[发明专利]计算机图像智能化识别方法

说明书

本发明涉及计算机视觉领域，具体涉及一种计算机图像智能化识别方法。采集多张目标灰度图像得到目标高维灰度图像；将目标高维灰度图像中所有像素点划分为多组像素点；获取每组像素点的高斯分布形状特征；计算每组像素点与其他组像素点两两之间的高斯分布差异；计算每组像素点与其相邻组像素点的一致性；根据所述每组像素点的高斯分布形状特征、每组像素点与其他组像素点两两之间的高斯分布差异以及每组像素点与其相邻组像素点的一致性计算每组像素点的缺陷概率；根据每组像素点的缺陷概率判断目标是否存在缺陷图像。本发明通过分析图像特征信息，利用高斯分布函数剔除目标背景杂质的干扰，能够准确提取目标中存在的难以识别的缺陷。

技术领域

本发明涉及计算机视觉领域，具体涉及一种计算机图像智能化识别方法。

背景技术

目前计算机图像智能识别已广泛应用于各行业，如制造行业生产过程中缺陷识别，但现有的计算机图像智能识别方法，往往只能针对特征较为明显的图像。对于特征不明显的图像，如透明的钢化玻璃上的划痕、裂纹等缺陷难以识别，钢化玻璃作为表面具有应压力的玻璃，广泛用于高层建筑门窗、玻璃幕墙、室内隔断玻璃、采光顶棚、观光电梯通道或玻璃护栏等等。

在钢化玻璃的生产制造过程中，往往会因为生产工艺问题、环境等因素影响钢化玻璃的质量，如钢化玻璃表面的划痕、裂纹等。钢化玻璃质量问题会带来极大安全隐患，目前生产中，通常由人工对钢化玻璃质量进行检测，但由于钢化玻璃透明，其上的划痕、裂纹等质量问题不明显，同时检查易受背景环境影响，对玻璃图像中的缺陷难以进行识别，容易造成漏检和误检。

针对上述问题，本发明提出了一种计算机图像智能化识别方法，利用计算机视觉对采集到的钢化玻璃图像进行处理，分析钢化玻璃图像的特征，识别并获取缺陷区域。

发明内容

本发明提供一种计算机图像智能化识别方法，以解决现有的问题，包括：采集多张目标灰度图像得到目标高维灰度图像；将目标高维灰度图像中所有像素点划分为多组像素点；获取每组像素点的高斯分布形状特征；计算每组像素点与其他组像素点两两之间的高斯分布差异；计算每组像素点与其相邻组像素点的一致性；根据所述每组像素点的高斯分布形状特征、每组像素点与其他组像素点两两之间的高斯分布差异以及每组像素点与其相邻组像素点的一致性计算每组像素点的缺陷概率；根据每组像素点的缺陷概率判断目标是否存在缺陷。

根据本发明提出的技术手段，结合多帧钢化玻璃灰度图获取像素点的高斯分布函数，从而根据不同像素点的高斯分布函数差异剔除背景杂质的干扰，进一步利用高斯分布函数分析像素点的形状特征以及分布差异特征从而准确识别钢化玻璃中的缺陷，进而通过获取缺陷像素点的灰度区间进行区间阈值分割，能够避免直接进行阈值分割时阈值选取不准确导致缺陷难以提取将缺陷提取出来，相比常规的图像处理方法能够得到更加准确的缺陷区域。

本发明采用如下技术方案，一种计算机图像智能化识别方法，包括：

获取目标灰度图像，并对该目标灰度图像进行旋转，得到多张旋转后的目标灰度图像，利用多张旋转后的目标灰度图像得到目标高维灰度图像。

将目标高维灰度图像中所有像素点到高维灰度图像中心像素点的距离相同的像素点划分为一组，得到多组像素点。

获取每组像素点的高斯分布形状特征；根据每组像素点的高斯分布函数计算每组像素点与其他组像素点两两之间的高斯分布差异。

根据每组像素点与其相邻组像素点之间的高斯分布差异计算每组像素点与其相邻组像素点的一致性。

根据所述每组像素点的高斯分布形状特征、每组像素点与其他组像素点两两之间的高斯分布差异以及每组像素点与其相邻组像素点的一致性计算每组像素点的缺陷概率。

根据每组像素点的缺陷概率判断目标是否存在缺陷。

进一步的，一种计算机图像智能化识别方法，将目标高维灰度图像中所有像素点到高维灰度图像中心像素点的距离相同的像素点划分为一组后：