[发明专利]基于灰度分布的螺旋叶片图像分割质量自适应评价方法

说明书

本发明公开一种基于灰度分布的螺旋叶片图像分割质量自适应评价方法，首先根据螺旋叶片自身的物理特性以及图像采集过程中的光学特性，确定错误分割率和遗漏分割率为螺旋叶片图像分割质量的评价指标；然后构建具有自适应特色的螺旋叶片图像分割质量综合评价模型，并计算各分割质量评价指标的值，以螺旋叶片输入图像为基础，分析其灰度分布情况，以灰度标准差为依据自适应计算各指标的权重系数，利用模型进行分析，得到最终的螺旋叶片图像分割质量的评价结果。采用本发明有效解决现有评价策略忽视输入图像灰度分布对分割性能干扰的不足，实现高效、稳定、自适应的螺旋叶片图像分割质量的评价。

技术领域

本发明涉及机械产品的自动化检测领域，特别涉及一种基于灰度分布的螺旋叶片图像分割质量自适应评价方法。

背景技术

螺旋叶片是工业生产中一些关键装备的重要组成部分，其自动测量问题一直是工程中研究的热点。近年来，数字图像处理技术和计算机视觉技术的快速发展和广泛应用，使以图像为基础的螺旋叶片自动检测成为人们关注的重点，并成为提高高性能螺旋叶片生产效率和制造水平的重要手段。

螺旋叶片的图像分割结果为其图像检测提供数据基础，而图像分割效果的评价可以为其图像检测过程中最优图像分割策略的选择、最优分割结果的筛选提供依据，同时也对螺旋叶片图像分割策略的分析、设计及进一步的策略优化有着重要的指导意义，将为更加精确的螺旋叶片原始缺陷检测数据的获取奠定基础，是螺旋叶片图像检测中重点关注的问题之一，对良好螺旋叶片图像检测结果的取得具有重要作用。

发明内容

发明目的：本发提供一种高效、稳定、自适应的基于灰度分布的螺旋叶片图像分割质量自适应评价方法，为螺旋叶片最优图像分割策略的选择提供依据。

技术方案：本发明所述的一种基于灰度分布的螺旋叶片图像分割质量自适应评价方法，包括以下步骤：

(1)确定螺旋叶片图像分割质量的评价指标；

(2)构建螺旋叶片图像分割质量自适应、综合评价模型；

(3)计算螺旋叶片图像各分割质量评价指标的值；

(4)计算螺旋叶片图像分割质量评价模型的自适应调整系数；

(5)计算并输出螺旋叶片图像分割质量的评价结果。

步骤(1)所述的评价指标主要包括错误分割率和遗漏分割率。

步骤(2)所述的自适应、综合评价模型描述如下：

p_i+q_i＝1

其中，Evalue表示计算得到的螺旋叶片图像分割质量的评价值，K表示评价用的螺旋叶片图像个数，i表示第i幅图像，p和q是权重系数，表示两种分割率所占权重，缺省值为0.5，TF_i表示第i个图像中分割出的非特征的个数，TC_i表示分割出的缺陷特征总数，LC_i表示遗漏掉的缺陷特征数，RC_i表示总缺陷特征数。

所述步骤(4)包括以下步骤：

(41)螺旋叶片图像灰度归一化处理后的标准差：

其中，STD表示螺旋叶片图像的灰度标准差，AvgG表示螺旋叶片图像的灰度均值，r_i表示螺旋叶片图像中第i级灰度值，L表示螺旋叶片图像中像素的灰度级数，Max_r表示最大权重灰度值，Min_r表示最小权重灰度值；

(42)螺旋叶片图像分割质量评价模型的自适应调整系数：

p＝1-STD

q＝STD