[發明專利]一種基于神經網絡算法的泡沫圖像處理方法及系統

有效

• 申請號: 201910988902.3
• 申請日: 2019-10-17
• 公開（公告）號: CN110751606B
• 公開（公告）日: 2023-09-19
• 發明（設計）人: 祝志恒;陽軍生;黃定著;王樹英;傅金陽;劉正日;黃靚鈺;巢凌彥
• 申請（專利權）人: 廣州愿托科技有限公司;中南大學
• 主分類號: G06T5/00
• 分類號: G06T5/00;G06T5/40;G06T7/11;G06T7/13
• 代理公司: 長沙朕揚知識產權代理事務所(普通合伙) 43213
• 代理人: 楊斌

本發明中的基于神經網絡算法的泡沫圖像處理方法及系統，通過對包含泡沫的樣本圖像進行泡沫輪廓標注，形成標簽圖像以樣本圖像塊和標簽圖像塊作為訓練集，構建并訓練以樣本圖像塊為輸入，以標簽圖像塊為輸出的泡沫識別神經網絡模型；再將包含泡沫的待處理圖像按序切割成與所述樣本圖像塊尺寸相同的多個待處理圖像塊，并輸入所述圖形優化模型中，得到標注出泡沫輪廓的識別結果圖像塊；將所述多個識別結果圖像塊按序合成標注出泡沫輪廓的泡沫識別結果圖像。相比現有技術，本發明中的泡沫圖像處理方法，能自動標注待處理圖像的泡沫輪廓，能大大節省人工標注泡沫圖像的時間和人力，提高畫泡沫輪廓圖的效率。

技術領域

本發明屬于圖像檢測與統計方法，尤其涉及一種基于神經網絡算法的泡沫圖像處理方法及系統。

背景技術

泡沫數量與粒徑分布是檢驗泡沫發泡劑性能的一個重要指標，統計泡沫數量與粒徑對于設計和優化泡沫發泡劑有著重要意義。目前，對于泡沫數量與粒徑的統計方法是人工統計，即人工在含泡沫的圖像上畫出泡沫輪廓，利用方格網統計方法得出面積進而計算泡沫輪廓，并統計輪廓數量。傳統人工統計泡沫數量與粒徑的方法存在以下缺點：(1)在需要處理多張泡沫圖片時，存在耗時長、效率低的缺點；(2)泡沫較小處，放大圖像后模糊不清，此處對泡沫輪廓的確定因人而異，無統一標準，導致泡沫粒徑統計有偏差。

因此，如何解決現有的人工畫泡沫輪廓的方法耗時長、效率低、不能統一確定小泡沫邊界的問題已成為本領域技術人員亟待解決的技術問題。

發明內容

本發明所要解決的技術問題是現有的人工畫出泡沫輪廓的方法耗時長、效率低、不能統一確定小泡沫邊界已成為本領域技術人員亟待解決的技術問題，為克服以上背景技術中提到的不足和缺陷，提供一種基于神經網絡算法的泡沫圖像處理方法；

為解決上述技術問題，本發明提出的技術方案為：

一種基于神經網絡算法的泡沫圖像處理方法，包括以下步驟：

對包含泡沫的樣本圖像進行泡沫輪廓標注，形成標簽圖像；

分別將所述樣本圖像和標簽圖像隨機切割成尺寸相同的樣本圖像塊和標簽圖像塊；

以樣本圖像塊和標簽圖像塊作為訓練集，構建并訓練以樣本圖像塊為輸入，以標簽圖像塊為輸出的泡沫識別神經網絡模型；

將包含泡沫的待處理圖像按序切割成與所述樣本圖像塊尺寸相同的多個待處理圖像塊，并輸入所述卷積神經網絡模型中，得到標注出泡沫輪廓的識別結果圖像塊；

將所述多個識別結果圖像塊按序合成標注出泡沫輪廓的泡沫識別結果圖像。

優選的，將包含泡沫的待處理圖像按序切割成與所述樣本圖像塊尺寸相同的多個待處理圖像塊，具體包括：

使用與所述樣本圖像塊尺寸相同的滑動窗口按序截取待處理圖像塊；若滑動窗口超出待處理圖像邊界時，反向移動滑動窗口，令滑動窗口的邊緣與待處理圖像邊界重合。

優選的，分別將所述樣本圖像和標簽圖像隨機切割成尺寸相同的樣本圖像塊和標簽圖像塊；具體包括：

在樣本圖像和標簽圖像中隨機選取一個像素點，從該點依次截取尺寸相同的樣本圖像塊和標簽圖像塊。

優選的，進行泡沫輪廓標注之前，對歷史數據中的多個樣本圖像進行圖像增強預處理，所述圖像增強預處理包括對比度增強和圖像亮度直方圖均衡化。

優選的，將所述多個識別結果圖像塊按序合成標注出泡沫輪廓的泡沫識別結果圖像是通過滑動高斯權重方法實現的，所述滑動高斯權重方法包括：

生成一張與待處理圖像尺寸相同的純黑色圖像作為初始結果圖像，，并構建一張與待處理圖像尺寸相同且權重值全為0的背景權重圖；

使用二維高斯函數，生成與所述識別結果圖像塊尺寸相同的滑動權重圖像塊；