【技术实现步骤摘要】
基于优化工业图像质量的缺陷识别方法
[0001]本专利技术属于工业图像质量优化
，具体涉及一种基于优化工业图像质量的缺陷识别方法。
技术介绍
[0002]工业图像经过数字化后，由于光敏材料、射线能量和辐射剂量等众多因素的影响，导致数字化后的图像存在着对比度低、噪声高等缺点。
[0003]目前，对于工业图像的工件质量评估主要通过人为工作进行，然而，人工检查可能缺乏客观性、一致性、准确性和高效性，不同层次的操作人员的评估结果也会有所不同，而且，评估工作依赖于大量的本领域专业知识，通常是主观的和耗时的。此外，新手操作人员通常缺乏对管道焊缝缺陷进行准确评估所需的经验，受人为因素的影响较大。评价过程主要是通过人眼观察来进行，因此，算子无法获得精确的几何参数，如长度、面积和密度等等。这些因素构成了准确评估被测工件质量的主要障碍。
[0004]随着工业图像成像技术的发展，基于工业图像的质量增强技术得到了广泛的应用。在工业图像中面临的挑战可以总结为：质量差、亮度不均匀、脏斑点、ROI区域与背景对比度低等。一般来说，每种...
【技术保护点】
【技术特征摘要】
1.一种基于优化工业图像质量的缺陷识别方法，其特征在于，包括：步骤1：依据光电技术和数字处理技术将工件信息转换成数字信号，得到原始工件图像；步骤2：将工件图像依据ROI区域类型分类为非线型区域和线型区域；步骤3：对于非线型ROI区域，采用灰度平衡化函数和对比度有限的自适应直方图均衡化方法相结合来提升图像质量；步骤4：对于线型ROI区域，采用背景衰减的自适应对比度增强算法来提升图像质量；步骤5：将步骤3或步骤4处理过的射线图像E(x,y)执行多尺度细节强化；步骤6：进行阈值自适应二值化处理；步骤7：利用背景减法标注被测工件图像的潜在异常区域。2.根据权利要求1所述的一种基于优化工业图像质量的缺陷识别方法，其特征在于，所述步骤3包括：步骤3
‑
1：计算被测工件图像的直方图，然后计算直方图的均值与方差值；式中，E(X)和V(X)表示图像灰度直方图的均值和方差，g(X)表示灰度值为X的像素点个数，n表示总的像素点个数；步骤3
‑
2：使用均值与方差来推导与平衡化系数的关系，公式如下：式中，p代表平衡化系数，并通过p确定要平衡化的直方图的边界值，s是调整均值与方差比值的尺度因子；步骤3
‑
3：利用平衡化系数和像素总数的比值计算期望的最小值和最大值，如公式(3)所示：式中，H
j
表示图像直方图累计的像素点，v
min
和v
max
分别代表期望的最小值和最大值；在图像的累积直方图中，当直方图的像素点累计值小于n
×
p时，将此时直方图所对应的灰度值设置为期望的最小值；当直方图的像素点累计值大于n
×
(1
‑
p)时，则将此时直方图所对应的灰度值设置为期望的最大值；步骤3
‑
4：使用灰度平衡化公式(4)将原始直方图的值映射到0～255的范围；式中，x是像素点的灰度值，v
min
、v
max
分别表示最小的和最大的灰度值；步骤3
‑
5：将灰度平衡化后的图像划分为多个不重叠的区域；
步骤3
‑
6：分别计算每个区域的直方图；步骤3
‑
7：计算一个剪切直方图的剪切限制β，公式如下：其中，β为剪切限制，M
×
N为每个区域的像素数，L为灰度级，α为0～100的剪切因子，S
max
为允许的最大斜率；步骤3
‑
8：将每个直方图以其高度不超过剪切限制的方式重新进行分配；从公式(5)中可以得出，如果α＝0，则剪切限制3.根据权利要求1所述的一种基于优化工业图像质量的缺陷识别方法，其特征在于，所述步骤4包括：步骤4
‑
1：使用公式(6)对被测工件图像进行灰度值归一化处理用于获取浮点型图像，其灰度级范围在0到1之间；其中，I(x,y)和I
max
分别为整个图像和输入的工件图像的最大值；D(x,y)和R(x,y)分别为细节分量和可变分量，这里，(x,y)是一个空间域索引，细节分量和可变分量，都在0到1之间；步骤4
‑
2：为了寻找归一化图像的局部最大值分量G(y)和局部最小值分量T(y)，使用公式(7)计算局部最大值分量，使用公式(8)计算背景成分，即局部最小分量；式(7)计算局部最大值分量，使用公式(8)计算背景成分，即局部最小分量；其中，Lo
y
表示像素点(x,y)周围的局部区域，(x,y)表示局部区域内的像素；步骤4<...
【专利技术属性】
技术研发人员：王赢博，鲁丹宇，那新，贾迪，
申请(专利权)人：沈阳智谷科技有限公司，
类型：发明
国别省市：
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。