[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

说明书

本发明中的基于神经网络算法的泡沫图像处理方法及系统，通过对包含泡沫的样本图像进行泡沫轮廓标注，形成标签图像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；再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，并输入所述图形优化模型中，得到标注出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标注出泡沫轮廓的泡沫识别结果图像。相比现有技术，本发明中的泡沫图像处理方法，能自动标注待处理图像的泡沫轮廓，能大大节省人工标注泡沫图像的时间和人力，提高画泡沫轮廓图的效率。

技术领域

本发明属于图像检测与统计方法，尤其涉及一种基于神经网络算法的泡沫图像处理方法及系统。

背景技术

泡沫数量与粒径分布是检验泡沫发泡剂性能的一个重要指标，统计泡沫数量与粒径对于设计和优化泡沫发泡剂有着重要意义。目前，对于泡沫数量与粒径的统计方法是人工统计，即人工在含泡沫的图像上画出泡沫轮廓，利用方格网统计方法得出面积进而计算泡沫轮廓，并统计轮廓数量。传统人工统计泡沫数量与粒径的方法存在以下缺点：(1)在需要处理多张泡沫图片时，存在耗时长、效率低的缺点；(2)泡沫较小处，放大图像后模糊不清，此处对泡沫轮廓的确定因人而异，无统一标准，导致泡沫粒径统计有偏差。

因此，如何解决现有的人工画泡沫轮廓的方法耗时长、效率低、不能统一确定小泡沫边界的问题已成为本领域技术人员亟待解决的技术问题。

发明内容

本发明所要解决的技术问题是现有的人工画出泡沫轮廓的方法耗时长、效率低、不能统一确定小泡沫边界已成为本领域技术人员亟待解决的技术问题，为克服以上背景技术中提到的不足和缺陷，提供一种基于神经网络算法的泡沫图像处理方法；

为解决上述技术问题，本发明提出的技术方案为：

一种基于神经网络算法的泡沫图像处理方法，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，并输入所述卷积神经网络模型中，得到标注出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标注出泡沫轮廓的泡沫识别结果图像。

优选的，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。

优选的，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；具体包括：

在样本图像和标签图像中随机选取一个像素点，从该点依次截取尺寸相同的样本图像块和标签图像块。

优选的，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。

优选的，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；