[发明专利]一种基于神经网络算法的泡沫图像处理方法及系统

权利要求书

1.一种基于神经网络算法的泡沫图像处理方法，其特征在于，包括以下步骤：

对包含泡沫的样本图像进行泡沫轮廓标注，形成标签图像；

分别将所述样本图像和标签图像随机切割成尺寸相同的样本图像块和标签图像块；

以样本图像块和标签图像块作为训练集，构建并训练以样本图像块为输入，以标签图像块为输出的泡沫识别神经网络模型；

将包含泡沫的待处理图像按序切割成与所述样本图像块尺寸相同的多个待处理图像块，并输入所述泡沫识别神经网络模型中，得到泡沫轮廓的识别结果图像块；

将所述多个识别结果图像块按序合成泡沫轮廓的识别结果图像；

将所述多个识别结果图像块按序合成标注出泡沫轮廓的泡沫识别结果图像是通过滑动高斯权重方法实现的，所述滑动高斯权重方法包括：

生成一张与待处理图像尺寸相同的纯黑色图像作为初始结果图像，并构建一张与待处理图像尺寸相同且权重值全为0的背景权重图；

使用二维高斯函数，生成与所述识别结果图像块尺寸相同的滑动权重图像块；

比较滑动权重图像块与背景权重图的权重值，在滑动权重图块的权重值大于背景权重图的像素处，将滑动权重图像块的权重值赋予背景权重图，其余位置权重值保持不变；并在所述泡沫识别结果图像上对应于背景权重图中权重值被调整的像素位置，将所述像素位置对应的识别结果图像块的像素值赋值到所述像素位置，以得到泡沫识别结果图像。

2.根据权利要求1所述的基于神经网络算法的泡沫图像处理方法，其特征在于，将包含泡沫的待处理图像按序切割成与所述样本图像块尺寸相同的多个待处理图像块，具体包括：

使用与所述样本图像块尺寸相同的滑动窗口按序截取待处理图像块；若滑动窗口超出待处理图像边界时，反向移动滑动窗口，令滑动窗口的边缘与待处理图像边界重合。

3.根据权利要求1所述的基于神经网络算法的泡沫图像处理方法，其特征在于，进行泡沫轮廓标注之前，对历史数据中的多个样本图像进行图像增强预处理，所述图像增强预处理包括对比度增强和图像亮度直方图均衡化。

4.根据权利要求3所述的基于神经网络算法的泡沫图像处理方法，其特征在于，将所述多个识别结果图像块按序合成标注出泡沫轮廓的泡沫识别结果图像后，还包括对所述泡沫识别结果图像进行泡沫数量统计的步骤:

使用阈值分割对泡沫识别结果图像进行二值化处理和等高线检测；

提取并统计所述泡沫识别结果图像的闭合等高线数量以得到所述泡沫识别结果图像的泡沫数量。

5.根据权利要求1所述的基于神经网络算法的泡沫图像处理方法，其特征在于，将所述多个识别结果图像块按序合成标注出泡沫轮廓的泡沫识别结果图像后，还包括对所述泡沫识别结果图像进行泡沫粒径统计的步骤:

使用阈值分割对泡沫识别结果图像进行二值化处理和等高线检测；

通过轮廓跟踪算法提取所述泡沫识别结果图像的闭合等高线作为泡沫轮廓，并计算闭合等高线面积；

通过所述闭合等高线面积以及泡沫粒径计算公式计算出所述泡沫识别结果图像中的泡沫粒径；所述泡沫粒径计算公式为：其中，d为泡沫粒径，S为闭合等高线面积；

统计所述泡沫识别结果图像中不同粒径区间的泡沫数量，绘制泡沫粒径分布曲线。

6.一种计算机系统，包括存储器、处理器以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上述权利要求1至5任一所述方法的步骤。