一种基于图像增强的钢结构焊缝表面缺陷识别方法与流程

本发明涉及图像处理，具体为一种基于图像增强的钢结构焊缝表面缺陷识别方法。

背景技术：

1、在钢结构焊缝表面缺陷识别的工业应用场景中，视觉检测是常用的技术手段。现有的表面缺陷检测技术多采用常规的图像空间域滤波、边缘检测或特征阈值分割算法对原始焊缝图像进行处理。然而，在实际的工业光照条件下，焊缝金属表面通常存在强反射背景，现有的基础梯度提取或形态学方法难以将微小的真实缺陷特征与强反射干扰进行有效分离，易造成漏判。同时，焊缝表面固有存在鱼鳞纹等粗糙纹理，这些鱼鳞纹通常具有沿焊缝走向发生非线性弯曲的特征。现有的全局方向滤波器或固定尺度的纹理分析方法，难以自适应这种非线性弯曲形态，在提取特征时易将鱼鳞纹边缘的高频曲率变化误报为表面缺陷。此外，在焊缝的收弧坑或多道焊缝交叉处等复杂区域，局部纹理的拓扑结构容易发生突变坍塌，导致局部方向呈现无序状态。在处理这些拓扑坍塌区域时，现有的局部方向张量算法常因失去明确的方向基底而出现数学计算上的发散或奇异值问题，导致算法失效。由于现有技术无法在抑制强反射背景的同时，自适应弯曲的鱼鳞纹理并克服复杂区域的拓扑奇点，导致在结合局部空间梯度幅值等特征进行计算时，特征分离度不足，识别结果受限。因此，需要一种基于图像增强的钢结构焊缝表面缺陷识别方法。

