一种用于保留结构及平衡亮度的低质量焊接图像增强方法

本发明属于图像增强方法领域，具体是一种用于保留结构及平衡亮度的低质量焊接图像增强方法。

背景技术：

1、计算机视觉技术引入电弧焊接过程监控已成为主要趋势。此项技术被广泛地应用于工业制造领域，为该领域带来了巨大效益。受到焊接环境的影响，监控下捕捉到的焊接图像通常会伴随着强电弧光的干扰。是由于普通工业相机的亮度动态范围有限，在60db左右，而实际焊接过程中的亮度动态范围远高于工业相机的亮度动态范围。这就导致焊接成像系统捕捉的焊接图像出现亮度不均、结构模糊等质量问题。

2、目前，用于改善强电弧光干扰下的焊接图像质量的方法有两类。一类是利用滤波片辅助筛选入镜波长范围。在选择滤波片大小之前，需要用光谱仪确定实际焊接光谱范围，以根据光谱响应来选择滤波片的大小。然而，在面对不同焊接材料时检测出来的光谱响应不同，这就意味着每更换一次焊接材料就要重新检测光谱响应及配置相应的滤波片。这一方法难以保证成像质量的鲁棒性且成本高。另一类是利用图像增强的方法对焊接成像优化。这一方法在不考虑材料特性的情况下有效地提高图像质量。目前焊接图像的增强方法主要有：基于直方图均衡化法、暗通道先验理论法、单尺度/多尺度retinex法。在基于直方图均衡化法中，处理饱和区域过于集中的图像时，该算法会导致结构信息丢失。暗通道先验理论法对透射率估计精度要求高，得到的透射率的精度和稳定性难以同时保证，结构处会出现白边。基于retinex理论的方法比较依赖于光照分量的估计，估计不当会引入光晕及结构特征被过度平滑。然而，这些方法都忽略了焊接目标的结构特征信息。此外，由于焊接环境的复杂性，以上大多方法都难以满足焊接过程监控的需求。

3、经过检索，发现以下已公开的现有专利技术：

4、一种基于计算机视觉的焊接图像增强方法 [申请号：cn202111198499.8]，包括：获取待处理的x射线焊缝图像对应的焊缝连通域图像；获取焊缝连通域图像对应的灰度反向图；利用该灰度反向图中每个像素的像素值获取焊缝连通域图像对应的抑制值图像；利用焊缝连通域图像中各个像素点的像素值及其到焊缝连通域中心线的距离，获得焊缝连通域最终咬边概率图；获取焊缝连通域最终咬边概率图对应的遮罩区域；利用计算模板对遮罩区域每一列像素的像素值进行计算并交换位置，获取焊缝连通域对应的距离咬边图像，进而获得焊缝连通域对应的咬边增强图像。通过上述方法可得到视觉效果明显的咬边图像，便于人或计算机对咬边进行检测。

5、经过对比，本专利申请与对比文件采用的方法存在很大差异，要解决的技术问题也存在区别，对比文件与本专利申请的技术区别较大。

技术实现思路

1、本发明的目的在于克服现有技术的不足之处，提供一种用于保留结构及平衡亮度的低质量焊接图像增强方法，用于解决由电弧光引起的焊接图像亮度不均和结构特征信息丢失的问题。

2、本发明解决其技术问题是采取以下技术方案实现的：

3、一种用于保留结构及平衡亮度的低质量焊接图像增强方法，其特征在于：具体步骤为：

4、step1：输入的低质量焊接原始图像，通过主成分分析算法提取焊接图像中的第一主成分作为初始光照分量，形成初始光照分量图像输出；

5、step2：利用相对全变分模型对step1输出的初始光照分量图像进行处理，形成结构特征优化的光照分量图像输出；

6、step3：对step2输出的结构特征优化的光照分量图像再分两路处理，一路与原始图像一起直接代入retinex模型求取反射分量图，另一路通过对数变换增强算法处理获取亮度优化的光照分量图；

7、step4：根据retinex模型，将step3得到的反射分量图和亮度优化的光照分量图进行融合，得到重建图像；

8、step5：引入引导滤波器，将step1输出的初始光照分量图像作为引导图，对step4得到的重建图像进行滤波，从而得到最终的增强图像。

9、而且，所述step1的具体步骤为：

10、采用主成分分析算法对输入的低质量焊接原始图像进行处理，提取到的第一主成分作为retinex模型中的初始光照分量图，将输入图像作为原始图像 i，计算矩阵数据的均值 μ，对矩阵进行零均值化处理；随后将矩阵转置与矩阵本身点乘，构建协方差矩阵；然后求得协方差矩阵的特征值和所对应的特征向量，排序选出最大的特征值 λ max及其对应的特征向量 ev max；将特征向量 ev max与图像原始图像 i点乘，获得输入图像的第一主成分，作为初始光照分量图 l输出。

11、而且，所述step2的具体步骤为：

12、通过相对全变分模型对初始光照分量图 l进行处理，通过遍历计算像素窗口总变化量和窗口固有变化量来增强纹理和结构之间的对比度，相对全变分模型将像素窗口总变化量和窗口固有变化量结合起来，形成一个最优化目标函数，如下：式中，||*|| f和||*||1分别表示费罗贝乌斯范数和1-范数； l是初始光照分量图；是相对全变分模型求取的结构特征优化的光照分量图像； p代表图像遍历的各像素点；和分别代表水平和垂直的一阶导数算子，和分别代表求解 l的两个方向的一阶导数；和代表权重矩阵； γ是平衡两项算式的系数，其中，权重矩阵由下式计算：式中，是中心位于 p点的区域； i为该区域内的各像素点索引；表示标准偏差为 σ的高斯核；|*|表示绝对值符号； ε为一个极小的正常数，通过求解公式(1)的最优化目标函数，形成结构特征优化的光照分量图像输出。

13、而且，所述step3的具体步骤为：

14、对上一步输出的结构特征优化的光照分量图像再分两路处理，一路与原始图像 i一起直接代入retinex模型求取反射分量图 r，公式如下：符号e代表函数；

15、另一路通过对数变换增强算法处理获取亮度优化的光照分量图，公式如下：。

16、而且，所述step4的具体步骤为：

17、根据retinex模型，融合上一步输出的光照分量图和反射分量图 r，得到重建图像 i f，公式如下：。

18、而且，所述step5的具体步骤为：采用引导滤波器进一步优化重建图像 i f的质量，得到最终的增强图像，将初始光照分量图像 l作为引导滤波所需的引导图，引导滤波的窗口半径设为3，正则化参数为0.001，加入引导滤波处理后的图像不仅保留了原始结构特征并且亮度分布仍然均匀，同时能够去除前序步骤给重建图像带来的噪声、光晕及块效应。

19、本发明的优点和积极效果是：

20、与现有图像增强技术相比，本发明的方法更适合于对强弧焊光干扰下采集的低质量焊接图像进行增强，增强后的图像亮度分布均匀且自然，结构特征信息保留较好，没有伪影或块效应产生，图像细节更加清晰。具体有以下几个优点：

21、（1）本发明方法在强弧焊光干扰的情况下，仍能对retinex模型中的光照分量进行有效估计，并通过结构特征优化，尽量多地保留了原有图像中的边缘、纹理等信息；

22、（2）本发明方法进一步优化了光照分量的亮度分布，与提取的反射分量再次进行融合重建，生成的图像能够将强弧焊光淹没的周围场景复原显示；

23、（3）本发明方法使用初始光照分量作为引导图，对重建图像进行引导滤波，有效去除了前序处理给重建图像带来的噪声、光晕及块效应等，有效提高了图像质量。