[发明专利]基于人工智能的气密性检测中气泡特征增强方法及系统

说明书

本发明涉及人工智能、气密性检测技术领域，具体涉及一种基于人工智能的气密性检测中气泡特征增强方法及系统。该方法包括：通过初始图像中的纹理相似性获得第一融合权重，并根据第一融合权重融合初始图像序列获得背景模板。通过背景模板提取初始图像序列中的前景图像序列，将前景图像序列通过第一融合权重进行融合，通过像素值阈值控制融合过程，获得第一融合图像。通过第一融合图像中固定噪声、气泡特征和随机噪声三个像素类别的特征继续融合前景图像，获得第二融合图像。通过像素值阈值控制融合过程，经过两次图像取反，去除固定噪声和随机噪声，获得气泡特征图像。本发明在控制图像叠加后通过噪声像素形成特点进行去噪，获得稳定且特征明显的气泡特征图像。

技术领域

本发明涉及人工智能、气密性检测技术领域，具体涉及一种基于人工智能的气密性检测中气泡特征增强方法及系统。

背景技术

浸水法为传统气密性检测方式之一。将待检测工件如汽车发动机装置放置于充满液体的玻璃容器中，对待检测工件充入气体，通过容器内的气泡产生情况判断当前待检测工件的气密性。在现有技术中可通过机器视觉技术通过图像获得气泡特征，判断气密性。

随着不断取放不同的待检测工件，容器内液体的杂质和待检测工件上附着的杂质会使液体的浑浊度逐渐增加，浑浊度增加会使得图片中气泡特征不明显，噪声数据大，从而极大的影响气密性检测结果。

发明内容

为了解决上述技术问题，本发明的目的在于提供一种基于人工智能的气密性检测中气泡特征增强方法及系统，所采用的技术方案具体如下：

本发明提出了一种基于人工智能的气密性检测中气泡特征增强方法，所述方法包括：

获取初始图像序列；获得相邻帧的所述初始图像的纹理相似性，根据所述纹理相似性获得第一融合权重；根据所述第一融合权重将所述初始图像序列融合，获得背景模板；

根据所述背景模板提取所述初始图像序列中的前景图像，获得前景图像序列；根据所述第一融合权重将所述前景图像序列融合，获得第一融合图像，当所述第一融合图像中像素点达到像素值阈值时，停止融合；

获取所述第一融合图像中的像素类别；所述像素类别包括固定噪声、气泡特征和随机噪声；将每个所述像素类别中的像素点置为对应所述像素类别的平均像素值；以每个所述像素类别出现的频次作为第二融合权重，根据所述第一融合权重和所述第二融合权重对所述第一融合图像的每个所述像素类别融合，获得第二融合图像；当所述第二融合图像中像素点达到所述像素值阈值时，将所述第二融合图像取反，获得第三融合图像；将所述前景图像序列与所述第三融合图像融合；当所述第三融合图像中像素点达到所述像素值阈值时，将所述第三融合图像取反，获得气泡特征图像。

进一步地，所述获取初始图像序列后还包括：

将所述初始图像灰度化后进行顶帽运算。

进一步地，所述获取初始图像序列后还包括：

保留所述初始图像序列相邻帧之间平均像素值最小的所述初始图像；

所述获得前景图像序列后还包括：

保留所述前景图像序列相邻帧之间平均像素值最大的所述前景图像。

进一步地，所述获得每张所述初始图像的纹理相似性包括：

获得每张所述初始图像的灰度共生矩阵特征；所述灰度共生矩阵特征包括能量、对比度、相关度和熵；以相邻帧所述初始图像的所述灰度共生矩阵特征的相似度向量作为所述纹理相似性。

进一步地，所述根据所述纹理相似性获得第一融合权重包括：

获得所述初始图像序列的平均纹理相似性；根据所述纹理相似性和所述平均纹理相似性的差异建立差异矩阵，获得多个差异特征向量和差异特征值；