基于改进黏菌算法的硅钢板表面缺陷图像增强方法及系统

本发明涉及数字图像处理与机器视觉检测，具体为基于改进黏菌算法的硅钢板表面缺陷图像增强方法及系统。

背景技术：

1、硅钢板是电机、变压器及发电装备中的重要功能材料。该类板材在轧制、退火、搬运和检测过程中，可能出现裂纹、夹杂、斑块、麻面、氧化铁皮轧制、划痕等表面异常。上述异常若未被及时检出，会影响后续叠片质量、磁性能稳定性和成品可靠性。

2、机器视觉检测能够在不接触板材表面的情况下完成图像采集和缺陷分析，适合布置在生产线或离线检测平台中。实际采集时，现场光源角度、板面反射、相机曝光时间、传输速度、环境遮挡及传感器噪声会共同影响成像质量，使部分缺陷图像呈现低亮度、低对比度和弱边缘状态。

3、在硅钢板缺陷检测任务中，后续分割、识别和分类通常依赖缺陷区域与基体区域之间的灰度差、纹理差和轮廓连续性。若输入图像的暗部纹理未被展开，细裂纹、浅划痕、局部麻面等弱特征容易与背景纹理混叠，造成漏检或误判。

4、现有图像增强方法包括直方图均衡化、线性拉伸、gamma变换、retinex模型等。上述方法虽然能够在一定程度上提高图像亮度或对比度，但在硅钢板低照度缺陷图像中容易出现局部过增强、噪声放大、边缘失真或参数依赖人工经验的问题。

5、不完全beta函数可通过形状参数改变灰度映射曲线，适合对暗区、亮区或中间灰度区进行非线性调节。然而，在不同缺陷类别、不同曝光条件和不同表面纹理下，固定参数难以同时满足亮度提升和细节保持要求。

6、黏菌优化算法可用于连续参数寻优，但直接用于图像增强参数搜索时，仍可能受到初始候选解分布不均、迭代后期搜索停滞以及最优解附近精修能力不足的影响，导致增强参数不稳定。

7、因此，需要一种面向硅钢板表面缺陷图像的增强方案，使其能够在低照度、弱对比度或局部阴影条件下自适应确定灰度变换参数，并兼顾缺陷轮廓保持、纹理细节提升和后续检测任务的输入稳定性。

技术实现思路

1、本部分的目的在于概述本发明的实施方式的一些方面以及简要介绍一些较佳实施方式。在本部分以及本技术的说明书摘要和发明名称中可能会做些简化或省略以避免使本部分、说明书摘要和发明名称的目的模糊，而这种简化或省略不能用于限制本发明的范围。

2、为解决上述技术问题，根据本发明的一个方面，本发明提供了如下技术方案：

3、基于改进黏菌算法的硅钢板表面缺陷图像增强方法，包括以下步骤：

4、s1：获取硅钢板表面缺陷检测场景下采集的待增强低照度图像，并对所述待增强低照度图像进行归一化处理，得到归一化图像；

5、s2：建立不完全beta函数灰度变换模型，并将所述不完全beta函数灰度变换模型中的形状参数作为待优化变量；

6、s3：构建用于评价增强图像质量的适应度函数，所述适应度函数包括信息熵、边缘内容、边缘强度对数和以及平均梯度；

7、s4：采用singer混沌映射策略初始化黏菌种群，得到预设数量的初始个体，每一所述初始个体对应一组所述待优化变量；

8、s5：基于黏菌算法对所述黏菌种群进行迭代更新，并在迭代更新过程中引入双曲振荡因子，以动态调节所述黏菌种群的全局搜索能力和局部开发能力；

9、s6：在当前最优解更新过程中引入二次插值策略，生成候选近似最优解，并将所述候选近似最优解与当前最优解进行竞争选择；

10、s7：当满足预设终止条件时，输出所述不完全beta函数灰度变换模型的最优参数组合；

11、s8：根据所述最优参数组合对所述待增强低照度图像进行灰度变换，得到增强后的硅钢板表面缺陷图像。

12、作为本发明所述的基于改进黏菌算法的硅钢板表面缺陷图像增强方法的一种优选方案，其中，所述s1中，硅钢板表面缺陷检测场景包括轧制生产、离线抽检或实验室检测中的至少一种；所述待增强低照度图像包括细裂纹、夹杂物、斑块、麻面、氧化铁皮轧制或划痕中的至少一种缺陷类型图像；

