System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 一种用于增强异常检测能力的图像增强方法、系统和设备技术方案_技高网

一种用于增强异常检测能力的图像增强方法、系统和设备技术方案

技术编号:41245366 阅读:2 留言:0更新日期:2024-05-09 23:56
本发明专利技术提供一种用于增强异常检测能力的图像增强方法、系统和设备,其中,方法包括:获取待检测的质检图像,对所述质检图像进行灰度处理,得到第一处理图像;对所述第一处理图像进行背景模糊处理,得到第二处理图像;根据所述第一处理图像和所述第二处理图像,得到增强图像。本发明专利技术对于质检过程中采集的图像中的噪音进行处理,对图像中异常位置进行针对性的分离,增强了异常位置的显示程度,减少噪音的干扰,解决了产品质检过程中因采集过程中不可控环境因素导致的噪音影响,提升了异常检测能力。本发明专利技术提出的图像增强方法有效地减少图像内不均匀对比度的影响,强化了异常部分的显示,有助于提高异常检测人员和异常检测模型的效率和精度。

【技术实现步骤摘要】

本专利技术涉及计算机视觉,尤其涉及一种用于增强异常检测能力的图像增强方法、系统和设备


技术介绍

1、随着计算机视觉的发展,计算机视觉技术在异常检测领域的应用也越来越多,异常检测使我们能够从生产流程中修复或消除那些处于不良状态的部件。

2、现有的实现产品异常检测所用的图像大都是结构光图像或射线图像、红外图像、超声图像等。这些图像在采集过程中易受工厂粉尘、扫描设备以及水下采集时的水流密度和浑浊度影响,容易产生伪缺陷,噪音,亮度不均匀等,在采集过程中的伪缺陷会影响异常检测精度。在采集过程中大量的噪音也会降低产品异常检测人员对图像的识别能力,由于现在大部分异常检测和监控都是使用机器学习或深度学习算法进行检测,这种带有噪音和不均匀对比度的图像会极大地影响深度学习模型学习和预测能力。


技术实现思路

1、基于此,有必要针对上述技术问题,提供一种用于增强异常检测能力的图像增强方法、系统和设备。

2、一种用于增强异常检测能力的图像增强方法,包括以下步骤:

3、在其中一个实施例中,获取待检测的质检图像,对所述质检图像进行灰度处理,得到第一处理图像包括:

4、将所述质检图像转换为灰度图形式,得到质检灰度图像;

5、对所述质检灰度图像进行归一化处理,得到归一化处理图像;

6、对所述归一化处理图像进行直方图均衡化,得到第一处理图像。

7、在其中一个实施例中,对所述质检灰度图像进行归一化处理,得到归一化处理图像包括:

8、根据如下公式对所述质检灰度图像进行归一化处理:

9、

10、其中,xnorm表示归一化公式,xk表示第k个像素点,xmin表示质检灰度图像中最小灰度值,xmax表示质检灰度图像中最大灰度值。

11、在其中一个实施例中,对所述归一化处理图像进行直方图均衡化,得到第一处理图像包括:

12、根据如下公式对所述归一化处理图像进行直方图均衡化:

13、

14、

15、

16、其中,h(v)表示灰度转换公式,round()表示四舍五入函数,cdf(i)表示图像累积分布函数,m表示归一化处理图像的长度,n表示归一化处理图像的宽度,cdfmin表示累积分布函数最小值,l表示图像位深度,i表示灰度值i,j表示灰度值j,px(j)表示灰度为j的像素出现的概率,px(i)表示灰度为i的像素出现的概率,n表示归一化处理图像中所有像素点,ni表示灰度为i的像素点个数。

17、在其中一个实施例中,对所述第一处理图像进行背景模糊处理,得到第二处理图像包括:

18、对所述第一处理图像中的每个像素点进行权重重置,得到第二处理图像。

19、在其中一个实施例中,对所述第一处理图像中的每个像素点进行权重重置,得到第二处理图像包括:

20、根据如下公式进行权重重置:

21、

22、其中,g(x,y)表示二维高斯函数,σ表示标准差,x表示当前像素点的横坐标,y表示当前像素点的纵坐标。

23、一种用于增强异常检测能力的图像增强系统,用于实现如上所述的一种用于增强异常检测能力的图像增强方法,包括:

24、灰度处理模块,用于获取待检测的质检图像,对所述质检图像进行灰度处理,得到第一处理图像;

25、模糊处理模块,用于对所述第一处理图像进行背景模糊处理,得到第二处理图像;

26、图像增强模块,用于根据所述第一处理图像和所述第二处理图像,得到增强图像。

27、一种设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现上述各个实施例中所述的一种用于增强异常检测能力的图像增强方法的步骤。

28、相比于现有技术,本专利技术的优点及有益效果在于:本专利技术对于质检过程中采集的图像中的噪音进行处理,对图像中异常位置进行针对性的分离,增强了异常位置的显示程度,减少噪音的干扰,解决了产品质检过程中因采集过程中不可控环境因素导致的噪音影响,提升了异常检测能力。本专利技术提出的图像增强方法有效地减少图像内不均匀对比度的影响,强化了异常部分的显示,有助于提高异常检测人员和异常检测模型的效率和精度。

本文档来自技高网
...

【技术保护点】

1.一种用于增强异常检测能力的图像增强方法,其特征在于,包括:

2.根据权利要求1所述一种用于增强异常检测能力的图像增强方法,其特征在于,所述获取待检测的质检图像,对所述质检图像进行灰度处理,得到第一处理图像包括:

3.根据权利要求2所述一种用于增强异常检测能力的图像增强方法,其特征在于,所述对所述质检灰度图像进行归一化处理,得到归一化处理图像包括:

4.根据权利要求2所述一种用于增强异常检测能力的图像增强方法,其特征在于,所述对所述归一化处理图像进行直方图均衡化,得到第一处理图像包括:

5.根据权利要求1所述一种用于增强异常检测能力的图像增强方法,其特征在于,所述对所述第一处理图像进行背景模糊处理,得到第二处理图像包括:

6.根据权利要求5所述一种用于增强异常检测能力的图像增强方法,其特征在于,所述对所述第一处理图像中的每个像素点进行权重重置,得到第二处理图像包括:

7.一种用于增强异常检测能力的图像增强系统,其特征在于,用于实现如权利要求1-6所述的一种用于增强异常检测能力的图像增强方法,包括:

<p>8.一种设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述方法的步骤。

...

【技术特征摘要】

1.一种用于增强异常检测能力的图像增强方法,其特征在于,包括:

2.根据权利要求1所述一种用于增强异常检测能力的图像增强方法,其特征在于,所述获取待检测的质检图像,对所述质检图像进行灰度处理,得到第一处理图像包括:

3.根据权利要求2所述一种用于增强异常检测能力的图像增强方法,其特征在于,所述对所述质检灰度图像进行归一化处理,得到归一化处理图像包括:

4.根据权利要求2所述一种用于增强异常检测能力的图像增强方法,其特征在于,所述对所述归一化处理图像进行直方图均衡化,得到第一处理图像包括:

5.根据权利要求1所述一种用于增强异常检...

【专利技术属性】
技术研发人员:于兴华张宝鑫王小鹏崔金瀚邬竣韬李琰但源
申请(专利权)人:理工特智科技重庆有限公司
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1