n w e i 】g h l 0 等u 2 j 提出了一种对局部特征点提取的算法，并且精妙地应用蛇形算法来平滑提取的路 径，该搜索路径的策略太粗糙，不能够有规则地、平稳地找到质量较好、完整的 路径。k a l l a i 【1 3 】通过一个动态的曲线图反复地评估三角边中的最短的路径，并且有 针对性的在三角边上增加顶点，这样就使得穿过三角边的最短路径变得更加光顺， 但是如果重新构造一个更好满足约束条件的测地线路径和一个新的动态曲线图， 将会耗费大量的计算时间，提取效率低。y - 趾gm 等【1 4 】主要是先计算出点云的主曲 率和方向，对点云密度大的数据完成特征提取，该方法主要基于构建局部二次参 数曲面，对于噪声的点云数据影响较大。还有一些其他有关全自动提取特征边缘 相关的研究【1 孓。1 1 ，其可行性很大程度都受到点云质量和完整性的影响，提取的特 征边界不完整，琐碎，甚至有许多特征线粘连一起等多个缺点，从而需要一系列 的后期处理程序用于修改这些不足，增加了轮廓提取的工作量和难度。目前这类 方法在逆向工程中没有得到广泛应用。 触r a s h d a n 等【2 2 】提出将法向量发生突变的点视为边界上的点，然后基于神经网 络算法完成图像特征边界提取，该方法的缺点是有时候忽略了一些相邻表面法矢 变化较小的点，导致提取出来的边界线不完整。m i k o y 等幽j 通过建立单个二次多项 式曲面，利用建立的曲面来近似地拟合点云数据，再依据曲面的微分特性估算出整 体数据的曲率值，算出曲率的最大、最小值，最后在极值点中选出边界点。胡鑫 等【2 4 】通过计算图像数据陆率，直接计算出点云数据中各点的方向矢量和曲率值，接 着利用计算出来的曲率极值点作为边界上的点，这种方法提取到的特征点也会被 噪声影响。赵吉宾等【2 5 】针对自由点云数据提出的一种特征边提取算法，先构建分 隔截面，然后确定每块截面上的特征轮廓点，最后将各个边界上的点连接起来， 完成曲面边界线的提取，应用范围狭小，主要针对自由曲面的边界。 g a m gy u 等【2 6 】提出基于群簇的小波特征提取方法，每个频道矩阵小波系数被一 系列特定表示的图像分隔成无监督模式的不重叠的群。何文浩等1 2 7 j 通过采用自适 应阈值算法进行边缘检测，文献主要根据图像梯度幅值直方图分析，得到阈值的计 算方法，采用自适应地动态生成阈值，解决了传统算法需要人为设定阈值的缺点。 张悦庭【2 8 】阐述了当根据空间域或者小波变换域进行图像边缘检测提取到的边缘 仅为有限方向的不足，提出采用c o i l t o u r l e t 变换来表示图像中的一些不规则、奇特 的曲线。因为c o n t o u d e t 子带比小波子带更具有良好的方向性能，使得特征检测时 的运算复杂度降低。c l o p e z m 0 1 i 1 1 a 等【2 9 】提出基于三角形准则的万有引力边缘提 取方法，是一种基于掩码的简单算法，具有很强的灵活性和竞争力。 边缘提取在图像处理和计算机视觉应用中占有十分重要的位置，它是底层视 觉处理中非常重要的一个步骤，同样是采用基于边界进行图像分割的基础。在图 2 1 绪论 像中，特征边界表示某个特征区域的结束并且是另外一个特征区域的开始，相同 边界区域的特征或属性是相同的，当然，在不同边界区域内的特征或属性是不一 样的。图像边缘检测主要是根据物体和背景在某个图像特性上的差异来进行区分 的，这种差异包含纹理特征、灰度和颜色等。在对图像进行局部特征线提取时， 在进行微商运算之前，先进行曲面拟合，然后再对拟合曲面进行微商运算；也可 以用一个阶跃曲面来近似拟合数字图像，从它的阶跃幅值来判断它是否为边界上 的点；还可以采用一个函数和图像卷积运算，再对卷积结果进行微商运算提取特 征边界上的点集p 。 