一种基于图像质量分析的光源自适应调节方法与流程

1.本发明属于计算机视觉图像处理领域，涉及一种图像采集视场环境自调节的方法，具体为一种基于图像质量分析的光源自适应调节方法。


背景技术：

2.起源于五千年前的纺织业，是历史长河的进程中为数不多被继承下来的产业，从手工纺织到纺轮、纺车出现再到斜织机的问世，随着纺织机械的日趋完善，如今的纺织业已基本上达到了自动化纺织的水平。众所周知，纺织业作为我国经济的支柱产业，其发展与我们的日常生活息息相关。但随着国际化大发展，我国的纺织品的出口量日益剧增，随之带来的问题也渐渐浮现在人们的面前。在纺织行业中，纺织的过程已不再是问题，但对于织物的质量检测又是一个亟待解决的问题，在需求的驱动下，目前市面上也出现了一些织物质量检测的机器，采集高质量的图像对于这些机器至关重要，但往往实际过程中，由于织物的面料、颜色等差异，而需要人为主动地去对光源进行调节，导致质量检测标准难以定量控制，因此如何提升纺织物表面图像采集的质量以及生产效率也仍是一个非常重要的问题之一。
3.随着光源及相应控制技术的不断发展，如今的光源调节已可以达到一个比较先进的水平，这一基础使得我们拥有可靠稳定的光源有了可能，这也是基于机器视觉织物表面质量检测的一个重要前提。光源的自适应调节在织物图像采集中至关重要，有了自适应调节技术，就可以在一定程度上避免图像采集质量的下降，以保证后续进一步的图像处理。对于这部分的研究工作，近些年来也相应出现了一些解决方案，纵观国内外研究现状，有基于光照强度感知的方法、基于图像处理的方法以及基于光源优化的方法，这些方法较之初期都有了一定的效果，但往往还不够成熟且应用范围狭窄，不能够做到普适性，能真正应用于实际工作环境可谓是少之又少。
4.鉴于此本发明提出一种基于图像质量分析的光源自适应调节方法，通过对采集的图像质量进行分析评价，利用相应的搜索机制，来实现对现有的光源进行自适应的调节，以提高织物表面的图像采集的质量。


