[发明专利]连铸坯低倍组织中心偏析缺陷的自动识别与评级方法

权利要求书

1.基于数字图像处理技术的连铸坯低倍组织中心偏析缺陷的自动识别与评级方法，其特征在于，包括如下步骤：

S1：对连铸坯低倍组织的灰度图像进行预处理，包括畸变矫正、切割白色背景和滤波处理；

步骤S1中滤波处理采用加权自适应中值滤波算法，具体包括如下步骤：

设S(x,y)为滤波掩模窗口，允许的最大尺寸的滤波掩膜窗口记为S_max，窗口S(x,y)的中心像素点记为(x,y)，中心像素点的灰度值记为Z(x,y)；滤波掩膜窗口中像素点灰度最小值记为Z_min、灰度最大值记为Z_max、灰度中值记为Z_med，灰度中值Z_med取值如公式(4)所示：

式中，Z′是对掩膜窗口内像素点灰度值排序的中值，Z(i,j)为掩膜窗口内像素点的灰度值；

(1)根据给定的期望信噪比M初始化加权自适应中值滤波算法中的阈值T；

计算Z_A1＝Z_med-Z_min及Z_A2＝Z_max-Z_med，并分别判断Z_A1和Z_A2与阈值T的大小；

当Z_A1和Z_A2均大于T时，则计算Z_B1＝Z(x,y)-Z_min及Z_B2＝Z_max-Z(x,y)，并分别判断Z_B1和Z_B2与阈值T的大小，且当Z_B1和Z_B2均大于T时，输出Z(x,y)作为邻域中值进行滤波处理，否则输出Z_med作为邻域中值进行滤波处理；

当Z_A1和Z_A2二者之一小于T或均小于T时，则扩大滤波掩模窗口S(x,y)的尺寸，至S(x,y)＞S_max，并输出此时的Z(x,y)作为邻域中值进行滤波处理；

(2)计算经过(1)的滤波处理后图像的信噪比Mn，若Mn＞M，则完成滤波处理，否则根据T＇＝T/2取代(1)中的阈值T重复(1)的过程重新进行滤波处理；

S2：针对灰度图像水平方向的区域与竖直方向的区域重叠的中心区域，通过对灰度图像进行分割得到中心区域图像；

S3：检测并标注中心区域图像对应的二值图像中的连通区域，通过边缘检测分别计算各个连通区域的长宽比，长宽比大于3的连通区域为裂纹区域，除裂纹区域外的连通区域为疑似中心偏析区域，将连通区域中的疑似中心偏析区域与裂纹区域分割开来；

S4：对疑似中心偏析区域进行特征提取，识别中心偏析区域并去除干扰区域；

用于区别中心偏析区域与干扰区域的特征包括圆形性、目标与背景的灰度均值的差值、目标灰度标准差、目标平均梯度和目标边缘梯度，其中，中心偏析区域的圆形性小于3、目标与背景的灰度均值的差值小于-50、目标灰度标准差大于10、目标平均梯度大于10、目标边缘梯度大于20；

S5：训练BP神经网络分类器模型，模型的输入为五个特征值，模型的输出为中心偏析识别结果，若识别结果为是，则对中心偏析区域进行评级。