本发明专利技术公布了一种基于GAP预测器和自适应遗传算法环焊焊缝边缘提取方法，旨在提供一种在弧光、飞溅以及烟尘等若干因素干扰环境下提取出准确、清晰的环焊焊缝边缘的方法，步骤如下：(1)对环焊焊缝原始图像进行预处理，包括灰度化、增强滤波等处理；(2)利用GAP预测器模板，对环焊焊缝预处理后图像，生成误差图像E(i,j)；(3)对误差图像E(i,j)，采用自适应遗传算法与传统OTSU法相结合，得到最佳阈值T；(4)根据最佳阈值T，对误差图像E(i,j)进行焊缝边缘分类，提取清晰、准确的环焊焊缝图像边缘。
【技术实现步骤摘要】
本专利技术涉及一种焊缝边缘提取方法，特别是涉及一种基于GAP预测器和自适应遗 传算法环焊焊缝边缘提取方法。
技术介绍
近年来机器视觉检测技术迅速发展，已逐步取代人工目测应用到包括焊缝表面缺 陷检测在内的工业生产各个领域。由于焊接过程中不可避免地受到弧光、飞溅以及烟尘等 若干因素干扰，焊缝缺陷形态的多样性而难以将噪声与微小缺陷区分开，如何准确地提取 焊缝并对其进行图像处理，是国内外学者关注的焦点，也是本文开展研究的依据。 研究可以保证在复杂情况下提取焊缝的边缘。已有技术包括2012年3月出版的 《电子测量技术》第3期"基于CCD图像处理的焊缝识别技术研究"以及中国专利技术专利说明 书CN103323458A(2013年9月25日公布）公开的一种焊缝检测装置、焊缝检测系统及焊缝 检测方法，中国专利说明书CN101135652(2008年3月5日公布）公开的基于纹理分割的焊 缝识别方法，中国专利说明书CN101159017(2008年4月9日公布）公开的基于局部图像纹 理特征匹配的焊缝自动识别视觉方法等，上述对焊缝边缘提取采用了不同方法，基本上能 够快速准确检测焊缝边缘。图像边缘检测的基本方法是采用阈值方法，其目的是将图像按不同灰度值分割成 相应区域，方便后继处理。阈值的选取相当重要，国内外学者针对这一课题进行了广泛深入 的研究，已有技术包括2006年1月出版的《焊接学报》第1期期刊"基于Canny算子的焊 缝图像边缘提取技术"，2009年5月出版的《上海交通大学学报》第5期期刊"基于复合边 缘检测算子的焊缝边缘提取方法"，但这些方法在不同程度上存在着执行效率低，易于陷入 局部最优解等问题，因此，寻求一种高效的全局最优解的阈值选取方法一直是人们所关注 的问题。 图像压缩编码中梯度自适应预测器（Gradient Adjusted Predictor，简称GAP)是 一种非线性，简单自适应预测器，它可以根据附近像素亮度变化，适应性调整自身像素的预 测值，这种模型在不同环境中从纠正它自己的错误中学习，因此相比传统的线性预测器，它 具有更大的鲁棒性。新颖的把改进的GAP预测器模板应用在图像边缘检测中，包括2013年 3月出版的《计算机应用》第3期期刊"基于多方向梯度边缘预测器快速边缘检测算法"，该 方法检测的图像边缘清晰，细节丰富，但是在寻求最优解时可能也会陷入局部最优解。 遗传算法（Genetic Algorithm,简称GA)是其中特别有效的算法之一，遗传算法 是模拟自然界生物进化过程的计算模型，依据优胜劣汰的原则，对需要优化的群体通过选 择、交叉、变异等遗传算子操作，不断生成新的优化群体，以求得满足要求的最优解。遗传算 法通过目标函数进行计算，对问题依赖小，它从多个初始点进行并行操作，大大提高计算速 度；采用启发式搜索策略，搜索效率高。2014年1月出版的《焊接技术》第1期期刊"基于 遗传算法的焊接熔池检测"就利用遗传算法获取最佳阈值。 传统焊缝边缘检测时，存在如下缺点：一方面由于焊缝图像是在复杂环境下拍摄 的，对焊缝图像需要进行必要的预处理，再进行边缘提取，传统方法中，数学模型比较复杂， 运行时间也较长，若要提高检测速度的情况下，会损失掉原图像信息；另一方面，在采用阈 值方法分割图像时，阈值的求取会陷入局部最优求解，最后得不到最佳阈值。 经查相关文献，目前还不存在一个基于GAP预测器与遗传算法相结合进行焊缝边 缘检测的方法。本专利技术利用GAP预测器模板，不仅考虑了图像的灰度信息，还考虑邻域空间 的相关信息的特点，从而保证图像边缘检测的精度；采用遗传算法对OTSU函数阈值进行求 取，能保证搜索的速度和得到全局最优阈值，所以本专利技术是对现有焊缝图像边缘提取方法 的一种补充，有较好的应用价值。
技术实现思路
