一种针对颗粒厚度的超分辨率测量方法

文档序号:9866561阅读:437来源:国知局
一种针对颗粒厚度的超分辨率测量方法
【技术领域】
[0001] 本发明属于颗粒检测与测量的技术领域,是一种针对颗粒厚度的超分辨率测量方 法。
【背景技术】
[0002] 颗粒问题涉及到国民经济的各个领域,如食品加工、煤炭矿业生产、精密制造、生 物制药等。在一些领域中,颗粒厚度对颗粒因素的控制具有重要意义,因此研究设计颗粒厚 度测量方法具有重要的实际应用价值。
[0003] 颗粒厚度测量的方法有很多种,如波动特性法、机械法、电感应法等传统测量方 法,还有质谱法、色谱法、数字图像处理测量等近年来常用的测量方法。用送些方法已研制 并生产了几百种基于不同工作原理的测量装置,并且不断地有新的颗粒厚度测量方法和测 量仪器研究成功。与现有方法不同的是,本发明针对的测量对象是扁平状颗粒,采用的方法 是基于超分辨率分析的数字图像测量方法。
[0004] 颗粒厚度测量中,厚度测量结果精度越高,说明该测量装置越好。但是在工业现场 采集图像的过程中,会有很多因素影响图像质量,导致图像退化产生崎变等,如光学系统中 的像差、拍摄图像时对机箱的碰撞、投放颗粒时不小必抖动等。另外,测量场所的环境比较 恶劣,存在着比较严重的噪声、毛刺及小颗粒杂质等,会在成像、传输和存储的过程中添加 到采集的图像中去,送些都会导致图像的质量下降,影响图像的分辨率。但是,后续简单的 图像处理操作无法完全消除送些"污染",从而严重影响了颗粒测量结果。
[0005] 颗粒厚度测量系统中,若是采用低分辨率的摄像设备,采集的图像细节部分会比 较模糊,在图像处理中很容易将颗粒的边缘部分消除,从而严重影响了颗粒厚度测量结果。 若是采用高分辨率的摄像设备,虽会增大图像的分辨率,丰富图像的细节部分,但是噪声与 杂质等污染也随之被放大,严重影响了图像质量,且设备成本也会相应增加。为了提高颗粒 厚度的测量精度,一方面希望获得高分辨率的图像来获取更多内容;另一方面,要避免引入 较多噪声、杂质等污染。但是简单的图像放大技术(双线性插值、双立方插值等)在提高图 像分辨率时,会使图像细节更加模糊,质量更差。而图像的超分辨技术能够克服上述缺点, 该技术能够在低成本获取图像的基础上将低分辨率图像构造成高分辨率图像,W增强图像 细节部分,提高图像性能,从而获得更好的图像内容,方便后续的颗粒厚度测量。

【发明内容】

[0006] 基于现有技术,本发明旨在提供一种针对颗粒厚度的超分辨率测量方法。发明内 容主要有两个方面,其一,获取低分辨率图像,首先经过图像增强,去除部分噪声等污染,其 次,将该图像构造为高分辨率图像,得到较为理想的颗粒图像。其二,将重建后的高分辨率 图像,进行图像分割、图像二值化、颗粒特征提取、摄像机标定等一系列处理,最后通过标定 板标定结果得到颗粒厚度。下面会详述送两个内容的具体实现方法,其中,发明的重点是如 何获得高分辨率图像。
[0007] 若要获得高分辨率图像,可W从"硬件"和"软件"两方面入手。硬件方法是使用高 分辨率的设备,如数码相机等,在拍摄过程中将会获取高分辨率图像,但是,高精度光学设 备与图像传感器的成本都较高,并且由于技术的局限性,获得的图像分辨率大小有所限制。 因此,采用硬件方法,在很多场合和大规模部署中难W实现。若是采用软件方法,即超分辨 率重建技术,不仅不会涉及硬件,且成本较低,可W较好改进采集图像的性能,使其细节越 清晰,表现的信息越丰富,是一种非常经济、实用的方法。
【附图说明】
[0008] 图1是在线测量颗粒厚度的实现过程。
[0009] 图2是超分辨率重建技术获取高分辨率图像的实现过程。
【具体实施方式】
[0010] 在线测量颗粒厚度的大体过程是,首先,把图像传感器和显微镜直接相连,利用计 算机图像处理装置采集图像;其次,通过图像增强去除部分杂质,采用超分辨率技术获得高 分辨率图像;最后,对该图像进行图像分割、图像二值化、颗粒特征提取、摄像机标定等一系 列处理,通过标定板标定结果得到颗粒厚度。该方法有效提高了颗粒厚度的测量精度。
[0011] 本发明主要针对基于稀疏表示的单幅图像超分辨率重建。假定采集的低分辨率图 像与重建的高分辨率图像具有相似的稀疏表示结构,利用学习的方法,从低分辨率图像的 高频部分学习得到高分辨率图像的高频部分,使其细节更加清晰。同时通过低频部分的训 练消除重建图像中的大部分噪声、杂质等干扰。首先将采集到的低分辨率图像定义为:
[001 引 y = bSA+N (1)
[001引其中,Y是采集的低分辨率图像,B是模糊操作,S是采样操作,A是要重建的高分 辨率图像,N是噪声。
[0014] 在图像重建中,采用图像块的方法。假设a是待重建的高分辨率图像A的图像块, y是采集的低分辨率图像Y的图像块,图像块a和y的超完备字典分别是Dh、Di,它们对应的 稀疏表示系数是ω,根据稀疏表示,a与y可用式子(2)、(3)表示。
[0015] a = Dh? (2)
[0016] y = 〇ιω (3)
[0017] 从式子(2)、(3)可W看出,在重建高分辨率图像之前,根据输入的每一个低分辨 率图像的图像块y求出其超完备字典Di相对应的稀疏表示系数ω,由超完备字典Dh与稀 疏表示系数ω的乘积可求出高分辨率图像块a,最终通过重建a得到高分辨率图像。因此, 重建高分辨率图像的关键是稀疏表示系数与高、低分辨率图像块的超完备字典。
[0018] A.稀疏表示系数的计算
[0019] 若要在高、低分辨率图像之间建立一一对应关系,则要选择合适的、唯一的稀疏表 示系数,它是在许多稀疏表示系数中非零元素的个数最少的一个,加之采集图像时存在高 斯白噪声,则稀疏表示系数可表示为:
[0020]
(4)
[0021] 其中,F表示提取图像特征,一般用滤波器来完成,I I ω I I。是ω的零范数,表示ω 中的非零元素的个数,ε是稀疏表示误差。
[0022] 本发明中,采用正交匹配追踪(化thogonal Matching化rsuit, OMP)算法求稀 疏表示系数,它在每次迭代中选择与残差向量最相关的列,在由所选列组成的字典集合中 找寻最稀疏的系数,同时从输入图像中除去相关部分,循环执行W上过程,直到满足条件为 止。具体过程如下:
当前第1页1 2 
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1