【技术实现步骤摘要】
本专利技术属于图像处理，更具体地说，涉及一种基于指数加权引导滤波的钢丝绳损伤检测方法。
技术介绍
1、钢丝绳作为矿井提升设备的关键承重部件，承受着在高速、重负荷的提升系统下的振动冲击。在矿山作业中，钢丝绳长期受到拉伸弯曲，交变载荷的影响，不可避免产生断丝、磨损、缺股等缺陷与损伤，而且会随着时间的推移而大大增加。钢丝绳损伤会提高安全事故的风险概率，这对作业人员和采矿设备的安全性构成了严重威胁，同时对采矿作业的生产效率造成不利影响。为了确保采矿作业的高效性并提升设备的可靠性和安全性，在采矿作业中对钢丝绳采取了实时检测措施。
2、目前，传统的钢丝绳无损检测方法有data mining、xgboost algorithm、固体声法、超声波法、压力法、induction thermography和电磁探测方法、电流和振动方法等，以上方法各有优劣。虽然上述方案在现有技术中有应用，但仍然存在对缺陷难以定量分析、类别难以区分的问题，并且还存在抗噪声能力弱，仪器成本高等缺点。虽然也有将某几种方法相互结合进行应用的实例，但是目前没有一种方法在实际应用中获得大量普及。另外，现阶段机器视觉技术已经成熟，可以适应于各种工作条件，易于安装与维护，成本低，能够直接观测到钢丝绳表面的损伤情况，应对不同矿井下不同的工况条件以及不同类型和尺寸的钢丝绳。然而钢丝绳视觉实时损伤检测算法由于受到矿井下的复杂性光照问题的影响，存在着难以精确检测钢丝绳的损伤程度，建模仍是一个长期的挑战。
3、鉴于此，专利技术人提出一种将图像增强与机器学习相结合的基于
技术实现思路
1、为了解决上述问题，本专利技术提出了一种基于指数加权引导滤波的钢丝绳损伤检测方法，包括如下步骤：
2、s1、对钢丝绳图像进行灰度化处理，对灰度化后的钢丝绳图像进行指数加权引导滤波，得到指数加权增强图像；
3、s2、对步骤s1中得到的指数加权增强图像采用补数-等价模式编码进行纹理信息提取并编码；
4、s3、对步骤s2中编码后的图像进行分块并转化为直方图展示出来，最后进行分类工作。
5、进一步地，步骤s1中，通过建立一种局部非线性变换模型来增强钢丝绳图像的灰度值强度，该局部非线性变换模型的表达式如下：
6、
7、其中，wij(i)为局部窗口映射函数，ij为局部窗口的中心像素点，oi为图像的输出,w为滑动窗口；通过采用滑动窗口w和窗口函数wij(i)对钢丝绳图像的边缘及纹理性质进行衡量，进而对钢丝绳图像中的纹理结构进行增强。
8、进一步地，步骤s1中，通过建立一种指数函数来增强钢丝绳图像中的纹理结构，该指数函数的表达式如下：
9、
10、其中，x和y分别表示二维平面的横、纵坐标，i(x，y)表示图像中的像素值，w(x，y)为分配给像素点i(x，y)的权重，指数因子为以i(x，y)像素点为中心点的像素窗口的差异评价指标，w为滑动窗口，k1为调节系数；通过采用滑动窗口的方式来计算当前方框内的灰度值强度，并通过指数函数来进一步分配钢丝绳图像中所有像素的权重，以增强纹理像素之间的对比度。
11、进一步地，步骤s1中，通过采用二维高斯函数与特定参数的卷积核构建二维高斯滤波器，以对钢丝绳图像进行滤波处理，该二维高斯滤波器的表达式如下：
12、
13、其中，x和y分别表示二维平面的横、纵坐标，σ为二维高斯函数的方差。
14、进一步地，步骤s1中，通过建立一种局部差异评价函数，估计窗口内原始像素之间的差异信息，并将其用作指数因子的依据，同时使得指数函数具有更好的视觉增强效果，反映出局部窗口内灰度变化的强度，该局部差异评价函数的表达式如下：
15、
16、其中，x,y≥0为像素灰度值强度，f(x,y)为衡量两个像素点的相对差值强度，并量化在[-1,1]区间。
17、进一步地，步骤s1中，为了获得更大的感受野，对滑动窗口w的累计差分变量进行计算，其函数公式如下：
18、
19、其中，为当前像素邻域差异累积量，xc为某一像素点，xi为p个邻域像素，(i＝0，1，2，…，p-1)；
20、结合上述公式，可得指数加权函数的表达式为：
21、
22、其中，oi为图像的输出，ik为方框w中心像素点，为高斯滤波后方框wk的累计差异量，k1为增益系数，*表示卷积操作。
23、进一步地，步骤s1中，引导滤波的处理结果图像oi与引导图像gi之间的函数关系如下：
24、
25、其中，ak,bk为线性系数，wk为局部滑动窗口；
26、为了过滤钢丝绳图像中的噪声，建立引导滤波模型，该引导滤波模型的表达式为：
