基于机器视觉的直流屏缺陷检测方法技术

本发明专利技术涉及图像处理技术领域，提出了基于机器视觉的直流屏缺陷检测方法，获取直流屏灰度图像；获取直流屏灰度图像的疑似强反光区域，根据疑似强反光区域的角点分布得到各疑似强反光区域的规整程度，根据强反光区域外的边缘点分布得到各边缘点的偏折角正偏值，根据各边缘点的偏折角正偏值得到各边缘的存在突兀度，获取直流屏灰度图像的反光点，根据反光点的密集程度得到各像素点的搜索窗口调整判别值，从而得到各反光点的反光点局部密度及各搜索窗口的反光点分布离散度，结合

【技术实现步骤摘要】
基于机器视觉的直流屏缺陷检测方法


[0001]本专利技术涉及图像处理领域，具体涉及基于机器视觉的直流屏缺陷检测方法
。

技术介绍

[0002]随着电力技术的发展，直流屏作为重要的电源控制
、
管理以及供给设备，广泛应用于电力系统中小型发电厂
、
水电站
、
各类变电站以及其他直流电设备中，为这些电力设备提供照明
、
通信
、
控制以及应急电源服务
。
而随着电力设备的智能化自动化发展，直流屏的各项参数表盘也逐渐利用机器视觉等技术进行监控，不仅可以检测直流屏的各项参数情况，还能够同时检测直流屏的缺陷情况
。
然而由于直流屏的设计通常需要与外界进行一定程度的隔绝，为了隔绝外界的同时也能够让工作人员更直观地观测直流屏的工作状态，通常直流屏会采用玻璃门作为隔绝介质，但采用机器视觉进行监控需要对直流屏进行图像或视频的拍摄，难免会产生一定的图像噪声，通常会采用一些去噪算法对噪声进行去除，其中
NLM
算法因其能够在去噪的同时更好的保留细节，被经常用于图像去噪
。
[0003]传统的
NLM
去噪算法是根据搜索窗口中的滑动窗口与待去噪窗口的相似度计算权值，最终确定待去噪窗口中心点的灰度值，但对于直流屏图像，若外界亮度较高或光源位置不佳，会导致玻璃门上产生反光情况，最终导致拍摄的图像中直流屏的各项信息被反光遮挡，导致去噪过程中搜索窗口中的反光信息影响待去噪窗口中心点的灰度值计算，导致最终去噪效果较差，从而无法准确判断直流屏的缺陷情况
。
[0004]综上所述，本专利技术提出基于机器视觉的直流屏缺陷检测方法，通过获取直流屏灰度图，综合分析直流屏灰度图的灰度分布情况
、
角点特征
、
边缘特征改进
NLM
算法中各个像素点的搜索窗口，得到去噪后的直流屏图像完成缺陷检测，提高缺陷检测的准确率
。