技术实现思路

1、本发明提供了一种基于图像增强的钢结构焊缝表面缺陷识别方法，促进解决了上述背景技术中所提到的问题。

2、本发明提供如下技术方案：一种基于图像增强的钢结构焊缝表面缺陷识别方法，包括：

3、计算原始焊缝图像的水平方向的一阶空间梯度值、垂直方向的一阶空间梯度值和局部空间梯度幅值；

4、利用所述水平方向的一阶空间梯度值和所述垂直方向的一阶空间梯度值，计算结构张量的水平方向自相关分量、结构张量的垂直方向自相关分量和结构张量的互相关分量；

5、利用所述结构张量的水平方向自相关分量、所述结构张量的垂直方向自相关分量和所述结构张量的互相关分量，计算结构张量的行列式值和拓扑结构稳定性指数；

6、利用所述拓扑结构稳定性指数计算自适应调整后的水平方向投影向量和自适应调整后的垂直方向投影向量，进而计算各向异性纹理连续性度量值；

7、利用所述水平方向的一阶空间梯度值、所述垂直方向的一阶空间梯度值和所述局部空间梯度幅值，计算多尺度梯度曲率投影值；

8、结合所述多尺度梯度曲率投影值、所述各向异性纹理连续性度量值和所述局部空间梯度幅值，计算缺陷特征增强因子；

9、计算所述缺陷特征增强因子的全局均值和缺陷特征增强因子的全局标准差；

10、利用所述缺陷特征增强因子、所述缺陷特征增强因子的全局均值和所述缺陷特征增强因子的全局标准差，计算表面缺陷总面积。

11、可选的，所述计算原始焊缝图像的水平方向的一阶空间梯度值、垂直方向的一阶空间梯度值和局部空间梯度幅值，包括：

12、使用正交偏振同轴光源照射钢结构焊缝区域，通过工业相机进行单次曝光采集，获取单通道的原始焊缝图像，并将所述原始焊缝图像存储于内存矩阵中；

13、以所述原始焊缝图像的左上角像素点为坐标原点，以图像水平向右方向为横坐标正方向，以图像垂直向下方向为纵坐标正方向，建立二维平面直角坐标系；

14、获取当前像素的右侧相邻像素的灰度值；

15、获取所述当前像素的左侧相邻像素的灰度值；

16、将所述右侧相邻像素的灰度值减去所述左侧相邻像素的灰度值，计算得到当前像素的水平方向的一阶空间梯度值；

17、获取所述当前像素的下方相邻像素的灰度值；

18、获取所述当前像素的上方相邻像素的灰度值；

19、将所述下方相邻像素的灰度值减去所述上方相邻像素的灰度值，计算得到当前像素的垂直方向的一阶空间梯度值；

20、将所述水平方向的一阶空间梯度值进行平方计算，得到第一平方值；

21、将所述垂直方向的一阶空间梯度值进行平方计算，得到第二平方值；

22、将所述第一平方值与所述第二平方值相加，并对相加结果进行开平方计算，得到原始焊缝图像的局部空间梯度幅值。

23、可选的，所述利用所述水平方向的一阶空间梯度值和所述垂直方向的一阶空间梯度值，计算结构张量的水平方向自相关分量、结构张量的垂直方向自相关分量和结构张量的互相关分量，包括：

24、获取相机的感光阵列对应的原始焊缝图像的像素总宽度，设定窗口比例系数；

25、将所述原始焊缝图像的像素总宽度与所述窗口比例系数相乘并向下取整，将取整结果作为局部求和窗口的计算半径；

26、在由所述计算半径确定的局部求和窗口内，获取各个偏移位置的水平方向的一阶空间梯度值；

27、将每个所述偏移位置的水平方向的一阶空间梯度值进行平方计算，并将局部求和窗口内的所有平方计算结果进行双重求和累加，计算得到结构张量的水平方向自相关分量；

28、在由所述计算半径确定的局部求和窗口内，获取各个偏移位置的垂直方向的一阶空间梯度值；

29、将每个所述偏移位置的垂直方向的一阶空间梯度值进行平方计算，并将局部求和窗口内的所有平方计算结果进行双重求和累加，计算得到结构张量的垂直方向自相关分量；

30、将所述局部求和窗口内每个偏移位置的水平方向的一阶空间梯度值与其对应的垂直方向的一阶空间梯度值相乘，得到局部相关乘积；将局部求和窗口内的所有所述局部相关乘积进行双重求和累加，计算得到结构张量的互相关分量。

31、可选的，所述利用所述结构张量的水平方向自相关分量、所述结构张量的垂直方向自相关分量和所述结构张量的互相关分量，计算结构张量的行列式值和拓扑结构稳定性指数，包括：

