基于图像处理的邮票瑕疵识别的研究开题报告
2020-02-18 04:02
1. 研究目的与意义（文献综述）
| 邮票，曾经在我们的日常生活和工作中扮演着重要的角色。不过随着信息技术的不断发展和提高，我们利用电子设备进行通信的方式几乎完全取代了过去人们利用书信来进行通信的方式。因此，需要使用到邮票的场合越来越少，这并不意味着邮票失去了其存在的意义——邮票还具有它独特的文化价值和收藏意义。作为国家发行的邮资凭证，邮票印刷厂家需要对生产出的邮票规格进行保证，其中对邮票的检测是不可或缺的重要环节。此外，作为集邮爱好者，也需要对邮票进行瑕疵检测和识别，看其是否存在折痕、破损、揭薄、缺齿、弱齿等瑕疵和缺陷，以此鉴定邮票的品相并确定其价值。 以往针对印刷品的缺陷和瑕疵检方法主要有两类：其一，采用人工方法进行主观目测，效率低下且受检测者个体影响大；其二，借助密度、色度等参量进行检测，但邮票本身重量轻且正面图案通常五颜六色，这种方法并不合适。因此，这两种检测方法都存在很大的不足。 |
在数字图像处理技术发展的十余年里，有很多学者专注于印刷品的瑕疵检测。国外研究人员对印刷品缺陷瑕疵检测技术的研究开始较早，因而在诸如图像处理算法、缺陷识别等一些技术领域上都要比国内要领先一些，尤其是美国、德国和日本等国家。日本学者Tanimizu提出了索引空间法，可以对印刷品的表面进行缺陷检测，但是该算法运算复杂，在实际应用中并不方便；法国人Mehenni提出了一种将逐像素比较法和n-tuple方法进行结合的新方法；瑞典学者A.Verikast等利用神经网络技术进行瑕疵识别和缺陷检测；英国研究人员J.Luo等利用三维直方图的方案开展配套的图像特征提取操作，随后再采用人工神经网络的方式来实现缺陷和瑕疵的识别。
在国内，对印刷品缺陷的检测与识别起步较晚，但随着技术的发展以及相关科研工作者的大力付出，也获得了较为理想的成果。例如，大恒图像设计了DH-PRINT质检系统；西安科赛图像科技研究出了名为KSZJ420的印刷质量检测设备；杨欧等人提出了多模板检测的基本方案；高军提出了基于图像纹理分析的方式来实现精确的缺陷检测；王文举等人使用SURF算法对彩色印刷品进行缺陷检测，对印刷中常见的套印不准、脏污等进行精确快速的检测。到目前为止，各种检测算法的优劣性标准很难统一，主要是因为检测算法的应用背景和检测对象种类不同，针对邮票的瑕疵识别研究也基本上是空白。
2. 研究的基本内容与方案
| 根据不同的邮票瑕疵和缺陷，本课题拟分别得出其不同瑕疵所对应的频谱，得到瑕疵频谱之间相同的特性和不同的特性，对其进行总结分析或者对不同的瑕疵进行分析建模，得出不同瑕疵所对应模型的特点。通过本课题的研究，不仅能做到正确地识别各种类型的邮票瑕疵，还要做到对细微瑕疵的准确识别，即对同一种类型但不同程度的瑕疵频谱或者模型也需进行分析总结。 本课题拟采用频谱法或模型法开展研究。频谱法可以通过傅里叶变换得到图像的频谱图从而在频域中对纹理进行分析，发现邮票瑕疵在频域上的特征。模型法可以利用MATLAB等软件建立不同瑕疵所对应的数学模型。两种方法都需要与完好的邮票进行对比分析，才能准确清晰地反映出瑕疵的频谱或者模型特征。具体的处理流程如下图所示。 |
| CCD相机用于图像的生成，CCD相机分为线阵和面阵两种，考虑到生成的邮票图像质量的高低，本课题决定采用CCD面阵相机。其次，对完好无损的邮票进行频谱分析或者建模分析，形成基本的频谱或模型样本。然后，将待检测的邮票频谱或模型与样本频谱或模型进行对比分析，分析出不同种类瑕疵的频谱或模型特征并对同一种类的瑕疵进行总结分析，方便比对同一种类型但不同程度的邮票瑕疵频谱或模型图，比如缺齿及缺齿数量、折痕及折痕的程度。最终，对邮票瑕疵的种类和程度进行系统性地分析和总结。 |
3. 研究计划与安排
| 第1周－第3周：搜集资料，撰写开题报告； 第4周－第5周：论文开题； 第6周－第12周：撰写论文初稿； 第13周－第15周：完成并修改毕业论文； 第16周：论文答辩。 |
4. 参考文献（12篇以上）
[1]林如意.基于图像处理技术的纺织品瑕疵检测方法[D].杭州电子科技大学,2013.
[2]吴房胜,徐金秀,李如平.基于数字图像处理的玻璃瓶瑕疵系统检测[J].宜宾学院学报,2014,14(6):103-107.
[3]胡小慧,江虹,郭秋梅.基于图像分割的筷子瑕疵检测研究[J].微型机与应用,2016,35(2):39-42.
[4]彭琪,崔喆.基于版面理解的选票图像检测定位方法[J].计算机应用,2016(23).
[5]张新春,曹应平,韩春雨,等.基于图像处理的输电线路导线表面损伤特征研究[J].图学学报,2018(3).
[6]蒋洁琦,杨康,刘沛东,等.表面弱边缘瑕疵检测算法及应用[J].计算机技术与发展,2019(5).
[7]姜梦梅.基于图像处理的纹理表面缺陷检测算法研究[D].电子科技大学,2018,06.
[8]关欣烨.基于数字图像处理的LCD边缘瑕疵检测[D].吉林大学,2018,05.
[9]韩宇飞.基于图像处理的自适应布面瑕疵检测算法[D].吉林大学,2018,05.
[10]李钦尧.基于图像处理的印刷品缺陷检测与分类系统[D].西安科技大学,2018,06.
[11]刘兵兵,崔喆.基于图像处理的选票质量检测方法[J].计算机应用,2018(z1).
[12]史丽燕.基于机器视觉和图像处理的包装印刷缺陷检测方法[J].科技通报,2018(10):105-108.
[13]程文博.基于机器视觉的注塑制品尺寸检测及表面缺陷识别[D].华中科技大学,2015,05.
[14]吴佳美.胶囊头的缺陷检测和识别算法研究[D].东北大学,2015,06.
[15]童巨红.基于图像处理的人民币特征提取与识别的研究[D].武汉理工大学,2014,04.
[16]Xiaolei Li, Jixiao Pan, Bin Liu, et al. Symmetric axis detection for images based on Hough algorithm[J]. Journal of MEASUREMENT SCIENCE and INSTRUMENTATION,2015(5):342-346.
[17]Masters B R. Digital Image Processing, Third Edition[J]. Journal of Biomedical Optics,2009,14(2):029901
[18]Miyara F. Digital Signal Processing[M]. Software-Based Acoustical Measurements,2017.
[19]Arefi A, Moghaddam P A, Motlagh A M, et al. Towards real-time speckle image processing for mealiness assessment in apple fruit[J]. International Journal of Food Properties, 2018:1-14.
