本发明专利技术涉及图像增强技术领域，具体涉及一种基于图像特征的集成箱体质量检测方法。该方法首先利用所有连通域和高斯滤波核对集成箱体图像进行至少一次高斯滤波，获取箱体增强图像；在每次高斯滤波确定高斯滤波核中每个像素点的调整权重过程中，根据各个像素点的初始权重和像素参与度，获取各个像素点的调整权重；进而确定集成箱体质量检测结果。本发明专利技术通过确定高斯滤波的次数和高斯滤波核，实现高效滤除噪声部分的情况下不丢失集成箱体的边缘细节，改善滤波图像的效果，进而提高集成箱体的质量检测准确性。
1、集成箱体是很多设备的重要组成部分，其质量直接关系到设备的稳定性和可靠性。若集成箱体存在缺陷，往往会影响集成箱体的耐用性和设备的安全工作，所以需要对集成箱体进行质量检测。现有技术中，可通过识别集成箱体表面图像，从而检测集成箱体的质量。由于采集的集成箱体表面图像存在噪声影响，难以准确反映集成箱体边缘，需要对采集的集成箱体表面图像进行增强滤波，进而分析集成箱体的质量。
2、现有技术中可通过高斯滤波对采集的集成箱体表面图像进行增强滤波，高斯滤波可以实现集成箱体表面图像的降噪并增强图像对比度，但高斯滤波效果受到高斯滤波次数和高斯滤波核的影响。其中，高斯滤波次数对高斯滤波效果的影响体现为：若高斯滤波次数过少，会使得滤波图像不足以达到降噪效果；若高斯滤波次数过多，会使得滤波图像过度平滑丢失过多图像的边缘细节。高斯滤波核对高斯滤波效果的影响主要体现为：一方面，当高斯滤波核中像素点权重不合理时，会导致图像出现边缘模糊的现象；另一方面，当所确定的高斯滤波核的尺寸过小时，只能覆盖集成箱体图像的局部区域，部分的像素点可能无法被充分平滑，影响滤波结果的精确性，当所确定的高斯滤波核的尺寸过大时，会导致集成箱体图像的细节和特征丢失，影响滤波结果的精确性。现有技术中，由于通常是根据经验来确定高斯滤波次数和高斯滤波核，因此现有的高斯滤波难以实现高效滤除噪声部分的情况下不丢失集成箱体的边缘细节，进而导致滤波图像效果不佳，使得集成箱体的质量检测效果不准确。
r/>技术实现思路
1、为了解决现有高斯滤波难以实现高效滤除噪声部分的情况下不丢失集成箱体的边缘细节，导致滤波图像效果不佳，进而导致使得集成箱体的质量检测效果不准确的技术问题，本专利技术的目的在于提供一种基于图像特征的集成箱体质量检测方法，所采用的技术方案具体如下：
2、一种基于图像特征的集成箱体质量检测方法，所述方法包括以下步骤：
3、获取集成箱体图像；
4、获取所述集成箱体图像的各个连通域和高斯滤波核；利用所有所述连通域和高斯滤波核对集成箱体图像进行至少一次高斯滤波，获取箱体增强图像；
5、所述对集成箱体图像进行至少一次高斯滤波，获取箱体增强图像，包括：在每次高斯滤波确定所述高斯滤波核中每个像素点的调整权重过程中，获取所述高斯滤波核中各个像素点的初始权重；在每个所述像素点的预设周围邻域中，将所述连通域的边缘对应的像素点，作为边缘像素点；在每个所述像素点的预设周围邻域，根据边缘像素点的数量和所述边缘像素点的直线形状特征，获取每个像素点的像素参与度；根据各个像素点的初始权重和像素参与度，获取各个像素点的调整权重；
6、根据所述箱体增强图像，确定集成箱体质量检测结果。
7、进一步地，所述像素参与度的获取方法包括：
8、将所述预设周围邻域中边缘像素点的总数量，作为像素点的边缘像素点总数；
9、将所述预设周围邻域中像素点的总数量，作为像素点的像素点总数；
10、根据边缘像素点总数和像素点总数，获取像素点的第一边缘可能值；所述边缘像素点总数和第一边缘可能值呈正相关性；所述像素点总数和第一边缘可能值呈负相关性；
11、对所有所述边缘像素点进行直线拟合，得到所有拟合直线；
12、计算所有拟合直线的直线拟合率的均值，得到像素点的第二边缘可能值；
13、根据所述第一边缘可能值和所述第二边缘可能值，获取像素点的像素参与度；所述第一边缘可能值和所述像素参与度呈正相关性；所述第二边缘可能值和所述像素参与度呈正相关性。
14、进一步地，所述调整权重的获取方法包括：
15、根据像素点的初始权重和像素参与度，获取像素点的调整权重；
16、所述初始权重和所述调整权重呈正相关性；所述像素参与度和所述调整权重呈正相关性。
17、进一步地，所述高斯滤波核的获取步骤包括：
18、根据集成箱体图像中各个所述连通域的分布特点，获取各个所述连通域的分布特征角度；
19、根据所有连通域的所述分布特征角度和所有所述连通域的尺寸，获取所述集成箱体图像的滤波核尺寸；
20、根据所述集成箱体图像的所述滤波核尺寸，确定所述集成箱体图像的高斯滤波核。
21、进一步地，所述滤波核尺寸的获取公式包括：
