[發(fā)明專利]一種基于經(jīng)典復(fù)原算法的葉片缺陷運(yùn)動(dòng)模糊圖像復(fù)原方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202010776748.6
• 申請(qǐng)日: 2020-08-05
• 公開（公告）號(hào): CN111899196A
• 公開（公告）日: 2020-11-06
• 發(fā)明（設(shè)計(jì)）人: 鄭浩;仲奇奇;王湘明;周麗婷
• 申請(qǐng)（專利權(quán)）人: 沈陽工業(yè)大學(xué)
• 主分類號(hào): G06T5/00
• 分類號(hào): G06T5/00;G06T5/10;G06T5/20
• 代理公司: 沈陽東大知識(shí)產(chǎn)權(quán)代理有限公司 21109
• 代理人: 李在川

本發(fā)明提供一種基于經(jīng)典復(fù)原算法的葉片缺陷運(yùn)動(dòng)模糊圖像復(fù)原方法，涉及風(fēng)電葉片無損檢測(cè)技術(shù)領(lǐng)域，本發(fā)明提出復(fù)原算法進(jìn)行圖像復(fù)原，應(yīng)用在風(fēng)電葉片缺陷檢測(cè)上。首先，根據(jù)運(yùn)動(dòng)模糊圖像以及葉片缺陷特點(diǎn),建立運(yùn)動(dòng)模糊的退化模型；然后，基于倒頻譜法估計(jì)PSF(point spread function點(diǎn)擴(kuò)展函數(shù))。最后，對(duì)復(fù)原算法進(jìn)行實(shí)驗(yàn)分析并總結(jié)其應(yīng)用范圍。實(shí)驗(yàn)結(jié)果表明，每一種復(fù)原算法在特定情況下都能將葉片模糊圖像良好地復(fù)原。

技術(shù)領(lǐng)域

本發(fā)明涉及風(fēng)電葉片無損檢測(cè)技術(shù)領(lǐng)域，尤其涉及一種基于經(jīng)典復(fù)原算法的葉片缺陷運(yùn)動(dòng)模糊圖像復(fù)原方法。

背景技術(shù)

風(fēng)能是近二十年發(fā)展最迅速的可再生能源之一，且占世界能源結(jié)構(gòu)的比重逐年加大，有著巨大的發(fā)展前景。而在風(fēng)力發(fā)電設(shè)備中，葉片是最核心的部件之一，可見對(duì)風(fēng)機(jī)葉片進(jìn)行缺陷檢測(cè)的重要性。數(shù)字圖像處理技術(shù)和無人機(jī)遙感技術(shù)的快速發(fā)展和日趨成熟，為風(fēng)電葉片表面缺陷檢測(cè)提供了一種新的手段。目前對(duì)葉片缺陷進(jìn)行檢測(cè)主要是是采用無人機(jī)搭載攝像機(jī)進(jìn)行圖像拍攝。圖像在形成、記錄處理和傳輸過程中，由于攝像機(jī)與風(fēng)電葉片存在較快的相對(duì)運(yùn)動(dòng)，就會(huì)常常導(dǎo)致圖像模糊不清,這種現(xiàn)象就稱為圖像退化。圖像復(fù)原就是對(duì)退化的圖像進(jìn)行處理，盡可能的恢復(fù)原圖像的本來面目。

運(yùn)動(dòng)模糊圖像復(fù)原是圖像復(fù)原的一個(gè)重要分支，也是風(fēng)電葉片缺陷圖像采集最常見的問題。在成像過程中，由于無人機(jī)搭載的攝像機(jī)與風(fēng)機(jī)葉片之間存在快速的相對(duì)運(yùn)動(dòng)，使得快門在一次曝光的過程中能量在成像平面上產(chǎn)生非正常累積，造成獲得圖像的運(yùn)動(dòng)模糊。圖像復(fù)原算法是一般基于退化模型,再根據(jù)退化圖像的點(diǎn)擴(kuò)展函數(shù)將圖像復(fù)原。傳統(tǒng)的圖像算法，如逆濾波算法、維納濾波算法和最小二乘算法都是經(jīng)典復(fù)原算法,這些算法都能恢復(fù)特定場(chǎng)合下的運(yùn)動(dòng)模糊圖像。本文主要對(duì)風(fēng)電葉片缺陷圖像使用上述復(fù)原算法進(jìn)行去霧天模糊以及運(yùn)動(dòng)模糊，對(duì)以后風(fēng)電葉片缺陷檢測(cè)研究具有極大的理論價(jià)值與實(shí)際意義。

發(fā)明內(nèi)容

針對(duì)現(xiàn)有技術(shù)的不足，本發(fā)明提供一種基于經(jīng)典復(fù)原算法的葉片缺陷運(yùn)動(dòng)模糊圖像復(fù)原方法，減小因無人機(jī)在拍攝圖像時(shí)對(duì)葉片缺陷圖像產(chǎn)生的運(yùn)動(dòng)模糊影響，使得缺陷圖像更加清晰的呈現(xiàn)出來。

為解決上述技術(shù)問題，本發(fā)明所采取的技術(shù)方案是：

一種基于經(jīng)典復(fù)原算法的葉片缺陷運(yùn)動(dòng)模糊圖像復(fù)原方法，包括以下步驟：

步驟1：根據(jù)運(yùn)動(dòng)模糊數(shù)學(xué)模型模擬葉片缺陷運(yùn)動(dòng)模糊圖像；

步驟2：基于倒頻譜法計(jì)算葉片缺陷運(yùn)動(dòng)模糊圖像的模糊角度和模糊長(zhǎng)度，確定點(diǎn)擴(kuò)展函數(shù)；

步驟2.1，將葉片缺陷運(yùn)動(dòng)模糊圖像g(x,y)進(jìn)行二維傅里葉變換，得到G(u,v)；其中u、v為二維傅里葉變換中頻域的頻率及幅值，分別對(duì)應(yīng)于圖像坐標(biāo)系下的橫縱坐標(biāo)x、y；

步驟2.2，對(duì)G(u,v)取絕對(duì)值得到|G(u,v)|，再對(duì)|G(u,v)|取對(duì)數(shù)得到

步驟2.3，將進(jìn)行傅里葉逆變換得到g(x,y)的倒頻譜

步驟2.4，將分成大小相等的四部分，并進(jìn)行對(duì)角交換；

步驟2.5，根據(jù)倒頻譜的對(duì)稱性，找到的最小位置(x₀,y₀)，再以倒頻譜中心為原點(diǎn)，建立世界坐標(biāo)系，則最小值點(diǎn)與原點(diǎn)的連線長(zhǎng)度為模糊長(zhǎng)度L，連線與X軸正向所成的夾角為模糊角度α；

步驟2.6，根據(jù)模糊長(zhǎng)度L和模糊角度α確定點(diǎn)擴(kuò)展函數(shù)h(x，y)；

步驟3：使用逆濾波和維納濾波對(duì)模糊圖像進(jìn)行復(fù)原；

所述逆濾波對(duì)無噪聲模糊圖像進(jìn)行復(fù)原；在無噪聲情況下,逆濾波公式如下：

F(u,v)＝G(u,v)/H(u,v)