[发明专利]一种锂电池图像的混合权重多光谱融合方法

说明书

本发明提出一种锂电池图像的混合权重多光谱融合方法。首先分析多种缺陷信息光谱的差异，采集一组特定波长的多光谱图像，选取最优的五个融合波段以及最优的融合空间。然后，根据多光谱缺陷图像最优融合空间三通道的表征形式的不同，对每个通道进行单独处理，突出缺陷特征的同时并抑制复杂背景。结果表明，本发明方法的融合结果具有更平滑的背景和更突出的多类型特征，抑制了复杂的背景的同时，增强了缺陷部分，符合人类视觉系统对于缺陷区域的辨识，具有较好的性能，能减小锂电池片表面复杂纹理对于缺陷检测的干扰，获取清晰的多类型表面缺陷图像。

技术领域

本发明属于图像融合领域，具体涉及一种锂电池图像的混合权重多光谱融合方法。

背景技术

锂电池是一类以锂金属或锂合金为负极材料，使用非水电解质溶液的电池。锂电池大致可分为两类：锂金属电池和锂离子电池，锂离子电池是不含金属态的锂，并且可以充电的。目前在人们实际日常生活中大范围使用的都是锂离子电池，通常人们俗称其为锂电池。

由于在工厂生产中可能受到来自材料、机器设备及人工误操作等原因的影响，致使锂电池表面产生不同程度的损坏，产生划痕、缩孔等缺陷。缺陷信息特征与锂电池本身复杂的背景特征高度相似，增加了检测难度。锂电池的质量把控，已经成为了亟需解决的问题。

锂电池图像缺陷种类较多，单一条件下无法将所有缺陷都清晰的呈现出来，后续检测难度较大，Anwar等人(Anwar S A,Abdullah M Z.Micro-crack detection ofmulticrystalline solar cells featuring an improved anisotropic diffusionfilter and image segmentation technique[J].Eurasip Journal on ImageVideoProcessing,2014,2014(1):1-17)提出了基于缺陷梯度特征的检测方法，但容易受到复杂背景的干扰。赵鹏等人(赵鹏,王霓虹,浦昭邦.基于形态小波分解金字塔的图像融合[J].光电子·激光,2008,19(6):814-817.)利用形态小波分解金字塔的方法，将小波分解与图像对比度金字塔结合进行图像融合，但是融合后的图像无法抑制局部噪声的产生。

因此，能有效地改善和解决当前方法带来的困难成为专业人士热门研究的工作。在这样的情况下，开发一种锂电池图像的混合权重多光谱融合算法，减弱复杂背景的影响，抑制噪声，增强缺陷特征，提升缺陷部分和非缺陷部分的对比度，最大程度上降低后续检测与分类的难度，具有较高的实用价值。

发明内容

针对现有技术的不足，本发明拟解决的技术问题是，提供一种锂电池图像的混合权重多光谱融合方法。该方法采用多光谱成像的方式，利用缺陷类型的光谱范围差异，得到波长固定的多光谱图像，通过图像混合权重融合的方法，减弱了复杂背景的影响，增强了缺陷特征，最大程度上降低了检测难度。

本发明解决所述技术问题所采用的技术方案是：

一种锂电池图像的混合权重多光谱融合方法，该方法包括以下步骤：

第一步：多光谱锂电池图像获取：

分别在380nm-505nm波段、530nm-630nm波段、655nm-780nm波段下获取同一个锂电池的图像，形成多光谱RGB电池源图像，每个波段中至少获取一张对应波长的锂电池的图像；

第二步：RGB转换HSV：

将第一步中选择好的不同波段的多光谱RGB电池源图像从RGB空间转化到HSV空间，然后分别对H、S、V三通道图像单独处理；

RGB到HSV的转换关系为：

其中，X、Y、Z为色度坐标，R、G、B即是代表红、绿、蓝三个通道的颜色；

第三步：融合S通道图像：