技术实现要素：

5.针对上述因面料、颜色差异等因素所引起的图像采集质量下降的问题，本发明的目的在于提供一种基于图像质量分析的光源自适应调节方法，解决上述因光源调节难度大，且需人工辅助，而难以真正应用于生产实际的问题。
6.为达到以上目的，本发明的技术方案为：包括标准参考图像和评价模型的获取，待分析图像的预处理、图像质量评价算法应用、最大图像质量分数搜索算法设计，以及对光源的控制等。
7.全参考图像评价和无参考图像评价是目前主流的两种图像质量评价方法。顾名思义，标准参考图像是应用在全参考图像评价方法之中的，标准图像的获取是通过人工对视场的光源自行调节，直到对所采集的图像满意为主，然后后面再以该图像作为参考的标准，
应用相应的全参考评价算法，对光源调节直到采集图像的质量与标准参考图像达到某个阈值；相较于全参考图像评价，无参考图像质量评价方法不再需要标准参考图像，而是加载训练好的质量评价模型，从而可以适应对各种情况下的织物表面图像进行质量评价；这里所述的质量评价模型有两种获取方式，一种是直接使用通用公共的图像质量评价模型，另一是针对应用场合选择具体的数据去训练我们的评价模型，本发明所述的评价模型是来自对现场采集的织物图像训练而得来的；
8.对待分析图像的预处理主要涉及区域采样、颜色空间转换以及图像高斯滤波等环节。其中区域采样是为了降低图像处理的复杂度，设置尺度因子为0.5，此时图像尺寸大小仅为原图的一半；另外将图像色彩从rgb空间转换到hsl空间，使其更符合人的视觉感知；再加之以高斯滤波处理，这里所选用的高斯滤波卷积核大小为5*5，以来减少噪声对图像质量评价的影响；
9.所述的图像预处理操作，在全参考评价模式下，为了保证评价的一致性，需要对待评价图像和标准参考图像做相同的处理；在无参考评价模式下，由于评价机制的差异，仅需要对待评价图像进行区域采样即可，以减小整个过程的计算量；
10.所述的标准参考图像，应建立所检面料织物的标准参考库，以满足全参考模式的需求下，对光源自适应调节的目的；
11.所述的无参考评价方法所涉及的质量评价模型，在训练数据上应具有一定规模，不限于包含各种光照条件下所采集的图像，以达到对各种织物面料表面图像质量评价的有效性和客观性；
12.本发明所涉及的图像质量评价算法，在算法原理上可以分为两种应用方式，一种是全参考的评价模式，另一种是无参考的评价模式，两种方式需要根据具体的任务需求而灵活选用。其中全参考图像评价方式是根据图像的相似性指标(sim)结构，分别从亮度和对比度两个方面进行评估，可以衡量图像的亮度分布程度，也可以衡量图像的色彩均匀程度，与归一化均方根误差(mrmse)和峰值信噪比(psnr)衡量绝对误差不同，sim是属于基于ssim(structural similarity)的感知模型，不仅能对图像的质量进行评估，且主观上更符合人类视觉的直观感受，目前该理论在全参考图像评价分析中已被广泛应用；而无参考图像评价方式是根据提前训练好的质量评价模型进行图像质量评估，brisque作为比较成熟的无参考图像质量评价方法，比较适合本发明所提出的光源自适应调节系统，相较于全参考图像评价方式，该方法因无须标准参考图像，继而在应用上较为便捷，此外由于织物面料及颜色的类型繁多，实际上其更适宜于在该类任务下，对图像采集过程中的光源进行自适应调节；
13.所述的全参考评价算法，是考虑到标准参考图像与待评价图像的结构性差异对质量评价结果的影响，故在本发明中采用提出的sim算法来替换以往的ssim算法，从而消除或减小图像结构层面的干扰；其过程首先是对图像的色彩空间进行转换，再通过滑窗机制分区域分通道进行计算均值，从而得到较为合理的均值化相似度指标(msim)，其计算原理为：其中l,c分别是对图像亮度和饱和度两个方面的表征；
14.文中所涉及的最大图像质量分数搜索算法，是依据对实际光照强度与图像质量之
间的关系建立的，通过大量实验证明，光源的强度过大或过小都会影响图像的质量，此外对于不同面料及颜色的织物，所需的最佳光照强度也是不同的，因为这却决于织物表面对光源的敏感度。
15.所述的搜索算法，是根据当前光照强度采样下的图像质量分数值与前一步的数值进行梯度计算，利用梯度下降法进而去计算下一步的光源调节方向，最终当两次迭代之间的差值小于某个设定阈值，即认为搜索结束，然后利用rs232通过光源控制器输出该光照强度值，使相机采集图像质量分数达到最大值，达到自适应光源调节的目的；
16.进一步的，所提出的光源自适应调节系统可在很大程度上满足面阵以及线阵相机的采集视场环境调节。
17.与现有技术比较，本发明的有益技术效果为：
18.1.本发明提供了一种基于图像质量分析的光源自适应调节方法，能够在很大程度上解决织物表面检测领域中对相机视场环境光源的自适应调节，其应用在实际的织物检测系统中，提高图像采集的质量，从而保证织物瑕疵检测具有良好的效果。该方法通过对采集图像应用无参考或全参考图像质量评价算法，获取图像的质量分数，再通过相应的最优值搜索算法，实现输出匹配于待检织物面料的光照强度，以得到最优的待检瑕疵图像。这一过程不同于以往传统依靠额外的传感设备来进行光源的调节，本发明则是直接采用相机作为我们的感知设备，来进行光源的自适应调节，具有稳定性高、全自动调节的特点，从原理上可以实现量化控制，从而避免了过多人工的干预所引起的问题；