32、将所述结构张量的水平方向自相关分量与所述结构张量的垂直方向自相关分量相乘，得到第一张量乘积；

33、将所述结构张量的互相关分量进行平方计算，得到第二张量乘积；

34、将所述第一张量乘积减去所述第二张量乘积，计算得到结构张量的行列式值；

35、将所述结构张量的水平方向自相关分量进行平方计算，得到第三张量乘积；

36、将所述结构张量的垂直方向自相关分量进行平方计算，得到第四张量乘积；

37、将所述第三张量乘积与所述第四张量乘积相加，并在此相加结果的基础上加上常数1，得到拓扑稳定分母项；

38、将所述结构张量的行列式值除以所述拓扑稳定分母项，计算得到拓扑结构稳定性指数。

39、可选的，所述利用所述拓扑结构稳定性指数计算自适应调整后的水平方向投影向量和自适应调整后的垂直方向投影向量，进而计算各向异性纹理连续性度量值，包括：

40、将所述结构张量的水平方向自相关分量减去所述结构张量的垂直方向自相关分量，得到自相关张量差值；

41、将所述自相关张量差值与所述拓扑结构稳定性指数相乘，计算得到自适应调整后的水平方向投影向量；

42、将常数2与所述结构张量的互相关分量相乘，得到互相关调整值；

43、将所述互相关调整值与所述拓扑结构稳定性指数相乘，计算得到正交平面的自适应调整后的垂直方向投影向量；

44、将所述水平方向的一阶空间梯度值与所述自适应调整后的水平方向投影向量相乘，得到水平投影连续性乘积；

45、将所述垂直方向的一阶空间梯度值与所述自适应调整后的垂直方向投影向量相乘，得到垂直投影连续性乘积；

46、将所述水平投影连续性乘积与所述垂直投影连续性乘积相加，计算得到各向异性纹理连续性度量值。

47、可选的，所述利用所述水平方向的一阶空间梯度值、所述垂直方向的一阶空间梯度值和所述局部空间梯度幅值，计算多尺度梯度曲率投影值，包括：

48、获取当前像素右侧偏移位置的水平方向的一阶空间梯度值；

49、获取当前像素左侧偏移位置的水平方向的一阶空间梯度值；

50、将所述右侧偏移位置的水平方向的一阶空间梯度值减去所述左侧偏移位置的水平方向的一阶空间梯度值，得到水平方向梯度差分值；

51、获取当前像素下方偏移位置的垂直方向的一阶空间梯度值；

52、获取当前像素上方偏移位置的垂直方向的一阶空间梯度值；

53、将所述下方偏移位置的垂直方向的一阶空间梯度值减去所述上方偏移位置的垂直方向的一阶空间梯度值，得到垂直方向梯度差分值；

54、将所述水平方向梯度差分值与所述垂直方向梯度差分值相加，得到曲率分子项；

55、将所述局部空间梯度幅值加上常数1，得到曲率分母项；

56、将所述曲率分子项除以所述曲率分母项，计算得到表征表面凹凸特性的多尺度梯度曲率投影值。

57、可选的，所述结合所述多尺度梯度曲率投影值、所述各向异性纹理连续性度量值和所述局部空间梯度幅值，计算缺陷特征增强因子，包括：

58、将所述原始焊缝图像的局部空间梯度幅值进行立方计算，得到幅值立方项；

59、将所述幅值立方项加上常数1，得到增强归一化分母项；

60、将所述各向异性纹理连续性度量值除以所述增强归一化分母项，得到降维连续性度量项；

61、将所述多尺度梯度曲率投影值减去所述降维连续性度量项，计算得到缺陷特征增强因子。

62、可选的，所述计算所述缺陷特征增强因子的全局均值和缺陷特征增强因子的全局标准差，包括：

63、获取相机硬件输出阵列所确定的原始焊缝图像的像素总宽度和像素总高度；

64、将所述像素总宽度与所述像素总高度相乘，得到图像全局像素总数；

65、对整个原始焊缝图像的所有像素点进行遍历，将所有像素点的所述缺陷特征增强因子进行累加，得到全局增强因子总和；

66、将所述全局增强因子总和除以所述图像全局像素总数，计算得到缺陷特征增强因子的全局均值；

67、再次遍历整个原始焊缝图像，将当前像素的缺陷特征增强因子减去所述缺陷特征增强因子的全局均值，得到当前像素的增强因子偏差；

68、将每个像素点的所述增强因子偏差进行平方计算，并将所有像素点的平方计算结果进行全局累加，得到全局方差和；

