[發明專利]一種基于特征能量分布的焊縫定位方法在審
| 申請號： | 202011630695.3 | 申請日： | 2020-12-30 |
| 公開（公告）號： | CN112749693A | 公開（公告）日： | 2021-05-04 |
| 發明（設計）人： | 吳忍;孫淵 | 申請（專利權）人： | 上海電機學院 |
| 主分類號： | G06K9/20 | 分類號： | G06K9/20;G06K9/46;G06K9/62;G06N3/02 |
| 代理公司： | 上海科盛知識產權代理有限公司 31225 | 代理人： | 孫永申 |
| 地址： | 200240 *** | 國省代碼： | 上海;31 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 一種 基于 特征 能量 分布 焊縫 定位 方法 | ||
本發明涉及一種基于特征能量分布的焊縫定位方法，該方法包括以下步驟：步驟1：采集焊縫圖片并對其灰度化，得到灰度圖像；步驟2：針對灰度圖像進行中值濾波，得到中值濾波后的灰度圖；步驟3：針對灰度圖利用SIFT算法提取不同濾波程度所對應的特征能量；步驟4：利用特征能量映射得到特征能量分布矩陣；步驟5：基于特征能量分布矩陣進一步計算得到焊縫圖像的特征收縮系數；步驟6：基于焊縫圖像的特征收縮系數進行判斷，當其滿足閾值條件時定位得到焊縫區域，定位結束，若不滿足閾值條件則返回步驟2循環執行。與現有技術相比，本發明具有有效地獲取焊縫在圖像中的具體位置，實現焊縫定位等優點。
技術領域
本發明涉及焊縫檢測技術領域，尤其是涉及一種基于特征能量分布的焊縫定位方法，將焊縫區域和非焊縫區域區分開，有效地獲取焊縫在圖像中的具體位置，實現焊縫定位。
背景技術
針對焊縫識別定位的問題，國內外目前主要有基于神經網絡和基于紋理特征的方法。基于神經網絡模式識別的思想是采集大量的樣本，通過建立神經網絡，訓練樣本，然后通過改變權重的算法進行識別；基于紋理特征的方法，是基于圖像的某種規律，通過物體表面灰度變化，在圖像組的相同類別圖像中有同質化的因素。
基于神經網絡和基于紋理特征的焊縫檢測方法需要采集大量的樣本，且計算的時間較長，占用內存較大。因此如何使焊縫的檢測定位簡單可靠且方便進行后續處理，是本領域技術人員目前需要解決的技術問題。
發明內容
本發明的目的就是為了克服上述現有技術存在的缺陷而提供一種準確性高、實時性好的基于特征能量分布的焊縫定位方法。
本發明的目的可以通過以下技術方案來實現：
一種基于特征能量分布的焊縫定位方法，該方法包括以下步驟：
步驟1：采集焊縫圖片并對其灰度化，得到灰度圖像；
步驟2：針對灰度圖像進行中值濾波，得到中值濾波后的灰度圖；
步驟3：針對灰度圖利用SIFT算法提取不同濾波程度所對應的特征能量；
步驟4：利用特征能量映射得到特征能量分布矩陣；
步驟5：基于特征能量分布矩陣進一步計算得到焊縫圖像的特征收縮系數；
步驟6：基于焊縫圖像的特征收縮系數進行判斷，當其滿足閾值條件時定位得到焊縫區域，定位結束，若不滿足閾值條件則返回步驟2循環執行。
進一步地，所述的步驟2具體包括：設置中值濾波模板和濾波次數，針對灰度圖像進行中值濾波，得到中值濾波后的灰度圖。
進一步地，所述的中值濾波后的灰度圖，其對應的數學描述公式為：
L(x,y)＝G1(gray(x,y),[n1,n2],k1)
x＝1,2,...,m
y＝1,2,...,n
式中，L(x,y)為中值濾波后的灰度圖，G1為中值濾波函數，gray(x,y)為焊縫圖像灰度圖，圖像大小為m*n，k1為重復濾波次數，[n1,n2]為中值濾波模板大小。
進一步地，所述的步驟4包括以下分步驟：
步驟401：初始化二維數組；
步驟402：將特征能量中的特征點對應映射至二維數組中，并進行賦值后得到特征能量分布矩陣。
進一步地，所述的步驟5包括以下分步驟：
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于上海電機學院，未經上海電機學院許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/202011630695.3/2.html，轉載請聲明來源鉆瓜專利網。
