一种光斑质量判别方法、装置、设备和存储介质制造方法及图纸

本申请公开了一种光斑质量判别方法、装置、设备和存储介质，通过一组正常光斑图像和一组待检测光斑图像获取正常光斑图像矩阵和混合光斑图像矩阵；对正常光斑图像矩阵进行分解得到多层特征矩阵；将多层特征矩阵中具有光斑纹理特征的目标层特征矩阵作为先验约束构建基于先验约束的分解模型，通过该分解模型对混合光斑图像矩阵进行分解得到系数矩阵；将系数矩阵聚类成若干类别，并提取每个类别的聚类中心；计算各类别下的各待检测光斑图像对应的系数、各正常光斑图像对应的系数与对应聚类中心的距离，通过距离判别各待检测光斑图像的质量，改善了现有技术在有背景光影响的情况下，难以准确提取光斑轮廓信息，从而影响光斑质量检测结果。检测结果。检测结果。

A method, device, equipment and storage medium for judging spot quality

【技术实现步骤摘要】
一种光斑质量判别方法、装置、设备和存储介质


[0001]本申请涉及图像处理
，尤其涉及一种光斑质量判别方法、装置、设备和存储介质。

技术介绍

[0002]由于激光具有定向发光、高度高、颜色纯、能量密度大、高相干性等特点，被广泛应用于医学、测量、通信等领域。而以激光为基础的医疗检测设备、激光切割设备、和光电通信电子设备等都对激光精度要求较高，因此，对激光光速的质量研究显得尤为重要。
[0003]现有的光斑检测方法通常采用对光斑图像进行分割获取光斑轮廓信息，然后提取光斑中心点坐标来验证光斑质量，在有背景光影响的情况下，难以准确提取光斑轮廓信息，从而影响光斑质量检测结果。