图像边缘检测算法可分为如下三类：( 1 ) 传统经典的边缘提取方法中包含拟合 法、微分法等，它们都是基于某种固定的局部运算方法；( 2 ) 以能量最小化为准则 的全局提取方法，类似于小波过滤、统计法、松驰法、规则基地、神经网络分析 法等等；( 3 ) 以分形理论、模糊模式匹配、小波变换、价值区间模糊值、数学形态 学等最近些年提出的图像边缘提取方法。 传统边缘检测算法包括：r 曲e r t s 算子【3 l 】主要根据对角线上相邻像素的差值来 进行梯度幅度检测的，该算子在水平和竖直方向的边缘检测特性比其他方向的检测 特性更优越，并且在定位精度上也比其他方向上的高，缺点是对噪声的影响比较敏 感，而且r o b e r t s 算子不能消除局部的噪声干扰。s o b e l 算子1 3 2 ，3 3 j 利用图像中某像素 四周的相邻点的灰度加权计算，判断其加权值是否为取得极值，如果是则认为该 点为特征边界上的点。该算子对噪声不敏感，能检测出比较精确的边缘方向，但 是由于通过局部平均的方法，同时也会提取出一些虚假的、不需要的边缘特征数 据，并且s o b e l 算子的边缘定位精确度一般，所以当边缘检测对精度要求较低的时 候，可以利用s o b e l 检测算子。p r e 谢t t 算子【3 4 j 采用用两个卷积算子进行边缘检测时， 通常选择幅度较大的作为输出值，它们对边缘方向较为敏感。假如选择它平方和 的开方则可以得到全方位一致响应，得到的结果与实际的梯度值更加吻合。 c 锄y 算子【3 5 】提出了边缘检测算子应该满足以下三个最优准则：第一是单边 缘响应准则，第二是信噪比准则，第三是定位精度准则，在此基础上推算出c a l l l l y 最优边缘提取算子。c a n n y 算法主要是首先采用高斯滤波器对图像进行平滑处理， 然后计算灰度梯度的幅值和方向，接着对图像的梯度进行非极大值抑制，最后选用 双阈值方法对候选边缘点进行检测，连接边缘点得到边缘特征曲线。在实际采集 图像过程中非常容易受到光照强度、周围物质和信号传输等多方面因素的影响，导 致采集得图像中含有噪声。c a l l n y 算法往往在抑制噪声的同时也消弱了对低强度边 缘的保护，从而在一定程度上降低了对边缘检测的效果。吕哲提出了一种改进的 c a n n y 边缘检测算法【3 引，主要利用图像中边缘点和噪声点在梯度方向特性上所存在 的不同，来实现特征边缘的检测和连接，该方法能在抑制噪声的同时较好地保护低 重庆大学硕士学位论文 强度的边缘细节，提高边缘提取的准确性和有效性。 零交叉法【3 7 】是先通过选择滤波器( 如高斯滤波器) 对图像进行滤波，然后寻找零 交叉点作为边缘，利用零交叉法对图像边缘进行检索，提取到的图像边缘比较连 续，对于检测含噪声较大的图像得到的边缘有时候会出现虚假边界。l a p l a c i a n 算 子和l o g 算子是基于二阶导数的边缘检测算子【3 8 】。l a p l a c i 趾算子【1 5 】在对图像进行 边缘检测的时候，并不依靠其2 阶微分算子，该算子的优点是对数据中阶跃型边缘 点的检测精确度高，它对噪声的敏感性很强，在边缘检测的时候容易丢失一些边 缘的方向信息，从而导致提取到的一部分特征轮廓线是问断的，在对图像中具有 双边缘的区域检测时不容易得到特征边缘的方向。l o g 算子【3 9 】开始时候对图像进 行平滑去噪处理，有效抑制噪声的存在，去除噪声点后再对图像进行边缘检测。然而， 在实际应用的时候高斯函数在对图像平滑的同时也消弱了一部分的边缘特征，使 得特征边缘变得模糊。