一种基于图像质量分析的光源自适应调节方法技术

本发明专利技术公开了一种基于图像质量分析的光源自适应调节方法，该方法主要针对织物表面瑕疵检测设备，解决因织物面料、印染颜色差异等因素引起相机的采集环境变化，导致图像采集质量下降而影响后期检测的问题。本发明专利技术所提出的光源自适应调节方法，可分为基于全参考和无参考图像的两种质量分析模式。在全参考模式下，通过将采集图像与标准图像应用提出的相似性指标(SIM)来计算图像质量分数，而在无参考模式下，仅需将采集的图像直接送入对应的算法即可；随后再通过相应的搜索算法得到最佳的光照强度。本发明专利技术所述的光源自适应方法，包括图像评价原理、自适应搜索算法等，实现了对光源的自适应调节，使其可以更加便捷高效地应用于图像采集过程。像采集过程。像采集过程。

【技术实现步骤摘要】
一种基于图像质量分析的光源自适应调节方法


[0001]本专利技术属于计算机视觉图像处理领域，涉及一种图像采集视场环境自调节的方法，具体为一种基于图像质量分析的光源自适应调节方法。

技术介绍

[0002]起源于五千年前的纺织业，是历史长河的进程中为数不多被继承下来的产业，从手工纺织到纺轮、纺车出现再到斜织机的问世，随着纺织机械的日趋完善，如今的纺织业已基本上达到了自动化纺织的水平。众所周知，纺织业作为我国经济的支柱产业，其发展与我们的日常生活息息相关。但随着国际化大发展，我国的纺织品的出口量日益剧增，随之带来的问题也渐渐浮现在人们的面前。在纺织行业中，纺织的过程已不再是问题，但对于织物的质量检测又是一个亟待解决的问题，在需求的驱动下，目前市面上也出现了一些织物质量检测的机器，采集高质量的图像对于这些机器至关重要，但往往实际过程中，由于织物的面料、颜色等差异，而需要人为主动地去对光源进行调节，导致质量检测标准难以定量控制，因此如何提升纺织物表面图像采集的质量以及生产效率也仍是一个非常重要的问题之一。
[0003]随着光源及相应控制技术的不断发展，如今的光源调节已可以达到一个比较先进的水平，这一基础使得我们拥有可靠稳定的光源有了可能，这也是基于机器视觉织物表面质量检测的一个重要前提。光源的自适应调节在织物图像采集中至关重要，有了自适应调节技术，就可以在一定程度上避免图像采集质量的下降，以保证后续进一步的图像处理。对于这部分的研究工作，近些年来也相应出现了一些解决方案，纵观国内外研究现状，有基于光照强度感知的方法、基于图像处理的方法以及基于光源优化的方法，这些方法较之初期都有了一定的效果，但往往还不够成熟且应用范围狭窄，不能够做到普适性，能真正应用于实际工作环境可谓是少之又少。
[0004]鉴于此本专利技术提出一种基于图像质量分析的光源自适应调节方法，通过对采集的图像质量进行分析评价，利用相应的搜索机制，来实现对现有的光源进行自适应的调节，以提高织物表面的图像采集的质量。

