[发明专利]一种基于机器视觉的车桥焊接区域识别方法

权利要求书

1.一种基于机器视觉的车桥焊接区域识别方法，其特征在于，包括以下步骤：

获取车桥图像，灰度化处理后得到车桥灰度图像；

根据车桥上焊接点的数量，确定对车桥灰度图像进行k-means聚类分割时车桥焊接区域的初始聚类中心点的数量，然后以蜻蜓算法确定车桥焊接区域的初始聚类中心点的位置，所使用的蜻蜓算法的第一适应度函数为：

其中，为确定车桥焊接区域的初始聚类中心点的位置时所使用的蜻蜓算法的第一适应度函数，、、、、、、、以及分别表示坐标、、、、、、、以及处像素点的灰度值，和分别表示坐标(i，j)处像素点在水平和竖直方向上的灰度梯度值；

以第一适应度函数取值最大时的方向为蜻蜓算法迭代过程中的步长方向，迭代确定车桥焊接区域的初始聚类中心点的位置；

对车桥灰度图像进行前景分割，在剔除背景区域的车桥灰度图像中，计算每个像素点邻域内所有像素点的平均灰度值、灰度值中位数以及灰度值标准差，以所得平均灰度值、灰度值中位数以及灰度值标准差，构建以蜻蜓算法确定车桥非焊接区域的初始聚类中心点的位置时，所使用的蜻蜓算法的第二适应度函数，以第二适应度函数取值最小时的方向为蜻蜓算法迭代过程中的步长方向，迭代确定在对车桥灰度图像进行k-means聚类分割时，车桥非焊接区域的初始聚类中心点位置；

在所剔除的背景区域中，以灰度值最小的像素点作为在对车桥灰度图像进行k-means聚类分割时，背景区域的初始聚类中心点位置；

根据所确定的所有初始聚类中心点位置，对车桥灰度图像进行k-means聚类分割，确定车桥焊接区域。

2.根据权利要求1所述的基于机器视觉的车桥焊接区域识别方法，其特征在于，所述蜻蜓算法的第二适应度函数为：

其中，表示第二适应度函数，，，分别表示所述剔除背景区域的车桥灰度图像中，第z个像素点8邻域内的灰度值均值、灰度值中位数和灰度值标准差。

3.根据权利要求1所述的基于机器视觉的车桥焊接区域识别方法，其特征在于，在以蜻蜓算法确定车桥焊接区域的初始聚类中心点的位置时，确定蜻蜓算法步长所使用的惯性权重为：

其中，是当前迭代次数下的惯性权重，是最大惯性权重，是最小惯性权重， 表示最大迭代次数，表示当前迭代次数。

4.权利要求1-3任一项所述的基于机器视觉的车桥焊接区域识别方法，其特征在于，在以蜻蜓算法确定车桥焊接区域的初始聚类中心点的位置时，蜻蜓算法步长为：

其中，为蜻蜓下一时刻飞行移动的步长向量，为蜻蜓当前时刻飞行移动的步长向量，为惯性权重，为蜻蜓的分离度，为蜻蜓个体的对齐度，为蜻蜓个体的聚集度，为蜻蜓的食物吸引度，为蜻蜓的天敌驱散度。

5.根据权利要求1-3任一项所述的基于机器视觉的车桥焊接区域识别方法，其特征在于，对车桥灰度图像进行k-means聚类分割时所使用的相似度函数为：

其中，为像素点与聚类中心点的相似度，表示聚类中心点处像素点的灰度值，表示图像中任意一点处像素点的灰度值，与分别表示所述车桥灰度图像的长和宽。