随着特征区域的扩大，边缘模糊效应跟着增加，这样使得l o g 算子在消除噪声和边缘定位两方面存在相互抑制作用。 孔祥维等【4 0 】提出根据多特征和模糊推理算法，根据灰度分布的特点对不同类 型的边缘点定义不同的边缘特征，接着对每个边缘特征确定符合自身特色模糊规 则，用重心法推导出在该点的边缘隶属度，从而完成边缘检测，对模糊边缘具有良好 的检测效果，对噪声有一定的抑制作用，但由于定义许多不同的模糊规则导致计 算量大，提取效率较低。 y a s a rb e c e r i k l i 【4 l 】提出基于边缘提取的人工神经网络算法，对未经过处理的图 像进行边缘提取，对含有噪声和阴暗部分图像提取的效果比传统的方法具有优势， 即没有增加噪声，也没有消弱边缘特性。神经网络也是根据能量最小的原则进行 图像边缘检测，在王竹青【4 2 】中所提到的神经网络方法就是将边缘提取过程转化成 边缘的模式识别过程，并在进行模式识别的过程中应用到了神经网络算法，在近 几年的研究中有许多算法都能转变成神经网络来提取图像边缘，在构建模拟生物 视觉系统的图像检测方法上，目前还不成熟，还需投入一段时间进行深入研究。 细胞神经网络算法与传统的图像检测算法截然不同1 4 3 j ，该方法先将图像表述为一 个神经网络，那么将图像中的每个像元表述成一个神经元，接着采用动态方程 指引着神经元的状态朝着神经网络所描述的最低能量方向转变，从而有效的完成 图像边缘的提取过程，细胞神经网络在计算处理过程中可以进行并行计算而且方 便实现，所以对细胞神经网络的研究具有重要意义，比传统方法的潜力更大，并 且是具有良好的可实现特性。 h umk 在1 9 6 2 年提出基于不变矩的视觉模式识别【矧，不变矩在图像的旋转、 缩放和平移中具有很好的不变特性，稳定性强，其特征矢量具有较好的鲁棒性； 从比较面矩和基于边缘的线矩在计算不变矩特征量的时间来看，基于边缘的线矩 4 1 绪论 所用时间比面矩的时间短很多，时间速度更快，主要因为在基于边缘的图像线矩 的计算中减少了一些不需要的或者不影响检测效果的区域的计算，从而有效的提 升了图像边缘检测的效率，但是面矩的稳定性要比线矩的稳定性好，采用不变矩 算法对复杂背景，多噪声，形状尺寸发生一些变化的目标可以进行稳定的追踪， 通过选择边缘区域来计算不变矩特征量，在很大程度上减少了计算数据量，使得 边缘提取的效率进一步得到提高。 数学形态学 45 ，4 6 】是应用在图像边缘检测和边缘识别的新方法，属于非线性滤 波，该算法在图像边缘检测时对边缘方向不敏感，并能在很大程度上有效的滤出 噪声和检测出完完整整的图像边缘特征。同时数学形态学在图形处理中通过并行 处理方法能有效实现，并且硬件方面也很容易实现；将数学形态学应用到图像的 边缘检测中，不仅能够消除噪声的影响，而且还能保留图像中原有的细节特征， 提取的边缘比较光顺，连续性好，断点少，具有良好的边缘检测特性。但数学形 态学也有一些缺点，如结构元素比较单一，形态学算法对结构元素同方向的边缘 检测具有较高的敏感性，跟它方向不同的边缘和噪声都会被平滑消除。 最近几年来，对于小波的研究十分活跃，其一就是继续进行对各种不同要求 的小波基函数的深入研究，主要将其应用范围推广到r n 以外的各种情况当中；其 二是将小波理论应用到计算机视觉与编码、图像与信号分析、语音合成与分析、 信号奇异性检测与谱估计、地震信号处理等，并且在相关的许多方面已经取得了 关键性和突破性的研究成果【4 。7 1 。