[发明专利]一种基于朴素贝叶斯分类器的焊缝位置的自主提取方法

权利要求书

1.一种基于朴素贝叶斯分类器的焊缝位置的自主提取方法，其特征在于：包括以下步骤：

步骤一、设计改进Gabor滤波器，初步抑制焊缝图像强烈的电弧与飞溅干扰；

步骤二、对滤波图像进行局部阈值自主分割，并依据最近邻聚类算法实现数据的分类；根据数据分类设计区分目标数据与干扰数据的服从正态分布的厚度、均匀性和致密性的三个先验概率密度函数，并根据最大后验概率准则，基于朴素贝叶斯分类算法实现焊缝轮廓的初步识别；

步骤三、设计空间跨度、波动程度的视觉特征计算方法，对初步识别后的数据类在水平方向上有重叠的展开视觉特征竞争，最终准确提取焊缝位置。

2.根据权利要求1所述的一种基于朴素贝叶斯分类器的焊缝位置的自主提取方法，其特征在于：所述步骤一中设计改进Gabor滤波器，初步抑制焊缝图像强烈的电弧与飞溅干扰，具体步骤如下：

第一步：改进的二维Gabor滤波器卷积核的构造方法为：

其中x′＝x cosθ+y sinθ，y′＝-x sinθ+y cosθ，f是以像素为单位的频率，θ是检测方向，σ是卷积模板尺寸，是相位，具体设计为σ＝4，n和m设计如下：

第二步：对于T形接头的焊缝位置提取，公式(2)a-c分别用于检测腹板、坡口和焊缝区域，公式(2)b还被用于检测底板；设置的滤波角度分别为θ₁∈[-20°,-5°]、θ₂∈[-80°,-110°]、θ₃∈[5°,15°]和θ₄∈[15°,35°]；对于对接接头的V形坡口焊缝位置提取，公式(3)a-c分别用于检测板面和左右坡口区域；

第三步：对滤波结果进行线性组合生成综合方向特征图。

3.根据权利要求2所述的一种基于朴素贝叶斯分类器的焊缝位置的自主提取方法，其特征在于：所述步骤二中根据对滤波图像进行局部阈值自主分割，并依据最近邻聚类算法实现数据分类，具体步骤如下：

第一步：对综合方向特征图进行局域阈值自主分割，具体局域阈值确定方法为：

①采用步长为5的5╳5窗口在竖直方向上对图像F作平滑处理，获得不同高度位置的平均灰度值其中i代表行，j代表列，并对以各处获得的平均灰度值构成的向量I进行两次线性滤波处理，滤波器的长度均为大于19；

②获得滤波后的向量I'的各单调递增区间，并记录其起始、终止位置，同时记录对应位置的灰度值；

③计算各单调区间两端位置的灰度值的差值，并记录差值大于G个像素的单调区间D_i，以此表示灰度值突变区域；

④计算单调区间D_i各终止位置分别在向量I与I'的灰度值的差值，再次记录差值大于G个像素的单调区间D_i'，表示原有灰度值上升区域的突变；

⑤以各单调区间D_i'的终点位置为中心，求取其左右各R个位置在I的灰度值的平均值T_i；

⑥判定T_i的数目，如果数目大于1，那么以相邻单调区间D₁'、D₂'的终点位置的平均位置为该次遍历第一次阈值分割的结束位置，T₁为第一次阈值分割所用的阈值，依次类推，最后一次阈值分割的起始位置为相邻单调区间D_i-1'、D_i'的终点位置的平均位置，结束位置为本次遍历的结束位置，对应的阈值为T_i；如果数目等于1，那么本次遍历只用一个阈值T₁；

⑦在各阈值分割范围内搜索5╳5窗口内灰度值大于对应阈值的像素点，唯有这些像素点的灰度值被赋值255，该5╳5窗口所覆盖的列区域的其它像素点的灰度值赋值0，实现局域阈值自主分割；

第二步：对局域阈值自主分割后的二维数据进行最近邻聚类，实施聚类的距离阈值为n个像素，从而获得一定数目的数据类。