一种基于图像感兴趣区域提取的表面粗糙度检测方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN114119599A(43)申请公布日2022.03.01(21)申请号202111492342.6G06T5/30(2006.01)(22)申请日2021.12.08G06T7/45(2017.01)(71)申请人重庆大学地址400044重庆市沙坪坝区沙正街174号(72)发明人何彦李育锋张伟郝传鹏钟睿(74)专利代理机构重庆博凯知识产权代理有限公司50212代理人黄河(51)Int.Cl.G06T7/00(2017.01)G06V10/25(2022.01)G06T7/11(2017.01)G06T7/162(2017.01)G06T5/00(2006.01)权利要求书2页说明书7页附图3页(54)发明名称一种基于图像感兴趣区域提取的表面粗糙度检测方法(57)摘要本发明涉及计算机视觉检测技术领域，具体涉及一种基于图像感兴趣区域提取的表面粗糙度检测方法，包括：获取待测工件的表面图像；基于随机游走的感兴趣区域提取方法提取表面图像中的待测目标区域，并生成对应的待测目标区域图像；提取待测目标区域图像中的纹理特征，组成对应的特征向量；将特征向量输入经过预先训练的检测模型中，由检测模型输出对应的表面粗糙度检测结果。本发明中的表面粗糙度检测方法能够提高表面粗糙度的检测精度和检测效率，从而能够提升表面粗糙度检测的效果。CN114119599ACN114119599A权利要求书1/2页1.一种基于图像感兴趣区域提取的表面粗糙度检测方法，其特征在于，包括以下步骤：S1：获取待测工件的表面图像；S2：基于随机游走的感兴趣区域提取方法提取表面图像中的待测目标区域，并生成对应的待测目标区域图像；S3：提取待测目标区域图像中的纹理特征，组成对应的特征向量；S4：将特征向量输入经过预先训练的检测模型中，由检测模型输出对应的表面粗糙度检测结果。2.如权利要求1所述的基于图像感兴趣区域提取的表面粗糙度检测方法，其特征在于：步骤S1中，获取到待测工件的表面图像后，对表面图像进行图像降噪和图像增强处理。3.如权利要求1所述的基于图像感兴趣区域提取的表面粗糙度检测方法，其特征在于，步骤S2中，通过如下步骤提取感兴趣区域：S201：对表面图像进行随机游走分割，生成对应的待测目标区域二值图像；S202：对待测目标区域二值图像中的区域边缘进行平滑处理；S203：基于平滑处理后的待测目标区域二值图像制作生成对应的掩膜图像；S204：基于掩膜图像和表面图像定位并提取对应的感兴趣区域即为待测目标区域。4.如权利要求3所述的基于图像感兴趣区域提取的表面粗糙度检测方法，其特征在于：步骤S201中，基于图论的随机游走算法对表面图像进行随机游走分割。5.如权利要求3所述的基于图像感兴趣区域提取的表面粗糙度检测方法，其特征在于：步骤S202中，通过形态学开运算方法对待测目标区域二值图像中的区域边缘进行平滑处理。6.如权利要求3所述的基于图像感兴趣区域提取的表面粗糙度检测方法，其特征在于：步骤S203中，生成的掩膜图像能够过滤出感兴趣区域信息并抑制非待测目标区域的干扰信息。7.如权利要求3所述的基于图像感兴趣区域提取的表面粗糙度检测方法，其特征在于：步骤S204中，将掩膜图像和表面图像的对应像素进行AND运算，以生成对应的待测目标区域图像。8.如权利要求1所述的基于图像感兴趣区域提取的表面粗糙度检测方法，其特征在于：步骤S3中，基于灰度共生矩阵提取待测目标区域图像的纹理特征。9.如权利要求8所述的基于图像感兴趣区域提取的表面粗糙度检测方法，其特征在于：步骤S3中，基于灰度共生矩阵提取如下六个特征指标的特征向量；能量：熵：Entropy＝‑∑a，bPθ，d(a，b)log2Pθ，d(a，b)；最大概率：2对比度：Contrast＝∑a，b|a‑b|Pθ，d(a，b)；同质性：2CN114119599A权利要求书2/2页相关性：其中，μx＝∑aa∑bPθ，d(a，b)；μy＝∑bb∑aPθ，d(a，b)；22σx＝∑a(a‑μx)∑bPθ，d(a，b)；σy＝∑b(b‑μy)∑aPθ，d(a，b)；上述式中：(a，b)表示灰度共生矩阵Pθ，d(a，b)行和列的索引；μx和μy表示平均值，σx和σy表示标准差。10.如权利要求9所述的基于图像感兴趣区域提取的表面粗糙度检测方法，其特征在于：步骤S4中，检测模型为支持向量机模型。3CN114119599A说明书1/7页一种基于图像感兴趣区域提取的表面粗糙度检测方法技术领域[0001]本发明涉及计算机视觉检测技术领域，具体涉及一种基于图像感兴趣区域提取的表面粗糙度检测方法。背景技术[0002]加工工件的质量保证是工业生产的重要目标。表面粗糙度是表征工件质量的重要参数之一