[发明专利]一种基于MATLAB的图像自动提取优化方法及设备

权利要求书

1.一种基于MATLAB的图像自动提取优化方法，其特征在于：包括如下步骤：

步骤100、建立图像处理模型，通过摄像机的光学成像系统对钢板表面进行成像处理，建立钢板表面的最优成像流程的模型，进而得到最优的成像方案；

步骤200、确定优化目标，建立基于缺陷图像多特征综合像质评价体系，定义多个参数来综合评价图像质量，进一步区别低质量图像和较高质量的图像，得到各个缺陷的最佳成像光路配置方案；

步骤300、建立非线性标定，使用摄像机对放置在标定平面上不同位置的标定板拍照，并保持所有摄像机内参不变，从而得到一系列灰度图像，解出线阵摄像机成像坐标变换关系；

步骤400、建立基于图像区域的立体匹配模型，利用图像金字塔模型以多分辨率表达图像的特性，结合均值滤波建立图像的平均值金字塔，构建了一种从粗到细分层匹配的区域匹配算法；

步骤500、建立成像参数分析与成像系统，针对在线获取高质量的钢板表面图像、实时数字图像或视频信号的传输与处理、在线缺陷图像的三维重构及缺陷的分类识别等工作进行研究。

2.根据权利要求1所述的一种基于MATLAB的图像自动提取优化方法，其特征在于：所述步骤100中，还包括：

首先，利用摄像机对物体表面信息进行采集，并采用双向反射分布函数描述摄像机与物体表面的入射光(入射角、波长、强度)、物体表面特征及物理属性(介电常数、粗糙度、偏振、吸收等性质)以及光波反射的方向(视角)及强度分布等参数之间的函数关系；

然后，根据目标表面的物理特性和试验测量数据，建立表面BRDF数学经验模型，表现目标表面的散射特征；

再以双向反射分布函数以及表面BRDF数学经验模型为基础，采用一个漫反射函数来表示钢板表面漫反射分量，并假设钢板是基于高斯分布的随机粗糙表面，构建包含表面粗糙度的微平面面元分布函数作为粗糙度因子，以一个指数函数来模拟镜向反射分量，得到一个钢板表面散射的半经验数学模型；

最后对钢板表面散射特征测试结果，运用最小二乘法进行拟合，采用共轭梯度法在MATLAB中实现各参数的迭代优化求解。

3.根据权利要求1所述的一种基于MATLAB的图像自动提取优化方法，其特征在于：所述步骤200中，基于缺陷图像多特征综合像质评价体系还包括：

首先，将图像经过主观预评价后将图像质量分为不合格图像、合格图像两类，合格图像进入客观评价，评价后图像质量分为低质量图像、一般质量图像及较高质量图像三类，其中低质量图像被淘汰；

然后，对一般质量和较高质量图像进行算法评价，如果边缘检测效果较好，则质量等级升一级，如果边缘检测效果不好，则为备用图像，并且根据优先度将备用图像排序；

再对备用图像排序进提取总体图像特征参数，并傅立叶变换来判别背景噪声的频率特征，评估滤波的难易程度；

最后，对于以上评价后得到的较高质量图像，利用边缘检测算法来进一步比较图像的质量，在对图像像质评价与对比分析后，得出若干高质量的缺陷图像，每幅图像对应的光路配置型式即此类缺陷的最佳成像方式，进一步对所有缺陷样本重复上述分析过程，得到各个缺陷的最佳成像光路配置方案。

4.根据权利要求1所述的一种基于MATLAB的图像自动提取优化方法，其特征在于：所述步骤300中，还包括：

首先，用高斯滤波器进行图像平滑处理，根据噪声程度控制滤波器尺寸；

其次，采用基于灰度值阈值分割的算法将标定区域从背景中提取出来，通过判断区域中包含孔的数量最符合标定点数量的凸状区域来确定标定板的位置；

然后再利用Canny滤波器对圆形靶标进行边缘提取，通过参数α控制边缘检测的灵敏度，结合滞后阈值分割方法得到亚像素精度的圆形边；

再采用鲁棒的代数距离最小平方椭圆拟合算法将所有提取出的圆形靶标轮廓拟合为椭圆，并通过定义最小长度和最大直径去掉孤立的小边缘和过大的轮廓；

最后基于椭圆最小外接四边形得到中心点坐标，从而确定标定点与图像投影之间的对应关系。