技术实现思路

[0004]本申请提供了一种光斑质量判别方法、装置、设备和存储介质，用于改善现有技术在有背景光影响的情况下，难以准确提取光斑轮廓信息，从而影响光斑质量检测结果。
[0005]有鉴于此，本申请第一方面提供了一种光斑质量判别方法，包括：通过一组正常光斑图像获取正常光斑图像矩阵，通过该组正常光斑图像和一组待检测光斑图像获取混合光斑图像矩阵；对所述正常光斑图像矩阵进行分解，得到所述正常光斑图像矩阵的多层特征矩阵，并基于先验知识从所述多层特征矩阵中提取具有光斑纹理特征的目标层特征矩阵；将所述目标层特征矩阵作为先验约束构建基于先验约束的分解模型，并通过所述基于先验的分解模型对所述混合光斑图像矩阵进行分解，得到所述混合光斑图像矩阵的系数矩阵，所述系数矩阵中的系数包括待检测光斑图像对应的系数和正常光斑图像对应的系数；对所述系数矩阵中的系数进行聚类，将所述系数矩阵聚类成若干类别，并提取每个类别的聚类中心；计算各类别下的各待检测光斑图像对应的系数、各正常光斑图像对应的系数与对应的聚类中心的距离，通过距离判别各待检测光斑图像的质量。
[0006]可选的，所述基于先验约束的分解模型为：；式中，Y为混合光斑图像矩阵，U
i
为混合光斑图像矩阵的第i层特征矩阵，l为混合光斑图像矩阵的特征矩阵总层数，V为混合光斑图像矩阵的系数矩阵，A为正常光斑图像矩阵的目标层特征矩阵，U
s
为混合光斑图像矩阵的目标层特征矩阵，为约束参数。
[0007]可选的，所述计算各类别下的各待检测光斑图像对应的系数、各正常光斑图像对应的系数与对应的聚类中心的距离，通过距离判别各待检测光斑图像的质量，包括：
通过计算各类别下的各正常光斑图像对应的系数与对应类别的聚类中心的距离确定各类别的距离阈值；计算各类别下的各待检测光斑图像对应的系数与对应类别的聚类中心的距离；当待检测光斑图像对应的系数与该待检测光斑图像所在类别的聚类中心的距离小于或等于该待检测光斑图像所在类别的距离阈值时，则判定该待检测光斑图像为正常光斑图像；当待检测光斑图像对应的系数与该待检测光斑图像所在类别的聚类中心的距离大于该待检测光斑图像所在类别的距离阈值时，则判定该待检测光斑图像为非正常光斑图像。
[0008]可选的，所述通过一组正常光斑图像获取正常光斑图像矩阵，通过该组正常光斑图像和一组待检测光斑图像获取混合光斑图像矩阵，包括：将一组正常光斑图像采用矩阵的方式进行表示并进行归一化处理，得到正常光斑图像矩阵；将该组正常光斑图像和一组待检测光斑图像采用矩阵的方式进行表示并进行归一化处理，得到混合光斑图像矩阵。
[0009]本申请第二方面提供了一种光斑质量判别装置，包括：获取单元，用于通过一组正常光斑图像获取正常光斑图像矩阵，通过该组正常光斑图像和一组待检测光斑图像获取混合光斑图像矩阵；第一分解单元，用于对所述正常光斑图像矩阵进行分解，得到所述正常光斑图像矩阵的多层特征矩阵，并基于先验知识从所述多层特征矩阵中提取具有光斑纹理特征的目标层特征矩阵；第二分解单元，用于将所述目标层特征矩阵作为先验约束构建基于先验约束的分解模型，并通过所述基于先验的分解模型对所述混合光斑图像矩阵进行分解，得到所述混合光斑图像矩阵的系数矩阵，所述系数矩阵中的系数包括待检测光斑图像对应的系数和正常光斑图像对应的系数；聚类单元，用于对所述系数矩阵中的系数进行聚类，将所述系数矩阵聚类成若干类别，并提取每个类别的聚类中心；判别单元，用于计算各类别下的各待检测光斑图像对应的系数、各正常光斑图像对应的系数与对应的聚类中心的距离，通过距离判别各待检测光斑图像的质量。
[0010]可选的，所述基于先验约束的分解模型为：；式中，Y为混合光斑图像矩阵，U
i
为混合光斑图像矩阵的第i层特征矩阵，l为混合光斑图像矩阵的特征矩阵总层数，V为混合光斑图像矩阵的系数矩阵，A为正常光斑图像矩阵的目标层特征矩阵，U
s
为混合光斑图像矩阵的目标层特征矩阵，为约束参数。
[0011]可选的，所述判别单元具体用于：通过计算各类别下的各正常光斑图像对应的系数与对应类别的聚类中心的距离确定各类别的距离阈值；计算各类别下的各待检测光斑图像对应的系数与对应类别的聚类中心的距离；
当待检测光斑图像对应的系数与该待检测光斑图像所在类别的聚类中心的距离小于或等于该待检测光斑图像所在类别的距离阈值时，则判定该待检测光斑图像为正常光斑图像；当待检测光斑图像对应的系数与该待检测光斑图像所在类别的聚类中心的距离大于该待检测光斑图像所在类别的距离阈值时，则判定该待检测光斑图像为非正常光斑图像。
