一种用于蜂窝结构规整度检测的Harris蜂窝顶点提取方法

本发明涉及交通、建造、航空航天等装备的轻质多孔复合结构产品的设计、制造及缺陷检测等，特别是涉及一种用于蜂窝结构规整度检测的harris蜂窝顶点提取方法。

背景技术：

1、蜂窝结构是最经济的承载结构，具有同等用量及体积的材料结构中最大的承载力,质量比实心板降低70％～90％；同时，蜂窝结构具有良好的能量吸收特性，具有较大的不可逆塑性变形溃缩行程，可以有效吸收冲击动能，是理想的能量吸收介质。蜂窝结构因其独特造型结构与卓越力学性能在轨道交通领域被广泛采用，是构造轻量化列车车体与构造碰撞吸能装置的理想材料。

2、但是缺陷阻碍蜂窝结构材料发挥其应有的功能，蜂窝结构性能与网格结构的形状规整度与完整性密切相关，具有胞孔形状缺陷的不均匀蜂窝结构受载时发生应力集中现象，应力集中点首先发生破坏，破坏引发更大的变形，由此产生整体结构变形发散。因此需要对蜂窝产品的胞孔变形即几何规整度进行评估，从而对蜂窝产品的质量作出判断。

3、目前，已有研究人员尝试通过角点检测算法捕捉蜂窝端面图像角点，即蜂窝胞孔顶点，再根据顶点分布的几何关系分析蜂窝胞孔形状变形程度。但是蜂窝顶点本身的角点特征性不强，角点检测算法的关键参数角点阈值设置困难，阈值过小出现误检，阈值过大漏检角点，并且图像成像情况复杂，边缘模糊、弧度不均、噪声干扰等问题严重影响角点提取的准确性。图2是传统方法蜂窝顶点提取结果，常规算法几乎无法同时解决角点误检与漏检问题。而角点的误检与漏检打乱了蜂窝结构原有的胞孔顶点分布规律，使得角点检测结果无法用于蜂窝胞孔形状的评判。蜂窝图像角点误检与漏检问题是蜂窝结构规整度检测中亟需解决的问题。此外常规角点检测算法具有多个调控参数，参数与参数、参数与图像条件、参数与对象条件之间相互影响，科学的优化调整十分困难。并且针对特定图像优化的参数无法适用在其他图像，这对蜂窝结构规整度检测的稳定性、操作难度与执行效率带来极大不便。

技术实现思路

1、本发明的目的在于克服现有技术的不足，解决常规方法在蜂窝顶点提取中的漏检与误检问题，简化参数设置方法，提供一种简单易行、检测精度高、提取结果稳定的用于蜂窝结构规整度检测的harris顶点提取方法。

2、为了解决上述技术问题，本发明采用的技术方案为：一种用于蜂窝结构规整度检测的harris顶点提取方法，包括以下步骤：

3、s1、获取蜂窝图像；

4、s2、预处理：对获取的蜂窝图像进行预处理，所述预处理包括降噪滤波、二值化与形态学滤波处理，删除多余碎片；所述二值化处理过程使蜂窝壁像素数值为1，胞孔像素数值为0；

5、s3、骨架化：通过hilditch细化算法提取预处理后的图像的蜂窝壁中轴线；

6、s4、骨架修剪：删除图像中的游离碎片和分支；

7、s5、对骨架修剪后的图像进行定参顶点提取，得到蜂窝顶点位置。

8、所述步骤s2中，降噪滤波的方法为：先进行中值滤波，再进行双边滤波。

9、所述中值滤波的方法为：设置第一滤波窗口，将窗口像素灰度值排序，使用中间值代替窗口中心像素的值；

10、所述双边滤波的具体方法为：

11、设置第二滤波窗口，首先计算滤波窗口内个像素的权重，计算公式为：

12、

13、其中，ω(i,j,k,l)表示像素(k,l)的权重，i(i,j)和i(k,l)分别是窗口中心像素(i,j)和窗口内当前被计算权重像素(k,l)的灰度值，σd和σr是平滑参数；

