一种用于绞车排缆状态视觉判别图像增强方法技术

本发明专利技术公开了一种用于绞车排缆状态视觉判别图像增强方法，包括一下四个步骤：（1）最小误差阈值优化方法求解分段点x2；（2）最小误差阈值优化方法求解分段点x1；（3）比例系数k2自适应求解分段点y1、y2；（4）分段线性变换增强。本发明专利技术的有益效果在于：本发明专利技术通过最小误差阈值优化模型求解分段点x1、x2，选定比例系数k2自适应求解分段点y1、y2，对排缆状态图像不同区域进行分段线性变换增强，仅需调整一个参数k2，方便简单，快速高效，有效解决了现有方法受复杂光照影响、参数多的问题，凸显缆绳边缘细节，抑制背景区域干扰，增强了排缆状态图像质量，为后续缆绳特征提取提供了基础，提高绞车排缆状态视觉判别准确性，保证绞车作业安全。保证绞车作业安全。保证绞车作业安全。

【技术实现步骤摘要】
一种用于绞车排缆状态视觉判别图像增强方法


[0001]本专利技术属于视觉判别图像增强方法，具体地说是一种用于绞车排缆状态视觉判别图像增强方法。

技术介绍

[0002]绞车广泛应用于矿山、港口、建筑、海洋等诸多领域，绞车排缆状态直接关系到工程作业能否正常运行、装备能否安全收放。基于视觉装置的排缆状态判别方法通过获取与分析绞车排缆状态图像，主要以缆绳中心距、层间跳变数、缆绳边缘数等特征判别绞车排缆状态。但由于绞车作业环境复杂多变，所获取的图像受光照、现场环境干扰严重，使得排缆状态图像质量低，后续处理与分析难度大，缆绳状态特征难以提取。因此，如何有效增强排缆状态图像质量，对准确提取缆绳状态特征，及时判别绞车排缆状态至关重要。
[0003]目前，绞车状态图像的图像增强一般有线性变换和非线性变换方法。线性变换方法对图像灰度按线性公式进行拉伸，变换效果单一。非线性变换方法有GAMA变换，该方法在单一光照条件下变换效果较好，不适用于复杂光照条件；MSR方法通过三个不同尺度的高斯模糊后与原图像卷积实现图像增强，在复杂光照条件下均保持了较好的增强效果，但高斯模糊也增大了后续缆绳特征提取难度；分段线性变换方法较灵活，可根据缆绳特征对图像进行增强，但在实际应用中需根据先验数据人工不断调整四个参数。因此，针对上述方法的局限性，通过最小误差阈值优化模型和比例系数k2自适应快速确定分段线性变换参数，实现灰度图像增强，便于缆绳特征提取，判别绞车排缆状态。