[0012]可选的，所述获取单元具体用于：将一组正常光斑图像采用矩阵的方式进行表示并进行归一化处理，得到正常光斑图像矩阵；将一组正常光斑图像和一组待检测光斑图像采用矩阵的方式进行表示并进行归一化处理，得到混合光斑图像矩阵。
[0013]本申请第三方面提供了一种光斑质量判别设备，所述设备包括处理器以及存储器；所述存储器用于存储程序代码，并将所述程序代码传输给所述处理器；所述处理器用于根据所述程序代码中的指令执行第一方面任一种所述的光斑质量判别方法。
[0014]本申请第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质用于存储程序代码，所述程序代码被处理器执行时实现第一方面任一种所述的光斑质量判别方法。
[0015]从以上技术方案可以看出，本申请具有以下优点：本申请提供了一种光斑质量判别方法，包括：通过一组正常光斑图像获取正常光斑图像矩阵，通过该组正常光斑图像和一组待检测光斑图像获取混合光斑图像矩阵；对正常光斑图像矩阵进行分解，得到正常光斑图像矩阵的多层特征矩阵，并基于先验知识从多层特征矩阵中提取具有光斑纹理特征的目标层特征矩阵；将目标层特征矩阵作为先验约束构建基于先验约束的分解模型，并通过基于先验的分解模型对混合光斑图像矩阵进行分解，得到混合光斑图像矩阵的系数矩阵，系数矩阵中的系数包括待检测光斑图像对应的系数和正常光斑图像对应的系数；对系数矩阵中的系数进行聚类，将系数矩阵聚类成若干类别，并提取每个类别的聚类中心；计算各类别下的各待检测光斑图像对应的系数、各正常光斑图像对应的系数与对应的聚类中心的距离，通过距离判别各待检测光斑图像的质量。
[0016]本本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种光斑质量判别方法，其特征在于，包括：通过一组正常光斑图像获取正常光斑图像矩阵，通过该组正常光斑图像和一组待检测光斑图像获取混合光斑图像矩阵；对所述正常光斑图像矩阵进行分解，得到所述正常光斑图像矩阵的多层特征矩阵，并基于先验知识从所述多层特征矩阵中提取具有光斑纹理特征的目标层特征矩阵；将所述目标层特征矩阵作为先验约束构建基于先验约束的分解模型，并通过所述基于先验的分解模型对所述混合光斑图像矩阵进行分解，得到所述混合光斑图像矩阵的系数矩阵，所述系数矩阵中的系数包括待检测光斑图像对应的系数和正常光斑图像对应的系数；对所述系数矩阵中的系数进行聚类，将所述系数矩阵聚类成若干类别，并提取每个类别的聚类中心；计算各类别下的各待检测光斑图像对应的系数、各正常光斑图像对应的系数与对应的聚类中心的距离，通过距离判别各待检测光斑图像的质量。2.根据权利要求1所述的光斑质量判别方法，其特征在于，所述基于先验约束的分解模型为：；式中，Y为混合光斑图像矩阵，U
i
为混合光斑图像矩阵的第i层特征矩阵，l为混合光斑图像矩阵的特征矩阵总层数，V为混合光斑图像矩阵的系数矩阵，A为正常光斑图像矩阵的目标层特征矩阵，U
s
为混合光斑图像矩阵的目标层特征矩阵，为约束参数。3.根据权利要求1所述的光斑质量判别方法，其特征在于，所述计算各类别下的各待检测光斑图像对应的系数、各正常光斑图像对应的系数与对应的聚类中心的距离，通过距离判别各待检测光斑图像的质量，包括：通过计算各类别下的各正常光斑图像对应的系数与对应类别的聚类中心的距离确定各类别的距离阈值；计算各类别下的各待检测光斑图像对应的系数与对应类别的聚类中心的距离；当待检测光斑图像对应的系数与该待检测光斑图像所在类别的聚类中心的距离小于或等于该待检测光斑图像所在类别的距离阈值时，则判定该待检测光斑图像为正常光斑图像；当待检测光斑图像对应的系数与该待检测光斑图像所在类别的聚类中心的距离大于该待检测光斑图像所在类别的距离阈值时，则判定该待检测光斑图像为非正常光斑图像。4.根据权利要求1所述的光斑质量判别方法，其特征在于，所述通过一组正常光斑图像获取正常光斑图像矩阵，通过该组正常光斑图像和一组待检测光斑图像获取混合光斑图像矩阵，包括：将一组正常光斑图像采用矩阵的方式进行表示并进行归一化处理，得到正常光斑图像矩阵；将该组正常光斑图像和一组待检测光斑图像采用矩阵的方式进行表示并进行归一化处理，得到混合光斑图像矩阵。5.一种光斑质量判别装置，其特征在于，包括：获取单元，用于通过一组正常光斑图像获取正常光斑图像矩阵，通过该组正常光斑图
像和一组待检测光斑图像获取混合光...

【专利技术属性】
技术研发人员：杨祖元，陈君航，李陵江，李珍妮，谢胜利，孙为军，
申请(专利权)人：广东工业大学，
类型：发明
国别省市：