14、然后根据各个像素的权重，将滤波窗口内中心像素的灰度值进行归一化处理；

15、计算公式为：

16、

17、其中，id(i,j)表示窗口中心像素(i,j)的双边滤波后的灰度值。

18、所述第一滤波窗口的大小为3×3；

19、所述第二滤波窗口的边长ld等于蜂窝壁厚度，σd＝1/6ld，σr为蜂窝壁像素与胞孔像素灰度差的1/6。

20、所述步骤s5中，定参顶点提取的具体方法为：

21、s501、通过参数固定的高斯滤波窗口对图像进行滤波；

22、s502、设置固定参数的harris滑动检测窗口和角点响应阈值；

23、s503、通过滑动检测窗口遍历图像，采用harris算法计算滑动检测窗口中心的角点响应值r，将角点响应值r大于交点响应阈值的滑动检测窗口中心对应的像素设置为候选角点；

24、s504、判断候选角点对应像素的角点响应值r是否为邻域像素中的最大值，若是，则将其标记为蜂窝顶点。

25、所述步骤s501中，所述高斯滤波窗口为5×5，标准差为5/6；所述步骤s502中，应用于蜂窝骨架图像的固定参数为：滑动检测窗口的尺寸11×11，标准差为11/6，所述角点响应阈值为0.0009。

26、所述步骤s4中，删除游离碎片的具体方法为：首先通过8邻域连通性，将蜂窝图像中的1值像素区分为多个相互分离的对象，然后统计每个对象的像素数量，最后通过保留像素数量最多的对象，删除其他对象的方法删除碎片；

27、删除分支的具体方法为：首先统计各个1值像素8邻域的像素值变化次数，将变化次数为2的像素标记为端点，然后检测图像中所有端点并删除，最后迭代检测并删除端点的操作直至图中不再存在端点。

28、所述步骤s3中，通过hilditch细化算法提取预处理后的图像的蜂窝壁中轴线的具体方法为：

29、按照从左到右、自上而下地遍历图像中的每个像素作为一个检测周期，标记一个检测周期内同时满足所有标记条件的像素；重复此过程，直到某个检测周期内不存在标记像素为止，在所有周期完成后，将被标记的像素的值置为零；

30、所述标记条件包括：

31、(1)像素值为1；

32、(2)其8邻域像素中的1值像素个数多于1且少于7；

33、(3)其8邻域连接数为1；

34、(4)其右像素、上像素、左像素不全为1，或者上像素的连接数不为1；

35、(5)其右像素x1、上像素x3、左像素x7不全为1，或者右像素x1的连接数不为1。

36、本发明与现有技术相比具有以下有益效果：

37、1、本发明提出了一种用于蜂窝结构规整度检测的harris顶点提取方法，通过降噪滤波、二值化、形态学处理的骨架修剪，得到光滑蜂窝骨架；降噪滤波时，采用中值滤波结合双边滤波，“双边滤波”具有空间域与像素范围域两个权重，在图像像素值变化很小的平坦区域，对应的像素范围域权重接近于1，空间域权重起主要作用，滤波效果相当于高斯滤波；在图像像素值变化很大的区域，例如蜂窝壁边缘，对应的像素范围域权重接近于0，相当于无滤波效果，从而保护蜂窝壁边缘信息不受滤波影响，提高了滤波效果；骨架修剪时，采用面积筛选的方法消除图像中的游离碎片，采用端点迭代删除的方法消除骨架上的多余分支；骨架修剪消除了hilditch细化算法结果中干扰蜂窝顶点检测的影响因素。

38、2、本发明采用先细化，统一不同蜂窝图像的检测环境，再用harris检测蜂窝骨架交点，从而识别蜂窝顶点，提高了蜂窝顶点识别的准确性。

39、3、本发明简化并统一了蜂窝角点检测条件，彻底解决了角点误检与漏检问题，通过理论推导得到最不利条件为α＝30°，β＝180°且平角边位于窗口对角线，并且得到了该最不利条件下的角点响应函数作为蜂窝骨架图像定点的焦点响应阈值，并优化了参数设置条件，能够省去参数调优过程，从而方便、高效、稳定地提取蜂窝顶点大大提高了蜂窝顶点提取的效率与便捷性，避免了以往一图一调的操作模式。与现有技术相比较，本发明具有科学合理、简单易行、检测精度高、鲁棒性好等优点。