利用基于三维小波变换的边缘检测算法郴j 首先提 取大致的图像边缘列入侯选参考点集，接着在侯选参考点集的基础上进行三维小平 面拟合，并对其进行精准位置确定，最后就能检测出图各边缘的准确位置，采用该算 法既能够保持图像边缘的位置精度，又能快速地提取出图像边缘，还对噪声不敏感， 具有良好的稳定性，从而使三维小平面模型边缘检测方法能够在实际的工业c t 图 像三维处理中得到有效地应用。小波变换【4 9 j 主要是一个时频分析的检测方法，其 应用范围主要是在各种信号分析处理等方面，若将二维图像看成二维信号进行分 析和处理，则小波变换就自然而然地被应用到图像处理方面，现在小波分析技术 已经广泛运用到了计算机图像处理的各个的方面，如：计算机图像去噪处理、计 算机图像边缘特征线的检测，计算机图像的压缩，以及计算机图像的分割处理等。 统计学也被应用到了图像边缘检测中，将图像看成是一个随机域，那么图像 边缘则通过一系列的统计特性表示出来。r r a k e s h 【5 0 j 提出了通过统计学方法提取 图像边缘，每个像素的阈值局部的规范化被完成，阈值的局部标准化主要取决于 梯度向量在该像素统计学的可变性。在每个像素基于梯度向量的标准化的统计被 用来判断一个像素是否是真正的边缘像素。该方法和其他边缘方法相比较得到检 测到的边缘比较稳定，更具有统计学方面的解释。i a b r a h 锄【5 1 】提出了一种在非稳 重庆大学硕士学位论文 定的高斯噪声环境下提取图像重要边缘的方法，主要是根据l a p l a c i 孤零点交叉法 舍得适当的阈值，降低噪声对图像提取的影响。 总之，图像边缘检测技术的发展方向，是算子参数取值的自适应化，检测边 缘多尺度化、运用融合算法将多种检测算法结合使用，并在不影响边缘图像效果 的同时尽量降低计算量。 1 2 逆向工程综述 1 2 1 逆向工程的含义 逆向工程是对企业产品开发设计的整个过程的一种表述。另外一个名字是反 求工程。广义的逆向工程【5 2 】包括( 1 ) 实物逆向：主要是在已有产品零部件实物的基 础上，通过测量、绘制、分折，从而进行再设计，其中又分为功能逆向、结构、 方案、材质、性能逆向等其它方面，进行实物逆向的产品可以是整机，也可以是 零部件或组件；( 2 ) 软件逆向：主要包括有产品样本、管理规范、设计书、使用说 明手册、图纸、技术说明文件、相关的规范和标准、质量保证书等，在软件逆向 中又分三类：不但有实物，而且有全套技术的软件；其次是只有实物而没有技术 的软件；最后是没有现实的产品，但有一些软件；( 3 ) 影像逆向指设计工作者在没 有产品实物和技术软件的情况下，仅有一些关于产品的图像、广告说明或者只是 参观过后的想象等，设计者恰好通过这些影像数据进行产品设计，将这种逆向设 计称为影像逆向，因此，逆向工程是一个非常复杂的系统工程。狭义的逆向工程【5 3 j 指运用一定的测量仪器对实物和模型进行数据采集，根据所采集的数据采用三维 建模软件重构其三维特征的过程；是将现有实物模型转化为数字化模型，在这基 础上进行创新设计和生产加工的过程。逆向工程所包含的整个设计加工流程如图 】1 。 图1 1 逆向工程的整个流程 f i g u r e1 1r e v e r s ee n g i n e e 捕【培p r o c e s s 1 绪论 1 2 2 逆向设计与正向设计的区别 正向设计【5 4 j 是指设计人员根据产品的功能和应用环境为基础，对产品的外部 形状、功能特性和部分参数等提前思考清楚，然后通过计算机辅助建模软件重新 构建其三维模型，最后将三维数字化模型进行制造加工流程，完成整改产品的设 计制造。逆向设计是根据已存在的产品和零件，通过数字化测量仪器( 如三维光 学测量仪、三坐标测量机、激光测量器等) 采集物体表面的空间数据，经过逆向 工程软件( 如i n l a g e 眦鹏、g e o m a g i c 、u g 等) 重构其三维数字模型，最后输送到 c a m 系统完成产品的加工制造。