22、；其中，为所述集成箱体图像的滤波核尺寸；为所述连通域的总数量；为第个所述连通域的最大跨度值；为第个所述连通域的最小跨度值；为所有所述连通域的所述分布特征角度的均值；为第个所述连通域的所述分布特征角度；为归一化函数；为向上取整符号；为绝对值符号。
23、进一步地，所述分布特征角度的获取方法包括：
24、获取所有连通域的质心；
25、将任意一个连通域作为当前连通域，获取当前连通域和其余所有连通域的质心之间的欧式距离；
26、将最小欧式距离对应连通域，作为所述当前连通域的参考连通域；
27、过所述当前连通域和所述参考连通域的质心构建直线，作为所述当前连通域的特征直线；
28、将所述特征直线和设定方向的夹角，作为当前连通域的分布特征角度。
29、进一步地，所述对集成箱体图像进行至少一次高斯滤波的步骤还包括：
30、在每次进行高斯滤波后，根据各个像素点的预设邻域范围中像素点的灰度值，确定各个像素点的预设邻域范围中的目标像素点，根据各个像素点的预设邻域范围中像素点的灰度值和目标像素点，获取各个像素点的边缘滤波效果值，并获取各个像素点的当前的滤波次数；直至所有像素点的所述边缘滤波效果值或所述滤波次数满足预设迭代终止条件，则所有像素点不再进行下一次高斯滤波。
31、进一步地，所述边缘滤波效果值的获取公式包括：
32、；其中，为第个像素点的所述边缘滤波效果值；为在第个像素点的所述预设邻域范围中，所有像素点的灰度值的均值；在第个像素点的所述预设邻域范围中，所有连通域中所有像素点的灰度值的均值；为在第个像素点的所述预设邻域范围中，所有目标像素点的总数量；在第个像素点的所述预设邻域范围中，所有连通域中所有像素点的总数量；为归一化函数。
33、进一步地，所述连通域的获取方法包括：
34、利用分水岭算法提取所述集成箱体图像中所有边缘；将首尾相接的封闭边缘作为目的边缘；将目的边缘所围成的区域作为连通域。
35、进一步地，所述集成箱体质量检测结果的获取方法包括：
36、基于神经网络获取所述箱体增强图像中所有缺陷区域；通过提取所述箱体增强图像中各个缺陷区域的面积，确定各个所述缺陷区域的缺陷指标，所述缺陷区域的面积与缺陷指标呈正相关；
37、计算各个缺陷区域的所述缺陷指标的累加和，确定缺陷参数；根据所述缺陷参数，确定所述集成箱体质量检测结果。
38、本专利技术具有如下有本文档来自技高网...
【技术保护点】
1.一种基于图像特征的集成箱体质量检测方法，其特征在于，所述方法包括以下步骤：
2.根据权利要求1所述的一种基于图像特征的集成箱体质量检测方法，其特征在于，所述像素参与度的获取方法包括：
3.根据权利要求1所述的一种基于图像特征的集成箱体质量检测方法，其特征在于，所述调整权重的获取方法包括：
4.根据权利要求1所述的一种基于图像特征的集成箱体质量检测方法，其特征在于，所述高斯滤波核的获取步骤包括：
5.根据权利要求4所述的一种基于图像特征的集成箱体质量检测方法，其特征在于，所述滤波核尺寸的获取公式包括：
6.根据权利要求4所述的一种基于图像特征的集成箱体质量检测方法，其特征在于，所述分布特征角度的获取方法包括：
7.根据权利要求1所述的一种基于图像特征的集成箱体质量检测方法，其特征在于，所述对集成箱体图像进行至少一次高斯滤波的步骤还包括：
8.根据权利要求7所述的一种基于图像特征的集成箱体质量检测方法，其特征在于，所述边缘滤波效果值的获取公式包括：
9.根据权利要求1所述的一种基于图像特征的集成箱体质量检测方法，其特征在于，所述连通域的获取方法包括：
10.根据权利要求1所述的一种基于图像特征的集成箱体质量检测方法，其特征在于，所述集成箱体质量检测结果的获取方法包括：
...
【技术特征摘要】
1.一种基于图像特征的集成箱体质量检测方法，其特征在于，所述方法包括以下步骤：
2.根据权利要求1所述的一种基于图像特征的集成箱体质量检测方法，其特征在于，所述像素参与度的获取方法包括：
3.根据权利要求1所述的一种基于图像特征的集成箱体质量检测方法，其特征在于，所述调整权重的获取方法包括：
4.根据权利要求1所述的一种基于图像特征的集成箱体质量检测方法，其特征在于，所述高斯滤波核的获取步骤包括：
5.根据权利要求4所述的一种基于图像特征的集成箱体质量检测方法，其特征在于，所述滤波核尺寸的获取公式包括：
6.根据权利要求4所述的一...
【专利技术属性】
技术研发人员：文全才，高今原，王新伟，
申请(专利权)人：临沂天耀箱包有限公司，
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。