[发明专利]基于cyclegan的树状生成器网络齿轮点蚀图像测量方法及装置

权利要求书

1.一种基于cyclegan的树状生成器网络齿轮点蚀图像测量方法，其特征在于：包括以下步骤：

S1：采集齿轮点蚀图像信息；步骤S1中，通过齿轮点蚀采集设备对齿面图像信息进行采集，所述齿轮点蚀采集设备包括视觉检测模块、图像处理模块、光照模块、齿轮夹具模块、以及用于安装上述模块的工作台；

所述齿轮夹具模块通过三爪卡盘夹持固定齿轮，所述视觉检测模块用于获取齿轮各个齿面的点蚀图像信息，所述图像处理模块用于从点蚀图像信息中提取有效工作齿面并通过阈值分割手段得到其中的点蚀部分，所述光照模块用于在视觉检测模块获取点蚀图像信息的过程中提供光源；

S2：对原始图像进行图像预处理，消除环境因素；步骤S2中，所述图像预处理包括图像增强和齿面倾斜矫正；

所述图像增强包括：采用中值滤波算法，对齿面图像中任意像素点，在以该点为中心的领域内对所有像素点灰度值进行统计排序，将排序中值定为该点处理后的灰度大小；

所述齿面倾斜矫正包括：基于Radon变换的齿面倾斜矫正，其具体的实现步骤：

1)利用边缘检测，对图像中水平线进行强化处理；

2)计算图像的Radon变换，获取倾斜角度；

3)根据倾斜角度，对齿面图像进行倾斜校；

Radon变换数学表达式为：

其中，f(x，y)表示图像矩阵中的某个像素点，θ表示校正图像的Radon变换的角度，R表示变换矩阵中的数值；

S3：基于循环一致性损失cyclegan的树状生成器网络对齿轮点蚀图像进行扩增，生成多张齿轮点蚀图像；步骤S3中所述基于循环一致性损失cyclegan的树状生成器网络，X和Y分别表示不同图像域之间的数据集，将G：x-y的每个分支同时进行训练，目标是学习一个映射G：x-y，通过对抗性损失使得来自G(y)的多个图像的分布均与真实Y图像的分布不可区分，并且在生成器的底端的部分层进行参数共享，对于它的逆映射F：y-x，引入循环一致性损失，并且在除处第一层输入层外，其余层进行参数共享，从而产生一种新的对抗结构，多个分支的生成器，判别器之间形成一个最大最小值博弈，生成器G(x-y)产生趋近与真实Y域的图像分布，重构器将G(y)通过逆映射重构成真实x域的图像分布，而鉴别器确定产生的样本是真实数据还是由生成器生成；

所述基于cyclegan的树状生成器网络包括两种大方向的映射函数：G：x—Yi，和F：y→Xi，因此这个对抗损失对于生成器和判别器{(Gm，Dx)(Fm，Dy)}就变成了：

对于X域中的每个图像x，这个图片风格循环需要将x返回到原始图像域中，即X→G(x)m→F(G(x)m)≈x；对于对于Y域的每一张图片y—F(y)→G(F(y))≈y；通过循环一致性损失激励此行为，如下：

L_cycle(G^m,F^m)＝E_x～pdata(x)[||F(G(x)^m)-x)||₁]+E_y～pdata(y)[||G(F(y)^m)-y||₁]

所提出的树状生成器模型的训练就是通过最大最小化：

L_{trees-cyclegan}＝L_trees-GAN(G^m,D_Y，X,Y)+L_trees-GAN(F^m,D_X,Y,X)+λL_cyc(G^m,F^m)

S4：通过齿轮点蚀检测算法对多张齿轮点蚀图像进行检测，得到齿轮点蚀等级；步骤S4具体包括以下步骤：

S41：齿轮有效齿面分割：对图像进行颜色空间的变换，将RGB颜色空间变换到YcrCb颜色空间中，产生聚类的二值矩阵，然后对图像进行聚类，利用Roberts微分算子对图像进行边缘检测，从而定位齿面的区域范围再进行图像分割，把齿面部分图像从背景中分割出来；所述利用Roberts微分算子进行边缘分割，利用的是图像的垂直和水平差分来逼近梯度算子，即：

其中f(x，y)表示图像矩阵中的某个像素点，f(x-1，y)和f(x，y-1)分别为其垂直和水平的邻域的两个像素点；

得到齿轮齿面部分图像之后，从齿面图像中进一步分割出工作齿面，利用腐蚀和膨胀的形态学处理进一步对齿面优化分割；对于齿面部分图像进行二值化处理；然后进行图像形态学处理，先膨胀再腐蚀，填充小孔，对齿面部分图像进行联通；先腐蚀再膨胀，消除二值化的图像中小且无意义的物体；在进行形态学处理之后找到剩余部分的最大联通区域，形成一个矩形框，利用矩形框的位置信息对原始图像进行分割，从而得到齿面图像信息中的有效工作齿面部分；

S42：利用U-Net网络进行点蚀图像分割：所述U-Net网络包括卷积层、最大池化层、反卷积层以及ReLU非线性激活函数，U-Net网络共进行4次上采样，并在同一个卷积阶段和反卷积阶段进行连接，从而检测工作齿面中点蚀部分并计算出点蚀占整个齿面面积的比例，确定齿轮的点蚀等级；区分出工作齿面中的点蚀部分和其他部分，通过自适应阈值分割、聚类分割手段把点蚀部分提取出来；计算点蚀部分的像素点数和整个工作区域的像素点数，来计算点蚀占比。