19.2.对于光源自适应调节系统的研究，虽然目前已有一些的研究成果，但大多数研究成果仅仅只能停留在试验阶段，要么是不稳定，要么是适应对象范围小，对于应用在生产实际，则显得有些局限。本发明通过对影响图像质量下降产生的原因进行分析，以一种对图像质量分析的原理，从图像元素的本质出发，做到一种端到端的反馈机制，从而彻底实现对光源控制的全闭环自适应控制调节。
附图说明
20.图1是光源自适应调节方法的流程图；
21.图2是光照强度等级与图像质量分数的实验曲线图；
22.图3是图像采集系统原理图；
23.图4是光源自适应调整过程图像；
24.图5是最优光照强度搜索算法流程图；
25.其中在图4中，a-过暗图像；b-过亮图像；c-自适应调整后的图像；
具体实施方式
26.下面结合附图对本发明做进一步详细的描述。
27.如图1所示，本发明提供了一种基于图像质量分析的光源自适应调节方法，包括用于图像质量评价的标准参考图像和评价模型的获取、对图像预处理和质量评价算法的应用、以及用于最优光照强度搜索算法的设计；
28.如图2所示，为光照强度等级与图像质量分数的实验曲线图，该实验所采用的实验对象来源于如图4所示的织物面料，其中对于图像质量的评估采用的方法为全参考图像评
价方式，通过对不同光照强度等级情况下采集的图像进行msim值计算，从而得到相对应的质量分数；从曲线的趋势来看，图像采集质量的高低与光源的强度直接相关，且存在一种连续的变化，这也是基于图像质量分析实现光源自适应调节的理论基础；
29.如图3所示，为本发明图像采集系统的原理图，通过本发明所提出的方法，可以在不添加任何额外辅助传感设备的情况下，实现对相机采集市场光源的自适应调节，使得系统在整体上稳定性较好；
30.为了降低图像质量评价过程的复杂度，本发明对所要评价的图像进行了区域采样，这里设置尺度因子为0.5，也就是原图像尺寸的一半；此外由于图像在色彩空间hsl中更符合人类视角的感知，因此这里将图像的色彩空间从rgb空间转换至hsl空间，以提高图像质量评价的效果；
31.这里所涉及的区域采样预处理，由于图像质量评价算法原理的差异，在全参考图像评价方式下，需要保证对标准参考图像也做相应的处理，以保证对图像的正确评价，此外涉及的高斯滤波均采用的卷积核大小为5*5；
32.如图4所示，为本发明所提出的方法在对视场光源自适应调节过程中，所得到的过程图像，其中图4-c是经过光源自适应调整后所采集的图像，而图4-a则是在光照强度较弱的环境下采集的，图4-b是在光照强度较强的环境采集的，两张图像均是由于光源的光照强度不匹配而造成的图像质量下降，这样的图像是无法被应用到后期进一步地进行织物质量检测的过程；
33.本发明将提出的相似性指标msim和可选的brisque算法经过处理，将其分别作为全参考和无参考图像质量评价的方法；
34.如图5所示，为本发明最优光照强度搜索算法的流程图，该图从原理上展示了如何确定相机视场最佳光照强度值的过程，这里具体的搜索原理将在后面进行展开详述。
35.下面是本发明具体的工作过程：
36.如图1所示，其为光源自适应调节方法的流程图，该方法从整体上共分为三个阶段：图像采集及预处理、图像质量评价分析、最优光照强度搜索及调节；整个过程将图像的质量分数作为反馈，通过质量分数梯度获取最佳的光照强度迭代方向，进而找到适合采样织物表面匹配的光照强度值，实现对相机视场光源的调节；
37.这里首先从图像采集和预处理开始，不同于一般的基于光照强度传感设备的原理，本发明将采集图像的工业相机直接作为光学传感元件，通过对所检测织物表面图像进行采集以获取分析数据源，这里为了减轻后面图像质量评价算法处理的数据量，在预处理过程中首先对采集的图像进行区域裁剪，使图像的尺寸大小减小一半，随后再进行卷积核大小为5*5的高斯滤波，以达到对待评价图像的预处理；这里需要说明的是，在全参考图像质量评价中，考虑到质量评价算法的原理机制，经过实验测试，还需要对图像进行颜色空间的转换，这里将图像的色彩空间从rgb转换到hsl空间内，在实际场景下相较于不做处理，其效果要更好一些；
38.接下来是图像质量评价与分析，该阶段主要有两个分支，一种是采用全参考图像质量评价方式，另一种是采用无参考图像评价的方式，相较于无参考图像评价方式，运用全参考方式对光源的自适应调节效果更好一些；获取标准参考图像和质量评价模型是重要的一项工作，其中标准图像获取是依据人工所建立的一系列质量较高的图像，而质量评价模
型则是依据大量已有标注的数据训练得到的，基于此就可以通过其中任一种方式获得图像的质量分数。
39.最后，对图像质量分数进行处理，即可对光照强度进行调节。如图5所示，我们对相邻两次获得的图像质量分数计算梯度，通过梯度下降法从而得到光照强度调整的方向以及步长，直到条件达到收敛，以获取与织物表面最匹配的光照强度值，实现对光源光照强度的自适应调节；
40.本发明基于图像质量分析的方法实现了对织物质量检测过程中图像采集视场环境自适应调节的目的，使得光源光照强度调节过程实现自动化，解决了因织物面料、颜色等因素引起的图像质量下降问题，从而保证了相机采集图像的质量，相信其会在实际的工作环境当中具有广泛的应用。