是对产品进行各部分零件或者功能进行分解，深 刻理解各部分或功能的主要目的，最后对其设计创新，是济源产品设计的第二次 或者多次设计。逆向设计对已有较先进的产品的设计原理、思路、结构、工艺装 配和材料等方面进行分析研究，开发出性能更好，结构更优的产品。将新产品设 计分为引进、消化、吸收、再创新四个阶段。因此，逆向工程是一个认识原型、 再现原型和超越原型的过程。正向设计和逆向设计的工程方式对比如图1 2 所示。 现代 图1 2 工程方式对比图 f i g 1 2e n g i i l e e r i n gm e t h o d sc o m p 啪t i o n 逆向工程技术已经实现了设计制造的数字化，为企业进行现代制造带来了便 利，降低了新产品的开发成本、缩短设计周期、提高制造精度。但是也还有很多 不足之处需要解决：对实物测量存在误差和遗漏；曲面重构操作复杂；在曲面光 顺和模型评估方面也有不足；对设计者的经验和能力要求较高。 1 2 3 逆向工程技术的应用及发展趋势 在当今激烈的全球市场竞争环境下，产品生产企业经常地寻找新的方法去缩 短新产品开发周期，来满足顾客们的期望。整体来说，企业已采用了c a d c a m ， 快速成型及其一系列新的技术来提高公司的产品利润。逆向工程现在已被用于缩 短产品开发周期，提高企业利润的有效技术。随着计算机、测量技术和数控加工 技术的不断进步，逆向工程在很多领域得到了广泛的应用，主要有以下几个领域。 7 重庆大学硕士学位论文 在轮船、家用电器、飞机、汽车等产品零部件的设计研发中，因为产品设 计人员主要依靠实物模型，而不是根据高分辨率的二维平面缩比模型图像对产品 进行检测和评估，所以对产品的美学设计和空气动力学性能都十分重视。对于产 品外部形状的设计，在一般情况下都不是依靠c a d 软件直接绘制的，主要根据设 计时制造的油泥或木质的全尺寸或者比例的产品模型，通过三维测量仪器得到该 产品的三维模型数据，再利用c a d 软件重新构造其特征模型，然后导入c a m 系 统中进行加工生产。 产品在工艺要求、外形美观、使用功能等方面需要局部优化和改进，却没 有原始的设计参数和三维数据模型的条件下，只有将现有的实物模型经过三维数 据扫描和通过c a d 软件重构其三维模型，在这个时候可以根据自己的设计需要， 对产品模型在工艺要求、外形美观、使用功能等方面进行优化和修改，不断提高 产品的综合性能。像一些零件在长期使用的过程中由于磨损或不符合使用要求的 情况下，需要改进的个别零件时，逆向工程就能起到极其重要的作用。 在没有产品原始数据的情况下，将实物转化成数据模型，通过计算机辅助 分析、制造等先进技术完成创新设计。 对于像航空发动机、汽轮机组等大型的设备，在使用一段时间后，可能因 为某一零部件的磨损使得该设备终止工作，造成大量经济损失或一些不能挽回的 损失，利用逆向设计，快速生产相应损坏零部件的替代品，从而大大提高了设备 的使用周期和再利用率，降低产品的生产成本。 在医学中的人体骨骼、关节等的模仿和假肢制造，艺术文物的模仿，特种 服装的制造，通常要先建立人体的几何模型，在这些方面就得利用逆向工程来获 取三维数据。 利用三维测量技术，可以将设计者可以将新生产的产品零件与原来的实物 模型对比分析，检验制造加工的精度，质量是否符合生产的规定。因此，逆向工 程在产品质量检测方面也得到广泛应用，作为质量控制和产品缺陷分析的工具。 逆向工程在数据处理、特征识别、曲面拟合和软件等方面都有很大的进步， 在曲面重构部分需要设计者具有良好的经验和素质，自动构建的曲面光顺性差。 