一种基于数字图像的航空结构件识别的图像预处理方法技术

本发明专利技术提出了一种基于数字图像的航空结构件识别的图像预处理方法，通过对采集到的样本进行图像处理得到更加丰富多样的样本集，从而实现在缺少实际的丰富样本的情况下提供足够丰富的样本用于机器学习，本发明专利技术通过上述设置解决了现有技术在应用于航空飞行器零件等具有批量小而品种多的物品进行机器学习时缺乏丰富样本集的问题，同时还提高了机器学习的精确率。精确率。

【技术实现步骤摘要】
一种基于数字图像的航空结构件识别的图像预处理方法


[0001]本专利技术属于计算机机器学习图像识别
，具体地说，涉及一种基于数字图像的航空结构件识别的图像预处理方法。

技术介绍

[0002]航空飞行器的结构件具有批量小品种多等特点，故在利用机器学习方法对零件进行识别时，能够采集到的零件图像比较少，直接通过原始图像很难训练出一个准确率比较高的模型。训练样本集中样本的丰富程度对于机器学习而言具有极大的影响，在缺乏足够的样本训练集的情况下得到的图像识别的准确率是较低的。

技术实现思路

[0003]本专利技术针对现有技术在应用于航空飞行器零件等具有批量小而品种多的物品进行机器学习时缺乏丰富样本集的问题，提出了一种基于数字图像的航空结构件识别的图像预处理方法，通过对采集到的样本进行图像处理得到更加丰富多样的样本集，从而实现在缺少实际的丰富样本的情况下提供足够丰富的样本用于机器学习，进而提高了机器学习的精确率。
[0004]本专利技术具体实现内容如下：
[0005]本专利技术提出了一种基于数字图像的航空结构件识别的图像预处理方法，包括以下步骤：
[0006]步骤1：从航空结构件的数模文件中获取零件各个视角的视图图像，并将获取的视图作为零件数模原始图像；
[0007]步骤2：将获取的零件数模原始图像进行图像变换处理，得到变换后的原始图像，并将变换后的原始图像中的零件进行区域裁剪，将区域裁剪出的零件的原始图像采用 skPartImgFill方法填充为尺寸一致的图像并加入训练集中作为训练样本；对于训练集中的训练样本，进行灰度处理，将训练样本中的零件的轮廓特征的像素点设置为白色，将零件的非轮廓特征的像素点设置为黑色；
[0008]步骤3：采集零件的实体图像，并对实体图像进行高斯核滤波，对滤波后的图像进行图像处理裁剪得到实物图像中的零件实物区域图像，然后对裁剪得到的零件实物区域图像基于训练集的训练样本采用skPartImgfilter方法进行图像预处理运算，并输出图像预处理运算的结果作为后续机器学习零件识别的输入图像。
[0009]为了更好地实现本专利技术，进一步地，步骤2中采用所述skPartImgFill方法进行填充的具体操作为：
[0010]首先计算裁剪出的零件的原始图像的长度W、高度H和长高的差值d，并设置第一次添加值m和第二次添加值n；具体计算如下：
[0011]d＝|w
‑
H|
ꢀꢀꢀ
(1)；
[0012][0013][0014]其中：式(2)分别表示第一次添加值m为长度W和高度H的差值d的一半向上取整的值；
[0015]式(3)表示第二次添加值n为长度W和高度H的差值d的一半向上取整的值；
[0016]然后进行长度W和高度H的大小判断：
[0017]如果W>H,在裁剪出的零件的原始图像前方添加m行全0矩阵，后方添加n行全0矩阵；
[0018]如果W<H,在裁剪出的零件的原始图像前方添加m列全0矩阵，在图像后方添加n列全0矩阵；
[0019]最后将添加了全0矩阵后的图像缩放为单通道图像，并作为输出图像加入训练集中作为训练样本。
[0020]为了更好地实现本专利技术，进一步地，步骤2中的所述图像变换处理包括图像旋转和图像缩放和图像裁剪。
[0021]为了更好地实现本专利技术，进一步地，所述区域裁剪得到的零件实物区域图像的图像面积大于对应的被区域裁剪的变换后的原始图像的图像面积的70％。
[0022]为了更好地实现本专利技术，进一步地，对于训练集中的训练样本的零件的白色区域进行随机丢弃并替换为黑色，并对替换后的训练样本中的零件进行缩放、旋转、区域裁剪操作，然后再填充为与训练集中的训练样本尺寸一致的图像同样保存到样本中作为训练样本。
[0023]为了更好地实现本专利技术，进一步地，设定随机丢弃零件的白色区域并替换为黑色区域的比例为比例a，所述比例a为根据实际需求自定义的值。
[0024]为了更好地实现本专利技术，进一步地，所述步骤3中对滤波后的图像进行图像处理裁剪得到实物图像中的零件实物区域图像的具体操作为：首先对经过高斯核滤波后的图像使用卷积核进行卷积，然后对卷积后的结果进行灰度处理，并对灰度处理后的结果进行二值化处理，然后计算出实物图像中各个零件轮廓的面积大小，获得实物图像中零件实物所在的区域并进行裁剪，得到零件实物区域图像。
[0025]为了更好地实现本专利技术，进一步地，所述步骤3中采用skPartImgfilter方法进行图像预处理运算的步骤为：
[0026]首先对零件实物区域图像中的每一个像素点都与周围的像素点进行求差计算，然后将差的绝对值累计再求平方，具体计算公式如下：
[0027]img[i，j]＝(|img[i，j]‑
img[i
‑
1，j
