一种基于MATLAB的图像自动提取优化方法及设备技术

本发明专利技术公开了一种基于MATLAB的图像自动提取优化方法，步骤100、建立图像处理模型，进而得到最优的成像方案；步骤200、确定优化目标，建立基于缺陷图像多特征综合像质评价体系，定义多个参数来综合评价图像质量，得到各个缺陷的最佳成像光路配置方案；步骤300、建立非线性标定，使用摄像机对放置在标定平面上不同位置的标定板拍照，并保持所有摄像机内参不变，从而得到一系列灰度图像，解出线阵摄像机成像坐标变换关系；步骤400、建立基于图像区域的立体匹配模型，利用图像金字塔模型以多分辨率表达图像的特性，构建了一种从粗到细分层匹配的区域匹配算法；步骤500、建立成像参数分析与成像系统，对在线获取高质量的钢板表面图像进行研究。

【技术实现步骤摘要】
一种基于MATLAB的图像自动提取优化方法及设备
本专利技术涉及图像自动提取领域，具体为一种基于MATLAB的图像自动提取优化方法及设备。
技术介绍
板带材作为钢铁工业的主要产品之一，已广泛成为机械制造、航空航天、化工、汽车、家电和造船等工业不可缺少的原材料。然而在连铸、热轧、冷轧等不同工艺生产流程阶段，由于原材料、轧制设备和加工工艺等原因，会导致表面出现多种类型的缺陷，表面缺陷不仅制约着先进生产工艺技术的应用，阻碍生产率的进一步提高；而且还影响产品外观，降低产品的抗腐蚀性、耐磨性和疲劳强度等性能，直接降低了钢板质量等级，而现有用于检测钢铁表面缺陷的自动化图像自动提取设备还存在以下不足之处：例如，申请号为201010613388.4，专利名称为一种肿瘤超声图像自动提取方法的专利技术专利：其提出了一项新的能量函数对原始模型进行改善，使得该模型更适合于医学超声图像肿瘤的病灶提取，更进一步提高了算法的准确性以及实用性。但是，现有的基于MATLAB的图像自动提取优化处理方法及设备存在以下缺陷：(1)虽然图像处理和模式识别的算法和软件具有一定的可移植性和借鉴性，但针对特定的检测对象获取图像的方法却各不相同，尤其是钢板生产线上工业检测条件苛刻，周围环境恶劣、干扰因素众多，因此对钢板表面光线如何反射，如何最佳成像以及如何实现成像系统等关键问题的研究更加迫切；(2)传统的基于电磁及超声原理的无损检测技术，需要大电流驱动励磁，不仅造成能源极大浪费，而且容易“污染”电网，给正常的生产造成困难，再次，涡流检测方法要实现热图像较好的检测效果，检测的板材必须为匀温场，这对于铸坯、热轧带钢来说很难满足；(3)目前针对钢板表面检测的特定场合，机器视觉表面检测技术是通过光学装置和非接触的传感器自动地获取和处理钢板表面图像以获得所需信息或对表面的特征进行有效的检出，但是现有的机器视觉表面检测技术算法难度大，影响因素多，且整体机械结构复杂，实用性差。
技术实现思路
为了克服现有技术方案的不足，本专利技术提供一种基于MATLAB的图像自动提取优化方法机设备，能有效的解决
技术介绍
提出的问题。本专利技术解决其技术问题所采用的技术方案是：一种基于MATLAB的图像自动提取优化方法，包括如下步骤：步骤100、建立图像处理模型，通过摄像机的光学成像系统对钢板表面进行成像处理，建立钢板表面的最优成像流程的模型，进而得到最优的成像方案；步骤200、确定优化目标，建立基于缺陷图像多特征综合像质评价体系，定义多个参数来综合评价图像质量，进一步区别低质量图像和较高质量的图像，得到各个缺陷的最佳成像光路配置方案；步骤300、建立非线性标定，使用摄像机对放置在标定平面上不同位置的标定板拍照，并保持所有摄像机内参不变，从而得到一系列灰度图像，解出线阵摄像机成像坐标变换关系；步骤400、建立基于图像区域的立体匹配模型，利用图像金字塔模型以多分辨率表达图像的特性，结合均值滤波建立图像的平均值金字塔，构建了一种从粗到细分层匹配的区域匹配算法；步骤500、建立成像参数分析与成像系统，针对在线获取高质量的钢板表面图像、实时数字图像或视频信号的传输与处理、在线缺陷图像的三维重构及缺陷的分类识别等工作进行研究。