因此逆向工程在下面几方面可以加大相关研究：发展专用的测量系统，提高速 度和精度，能进行路径规划和自动测量；研究满足不同测量方法的离散数据处 理方法；提高曲面拟合的光顺性；将测量和特征建模技术集成一体，完成产 品的网络化协同设计和数字化制造。 1 绪论 1 3 论文研究意义、创新点和主要内容 1 3 1 论文研究意义 特征重构技术是逆向工程研究的重点，在计算机图像处理、计算机图形学、 计算几何学等领域。根据建模过程可将特征建模方法分成以下两种情况：第一种 情况是先根据扫描得到的三维数据绘制曲线，由曲线再构成曲面；第二种情况是 直接对扫描得数据的进行曲面拟合，然后对曲面进行过渡、拼接和裁剪完成曲面 重构【5 5 1 。 几何特征是几何造型的关键要素，对控制几何形状起着重要作用，特征就是 指对特征重构有关键影响的点、线、面。在逆向建模中，根据特征线对曲面进行 分割成具有共同特征的许多小区域，然后完成各小区域的曲面创建，也可以直接 利用特征线通过拉伸、扫掠等方式直接构建特征。通过三维测量仪器得到的数据， 常常含有噪声，或者测量时候数据残缺。在逆向建模时就因为点云不完整或点云 密度太小等情况，导致直接从点云来构造特征曲线就会产生较大误差，对许多精 度要求较高的零件构造出来的模型将不能够达到规定要求。尤其是一些定位孔， 对位置精度就比较高，然而在三维光学扫描时可能由于角度，光线等外界原因， 加上产品零件上的孔直径较小等自身原因，导致测量的点云中孔的数据较少，无 法通过点云切片获取测量点来拟合曲线，这时就只能依靠设计师的肉眼观察，确 定其大概的中心位置，这样就降低了孔的位置精度，通过直接从扫描的c c d 图片 上提取孔的轮廓线就显得十分重要。因此，本文对图像特征提取的研究具有重要 意义。 1 3 2 论文的创新点 本论文创新点主要有三个：第一，改进传统形态学梯度检测算子，使边缘检 测更精确；第二，将边缘提取技术应用于逆向工程，克服了逆向建模过程中对细 小、薄孔定位精度低的缺点；第三，提出基于多种子点提取三角网格特征轮廓的 方法，使提取的特征线光顺性好，精度高。 1 3 3 主要内容 论文从图像边缘提取这一视角出发，基于“图像数据前期处理特征提取技术 研究特征提取在实际建模中的应用”为主线，论文研究内容如下： 第一章，介绍了图像特征提取的国内外现状，阐述了逆向工程的含义，逆向 设计与正向设计的区别和逆向工程技术的应用及发展趋势，以及基于特征建模的 基本方法。 第二章，分析了特征提取的主要方法和基于特征逆向建模的理论基础。 第三章，在图像进行特征提取之前，需要进行数据前期处理，如图像平滑去 噪和图像增强处理，为后面的特征检测奠定基础，使提取的特征线更精确。 9 重庆大学硕士学位论文 第四章，详细论述形态学梯度边缘检测方法，并对其进行优化改进，使改进 后的形态学梯度边缘检测能更快更准确的提取图像的特征轮廓。 第五章，提出了基于多种子点提取三角网格特征轮廓的方法，并对特征轮廓 线光顺处理。 第六章，以产品零件为实例，应用图像提取技术提取特征线，基于特征线进 行产品逆向建模。 第七章，对全文研究内容进行总结，论述论文的创新点，并对后续研究工作 进行展望。 图1 3 为论文框架结构图，主要阐述了本论文研究的主要内容，以及每一章 的相互关系。 图1 3 论文的框架结构 f i g 1 3s 仃u c t e ro f t l l e 也e s i s 1 4 本章小结 本章分析了图像特征提取研究的国内外现状，并对逆向工程的含义做了阐述， 将正向设计与逆向设计做比较，总结了逆向工程应用的主要领域和发展趋势。