技术实现思路

[0005]针对上述因面料、颜色差异等因素所引起的图像采集质量下降的问题，本专利技术的目的在于提供一种基于图像质量分析的光源自适应调节方法，解决上述因光源调节难度大，且需人工辅助，而难以真正应用于生产实际的问题。
[0006]为达到以上目的，本专利技术的技术方案为：包括标准参考图像和评价模型的获取，待分析图像的预处理、图像质量评价算法应用、最大图像质量分数搜索算法设计，以及对光源的控制等。
[0007]全参考图像评价和无参考图像评价是目前主流的两种图像质量评价方法。顾名思义，标准参考图像是应用在全参考图像评价方法之中的，标准图像的获取是通过人工对视场的光源自行调节，直到对所采集的图像满意为主，然后后面再以该图像作为参考的标准，
应用相应的全参考评价算法，对光源调节直到采集图像的质量与标准参考图像达到某个阈值；相较于全参考图像评价，无参考图像质量评价方法不再需要标准参考图像，而是加载训练好的质量评价模型，从而可以适应对各种情况下的织物表面图像进行质量评价；这里所述的质量评价模型有两种获取方式，一种是直接使用通用公共的图像质量评价模型，另一是针对应用场合选择具体的数据去训练我们的评价模型，本专利技术所述的评价模型是来自对现场采集的织物图像训练而得来的；
[0008]对待分析图像的预处理主要涉及区域采样、颜色空间转换以及图像高斯滤波等环节。其中区域采样是为了降低图像处理的复杂度，设置尺度因子为0.5，此时图像尺寸大小仅为原图的一半；另外将图像色彩从RGB空间转换到HSL空间，使其更符合人的视觉感知；再加之以高斯滤波处理，这里所选用的高斯滤波卷积核大小为5*5，以来减少噪声对图像质量评价的影响；
[0009]所述的图像预处理操作，在全参考评价模式下，为了保证评价的一致性，需要对待评价图像和标准参考图像做相同的处理；在无参考评价模式下，由于评价机制的差异，仅需要对待评价图像进行区域采样即可，以减小整个过程的计算量；
[0010]所述的标准参考图像，应建立所检面料织物的标准参考库，以满足全参考模式的需求下，对光源自适应调节的目的；
[0011]所述的无参考评价方法所涉及的质量评价模型，在训练数据上应具有一定规模，不限于包含各种光照条件下所采集的图像，以达到对各种织物面料表面图像质量评价的有效性和客观性；
[0012]本专利技术所涉及的图像质量评价算法，在算法原理上可以分为两种应用方式，一种是全参考的评价模式，另一种是无参考的评价模式，两种方式需要根据具体的任务需求而灵活选用。其中全参考图像评价方式是根据图像的相似性指标(SIM)结构，分别从亮度和对比度两个方面进行评估，可以衡量图像的亮度分布程度，也可以衡量图像的色彩均匀程度，与归一化均方根误差(MRMSE)和峰值信噪比(PSNR)衡量绝对误差不同，SIM是属于基于SSIM(Structural Similarity)的感知模型，不仅能对图像的质量进行评估，且主观上更符合人类视觉的直观感受，目前该理论在全参考图像评价分析中已被广泛应用；而无参考图像评价方式是根据提前训练好的质量评价模型进行图像质量评估，BRISQUE作为比较成熟的无参考图像质量评价方法，比较适合本专利技术所提出的光源自适应调节系统，相较于全参考图像评价方式，该方法因无须标准参考图像，继而在应用上较为便捷，此外由于织物面料及颜色的类型繁多，实际上其更适宜于在该类任务下，对图像采集过程中的光源进行自适应调节；
[0013]所述的全参考评价算法，是考虑到标准参考图像与待评价图像的结构性差异对质量评价结果的影响，故在本专利技术中采用提出的SIM算法来替换以往的SSIM算法，从而消除或减小图像结构层面的干扰；其过程首先是对图像的色彩空间进行转换，再通过滑窗机制分区域分通道进行计算均值，从而得到较为合理的均值化相似度指标(MSIM)，其计算原理为：其中l,c分别是对图像亮度和饱和度两个方面的表征；
[0014]文中所涉及的最大图像质量分数搜索算法，是依据对实际光照强度与图像质量之
间的关系建立的，通过大量实验证明，光源的强度过大或过小都会影响图像的质量，此外对于不同面料及颜色的织物，所需的最佳光照强度也是不同的，因为这却决于织物表面对光源的敏感度。
[0015]所述的搜索算法，是根据当前光照强度采样下的图像质量分数值与前一步的数值进行梯度计算，利用梯度下降法进而去计算下一步的光源调节方向，最终当两次迭代之间的差值小于某个设定阈值，即认为搜索结束，然后利用RS232通过光源控制器输出该光照强度值，使相机采集图像质量分数达到最大值，达到自适应光源调节的目的；
[0016]进一步的，所提出的光源自适应调节系统可在很大程度上满足面阵以及线阵相机的采集视场环境调节。
[0017]与现有技术比较，本专利技术的有益技术效果为：
[0018]1.本专利技术提供了一种基于图像质量分析的光源自适应调节方法，能够在很大程度上解决织物表面检测领域中对相机视场环境光源的自适应调节，其应用在实际的织本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于图像质量分析的光源自适应调节方法，其特征在于，包含以下步骤：步骤1：对采集图像进行区域采样、颜色空间转换以及高斯滤波的预处理；步骤2：通过人工获取一系列质量较高的标准样本图像，或者通过大量标注的数据得到图像质量评价模型；步骤3：加载步骤2所得到的标准样本图像或质量评价模型，将其应用到对应的评价方式当中，以获得采集图像的质量分数值；步骤4：对步骤3所得到的图像质量分数进行处理，通过计算相邻两次质量梯度，得到光源光照强度调节的方向和步长，直到迭代达到收敛的条件；步骤5：对步骤4中达到收敛时所输出的最优光照强度值进行输出控制，完成光源光照强度的自适应调节。2.根据权利要求1所述的一种基于图像质量分析的光源自适应调节方法，其特征在于，所述步骤1的具体预处理细节为：其中区域采样因子大小设置为0.5，高斯滤波操作的卷积核大小设置为5*5；这里进一步需要说明，将图像颜色空间转换到HSL空间仅适应于全参考图像评价方法中，且标准参考图像和输入的图像均需做同样的处理。3.根据权利要求1所述的一种基于图像质量分析的光源自适应调节方法，其特征在于，所述步骤3中全参考图像质量评价的具体步骤为：步骤3.1：分别读取经过相同预处理的标准参考图像和待分析图像；步骤3.2：在两张图像上采用提出的图像相似性指标(SIM)，通过滑窗机制分区域分通道进行计算均值，从而得到MSIM，其计算原理为：式中，分别是对图像亮度和饱和度两个方面的表征，μ
x
,μ
y
为两图像像素值的均值，δ
x
,δ
...

【专利技术属性】
技术研发人员：朱聪强，焦阳博翰，沈人，
申请(专利权)人：杭州云图智检科技有限公司，
类型：发明
国别省市：