【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 ...
【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
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。