13、所述归一化处理的具体方法为：当所述待增强低照度图像为灰度图像时，对灰度像素值进行归一化处理；当所述待增强低照度图像为彩色图像时，将所述彩色图像转换至hsv颜色空间，提取亮度v通道并对所述亮度v通道进行归一化处理，在增强完成后再转换回rgb颜色空间。

14、作为本发明所述的基于改进黏菌算法的硅钢板表面缺陷图像增强方法的一种优选方案，其中，所述s2中，不完全beta函数灰度变换模型表示为，其中，，u为归一化后的原始像素值，f(u)为变换后的像素值，a和b为所述形状参数，且a和b的取值范围均为(0,10)。

15、作为本发明所述的基于改进黏菌算法的硅钢板表面缺陷图像增强方法的一种优选方案，其中，所述s3中，适应度函数表示为：，其中，h为增强图像的信息熵，ec为增强图像的边缘内容，lsi为增强图像的边缘强度对数和，mg为增强图像的平均梯度，为正控制系数；

16、所述边缘内容ec根据边缘像素数量与图像总像素数量的比值确定；所述边缘强度对数和lsi根据sobel边缘检测得到的水平梯度和垂直梯度确定；所述平均梯度mg根据相邻像素在水平方向和垂直方向上的灰度差确定。

17、作为本发明所述的基于改进黏菌算法的硅钢板表面缺陷图像增强方法的一种优选方案，其中，所述s4中，singer混沌映射策略表示为：，其中，∈(0.9,1.08)，并将所述singer混沌映射策略生成的混沌序列映射至所述待优化变量的搜索边界内，以确定所述黏菌种群中各个初始个体的位置。

18、作为本发明所述的基于改进黏菌算法的硅钢板表面缺陷图像增强方法的一种优选方案，其中，所述s5中，双曲振荡因子为分段函数：在迭代前半段，基于双曲正切函数使搜索权重非线性变化，以扩大参数空间的勘探范围；在迭代后半段，基于正弦函数和余弦函数形成局部振荡扰动，以增强最优解附近的开发能力并降低陷入局部最优的概率。

19、作为本发明所述的基于改进黏菌算法的硅钢板表面缺陷图像增强方法的一种优选方案，其中，所述s6包括：从黏菌种群中选取两个互不相同的个体位置x、y以及当前全局最优位置z，依据x、y、z的适应度值构建二次插值模型，得到候选近似最优解r；若所述候选近似最优解r对应的适应度优于当前最优解，则以所述候选近似最优解r更新当前最优解。

20、作为本发明所述的基于改进黏菌算法的硅钢板表面缺陷图像增强方法的一种优选方案，其中，所述黏菌种群的规模n为30，最大迭代次数tmax为300，所述待优化变量的搜索维度d为2。

21、作为本发明所述的基于改进黏菌算法的硅钢板表面缺陷图像增强方法的一种优选方案，其中，所述s7中，预设终止条件包括：达到最大迭代次数、连续预设次数迭代的最优适应度变化量小于预设阈值，或当前最优适应度达到预设目标值中的至少一种。

22、基于改进黏菌算法的硅钢板表面缺陷图像增强系统，包括：

23、图像获取模块，用于获取硅钢板表面缺陷检测场景下采集的待增强低照度图像并执行归一化处理；变换模型构建模块，用于建立不完全beta函数灰度变换模型，并确定待优化的形状参数；

24、适应度评价模块，用于根据信息熵、边缘内容、边缘强度对数和以及平均梯度计算个体适应度；

25、种群初始化模块，用于采用singer混沌映射策略生成混沌序列并完成黏菌种群初始化；

26、迭代优化模块，用于引入双曲振荡因子调节搜索模式，并通过二次插值策略生成候选解，迭代搜索最优参数组合；所述迭代优化模块包括全局搜索单元、局部开发单元和候选解竞争单元；所述全局搜索单元用于在迭代前期扩大所述黏菌种群的搜索范围，所述局部开发单元用于在迭代后期增强最优解附近的局部搜索能力，所述候选解竞争单元用于将二次插值策略生成的候选近似最优解与当前最优解进行适应度比较；

27、图像增强模块，用于将所述最优参数组合代入不完全beta函数，对所述待增强低照度图像执行灰度变换并输出增强图像。

28、与现有技术相比，本发明具有的有益效果是：本发明能够增强硅钢板缺陷图像的可辨识度；能够突出细裂纹、划痕、斑块、麻面等缺陷区域的边缘和纹理；能够减少人工经验选参对增强结果的影响；能够为后续缺陷分割、识别和质量判定提供更稳定的图像输入。