进一步地，所述步骤100中，还包括：首先，利用摄像机对物体表面信息进行采集，并采用双向反射分布函数描述摄像机与物体表面的入射光(入射角、波长、强度)、物体表面特征及物理属性(介电常数、粗糙度、偏振、吸收等性质)以及光波反射的方向(视角)及强度分布等参数之间的函数关系；然后，根据目标表面的物理特性和试验测量数据，建立表面BRDF数学经验模型，表现目标表面的散射特征；再以双向反射分布函数以及表面BRDF数学经验模型为基础，采用一个漫反射函数来表示钢板表面漫反射分量，并假设钢板是基于高斯分布的随机粗糙表面，构建包含表面粗糙度的微平面面元分布函数作为粗糙度因子，以一个指数函数来模拟镜向反射分量，得到一个钢板表面散射的半经验数学模型；最后对钢板表面散射特征测试结果，运用最小二乘法进行拟合，采用共轭梯度法在MATLAB中实现各参数的迭代优化求解。进一步地，所述步骤200中，基于缺陷图像多特征综合像质评价体系还包括：首先，将图像经过主观预评价后将图像质量分为不合格图像、合格图像两类，合格图像进入客观评价，评价后图像质量分为低质量图像、一般质量图像及较高质量图像三类，其中低质量图像被淘汰；然后，对一般质量和较高质量图像进行算法评价，如果边缘检测效果较好，则质量等级升一级，如果边缘检测效果不好，则为备用图像，并且根据优先度将备用图像排序；再对备用图像排序进提取总体图像特征参数，并傅立叶变换来判别背景噪声的频率特征，评估滤波的难易程度；最后，对于以上评价后得到的较高质量图像，利用边缘检测算法来进一步比较图像的质量，在对图像像质评价与对比分析后，得出若干高质量的缺陷图像，每幅图像对应的光路配置型式即此类缺陷的最佳成像方式，进一步对所有缺陷样本重复上述分析过程，得到各个缺陷的最佳成像光路配置方案。进一步地，所述步骤300中，还包括：首先，用高斯滤波器进行图像平滑处理，根据噪声程度控制滤波器尺寸；其次，采用基于灰度值阈值分割的算法将标定区域从背景中提取出来，通过判断区域中包含孔的数量最符合标定点数量的凸状区域来确定标定板的位置；然后再利用Canny滤波器对圆形靶标进行边缘提取，通过参数α控制边缘检测的灵敏度，结合滞后阈值分割方法得到亚像素精度的圆形边；再采用鲁棒的代数距离最小平方椭圆拟合算法将所有提取出的圆形靶标轮廓拟合为椭圆，并通过定义最小长度和最大直径去掉孤立的小边缘和过大的轮廓；最后基于椭圆最小外接四边形得到中心点坐标，从而确定标定点与图像投影之间的对应关系。进一步地，所述步骤300中确定标定点与图像投影之间的对应关系后，还需要以下操作：首先，以其中某一幅图像为参考图像，确定摄像机外参初始值，并由说明书输入内参初值；再重复处理系列标定图像，提取标定点，然后根据最小二乘的最优目标函数进行非线性优化求解。进一步地，所述步骤400中，还包括：首先，读入图像对建立图像金字塔，分析每一层图像，要保证最高层图像中可分辨出想要匹配的相关结构，从而确定图像金字塔的最高层H值；然后，利用相似度函数对第H层图像进行一次完整的匹配；再对于上一步得到的匹配点大概位置，跟踪到H层图像中继续匹配，定义搜索区间为初始匹配点的一个领域内，领域尺寸可设定；最后，重复这个匹配过程，直到第1层计算结束，输出最佳的匹配点，对于匹配失败的点在视差图上显示为白色。进一步地，首先，采用PLC控制器实现基础自动化控制功能；再通过图像采集卡对相机输出的视频信号进行实时数据采集，并提供与计算机的高速接口实现存储；最后，利用MATLAB对各图像处理的算法进行实现。本专利技术还提供了一种基于MATLAB的图像自动提取优化处理设备，包括PLC控制器、图像实时采集与传输模块和成像系统可调支架；所述PLC控制器为中心控制单元，所述PLC控制器的信号端通过光电传感器与成像系统可调支架相连接，所述成像系统可调支架的上部设置有多组摄像机；所述PLC控制器的信号端还通过CPC接口连接有纠偏系统，所述纠偏系统的信号端反馈连接到光电传感器上；所述图像实时采集与传输模块主要采本文档来自技高网...