69、将所述全局方差和除以所述图像全局像素总数，并对相除结果进行开平方计算，计算得到缺陷特征增强因子的全局标准差。

70、可选的，所述利用所述缺陷特征增强因子、所述缺陷特征增强因子的全局均值和所述缺陷特征增强因子的全局标准差，计算表面缺陷总面积，包括：

71、设定防止分母为零的无穷小正数常量；

72、将所述缺陷特征增强因子的全局均值与所述缺陷特征增强因子的全局标准差相加，得到全局动态阈值；

73、遍历整个原始焊缝图像，将当前像素的缺陷特征增强因子减去所述全局动态阈值，得到当前像素的阶跃偏差值；

74、计算所述阶跃偏差值的绝对值；将所述绝对值加上所述无穷小正数常量，得到逼近分母项；

75、将所述阶跃偏差值除以所述逼近分母项，得到阶跃逼近结果值；

76、将所述阶跃逼近结果值加上常数1，并将相加后的结果除以常数2，计算得到当前像素的单次缺陷统计值；

77、将整个原始焊缝图像内所有像素点的所述单次缺陷统计值进行求和累加，计算得到最终识别的表面缺陷总面积。

78、本发明具备以下有益效果：

79、1、通过计算原始焊缝图像的水平方向的一阶空间梯度值、垂直方向的一阶空间梯度值和局部空间梯度幅值，进而利用这些梯度值构建结构张量并计算拓扑结构稳定性指数，以此自适应调整投影向量获得各向异性纹理连续性度量值，最后结合多尺度梯度曲率投影值计算缺陷特征增强因子，并依据其全局均值和全局标准差统计表面缺陷总面积。在钢结构焊缝检测的特定环境中，焊缝表面常分布有非线性弯曲的鱼鳞纹等粗糙纹理，且在收弧坑等区域易出现纹理拓扑结构坍塌与方向紊乱的现象，导致常规识别方法难以剥离背景干扰且容易在奇点处计算失效。该方案利用结构张量和拓扑结构稳定性指数适应局部纹理的方向变化，在纹理无序区域维持了形态学数值分析的稳定；同时结合曲率投影与连续性度量，在特征层面区分了鱼鳞纹的连续起伏与真实缺陷的物理断裂。在面临复杂背景与多变焊缝表面形貌叠加的条件下，该方法能够降低由粗糙纹理带来的特征误报，减弱光照反射与背景干扰对识别过程的影响，客观地突显出缺陷特征，进而完成对表面缺陷总面积的输出。

80、2、通过建立二维平面直角坐标系，获取当前像素及相邻像素的灰度值，以此计算出原始焊缝图像的水平方向的一阶空间梯度值和垂直方向的一阶空间梯度值，并将这二者进行平方相加与开平方计算，得到原始焊缝图像的局部空间梯度幅值；该处理方式将焊缝表面离散的像素灰度信息转化为了表征空间灰度变化强度的基础特征；在面对焊缝表面光照不均或存在反光区域的环境时，采用空间梯度和梯度幅值可以降低均匀光照背景对特征提取的干扰；同时，基于相邻像素灰度差异的计算逻辑，能够初步提取出焊缝表面形貌发生突变的边缘轮廓，为后续区分特征与背景噪声提供基础参数，使得空间形貌变化的提取过程具有形态学基础。

81、3、通过获取原始焊缝图像的像素总宽度并结合设定的窗口比例系数，确定局部求和窗口的计算半径，进而在局部求和窗口内利用水平方向的一阶空间梯度值与垂直方向的一阶空间梯度值，进行双重求和累加，分别计算得到结构张量的水平方向自相关分量、结构张量的垂直方向自相关分量和结构张量的互相关分量；该过程利用局部邻域内的梯度协方差特性构建出结构张量，能够反映焊缝表面纹理的各向异性分布规律；在处理焊缝表面固有的鱼鳞纹等呈现弯曲形态的纹理时，局部求和窗口能够平滑孤立的噪声像素，而所求得的分量随纹理走势自适应地表达局部主导方向，减少了固定特征提取方法在弯曲纹理处的方向分析偏差。

82、4、通过将结构张量的水平方向自相关分量与垂直方向自相关分量相乘并减去互相关分量的平方，计算得到结构张量的行列式值，进而将该行列式值除以由两个自相关分量的平方和及常数构成的分母项，计算得到拓扑结构稳定性指数；该操作在数值层面上量化了局部空间纹理分布的各向异性显著程度；在焊缝的收弧坑等局部突变的复杂区域，纹理方向呈无序状态，张量容易发生特征退化；利用该指数可在结构突变区域评估方向向量的客观可靠性，分母中常数项能够在分量趋近零时维持数学计算的稳定，避免了复杂区域特征提取时的运算发散，为投影方向向量的调整提供了数值基准。