‑
1]|+|img[i，j[
‑
ing[i
‑
1，j]|+|img[i，j]‑
ing[i
‑ꢀ
1，j+1]|+|img[i，j]‑
img[i，j
‑
1]|+|img[i，j]‑
img[i，j+1]|+|img[i，j]‑
img[i+1，j
‑ꢀ
1]|+|img[i，j]‑
img[i+1，j]|+|img[i，j]‑
img[i+1，j+1]|)2ꢀꢀꢀ
(4)；
[0028]式(4)中，img表示裁剪后的图像，img[i，j]表示图像的第i行第j列的点同时也代表与周围点进行求差的点；
[0029]img[i
‑
1，j
‑
1]为img[i，j]左上角的点；
[0030]img[i
‑
1，j]为img[i，j]上方的点；
[0031]img[i
‑
1，j+1]为img[i，j]右上角的点；
[0032]img[i，j
‑
1]为img[i，j]左边的点；
[0033]img[i，j+1]为img[i，j]右边的点；
[0034]img[i+1，j]为img[i，j]左下角的点；
[0035]img[i+1，j]为img[i，j]正下方的点；
[0036]img[i+1，j+1]为img[i，j]右下角的点；
[0037]然后通过上述操作求得图像中所有的点的值img[i，j]，得到新的轮廓图像img
L
；
[0038]最后对新的轮廓图像img
L
采用skPartImgFill方法填充为尺寸一致的图像作为后续机器学习零件识别的输入图像。
[0039]为了更好地实现本专利技术，进一步地，当计算得到的某个点的img[i，j]＞128时，将对应的像素点的值设置为255，若img[i，j]＜128，则将本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于数字图像的航空结构件识别的图像预处理方法，其特征在于，包括以下步骤：步骤1：从航空结构件的数模文件中获取零件各个视角的视图图像，并将获取的视图作为零件数模原始图像；步骤2：将获取的零件数模原始图像进行图像变换处理，得到变换后的原始图像，并将变换后的原始图像中的零件进行区域裁剪，将区域裁剪出的零件的原始图像采用skPartImgFill方法填充为尺寸一致的图像并加入训练集中作为训练样本；对于训练集中的训练样本，进行灰度处理，将训练样本中的零件的轮廓特征的像素点设置为白色，将零件的非轮廓特征的像素点设置为黑色；步骤3：采集零件的实体图像，并对实体图像进行高斯核滤波，对滤波后的图像进行图像处理裁剪得到实物图像中的零件实物区域图像，然后对裁剪得到的零件实物区域图像基于训练集的训练样本采用skPartImgfilter方法进行图像预处理运算，并输出图像预处理运算的结果作为后续机器学习零件识别的输入图像。2.如权利要求1所述的一种基于数字图像的航空结构件识别的图像预处理方法，其特征在于，步骤2中采用所述skPartImgFill方法进行填充的具体操作为：首先计算裁剪出的零件的原始图像的长度W、高度H和长高的差值d，并设置第一次添加值m和第二次添加值n；具体计算如下：d＝|W
‑
H|
ꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)；(1)；其中：式(2)分别表示第一次添加值m为长度W和高度H的差值d的一半向上取整的值；式(3)表示第二次添加值n为长度W和高度H的差值d的一半向上取整的值；然后进行长度W和高度H的大小判断：如果W＞H，在裁剪出的零件的原始图像前方添加m行全0矩阵，后方添加n行全0矩阵；如果W＜H，在裁剪出的零件的原始图像前方添加m列全0矩阵，在图像后方添加n列全0矩阵；最后将添加了全0矩阵后的图像缩放为单通道图像，并作为输出图像加入训练集中作为训练样本。3.如权利要求1或2任一项所述的一种基于数字图像的航空结构件识别的图像预处理方法，其特征在于，步骤2中的所述图像变换处理包括图像旋转和图像缩放和图像裁剪。4.如权利要求2所述的一种基于数字图像的航空结构件识别的图像预处理方法，其特征在于，所述区域裁剪得到的零件实物区域图像的图像面积大于对应的被区域裁剪的变换后的原始图像的图像面积的70％。5.如权利要求1所述的一种基于数字图像的航空结构件识别的图像预处理方法，其特征在于，对于训练集中的训练样本的零件的白色区域进行随机丢弃并替换为黑色，并对替换后的训练样本中的零件进行缩放、旋转、区域裁剪操作，然后再填充为与训练集中的训练样本尺寸一致的图像同样保存到样本中作为训练样本。6.如权利要求5所述的一种基于数字图像的航空结构件识别的图像预处理方法，其特
征在于，设定随机丢弃零件的白色区域并替换为黑色区域的比例为比例a，所述比例a为根据实际需求自定义的值。7.如权利要求1所述的一种基于数字图像的航空结构件识别的图像预处理方法，其特征在于，所述步骤3中对滤波后的图像进行图像处理裁剪得到实物图像中的零件实物区域图像的具体操作为：首先对经过高斯核滤波后的图像使用卷积核进行...

【专利技术属性】
技术研发人员：舒建国，郭国彬，封刚，宋戈，宋智勇，褚福舜，
申请(专利权)人：成都飞机工业集团有限责任公司，
类型：发明
国别省市：