[发明专利]一种铁谱图像磨粒链生长过程的分割方法

权利要求书

1.一种铁谱图像磨粒链生长过程的分割方法，其特征在于，包括以下步骤：

S1、获取铁谱视频图像，并进行筛选；将训练图片输入目标检测模型，训练磨粒目标检测模型；

S2、将待预测铁谱图像输入训练好的磨粒目标检测模型，获取待预测图片中物体位置信息和类别信息；

S3、对预测过的图像后所得到的坐标位置信息进行处理，铁谱图像采用改进的标记分水岭分割算法进行图像分割，将粘连在一起的磨粒链分割为单个磨粒，改进的标记分水岭分割算法改进在于，分水岭分割算法适用于提取图片中的相邻或者重叠对象。灰度图像可以看作一个地形表面，高峰代表高强度，山谷代表低强度。图像中存在噪声和其他异常，会对图像的分割结果产生不好的影响。本方法的对一般的标记分水岭的改进就在于标记上，尽可能的放大标记，这样最后的分割误差受之前的噪声等干扰就小了，根据分割结果来判断机械磨损情况，在对铁谱视频图像进行逐帧差分的时候，我们是可以获取到整个磨粒链生长过程中每个磨粒的堆叠顺序，根据这个顺序和最后的分割结果进行比较，就可以判断分割效果。

2.根据权利要求1所述的一种铁谱图像磨粒链生长过程的分割方法，其特征在于，所述步骤S1具体包括以下步骤：

通过摄像头采集铁谱视频图像；将采集的铁谱视频图像逐帧拆分成图片，对拆分图片进行筛选，保留质量好、干扰少的铁谱图像图片；使用标注软件labelimg通过在线可视铁谱图像视频分解获得每帧磨粒链变化图，根据磨粒链的长度变化获取磨粒链的沉积变化顺序，对铁谱图像图片按照沉积变化顺序进行标记，标记的类别为debris、chain、bubble，debris、chain、bubble分别表示油液中的磨粒、磨粒链、水泡，只是做一个类别区分数据集的格式的制作方式采用VOC格式，而后将铁谱图像图片数据划分为训练集、验证集和测试集，样本图像的话就是先前采集的铁谱视频图像逐帧差分获取的，通过先前的labelimg对图片进行标注制作而来，是包含铁谱图像图片中磨粒真实框的位置尺寸信息、置信度和目标类别；而后将数据集中的训练集送入目标检测网络模型进行训练。

3.根据权利要求1所述的一种铁谱图像磨粒链生长过程的分割方法，其特征在于，所述步骤S1的磨粒目标检测模型采用YOLOv4模型。

4.根据权利要求1所述的一种铁谱图像磨粒链生长过程的分割方法，其特征在于，所述步骤S2中，将待检测铁谱图像输入磨粒目标检测模型后，通过非极大值抑制方法剔除所述目标检测模型输出的重复的预测框，得到对所述待检测图像中的磨粒链的检测结果，磨粒链的检测结果包括预测框位置尺寸信息、置信度和目标类别。

5.根据权利要求4所述的一种铁谱图像磨粒链生长过程的分割方法，其特征在于，所述通过非极大值抑制方法剔除所述目标检测模型输出的重复的预测框，具体包括：

非极大值抑制方法的步骤在目标检测过程中，同一位置上会产生大量的候选框，这些候选框会发生一定程度上的重合，因此需要利用非极大值抑制找出最佳的目标边界框，消除冗余的边界框。1.首先是根据置信度进行排序；2.置信度最高的比边界框添加到最终输出列表中，将其从边界框列表中删除；3.计算所有边界框的面积；4.计算置信度最高的边界框与其他候选框的IOU；5.删除IOU大于阈值的边界框,直到边界框列表为空。IOU:两个边界框的交集部分除以它们的并集部分，数值越大代表两个边界框的重合部分越多。阈值：目标边界框列表及其对应的置信度得分列表，设定IOU阈值，此阈值用于删除重叠较大的边界框。

6.根据权利要求4所述的一种铁谱图像磨粒链生长过程的分割方法，其特征在于，所述步骤S3改进的标记分水岭分割算法具体为：

S41、根据预测结果的坐标信息，绘制检测物体坐标的中心点；对预测结果中坐标信息中存在交汇的区域进行抹除，寻找阈值对图像二值化，而后采取进行形态学开闭运算，消除二值化图像中的噪声；最后将绘制物体坐标的中心点和交汇区域抹除的图像相加，作为标记图像；

S42、将标记图像和输入的预测图像送入分水岭算法，完成对磨粒链图像的分割。

7.根据权利要求6所述的一种铁谱图像磨粒链生长过程的分割方法，其特征在于，所述分水岭算法具体包括以下步骤：

计算影像梯度，通过影像梯度获取梯度值较小的区域作为集水点，并通过把方向寻找，获取同一集水点所有像素并把不同集水点像素进行编号，得到集水区域。遍历所有集水区域，获取集水区域的边界。其中，对集水区域的边界像素进行判断，检测是否能够被淹没，然后重新计算集水区域和区域的边界像素，两两集水区域的边界为分水岭。