技术实现思路

[0004]为了克服现有视觉判别图像增强方法的不足，本专利技术公开了一种用于绞车排缆状态视觉判别图像增强方法。
[0005]本专利技术采用如下技术方案：一种用于绞车排缆状态视觉判别图像增强方法包含以下步骤。
[0006]步骤一、最小误差阈值优化方法求解分割点x2。
[0007]选取灰度级为L的排缆图像作为待增强图像，待增强图中像素点(i, j)的灰度值为f(i, j)，且f(i, j)∈{0, 1,
ꢀ…
, L}，按（1）式求解最小误差阈值优化模型J(x) ，得到分割点x2，将待增强图像分割为区域Ⅰ和区域Ⅱ，分别对应背景区域和其它区域；
ꢀꢀ
（1）式中，P1(x)为区域Ⅰ分布概率，，p
i
为灰度图像中灰度值为f(i, j)像素点出现的概率，且满足；P2(x)为区域Ⅱ分布概率，；为区域Ⅰ的方差，
；μ1(x)为区域Ⅰ的均值，；为区域Ⅱ的方差，；μ2(x)为区域Ⅱ的均值，。
[0008]步骤二、最小误差阈值优化方法求解分割点x1。
[0009]选取步骤一获得的其他区域为待增强图像，按（1）式二次求解最小误差阈值优化模型J(x) ，得到分割点x1（x2>x1），将待增强图像分为区域Ⅰ和区域Ⅱ，分别对应目标区域和过渡区域。
[0010]步骤三、选取变换比例系数k2自适应求解y1、y2。
[0011]假设目标区域拉伸比例系数为k1、背景区域收缩比例系数为k3，且满足关系k1k3=1，且k1>1
ꢀꢀꢀ
（2）由几何关系得出目标区域拉伸比例系数k1如下
ꢀꢀ
（3）式中，M
f
为待增强图像f(i, j)的最大灰度值，M
g
为增强后图像g(i, j)的最大灰度值。
[0012]联立式（2）、式（3），得方程
ꢀꢀ
（4）求解方程（4）可得
ꢀꢀꢀ
（5）式中，。
[0013]选取过渡区域比例系数k2，由几何关系求得
ꢀꢀ
（6）。
[0014]步骤四、分段线性变换增强。
[0015]对排缆图像f(i, j)按式（7）进行分段线性变换图像增强，获得增强后图像g(i,j) 为
ꢀꢀ
（7）。
[0016]本专利技术的有益效果在于：本专利技术通过最小误差阈值优化方法求解分割点x1、x2，选定比例系数k2自适应求解分割点y1、y2，对排缆状态图像不同区域进行分段线性变换增强图
像，仅需调整一个参数k2，方便简单，快速高效，有效解决了现有方法受复杂光照影响、参数多的问题，凸显缆绳边缘细节，抑制背景区域干扰，增强了排缆状态图像质量，为后续缆绳特征提取提供了基础，提高绞车排缆状态视觉判别准确性，保证绞车作业安全。
附图说明
[0017]图1是本专利技术用于绞车排缆状态视觉判别图像增强方法流程图；图2是本专利技术分段线性变换关系图；图3是过度曝光下绞车排缆图像；图4是曝光正常下绞车排缆图像；图5是曝光不足下绞车排缆图像；图6是过度曝光下绞车排缆图像增强后效果图；图7是曝光正常下绞车排缆图像增强后效果图；图8是曝光不足下绞车排缆图像增强后效果图。
具体实施方案
[0018]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例；基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0019]参见附图，图1是本专利技术用于绞车排缆状态视觉判别图像增强方法流程图，一种用于绞车排缆状态视觉判别图像增强方法，包括以下四个步骤。
[0020]步骤一、最小误差阈值优化方法求解分割点x2。
[0021]选择灰度级L为255的排缆图像，选取三种不同曝光条件下的排缆图像为待增强图像，图3为过度曝光下绞车排缆图像，图4为曝光正常下绞车排缆图像、图5为曝光不足下绞车排缆图像，分别按式（1）求解最小误差阈值优化模型J(x)，得到分割点x2，对应为235、147、96，将所选取的待增强图像分割为区域Ⅰ和区域Ⅱ，分别对应背景区域和其它区域。
[0022]步骤二、最小误差阈值优化模型求解分段点x1。
[0023]选取由步骤一对图3、图4、图5分割出的其他区域为待增强图像，再分别按（1）式求解最小误差阈值优化模型J(x)，得到分割点x1，对应为163、53、2，将待增强图像分为区域Ⅰ和区域Ⅱ，分别对应目标区域和过渡区域。
[0024]步骤三、比例系数k2自适应求解分割点y1、y2。
[0025]取待增强图像的最大灰度值M
f
、增强后图像的最大灰度值M
g
均为255，取过渡区域比例系数k2为0.6，结合图3的目标区域、过渡区域和背景区域之间的分割点x1为163、x2为235，按由图2几何关系推导出的式（6）得到分割点y1为195、y2为238；同样，对于图4的目标区域、过渡区域和背景区域之间的分割点x1为53、x2为147，可得到分割点y1为163、y2为220；对于图5的目标区域、过渡区域和背景区域之间的分割点x1为2、x2为96，可得到分割点y1为197、y2为253。
[0026]步骤四、分段线性变换增强。
[0027]按式（7）分别对图3、图4、图5进行分段线性变化增强本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于绞车排缆状态视觉判别图像增强方法，其特征在于，采用最小误差阈值优化方法求解确定待增强图像灰度区间分割点x1、x2，选取变换比例系数k2自适应确定增强图像灰度区间分割点y1、y2, 通过分段线性变换增强海洋绞车排缆图像质量，按以下四个步骤进行：步骤一、运用最小误差阈值优化方法求解x2，确定待增强图像灰度背景区域和其它区域之间的分割点；步骤二、运用最小误差阈值优化方法求解x1，确定待增强图像灰度目标区域、过渡区域之间的分割点；步骤三、选取变换比例系数k2自适应求解y1、y2，确定增强图像对应的灰度区间分割点；步骤四、分段线性变换图像增强；步骤一、最小误差阈值优化方法求解分割点x2选取灰度级为L的排缆图像作为待增强图像，待增强图中像素点(i, j)的灰度值为f(i, j)，且f(i, j)∈{0, 1,
ꢀ…
, L}，按（1）式求解最小误差阈值优化模型J(x) ，得到分割点x2，将待增强图像分割为区域Ⅰ和区域Ⅱ，分别对应背景区域和其它区域；
ꢀꢀ
（1）式中，P1(x)为区域Ⅰ分布概率，，p
i
为灰度图像中灰度值为f(i, j)像素点出现的概率，且满足；P2(x)为区域Ⅱ分布概率，；为区域Ⅰ的方差，；μ1(x)为...

【专利技术属性】
技术研发人员：赵延明，敬明洋，王亮，黄良佩，王宪，
申请(专利权)人：湖南科技大学，
类型：发明
国别省市：