[发明专利]基于视觉注意的厚板T形接头GMAW焊接焊缝轮廓提取方法

权利要求书

1.基于视觉注意的厚板T形接头GMAW焊接焊缝轮廓提取方法，其特征在于，包括以下步骤：

步骤一：通过视觉注意模型对CCD采集到焊缝图像进行预处理，抑制图像中的高频干扰；

步骤二：采用阈值分割的方法将焊缝轮廓与显著干扰分割开来，去除分割开的显著干扰；

步骤三：采用改进的近邻聚类算法对图像进行分类，提取出图像中的焊缝轮廓；

步骤四：计算提取出的焊缝轮廓的横向宽度，根据提取出的焊缝轮廓的横向跨度与图像的宽度的比值对阈值分割算法进行反馈调节；

步骤五：对焊缝轮廓进行补全，得到完整的焊缝轮廓；

所述步骤四中的反馈调节是根据提取出的焊缝轮廓横向跨度与图像的宽度的比值，判断是否需要对阈值分割算法中的灰度变化率的临界值进行调节。

2.根据权利要求1所述的基于视觉注意的厚板T形接头GMAW焊接焊缝轮廓提取方法，其特征在于：所述步骤一中的视觉注意模型为Itti模型。

3.根据权利要求1所述的基于视觉注意的厚板T形接头GMAW焊接焊缝轮廓提取方法，其特征在于：所述步骤二的阈值分割为基于直方图均衡化的自适应阈值分割，具体步骤为，

S1、通过直方图均衡化使图像的直方图分布更加均匀，增强了显著区域的对比度，并使得显著区域更加密集；

S2、通过直方图中的灰度变化率的临界值来确定阈值，对图像进行分割，去除图像中的显著干扰，得到图像中的显著区域。

4.根据权利要求3所述的基于视觉注意的厚板T形接头GMAW焊接焊缝轮廓提取方法，其特征在于：所述S2中灰度变化率的临界值，是由焊缝图像直方图中的不同灰度变化率进行阈值分割后图像中的像素数与灰度变化率为1时进行阈值分割后图像中的像素数之比确定的。

5.根据权利要求3所述的基于视觉注意的厚板T形接头GMAW焊接焊缝轮廓提取方法，其特征在于：所述S2中去除图像中的显著干扰的具体步骤为，

从左到右查找图像中的每一列，找到灰度值大于0的连续像素点，计算此类连续像素点的宽度w，若w大于原始图像中焊缝轮廓的宽度W，则去除此类连续像素点的像素，即灰度值置为0；否则，不做处理，继续查找该列中的下一个连续像素点，直到无法找到灰度大于0的像素点；查找下一列，重复前面的操作，直到查找完所有的列。

6.根据权利要求1所述的基于视觉注意的厚板T形接头GMAW焊接焊缝轮廓提取方法，其特征在于：所述步骤三中的改进近邻聚类算法为融合SIFT算法和Hough变换的近邻聚类算法，具体步骤为，

a、计算图像中余下的像素的平均线；

b、利用SIFT算法和Hough变换提取出原始图像的关键点，将两类关键点合并；

c、将合并的关键点融入到近邻聚类算法中，作为聚类中心，提取出图像中的焊缝轮廓。

7.根据权利要求6所述的基于视觉注意的厚板T形接头GMAW焊接焊缝轮廓提取方法，其特征在于：所述步骤a中的计算平均线的具体步骤为，

从左到右查找图像中的每一列，找到灰度值大于0的连续像素点，将这些像素的灰度值置为0，计算这些像素点的行坐标的平均值并取整，将取整后的值作为行坐标，将所查找的这一列的这一行的像素点的灰度值置为1，继续查找此列的连续像素点，直到查找不到为止；查找下一列，重复前面的操作，直到查找完所有的列。

8.根据权利要求1所述的基于视觉注意的厚板T形接头GMAW焊接焊缝轮廓提取方法，其特征在于：所述步骤五的具体步骤为，

S51、查找同一列存在两个及以上灰度不为零的像素点，只保留距离前面一列灰度不为零的像素点最近的那一个像素点；

S52、以从左到右的顺序，计算灰度不为零的相邻像素点之间的行坐标之差，去除灰度前后端点行坐标差值大的比较短的线段；

S53、以从左到右的顺序，查找存在断点的位置，计算断点前后直线段的斜率，若两线段的斜率近似相等，则对断点进行线性插值补全；否则，说明该断点属于转折点，转折点分为两种，一种是缺失的断点，需要补全；一种是还未进行填充的焊缝缺口，不需要补全；

S54、根据两种转折点的特征，通过前后两段的斜率来判断，若两者的斜率的乘积为正，说明该转折点一定不是未填充的焊缝轮廓段，需要补全；若两者的斜率的乘积为负，则无需补全。