阐 述了本论文的研究意义、创新点和主要研究内容安排，并构建了论文的整体框架 结构图。 1 0 2 图像特征提取和反求特征建模方法 2 图像特征提取和反求特征建模方法 2 1 图像特征提取 2 1 1 低层次特征提取 低层次特征是指不需要任何的形状信息就能重图像中自动提取出基本特征 来，低层次提取方法也可以用于高层次特征提取，阈值法就是一种典型的低层次 特征提取方法。图像边缘检测，主要根据亮度的差别来区分图像中的边界特征， 边界出现的地方常常就是图像对比度出现的位置。特征边界就是图像亮度级出现 阶梯变化的位置，在检测边缘时，可以使用一阶微分来增强变化，在图像亮度没 有发生变化的地方，所用的一阶微分不会对图像产生影响。 通常对相邻像素进行差分处理来加强图像变化，通过对水平方向进行差分处 理，可以检测到垂直方向上的变化。在图像p 中，水平边缘检测算子检测两个水平 相邻像素差值表示得到垂直边缘e ，： 巨= 1 只，一只+ l ，i 协【l ，n 一1 】；y 【1 ，n 】 ( 2 1 ) 同样为了得到水平方向的边缘，则利用垂直边缘检测算子对垂直相邻的两个 像素进行差值处理，得到水平边缘e o 髟= 1 只，y e l i 垤f l ，n 】；y 【1 ，n l 】 ( 2 。2 ) 将式( 2 1 ) 和式( 2 2 ) 两式相加得到边缘检测算子e 这样就能同时检测水平和 竖直方向上的图像边缘。 t ，y = 1 2 只，) j 一只+ l y 一 l i 协，y 【1 ，n 一1 】 ( 2 3 ) 将相邻两点的差值设为止，利用泰勒展开式将厂( x + 血) 展开可以得到： 厂( x + 缸) = 厂( x ) + 缸厂( x ) + 等厂”( x ) + d ( 血3 ) ( 2 4 ) 从而可以计算出一阶导数厂( z ) 为： ，( x ) ：坐掣一d ( 缸) ( 2 5 ) 根据式( 2 5 ) 可得到相邻的两个像素点差值是一阶导数的估计值，误差为 d f 止1 。误差值的大小主要取决于相邻两像素点差值的大小和图像特征曲线的复 杂程度。 r o b e r t s 提出的交叉算子【5 6 1 ，它就是基于一阶边缘检测，通过两个交叉算子模 板，计算对角线上的两个像素值得差，两个模板分别表示为m 一和m + ，如图2 1 所示。 重庆大学硕士学位论文 图2 1r o b e n s 交叉算子模板 f i g 盯e2 1t e m p l a t e sf o rr o b e n sc r o s so p e r a t o r 在图像边缘检测中，取两个模板中的最大值作为边缘点，那么在图像中点只，y 对两个模板进行卷积计算，并选择两个值中的较大值作为边缘点e ，y ： e ，y = m a x i m + 冰只，y l ，l m 一木只，y f 执，y 1 ，n 1 】 ( 2 6 ) 在对图像进行边缘检测相对于对其进行微分处理，对噪声和图像的亮度变化 都会产生影响。p r e 证t t 边缘算子同样由两个模板组成，如图2 2 。 l 01 1 1 1ol l ll oo 1- 11 图2 2 p r e 晰t t 算子模板 f i g u l e2 2t b m p l a l 【e s 蠡3 rp r e w i t to p e r a t o r 从p r e w i t t 算子中可以得到沿着每个坐标轴的亮度变化率，如图2 3 所示的向 量：向量长度表示边缘的强度m ，p 表示边缘方向与x 轴的夹角。 m ( 础) = 厄五而丽 ( 2 7 ) 吣= ( 制 ， m 。 