[發(fā)明專利]一種復(fù)雜產(chǎn)線背景中的輪轂參數(shù)特征提取方法

有效

• 申請(qǐng)?zhí)枺?/td>: 202010551540.4
• 申請(qǐng)日: 2020-06-17
• 公開（公告）號(hào): CN111445512B
• 公開（公告）日: 2020-10-16
• 發(fā)明（設(shè)計(jì)）人: 童哲銘;高杰;童水光;唐寧;余躍
• 申請(qǐng)（專利權(quán)）人: 浙江大學(xué)
• 主分類號(hào): G06T7/60
• 分類號(hào): G06T7/60;G06T7/00
• 代理公司: 杭州天昊專利代理事務(wù)所(特殊普通合伙) 33283
• 代理人: 何碧珩

1.一種復(fù)雜產(chǎn)線背景中的輪轂參數(shù)特征提取方法，其特征是，包括以下步驟：

S1：從輪轂圖像中分離滾道產(chǎn)線背景圖像；

S2：對(duì)輪轂尺寸進(jìn)行測(cè)量，對(duì)輪轂輪輻數(shù)量進(jìn)行統(tǒng)計(jì)；

S3：對(duì)輪轂內(nèi)孔數(shù)量進(jìn)行統(tǒng)計(jì)；

步驟S1具體過(guò)程如下：

S11：圖像傳感器端采集的輪轂圖像I(r，c)_lun以及相應(yīng)的背景圖像I(r，c)_ground作為輸入圖像；

S12：計(jì)算輪轂圖像I(r，c)_lun的灰度直方圖Hist(I(r，c)_lun)，基于灰度直方圖分析，確定分割閾值為40，只保留圖像中高于閾值的像素值；

S13：基于圖像差分算法公式：O(r，c)＝I(r，c)_lun-I(r，c)_ground，計(jì)算分離滾道產(chǎn)線后的輸出圖像O(r，c)，并采用核尺寸大小為13的中值濾波算法對(duì)輸出圖像進(jìn)行優(yōu)化；

步驟S2具體過(guò)程如下：

S21：首先對(duì)步驟S1得到的圖像進(jìn)行Canny邊緣檢測(cè)，獲取所有閉合輪廓；

S22：統(tǒng)計(jì)所有閉合輪廓數(shù)量，輸出輪輻窗數(shù)量，輪輻窗數(shù)量為所有閉合輪廓數(shù)量-1；

S23：基于輪廓面積對(duì)所有閉合輪廓進(jìn)行排序，輸出面積最大的輪廓，并基于最小圓擬合算法擬合最大輪廓，輸出該最小圓的圓心位置與半徑，輪轂尺寸用圓心與半徑進(jìn)行度量；

所述S3具體步驟如下：

S31：對(duì)原輪轂圖像I(r，c)_lun進(jìn)行均值濾波，構(gòu)建背景圖像的近似值，具體為：采取基于局部閾值分割算法對(duì)圖像的背景進(jìn)行近似建模，即對(duì)原輪轂圖像I(r，c)_lun進(jìn)行均值濾波，濾波核半徑選擇為輪轂圖像高度的得到背景圖像的近似值I′(r，c)_ground；

S32：采用圖像相除方法O′(r，c)＝I(r，c)_lun/I′(r，c)_ground計(jì)算出O′(r，c)，并將所有像素標(biāo)準(zhǔn)化到區(qū)間[0，255]以內(nèi)，并再次基于圖像差分算法計(jì)算輸出圖像O″(r，c)：

O″(r，c)＝I(r，c)_lun-O′(r，c)；

S33：對(duì)O″(r，c)圖像進(jìn)行分段線性變換，并對(duì)該圖像采用基于最大類間方差的閾值分割算法進(jìn)行處理以及腐蝕膨脹操作；

S34：對(duì)步驟S33輸出圖像進(jìn)行邊緣檢測(cè)，獲取所有輪廓；計(jì)算所有輪廓的縱橫比∈，并保留縱橫比穩(wěn)定在0.9＜∈＜1范圍內(nèi)的輪廓，最終獲得螺紋孔，統(tǒng)計(jì)出螺紋孔個(gè)數(shù)即內(nèi)孔數(shù)量；

對(duì)O″(r，c)圖像進(jìn)行分段線性變換，依據(jù)公式如下：