[發(fā)明專利]一種基于圖像顯著性檢測(cè)的焊縫識(shí)別方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201710201792.2
• 申請(qǐng)日: 2017-03-30
• 公開（公告）號(hào): CN107424142B
• 公開（公告）日: 2020-05-19
• 發(fā)明（設(shè)計(jì)）人: 洪晶;祝傳貝
• 申請(qǐng)（專利權(quán)）人: 上海萬如科技發(fā)展有限公司
• 主分類號(hào): G06T7/00
• 分類號(hào): G06T7/00;G06T7/11;G06T7/136
• 代理公司: 上海科律專利代理事務(wù)所(特殊普通合伙) 31290
• 代理人: 葉鳳

1.一種基于圖像顯著性檢測(cè)的焊縫識(shí)別方法，其特征在于，首先使用彩色CCD攝像機(jī)拍攝焊縫圖像，然后通過比較圖像中焊縫區(qū)域與母材區(qū)域的特征，包括顏色、紋理以及亮度特征，檢測(cè)出圖像中的顯著區(qū)域，最后根據(jù)得到的顯著圖提取出焊縫的邊緣；

具體包括步驟:

步驟101、采集焊縫圖像；使用彩色CCD攝像機(jī)采集包含焊縫的圖像，置焊縫處于圖像中心位置，采集原始圖像信息；

步驟102、提取步驟101圖像信息中的顏色特征：在RGB空間中提取圖像的R,G,B三個(gè)顏色分量，在CIELab空間中提取圖像的a,b顏色分量；

步驟103、提取步驟101圖像信息中的亮度特征：在CIELab空間中提取圖像的L分量；

步驟104、分割步驟101圖像信息：使用SLIC算法將圖像劃分成50個(gè)圖像塊，供步驟105處理；

步驟105、在每個(gè)圖像塊中計(jì)算灰度共生矩陣；設(shè)某圖像塊中含有N個(gè)像素點(diǎn)，則該圖像塊的灰度共生矩陣P為一個(gè)N*N階矩陣，即P_d(i,j)(i,j＝0,1,2,…,255),共生矩陣中的每個(gè)元素表示一組灰度組合出現(xiàn)的次數(shù)；

步驟106、基于步驟105得到的灰度共生矩陣計(jì)算出描述紋理狀況的4個(gè)統(tǒng)計(jì)量來描述紋理特征；

步驟107、完成圖像特征提取：將步驟102、步驟103、步驟106得到的圖像特征組合作為圖像中每個(gè)像素點(diǎn)的特征向量，分別用于步驟201、步驟203；

步驟201、在5個(gè)尺度下，依據(jù)“中心-外周”原則計(jì)算每個(gè)像素點(diǎn)與相鄰若干像素點(diǎn)的特征向量和位置坐標(biāo)的歐氏距離disf(i^c,j^c),disl(i^c,j^c)；所述5個(gè)尺度分別為：(1)以所求像素點(diǎn)為中心，邊長(zhǎng)為5的正方形區(qū)域，即相鄰的24個(gè)像素點(diǎn)；(2)以所求像素點(diǎn)為中心，邊長(zhǎng)為7的正方形區(qū)域，即相鄰的48個(gè)像素點(diǎn)；(3)以所求像素點(diǎn)為中心，邊長(zhǎng)為9的正方形區(qū)域，即相鄰的80個(gè)像素點(diǎn)；(4)以所求像素點(diǎn)為中心，邊長(zhǎng)為11的正方形區(qū)域，即相鄰的120個(gè)像素點(diǎn)；(5)以所求像素點(diǎn)為中心，邊長(zhǎng)為13的正方形區(qū)域，即相鄰的168個(gè)像素點(diǎn)；

步驟202、通過式(5)將步驟201得到的5個(gè)尺度的計(jì)算結(jié)果進(jìn)行線性融合，其中各參數(shù)設(shè)置為：k＝5,n＝24,48,80,120,168，求得每個(gè)像素的局部對(duì)比度，得到顯著圖S_l，分別用于步驟401、步驟210；

所述式(5)

在式(5)中，disf(i^c,j^c)為尺度c下像素i與像素j的特征差,disl(i^c,j^c)為尺度c下像素i與像素j的位置距離；

步驟203、依據(jù)步驟107像素的顏色特征、亮度特征以及紋理特征，通過SLIC算法對(duì)圖像進(jìn)行超像素分割，分割成num＝400個(gè)超像素，分別用于步驟204、步驟205；所述超像素分割：在每個(gè)超像素中，使用超像素中所有像素的平均特征向量表示該超像素的特征向量，平均位置坐標(biāo)表示該超像素的位置坐標(biāo)；

步驟204、通過式(6)計(jì)算步驟203中基于超像素的全局對(duì)比度，其中參數(shù)σ＝0.2，即與圖像中所有其他超像素比較，得到顯著圖S_g；

式(6)為

在式(6)中，D_i表示超像素i的空間分布，其中l(wèi)oc_j表示超像素j的中心位置，u_i表示特征fr_i的中心，ω_ij描述超像素i和超像素j之間的相似度，Z_i為歸一化常數(shù)；

步驟205、在步驟203實(shí)現(xiàn)的超像素分割的基礎(chǔ)上，先選取圖像邊緣的超像素作為備選背景模板；

步驟206、計(jì)算步驟205備選背景模板中所有超像素的平均特征向量；

步驟207、計(jì)算備選背景模板中所有超像素的特征向量與步驟206所得平均特征向量的歐氏距離；并按照遞增順序進(jìn)行排序；

步驟208、取步驟207中排序結(jié)果位于前60％的超像素作為背景模板；

步驟209、對(duì)于圖像中除背景模板之外的所有超像素，通過式(7)計(jì)算每個(gè)超像素的特征向量與步驟208篩選背景模板中所有超像素特征向量的歐氏距離，并求和作為該超像素的顯著值S_bg；

式(7)為

將與平均特征相差較大的超像素剔除掉之后作為背景模板，記為SP_bg；圖像中其余的超像素記為SP_fg；

步驟210、將步驟202、步驟204、步驟209得到的三個(gè)顯著圖進(jìn)行融合并進(jìn)行歸一化，具體通過式(8)計(jì)算出最終的顯著圖S；

式(8)為S＝S_l·S_g·S_bg (8)

步驟301、計(jì)算步驟210中顯著圖S的平均顯著值s_m，選定閾值T＝s_m；

步驟302、對(duì)步驟301繼續(xù)處理，將顯著圖S中顯著值大于等于閾值T的像素賦值為1，表示焊縫區(qū)域，將特征值小于該閾值的像素賦值為0，表示母材區(qū)域，這樣便得到了二值化圖像；

步驟401、依據(jù)步驟202得到的顯著圖S_l，找到其歸一化之后最亮的部分，將該部分連接起來，初步描繪出焊縫邊界；

步驟402、依據(jù)步驟401得到的焊縫邊界，將步驟302得到的二值化圖像中處于焊縫邊界外側(cè)的部分重新賦值為0，得到最終的焊縫。