[發明專利]一種基于任務驅動的視覺注意模型提取激光條紋的方法

有效

• 申請號: 201811261489.2
• 申請日: 2018-10-27
• 公開（公告）號: CN109615603B
• 公開（公告）日: 2022-07-12
• 發明（設計）人: 何銀水;馬國紅;余卓驊;李健
• 申請（專利權）人: 南昌大學
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/136;G06T7/60;G06T5/00;G06K9/62
• 代理公司: 北京眾合誠成知識產權代理有限公司 11246
• 代理人: 胡群

1.一種基于任務驅動的視覺注意模型提取激光條紋的方法，其特征在于，包括如下步驟：

(1)設計了基于任務驅動型的視覺注意模型來獲取焊縫圖像的激光條紋顯著性圖，該視覺注意模型以對原始焊縫圖像進行多方向Gabor濾波獲取的方向特征圖為起始，經Otsu算法進行閾值分割，并將獲取的數據以最近鄰聚類算法進行聚類，然后基于聚類結果和任務需求對聚類結果中的類通過設計跨度度量、寬度度量和寬度均勻性度量進行處理，獲取激光條紋各方向上疊加得到的綜合顯著圖，該綜合顯著圖即為從干擾數據中辨別出的屬于激光條紋的數據；(2)設計了一種基于局部顯著性競爭的方法提取激光條紋的主體輪廓；(3)設計了一種基于提取的激光條紋的主體輪廓獲取激光條紋的細節輪廓的方法，根據激光條紋平均厚度來設定主體輪廓之間的搜索范圍，將與搜索范圍有交集的類視為激光條紋的細節輪廓；(4)將提取的激光條紋的主體輪廓與細節輪廓進行位置疊加，即獲得最終完整的激光條紋；

其中，步驟(1)中所述的設計基于任務驅動型的視覺注意模型的步驟如下：

步驟1：對原始焊縫圖像進行±10°和80°的多方向Gabor濾波，并對各濾波結果進行線性疊加獲取綜合方向特征圖，并經Otsu算法進行閾值分割，將方向特征圖轉化為二值圖像；

步驟2：以2個像素的距離作為閾值，對步驟1中的二值圖像中的數據點進行最近鄰聚類處理，將圖中數據分割為不同類，每一個類代表位置相鄰的數據點的集合；

步驟3：對步驟2中聚類結果的各個類分別計算跨度度量、寬度度量和寬度均勻性度量，獲得三種方向顯著性圖，分別將三種度量數值歸一化至0～255，然后進行線性疊加，獲得一種激光條紋方向上的綜合顯著圖；

步驟(2)中所述一種基于局部顯著性競爭的方法提取激光條紋的主體輪廓的設計步驟如下：

步驟4：統計在步驟(1)中類的跨度度量、類的寬度度量和類的寬度均勻性度量這三種度量中度量數值都增大的類，將這些類中位置最左邊的類作為激光條紋的主體輪廓的起始段，而將這些類中位置最右邊的類作為激光條紋的主體輪廓的終端；

步驟5：將激光條紋的主體輪廓的起始段保存于指定數組，即將對應的數據點的橫坐標和縱坐標分別保存于不同數組中，如Temparrayhzb和Temparrayzzb中；之后進行循環，每次循環先確定位于已辨別的激光條紋主體輪廓右邊的所有類，然后根據設計規則獲取一定數目的候選類，設計一種計算各候選類的動態顯著性的方法，依次將所有候選類進行動態顯著性計算，并找出每次動態顯著性最大的類作為該次循環中識別出的屬于激光條紋的類，并繼續保存于原指定數組中，直至所有候選類都計算完畢，跳出循環，并將最后一次辨認的激光條紋終端的類作為激光條紋的終端，也保存于指定數組中；

步驟6：步驟4和5辨認出的類視為激光條紋的主體輪廓；

所述步驟3中的類的跨度度量的公式如下式(1)所示：

式(1)中，L_i表示聚類結果中第i個類在圖像中的歐式距離，n表示類的數目，表示第i個類度量后的跨度數值；

所述步驟3中的類的寬度度量的公式如下式(2)所示：

式(2)中，T_i表示第i個類在垂直方向上的平均寬度，表示第i個類度量后的寬度數值；

所述步驟3中的類的寬度均勻性度量的公式如下式(3)所示：

式(3)中m_i是第i個類中數據列的數目，T_i,j表示第i個類中第j列激光條紋的寬度，表示第i個類各列激光條紋的平均寬度，表示寬度均勻性度量數值。

2.根據權利要求1所述的一種基于任務驅動的視覺注意模型提取激光條紋的方法，其特征在于，所述步驟(3)中的基于提取的激光條紋的主體輪廓獲取激光條紋的細節輪廓的方法的步驟如下：

步驟7：依次線性連接步驟(2)中已辨認出的激光條紋的各主體輪廓，以連接線為中心，將激光條紋的平均厚度值作為波動范圍，設定各主體輪廓之間的搜索范圍；

步驟8：依次獲取與各搜索范圍有交集的類，并將這些類視為激光條紋的細節輪廓。

3.根據權利要求2所述的一種基于任務驅動的視覺注意模型提取激光條紋的方法，其特征在于，所述步驟3中的，線性疊加的公式如下式(4)所示：

式(4)中表示歸一化運算，通過歸一化運算各度量數值被映射到了[0 255]范圍內。