【技术保护点】
1.一种基于MATLAB的图像自动提取优化方法，其特征在于：包括如下步骤：步骤100、建立图像处理模型，通过摄像机的光学成像系统对钢板表面进行成像处理，建立钢板表面的最优成像流程的模型，进而得到最优的成像方案；步骤200、确定优化目标，建立基于缺陷图像多特征综合像质评价体系，定义多个参数来综合评价图像质量，进一步区别低质量图像和较高质量的图像，得到各个缺陷的最佳成像光路配置方案；步骤300、建立非线性标定，使用摄像机对放置在标定平面上不同位置的标定板拍照，并保持所有摄像机内参不变，从而得到一系列灰度图像，解出线阵摄像机成像坐标变换关系；步骤400、建立基于图像区域的立体匹配模型，利用图像金字塔模型以多分辨率表达图像的特性，结合均值滤波建立图像的平均值金字塔，构建了一种从粗到细分层匹配的区域匹配算法；步骤500、建立成像参数分析与成像系统，针对在线获取高质量的钢板表面图像、实时数字图像或视频信号的传输与处理、在线缺陷图像的三维重构及缺陷的分类识别等工作进行研究。

【技术特征摘要】
1.一种基于MATLAB的图像自动提取优化方法，其特征在于：包括如下步骤：步骤100、建立图像处理模型，通过摄像机的光学成像系统对钢板表面进行成像处理，建立钢板表面的最优成像流程的模型，进而得到最优的成像方案；步骤200、确定优化目标，建立基于缺陷图像多特征综合像质评价体系，定义多个参数来综合评价图像质量，进一步区别低质量图像和较高质量的图像，得到各个缺陷的最佳成像光路配置方案；步骤300、建立非线性标定，使用摄像机对放置在标定平面上不同位置的标定板拍照，并保持所有摄像机内参不变，从而得到一系列灰度图像，解出线阵摄像机成像坐标变换关系；步骤400、建立基于图像区域的立体匹配模型，利用图像金字塔模型以多分辨率表达图像的特性，结合均值滤波建立图像的平均值金字塔，构建了一种从粗到细分层匹配的区域匹配算法；步骤500、建立成像参数分析与成像系统，针对在线获取高质量的钢板表面图像、实时数字图像或视频信号的传输与处理、在线缺陷图像的三维重构及缺陷的分类识别等工作进行研究。2.根据权利要求1所述的一种基于MATLAB的图像自动提取优化方法，其特征在于：所述步骤100中，还包括：首先，利用摄像机对物体表面信息进行采集，并采用双向反射分布函数描述摄像机与物体表面的入射光(入射角、波长、强度)、物体表面特征及物理属性(介电常数、粗糙度、偏振、吸收等性质)以及光波反射的方向(视角)及强度分布等参数之间的函数关系；然后，根据目标表面的物理特性和试验测量数据，建立表面BRDF数学经验模型，表现目标表面的散射特征；再以双向反射分布函数以及表面BRDF数学经验模型为基础，采用一个漫反射函数来表示钢板表面漫反射分量，并假设钢板是基于高斯分布的随机粗糙表面，构建包含表面粗糙度的微平面面元分布函数作为粗糙度因子，以一个指数函数来模拟镜向反射分量，得到一个钢板表面散射的半经验数学模型；最后对钢板表面散射特征测试结果，运用最小二乘法进行拟合，采用共轭梯度法在MATLAB中实现各参数的迭代优化求解。3.根据权利要求1所述的一种基于MATLAB的图像自动提取优化方法，其特征在于：所述步骤200中，基于缺陷图像多特征综合像质评价体系还包括：首先，将图像经过主观预评价后将图像质量分为不合格图像、合格图像两类，合格图像进入客观评价，评价后图像质量分为低质量图像、一般质量图像及较高质量图像三类，其中低质量图像被淘汰；然后，对一般质量和较高质量图像进行算法评价，如果边缘检测效果较好，则质量等级升一级，如果边缘检测效果不好，则为备用图像，并且根据优先度将备用图像排序；再对备用图像排序进提取总体图像特征参数，并傅立叶变换来判别背景噪声的频率特征，评估滤波的难易程度；最后，对于以上评价后得到的较高质量图像，利用边缘检测算法来进一步比较图像的质量，在对图像像质评价与对比分...

【专利技术属性】
技术研发人员：许晨晨，王桂丽，张云飞，吕游，
申请(专利权)人：安徽师范大学，
类型：发明
国别省市：安徽,34