[發(fā)明專利]一種基于數(shù)字圖像的航空結(jié)構(gòu)件識別的圖像預處理方法

有效

• 申請?zhí)枺?/td>: 202110350132.7
• 申請日: 2021-03-31
• 公開（公告）號: CN113436138B
• 公開（公告）日: 2023-07-21
• 發(fā)明（設計）人: 舒建國;郭國彬;封剛;宋戈;宋智勇;褚福舜
• 申請（專利權(quán)）人: 成都飛機工業(yè)（集團）有限責任公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/11;G06T7/13;G06T5/00;G06V10/774;G06V10/82;G06N3/0464;G06N3/08
• 代理公司: 成都君合集專利代理事務所(普通合伙) 51228
• 代理人: 尹新路

1.一種基于數(shù)字圖像的航空結(jié)構(gòu)件識別的圖像預處理方法，其特征在于，包括以下步驟：

步驟1：從航空結(jié)構(gòu)件的數(shù)模文件中獲取零件各個視角的視圖圖像，并將獲取的視圖作為零件數(shù)模原始圖像；

步驟2：將獲取的零件數(shù)模原始圖像進行圖像變換處理，得到變換后的原始圖像，并將變換后的原始圖像中的零件進行區(qū)域裁剪，將區(qū)域裁剪出的零件的原始圖像采用skPartImgFill方法填充為尺寸一致的圖像并加入訓練集中作為訓練樣本；對于訓練集中的訓練樣本，進行灰度處理，將訓練樣本中的零件的輪廓特征的像素點設置為白色，將零件的非輪廓特征的像素點設置為黑色；

步驟3：采集零件的實體圖像，并對實體圖像進行高斯核濾波，對濾波后的圖像進行圖像處理裁剪得到實物圖像中的零件實物區(qū)域圖像，然后對裁剪得到的零件實物區(qū)域圖像基于訓練集的訓練樣本采用skPartImgfilter方法進行圖像預處理運算，并輸出圖像預處理運算的結(jié)果作為后續(xù)機器學習零件識別的輸入圖像；

步驟2中采用所述skPartImgFill方法進行填充的具體操作為：

首先計算裁剪出的零件的原始圖像的長度W、高度H和長高的差值d，并設置第一次添加值m和第二次添加值n；具體計算如下：

???????（1）；

???????（2）；

???????（3）

其中：式（2）分別表示第一次添加值m為長度W和高度H的差值d的一半向下取整的值；

式（3）表示第二次添加值n為長度W和高度H的差值d的一半向上取整的值；

然后進行長度W和高度H的大小判斷：

如果WH,在裁剪出的零件的原始圖像前方添加m行全0矩陣，后方添加n行全0矩陣；

如果WH,在裁剪出的零件的原始圖像前方添加m列全0矩陣，在圖像后方添加n列全0矩陣；

最后將添加了全0矩陣后的圖像縮放為單通道圖像，并作為輸出圖像加入訓練集中作為訓練樣本；

所述步驟3中采用skPartImgfilter方法進行圖像預處理運算的步驟為：

首先對零件實物區(qū)域圖像中的每一個像素點都與周圍的像素點進行求差計算，然后將差的絕對值累計再求平方，具體計算公式如下：

（4）；

式（4）中，img表示裁剪后的圖像，img[i,j]表示圖像的第i行第j列的點同時也代表與周圍點進行求差的點；

img[i-1,j-1]為img[i,j]左上角的點；

img[i-1,j]為img[i,j]上方的點；

img[i-1,j+1]為img[i,j]右上角的點；

img[i,j-1]為img[i,j]左邊的點；

img[i,j+1]為img[i,j]右邊的點；

img[i+1,j]為img[i,j]左下角的點；

img[i+1,j]為img[i,j]正下方的點；

img[i+1,j+1]為img[i,j]右下角的點；

然后通過上述操作求得圖像中所有的點的值img[i,j]，得到新的輪廓圖像；

最后對新的輪廓圖像采用skPartImgFill方法填充為尺寸一致的圖像作為后續(xù)機器學習零件識別的輸入圖像。

2.如權(quán)利要求1所述的一種基于數(shù)字圖像的航空結(jié)構(gòu)件識別的圖像預處理方法，其特征在于，步驟2中的所述圖像變換處理包括圖像旋轉(zhuǎn)和圖像縮放和圖像裁剪。

3.如權(quán)利要求1所述的一種基于數(shù)字圖像的航空結(jié)構(gòu)件識別的圖像預處理方法，其特征在于，所述區(qū)域裁剪得到的零件實物區(qū)域圖像的圖像面積大于對應的被區(qū)域裁剪的變換后的原始圖像的圖像面積的70%。

4.如權(quán)利要求1所述的一種基于數(shù)字圖像的航空結(jié)構(gòu)件識別的圖像預處理方法，其特征在于，對于訓練集中的訓練樣本的零件的白色區(qū)域進行隨機丟棄并替換為黑色，并對替換后的訓練樣本中的零件進行縮放、旋轉(zhuǎn)、區(qū)域裁剪操作，然后再填充為與訓練集中的訓練樣本尺寸一致的圖像同樣保存到樣本中作為訓練樣本。

5.如權(quán)利要求3所述的一種基于數(shù)字圖像的航空結(jié)構(gòu)件識別的圖像預處理方法，其特征在于，設定隨機丟棄零件的白色區(qū)域并替換為黑色區(qū)域的比例為比例a，所述比例a為根據(jù)實際需求自定義的值。