本专利技术所要解决的技术问题：克服现有技术的不足，基于GAP预测器和自适应遗 传算法提出一种环焊焊缝边缘提取方法，使焊缝边缘检测效率更高，且提取的焊缝边缘更 精确。 本专利技术的技术解决方案：一种基于GAP预测器和自适应遗传算法环焊焊缝边缘提 取方法，其特征在于步骤如下： (1)对环焊焊缝原始图像进行预处理，包括灰度化、增强滤波等处理； (2)对环焊焊缝预处理后的图像，利用GAP预测器模板，生成误差图像E(i，j); (2. 1)设I (i, j)表示原像素值，计算垂直和水平方向的梯度dh和dv ; (2. 2)通过一定的方法计算预测像素值Γ (i，j)，即根据dh和dv差值，判断图像 中边缘幅值和方向，然后依据一些经验阈值来判断水平或者垂直边缘的出现，最后根据水 平或垂直边缘的变化程度适当选取相邻像素的权重，计算出预测值Γ (i，j); (2.3)令预测误差为E(i，j)，即E(i，j) = |l(i，j)-I' (i，j) |，即可以得到误差 图像E ; (3)对误差图像E，采用自适应遗传算法与传统OTSU法相结合，得到最佳阈值T ; (4)按此最佳阈值T对误差图像E进行边缘分类，如果E (i，j)值大于T，则该点为 边缘点，用" 1"做标记；否则该点为非边缘点，用"0"做标记，最终获得环焊焊缝边缘图像。【附图说明】 图IGAP预测器模板； 图2遗传算法流程图； 图3本专利技术的总流程图； 图4环焊焊缝灰度图像； 图5为图4中进行环焊焊缝滤波后图像； 图6为图5中经不同方法获得的焊缝边缘图像。【具体实施方式】 下面结合具体附图和实例对本专利技术的实施例作进一步详细描述，但本实施例并不 用于限制本专利技术，凡是采用本专利技术的相似方法及其相似变化，均应列入本专利技术的保护范围。 本专利技术实施例所提供的一种基于GAP预测器和自适应遗传算法环焊焊缝边缘提 取方法，其特征在于步骤如下： (1)对环焊焊缝原始图像进行预处理； 对环焊焊缝原始图像进行预处理，包括灰度化、增强、滤波等处理，其中灰度化的 方法，根据期刊2007年8月出版的《计算机工程与设计》第15期杂志中的"新的基于边缘 检测提高图像质量的插值算法"一文公开的数据融合技术，该方法根据人眼对亮度分量的 感觉比对颜色分量的感觉敏感；原始的彩色图像一般为RGB模式，R代表红色，G代表绿色， B代表蓝色；采用数据融合技术对3个分量得到的边缘信息进行联合优化，其处理方法如式 (1)： I(i, j) = 0. 301IR(i, j)+0. 586IG(i, j)+0. 113IB(i, j) (I) 式中IR(i，j)，Ie(i，j)，IB(i，j)表示各个颜色分量在（i，j)的像素值，I(i，j)表 示融合后相应位置像素值；以上方法融合成一个新灰度图像，然后在保证不失真的前提下 尽可能减小图像的容量，对融合后的灰度图像进行低通高斯滤波器的平滑处理后生成预处 理图像，不引起混淆情况下，记做I(i，j); (2)对环焊焊缝预处理图像生成误差图像E(i，j); (2. 1)计算垂直和水平方向的梯度dv和dh，得到两个方向梯度的差值dv-dh ; a.如图1所示为GAP预测器模板；在预测器当前像素 I (i，j)邻接区域中，所参考 像素共有7个参考像素（NN, N. . .，W)，它们分别为： NN = I (i, j-2)，NNE = I (i+1, j-2) NW = I (i本文档来自技高网...
【技术保护点】
一种基于GAP预测器和自适应遗传算法环焊焊缝边缘提取方法，其特征在于步骤如下：(1)对环焊焊缝原始图像进行预处理，包括灰度化、增强滤波等处理；(2)对环焊焊缝预处理后的图像，基于GAP预测器模板，生成误差图像E；(2.1)设I(i,j)为原像素值，计算垂直和水平方向的梯度dv和dh；(2.2)计算预测像素值I'(i,j)，即根据dv和dh差值，判断图像中边缘幅值和方向,然后依据一些经验阈值来判断水平或者垂直边缘的出现，最后根据水平或垂直边缘的变化程度，适当选取相邻像素的权重，计算出该预测像素值；(2.3)令预测误差为E(i,j)，即E(i,j)＝|I(i,j)‑I′(i,j)|，即可以得到误差图像E；(3)对误差图像E，采用自适应遗传算法与传统OTSU法相结合，得到最佳阈值T；(4)按此最佳阈值T对误差图像E进行区域分类，如果E(i,j)值大于T，则该点为边缘点，用“1”做标记；否则该点为非边缘点，用“0”做标记，最终获得环焊焊缝边缘图像。
【技术特征摘要】
【专利技术属性】
技术研发人员：党向盈，鲍蓉，厉丹，肖理庆，
申请(专利权)人：徐州工程学院，
类型：发明
国别省市：江苏;32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。