27、oi＝ii-ni
28、其中，ii为待处理图像，oi为待输出图像，ni为图像中的噪声；
29、结合上述公式可以得出引导滤波模型的最优化条件为：
30、
31、在引导算法中引入指数加权非线性映射函数，来增强钢丝绳图像中的纹理细节，表达式如下：
32、
33、根据所示最优化条件进行推导，可以得到最优参数ai,bk分别为：
34、
35、
36、其中，uk和为指数加权后图像窗口wk的像素的灰度均值与方差，|w|为窗口wk内像素数目，为输入图像i的窗口wk内像素灰度均值，ε为正则化惩罚系数。
37、本专利技术的工作原理是：基于视觉中的马赫带现象，提出基于指数加权引导滤波的钢丝绳损伤检测方法，该方法分为预处理、特征提取和识别三部分，首先将钢丝绳图像转换为灰度图，进行指数加权引导滤波，使图像在进行滤波的同时还兼具增强纹理细节的效果，采用补数-等价模式编码进行纹理信息提取，然后对图像进行分块并转化为直方图展示出来，最后进行分类工作。
38、与现有技术相比，本专利技术的有益效果是：
39、(1)针对现有lbp算法对图像噪音敏感的问题，本方法能够对图像进行去噪的同时还能对图像中原始纹理细节进行保持，采用非线性映射模拟马赫带现象进行细节增强，作为引导滤波的引导图像对非纹理细节部分进行降噪，对钢丝绳数据集进行增强，该方法对纹理细节能够进行有效地增强和保持，且图像质量均优于引导滤波及其改进算法。
40、(2)针对现有lbp算法在处理光照反转问题时敏感性较高以及在特征描述方面不足的缺陷，本方法融合了等价模式编码结构，提高了补数二值模式的特征表达能力，同时保持了特征的紧凑性，使局部模式和补数模式在特征提取方面相互补充，有效地解决了钢丝绳图像中的光照问题，并且对于图像尺度变化具有较强的鲁棒性。
41、(3)本方法相较于经典引导滤波算法，psnr、ssim均值提升率分别大于26.2％和21.2％，在去除噪本文档来自技高网...
【技术保护点】
1.一种基于指数加权引导滤波的钢丝绳损伤检测方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的基于指数加权引导滤波的钢丝绳损伤检测方法，其特征在于，步骤S1中，通过建立一种局部非线性变换模型来增强钢丝绳图像的灰度值强度，该局部非线性变换模型的表达式如下：
3.根据权利要求2所述的基于指数加权引导滤波的钢丝绳损伤检测方法，其特征在于，步骤S1中，通过建立一种指数函数来增强钢丝绳图像中的纹理结构，该指数函数的表达式如下：
4.根据权利要求3所述的基于指数加权引导滤波的钢丝绳损伤检测方法，其特征在于，步骤S1中，通过采用二维高斯函数与特定参数的卷积核构建二维高斯滤波器，以对钢丝绳图像进行滤波处理，该二维高斯滤波器的表达式如下：
5.根据权利要求4中所述的基于指数加权引导滤波的钢丝绳损伤检测方法，其特征在于，步骤S1中，通过建立一种局部差异评价函数，估计窗口内原始像素之间的差异信息，并将其用作指数因子的依据，同时使得指数函数具有更好的视觉增强效果，反映出局部窗口内灰度变化的强度，该局部差异评价函数的表达式如下：
6.根据
7.根据权利要求6中所述的基于指数加权引导滤波的钢丝绳损伤检测方法，其特征在于，步骤S1中，引导滤波的处理结果图像Oi与引导图像Gi之间的函数关系如下：
...【技术特征摘要】
1.一种基于指数加权引导滤波的钢丝绳损伤检测方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的基于指数加权引导滤波的钢丝绳损伤检测方法，其特征在于，步骤s1中，通过建立一种局部非线性变换模型来增强钢丝绳图像的灰度值强度，该局部非线性变换模型的表达式如下：
3.根据权利要求2所述的基于指数加权引导滤波的钢丝绳损伤检测方法，其特征在于，步骤s1中，通过建立一种指数函数来增强钢丝绳图像中的纹理结构，该指数函数的表达式如下：
4.根据权利要求3所述的基于指数加权引导滤波的钢丝绳损伤检测方法，其特征在于，步骤s1中，通过采用二维高斯函数与特定参数的卷积核构建二维高斯滤波器，以对钢丝绳图像进行滤波处理，该二维高斯滤波器的...
【专利技术属性】
技术研发人员：刘群坡，唐齐，蒋庆刚，魏萍，张建军，高如新，花岛直彦，苏波，
申请(专利权)人：河南理工大学，
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。