83、5、通过利用拓扑结构稳定性指数分别与结构张量分量计算得到的中间值相乘，计算得到自适应调整后的水平方向投影向量和垂直方向投影向量，并将其与一阶空间梯度值进行相乘相加计算，得到各向异性纹理连续性度量值；该计算步骤将空间梯度向受稳定指数约束的投影基底上进行融合；在正常鱼鳞纹区域，纹理沿主方向连续，而在存在表面缺陷的区域，梯度投影会发生形态断裂；利用该指数对投影向量进行数值调制，能在局部纹理无序区域减弱特征发散方向的投影权重，使计算得到的连续性度量值能够客观反映出表面形貌的物理连续状态。

84、6、通过获取当前像素不同偏移位置的水平方向的一阶空间梯度值以及垂直方向的一阶空间梯度值，计算得到梯度差分值的相加分子项，并将其除以局部空间梯度幅值与常数之和构成的分母项，计算得到表征表面凹凸特性的多尺度梯度曲率投影值；该过程等效求解了归一化梯度场的变化散度，能够反映焊缝表面形貌的二阶曲率变化特征；在存在光照反射干扰的环境中，单纯的一阶梯度容易受高频边缘影响，而多尺度梯度曲率投影值强化了对表面细微凹凸结构的捕捉能力，能够削弱由大面积平滑反光所引起的灰度阶跃干扰，提取出更贴合物理形态突变特征的客观曲率参量。

85、7、通过将原始焊缝图像的局部空间梯度幅值进行立方计算并加上常数作为增强归一化分母项，随后将各向异性纹理连续性度量值除以该分母项得到降维连续性度量项，并利用多尺度梯度曲率投影值减去该特征项，计算得到缺陷特征增强因子；该步骤在数学计算层面上实现了对不同特征的量纲统一与数值补偿；在焊缝鱼鳞纹区域，曲率与连续性度量具有相似的数值响应，而在缺陷区域呈现差异分布；将降维补偿后的连续性度量特征与曲率投影特征相减融合，能够在抵消鱼鳞纹等粗糙纹理产生的特征波峰的同时，突显出表面缺陷的独立特征响应，削弱了复杂形貌对特征提取过程的干扰。

86、8、通过获取原始焊缝图像的像素总宽度和像素总高度，对整个原始焊缝图像的缺陷特征增强因子进行遍历累加与除法计算，得到全局均值，并进一步结合该全局均值，计算每个像素增强因子偏差的平方累加和并除以图像全局像素总数后进行开平方计算，得到缺陷特征增强因子的全局标准差；该过程从宏观维度统计了增强后图像矩阵的特征分布规律与数值波动水平；在面对不同批次或因环境光源导致对比度波动的图像时，利用基于图像自身特性的全局均值与全局标准差，能够客观反映当前图像背景噪声的真实分布基线，为后续动态阈值的设定提供了契合当前特定图像状况的客观界限。

87、9、通过将缺陷特征增强因子的全局均值与全局标准差相加构建全局动态阈值，并在此基础上利用当前像素的缺陷特征增强因子与该阈值的阶跃偏差值、绝对值以及设定的无穷小正数常量，构建阶跃逼近结果值，最终经过常数调节累加计算得到最终识别的表面缺陷总面积；该步骤利用数学逼近思想构造了绝对值阶跃特征函数，将局部的条件判定逻辑转化为了纯代数形式的解析连续计算；在处理焊缝像素矩阵时，这种阶跃统计方式减少了像素级条件判断在连续运算中造成的逻辑发散问题，无穷小正数常量的引入维持了除法运算的数值稳定，使得统计出的面积结果具有计算层面上的解析稳定性。