[发明专利]一种用于油气管道焊缝图像降噪的方法

摘要

一种油气管道焊缝数字图像降噪方法，利用sift算法获取图像特征点，通过计算特征点分布情况，在得到焊缝区域的同时实现对焊缝无关区域实现降噪，然后对焊缝主要区域采用相似块标记的方法和pearson算法实现焊缝区域降噪，由于不同于传统的单一算法的图像滤波降噪过程，因此可针对油气管道焊缝图像不同位置使用不同的算法进行降噪，在尽可能的保留原始图像特征点的基础上，为后续焊缝定量解释等操作提供较好的降噪效果；本发明能够在减少图像处理时间的特点下，为焊缝区域精准降噪提供准确的相关参数，具有针对油气管道焊缝图像噪声适应性强、效果显著的特点。

主权项

1.一种油气管道焊缝数字图像降噪方法，其特征在于，包括以下步骤：(1)获得原始图像灰度图gray(x，y)，大小为m×n，其中x表示像素点的行标，y表示像素点的列标；(2)设置中值滤波模板和重复滤波次数，利用式(1)对灰度图像采用中值滤波算法进行降噪处理；L(x，y)＝G(gray(x，y)，[n₁，n₂]，k₁)x＝1，2，…，my＝1，2，…，n             (1)G表示中值滤波函数，k₁表示重复滤波次数,n₁、n₂表示中值滤波模板大小，L(x，y)表示中值滤波后的灰度图；(3)利用式(2)将处理后的图像L(x，y)进行sift算法图像特征提取，设提取出来的特征点坐标集合为Feture(x₁，y₁),x₁和y₁表示特征点标号和对应的图像坐标，其中x₁＝1，2，3…k₂，k₂表示特征点总数；由于二维灰度图像坐标为x、y两个索引值，因此y₁＝1代表特征点对应的x索引值，y₁＝2代表特征点对应的y索引值；Feture(x₁，y₁)＝sift(L(x，y))    (2)(4)初始化一个二维数组S_emp(i₁，j₁)＝0,数组大小为m×n，i₁＝1，2，3，…，m，j₁＝1，2，3，…，n利用式(3)将Feture(x₁，y₁)特征点对应到图像S_emp(i₁，j₁)中，其中i₁和j₁表示图像S_emp对应的行和列坐标，设置Feture(x₁，y₁)特征点对应S_emp(i₁，j₁)位置的值为1，否则为0，其中1代表该像素点为特征点，0代表该像素点不是特征点；根据式(4)和式(5)分别计算特征点集合S_emp(i₁，j₁)的分布特点；S_emp(Feture(x₁，1)，Feture(x₁，2))＝1 x₁＝1，2，3…k₂    (3)Low_o(i₁，1)表示S_emp(i₁，j₁)中每行的特征点总和，Col_o(1，j₁)表示S_emp(i₁，j₁)中每列的特征点总和；(5)根据式(6)至式(12)，计算边缘点分布特征，当满足式(12)中D等于1时，继续步骤6，否则返回步骤2；D_low＝Low_l/Low_num    (10)D_col＝Col_l/Col_num    (11)Low_num表示每行中有特征点的总行数，Low_l表示Low_o(i₁，1筛选后的特征点总行数，D_low表示筛选后的特征点总行数所占每行中有特征点的总行数的比值，Col_num表示每列中有特征点的总列数，Col_l表示Col_o(1，j₁)筛选后的特征点总列数，D_col表示筛选后的特征点总列数所占每行中有特征点的总列数的比值，D表示图像特征收缩系数，结果0/1表示横纵坐标中存在满足条件特征的判断参数，0代表不满足条件，1代表满足条件；(6)根据过程4所得到的S_emp(i₁，j₁)，如式(13)所示，获得特征点的范围区域Feture_area，其中x需要满足大于等于S_emp(i₁，j₁)中特征点对应位置的i₁的最小值，小于等于S_emp(i₁，j₁)特征点对应位置的i₁的最大值；其中y需要满足大于等于S_emp(i₁，j₁)中特征点对应位置的j₁的最小值，小于等于S_emp(i₁，j₁)特征点对应位置的j₁的最大值；Feture_area＝gray(x，y) min(Feture(x₁，1))≤x≤ max(Feture(x₁，1))，min(Feture(x₁，2))≤y≤max(Feture(x₁，2))，x₁＝1，2，3…k₂     (13)(7)以Feture_area为待降噪区域，设该降噪区域大小为m₁×n₁，(r₁，j)为Feture_area的像素点的索引坐标，其中r₁＝1，2，3，…，m₁ j＝1，2，3，…，n₁；遍历前r行像素点，设置a个像素点为半径，获得待降噪点τ周围像素点集合S，并对该图像进行全局遍历获得以a个像素点为半径的相似块S_i，i＝1，2，…，k₃；k₃表示S对应的相似块总数，执行步骤8‑步骤9；当遍历到大于r行像素点时，则优先参考前(r，j)，(r‑1，j)两个像素点所对应的相似块集合S_sign(r，j)，S_sign(r‑1，j)，通过式(14)计算相似块集中区域S_sign_num；求得S_sign_num区域中最大值所对应的块的位置，获取附近半径为a₁大小范围的待搜索块；并对该区域执行遍历获得以a个像素点为半径的相似块S_i，执行步骤8‑步骤9，此过程中如果最终求得相似度大于0.9的有效相似块数小于(a₁×a₁)/5时，则跳出S_sign_num相似区域，执行全局搜索，继续执行步骤8‑步骤9对应操作；S_sign_num＝S_sign(r，j)+S_sign(r‑1，j)    (14)(8)通过式(15)计算块搜索过程所得到的S和S_i之间的相似度ω(S，S_i)为S和S_i之间的相似度系数，为归一化系数，计算方式为S和S_i对应像素之间相似度计算值之和，表示根据参数b、c求得S和S_i之间的欧式距离，b＞0是滤波系数，c＞0是求欧式距离过程中S和S_i像素块中不同位置的值在计算过程之前所乘的权重值；(9)通过式(16)计算S和S_i之间的pearson相关系数ρ(S，S_i)，当计算得到的pearson相关系数较大且欧式距离所计算得到的相关系数较小时，即式(15)所得到的ω(S，S_i)相似度系数较少，则对应的，因此，当符合式(17)所示条件，则采用式(18)至式(19)计算ρω并标记S对应的相似块S_i的位置为1，记做S_sign(r₁，j)＝1；(0≤ρ_emp1＜ρ(S，S_i)≤1||‑1≤ρ(S，S_i)＜ρ_emp2≤0)&&0≤ω(S，S_i)＜ω_emp≤1     (17)其中ρ_emp1，ρ_emp2，ω_emp表示自定义阈值，需要根据实际图像的相似程度设置大小，一般预设为0＜ρ_emp1＝0.80,ρ_emp2＝‑0.80＜0,0＜ω_emp＝0.40，ρ(S，S_i)为pearson相关系数，E表示方差，μ_S和表示S和S_i的均值，σ_S和为S和S_i的标准差；根据式(18)求得降噪后的块；其中dis(S，S_i)表示S和S_i块之间的差值，sign()表示括号内变量的正负值；利用式(19)计算相似度ρω(S，S_i)；标记(r₁,j)对应的相似块S_i的位置为1，记做S_sign(r₁，j)＝1；(10)利用式(20)计算焊缝区域降噪后的图像g(x，y)；(11)最终利用式(21)将焊缝区域和无关区域连接，并求得最终的降噪图out_gray(x，y)；