图2 3 基于向量的边缘检测 f i g u r e2 3e d g pd e t e c t i o ni nv e c t o r i a lf o n l l a t 1 2 2 图像特征提取和反求特征建模方法 将p r e 栅算子的两个模板中心像素的取两倍的值，则得到s o b l e 边缘检测算 子，它主要通过向量的方式确定边缘处的两个掩码吗，能减少噪声对平滑的影响， 但使得检测的边缘变得模糊。 c a n n y 边缘检测算子【3 5 】主要有三个目标：第一，无附加影响的最优检测，主 要是降低噪声的影响，采用最优平滑处理来降低噪声；第二，检测边缘和实际边 缘的位置距离最小，通过非极大值抑制来检测正确的边缘位置；第三，减少单边 缘的多重响应获得单响应，主要减少单个边缘点对亮度变化的定位。c a l l n y 指出高 斯算子对图像平滑处理效果是最优的，高斯算子g ( x ，y ，仃) 的表达式为： 土型 g ( x ，y ，仃) = p 2 。2 ( 2 9 ) 对式( 2 9 ) 在向量u 。【1 ，o 和u ，【l ，o 】上求微分，则得到： ( 训) ：掣u 。+ 掣u ， 一f ，+ y 2 1：f ，+ ，1 ( 2 1o ) 一孝p 了u 。一孝e 可u ，6 g 从式( 2 1 0 ) 中可以得到高斯模板导数系数的计算方法。 一阶导数进行边缘检测时图像亮度在特征边界处有变化，图2 4 ( a ) 是图像值得 横截面，图2 4 ( b ) 为一阶边缘检测中图像边界处导数出现极值厂( z ) = 矽( x ) 出 当一阶导数取得极大值时，此时二阶导数厂”( z ) = d 2 厂( x ) 出2 值为。如图2 4 ( c ) ， 即图像亮度变化最大，因此可以根据二阶导数来检测图像的边缘位置。 ，( x ) 厂一 ， 4 6 8 ( b ) 一阶边缘检测 ： ，： 一7 2 ”，7 。芑8j ( c ) 二阶边缘检测 图2 4 一阶和二阶边缘检测 f i g u r e2 4f i r s ta n ds e c o n do r d e re d g ed e t e c t i o n ( a ) c r o s s s e c t i o nm r o u 曲i m a g ed a ( b ) f i r s to r d e re d g ed e t e c t i o n ； ( c ) s e c o n do r d e re d g ed e t e c 矗o n 重庆大学硕士学位论文 l a p l a c i a n 算子是典型的二阶微分算子，两个相邻一阶微分的差值和二阶微分 极为近似： 厂”( 工) 厂( 工) 一厂( x + 1 ) ( 2 1 1 ) 将式( 2 5 ) 带入式( 2 1 1 ) 中得到： 厂”( z ) 一厂( x ) + 2 厂( 工+ 1 ) 一厂( 工+ 2 ) ( 2 1 2 ) 从而得到了一个水平的二阶边缘检测模板如图2 5 ( a ) ，将水平二阶算子和垂直 二阶算子组合在一起可以得到l 叩l a c i a i l 边缘检测算子模板2 5 ( b ) ，该算子主要计 算图像中某像素点与其周围直接相邻的四个像素点的平均值之间的差值。 l 印1 a c i a i l 算子具有各向同性的特性，但本身并不包含平滑处理，所以会对噪声有 影响，并且在高阶微分处理时，噪声的响应比一阶微分更大。在通常都不使用基 本形式的l a p l a c i a l l 算子，而是将具有平滑处理的高斯算子结合起来，组成一个 l a p l a c i a i lo f g a u s s i a l l 算子，v l i e t 跚提出了一种非线性的l 印1 a u c i a i l 算子，在低噪