技术实现思路

[0005]为了解决上述技术问题，本专利技术提供基于机器视觉的直流屏缺陷检测方法，以解决现有的问题
。
[0006]本专利技术的基于机器视觉的直流屏缺陷检测方法采用如下技术方案：本专利技术一个实施例提供了基于机器视觉的直流屏缺陷检测方法，该方法包括以下步骤：采集直流屏图像；采用大津阈值分割获取直流屏灰度图像的疑似强反光区域；根据疑似强反光区域的角点分布得到各疑似强反光区域的规整程度；将规整程度高于预设阈值的疑似强反光区域作为参数显示屏区域，规整程度低于预设阈值的疑似强反光区域作为强反光区域；根据规整程度获取各像素点的强反光表征值；边缘检测获取强反光区域及参数显示屏区域外的各边缘像素点；获取各边缘像素点的偏折角度组合点；根据偏折角度组合点的所处位置得到各边缘像素点的偏折角；根据各边缘像素点的偏折角取值范围得到各边缘像素点的偏折角正偏值；结合各
边缘像素点的偏折角正偏值及各连续边缘的信息熵得到各边缘的存在突兀度；根据各边缘的存在突兀度获取各反光点；获取各像素点的搜索窗口；根据搜索窗口内反光点的离散程度及各像素点的强反光表征值得到各像素点的搜索窗口调整判别值；获取搜索窗口内各反光点的反光点局部密度；根据各反光点的反光点局部密度得到各像素点搜索窗口的反光点分布离散度；结合各像素点的搜索窗口调整判别值及各像素点搜索窗口的反光点分布离散度调整各像素点的搜索窗口，结合
NLM
算法对直流屏灰度图像进行去噪；结合去噪后的直流屏灰度图像与模版匹配算法完成直流屏缺陷检测
。
[0007]优选的，所述根据疑似强反光区域的角点分布得到各疑似强反光区域的规整程度，包括：计算疑似强反光区域内各角点与剩余其他角点的距离的和值，将所述和值的标准差的归一化值作为各疑似强反光区域的规整程度
。
[0008]优选的，所述根据规整程度获取各像素点的强反光表征值，包括：将各强反光区域的规整程度作为强反光区域内各像素点的强反光表征值，强反光区域外各像素点的强反光表征值为
0。
[0009]优选的，所述获取各边缘像素点的偏折角度组合点，包括：以各边缘像素点为邻域中心点，将邻域内距离邻域中心点最远且与邻域中心点为同一边缘的像素点作为邻域中心点的偏折角度组合点
。
[0010]优选的，所述根据偏折角度组合点的所处位置得到各边缘像素点的偏折角，包括：针对各边缘点，以经过边缘点的水平直线为横轴，获取边缘点与偏折角度组合点的连线，将所述连线与横轴的夹角作为各边缘像素点的偏折角
。
[0011]优选的，所述根据各边缘像素点的偏折角取值范围得到各边缘像素点的偏折角正偏值，表达式为：；式中，为边缘点的偏折角正偏值，为四舍五入取值函数，为边缘点的偏折角大小，为验证参数
。
[0012]优选的，所述结合各边缘像素点的偏折角正偏值及各连续边缘的信息熵得到各边缘的存在突兀度，具体包括：针对各边缘，计算边缘上各像素点的偏折角大小的标准差，计算边缘上各像素点的偏折角正偏值的和值，将所述和值的相反数作为以自然常数为底数的指数函数的指数，计算所述指数函数的计算结果与所述标准差的乘积，将以各边缘的灰度信息熵为指数
、
所述乘积为底数的指数函数的计算结果作为各边缘的存在突兀度
。
[0013]优选的，所述根据搜索窗口内反光点的离散程度及各像素点的强反光表征值得到各像素点的搜索窗口调整判别值，表达式为：
；式中，为像素点的搜索窗口调整判别值，为搜索窗口内反光点个数与总像素点个数的比值，为搜索窗口内总像素点个数，为搜索窗口内第个像素点的存在突兀度，为搜索窗口内的第个像素点的强反光表征值，为调整参数，为自然常数
。
[0014]优选的，所述获取搜索窗口内各反光点的反光点局部密度，包括：针对各像素点的搜索窗口，计算搜索窗口内各反光点与剩余其他反光点的距离的和值，将所述和值的相反数作为以自然常数为底数的指数函数的指数，将所述指数函数的计算结果作为各反光点的反光点局部密度
。
[0015]优选的，所述根据各反光点的反光点局部密度得到各像素点搜索窗口的反光点分布离散度，包括：针对各像素点的搜索窗口，将搜索窗口内所有反光点的反光点局部密度的和值作为搜索窗口的反光点分布离散度
。
[0016]本专利技术至少具有如下有益效果：本专利技术主要通过对直流屏图像反光问题产生的噪声进行分析，结合
NLM
算法改进各像素点的搜索窗口，最后对去噪后的直流屏图像利用模版匹配算法实现缺陷检测，提高了直流屏缺陷检测的准确率
。
本专利技术结合直流屏图像中各像素点的灰度特征
、
边缘特征及角点特征进行综合分析，提高了直流屏缺陷检测的准确性与鲁棒性；进一步，本专利技术首先获取直流屏图像的疑似强反光区域，根据疑似强反光区域的角点分布得到各疑似强反光区域的规整程度，根据疑似强反光区域的规整程度得到各像素点的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
基于机器视觉的直流屏缺陷检测方法，其特征在于，该方法包括以下步骤：采集直流屏图像；采用大津阈值分割获取直流屏灰度图像的疑似强反光区域；根据疑似强反光区域的角点分布得到各疑似强反光区域的规整程度；将规整程度高于预设阈值的疑似强反光区域作为参数显示屏区域，规整程度低于预设阈值的疑似强反光区域作为强反光区域；根据规整程度获取各像素点的强反光表征值；边缘检测获取强反光区域及参数显示屏区域外的各边缘像素点；获取各边缘像素点的偏折角度组合点；根据偏折角度组合点的所处位置得到各边缘像素点的偏折角；根据各边缘像素点的偏折角取值范围得到各边缘像素点的偏折角正偏值；结合各边缘像素点的偏折角正偏值及各连续边缘的信息熵得到各边缘的存在突兀度；根据各边缘的存在突兀度获取各反光点；获取各像素点的搜索窗口；根据搜索窗口内反光点的离散程度及各像素点的强反光表征值得到各像素点的搜索窗口调整判别值；获取搜索窗口内各反光点的反光点局部密度；根据各反光点的反光点局部密度得到各像素点搜索窗口的反光点分布离散度；结合各像素点的搜索窗口调整判别值及各像素点搜索窗口的反光点分布离散度调整各像素点的搜索窗口，结合
NLM
算法对直流屏灰度图像进行去噪；结合去噪后的直流屏灰度图像与模版匹配算法完成直流屏缺陷检测
。2.
根据权利要求1所述的基于机器视觉的直流屏缺陷检测方法，其特征在于，所述根据疑似强反光区域的角点分布得到各疑似强反光区域的规整程度，包括：计算疑似强反光区域内各角点与剩余其他角点的距离的和值，将所述和值的标准差的归一化值作为各疑似强反光区域的规整程度
。3.
根据权利要求1所述的基于机器视觉的直流屏缺陷检测方法，其特征在于，所述根据规整程度获取各像素点的强反光表征值，包括：将各强反光区域的规整程度作为强反光区域内各像素点的强反光表征值，强反光区域外各像素点的强反光表征值为
0。4.
根据权利要求1所述的基于机器视觉的直流屏缺陷检测方法，其特征在于，所述获取各边缘像素点的偏折角度组合点，包括：以各边缘像素点为邻域中心点，将邻域内距离邻域中心点最远且与邻域中心点为同一边缘的像素点作为邻域中心点的偏折角度组合点
。5.
根据权利要求1所述的基于机器视觉的直流屏缺陷检测方法，其特征在...

【专利技术属性】
技术研发人员：陈泽，孟志华，谢琴海，
申请(专利权)人：广州煜能电气有限公司，
类型：发明
国别省市：