一種基于gap預測器和自適應遺傳算法環(huán)焊焊縫邊緣提取方法
【技術(shù)領域】
[0001] 本發(fā)明涉及一種焊縫邊緣提取方法，特別是涉及一種基于GAP預測器和自適應遺 傳算法環(huán)焊焊縫邊緣提取方法。
【背景技術(shù)】
[0002] 近年來機器視覺檢測技術(shù)迅速發(fā)展，已逐步取代人工目測應用到包括焊縫表面缺 陷檢測在內(nèi)的工業(yè)生產(chǎn)各個領域。由于焊接過程中不可避免地受到弧光、飛濺以及煙塵等 若干因素干擾，焊縫缺陷形態(tài)的多樣性而難以將噪聲與微小缺陷區(qū)分開，如何準確地提取 焊縫并對其進行圖像處理，是國內(nèi)外學者關注的焦點，也是本文開展研究的依據(jù)。
[0003] 研究可以保證在復雜情況下提取焊縫的邊緣。已有技術(shù)包括2012年3月出版的 《電子測量技術(shù)》第3期"基于CCD圖像處理的焊縫識別技術(shù)研究"以及中國發(fā)明專利說明 書CN103323458A(2013年9月25日公布）公開的一種焊縫檢測裝置、焊縫檢測系統(tǒng)及焊縫 檢測方法，中國專利說明書CN101135652(2008年3月5日公布）公開的基于紋理分割的焊 縫識別方法，中國專利說明書CN101159017(2008年4月9日公布）公開的基于局部圖像紋 理特征匹配的焊縫自動識別視覺方法等，上述對焊縫邊緣提取采用了不同方法，基本上能 夠快速準確檢測焊縫邊緣。
[0004]圖像邊緣檢測的基本方法是采用閾值方法，其目的是將圖像按不同灰度值分割成 相應區(qū)域，方便后繼處理。閾值的選取相當重要，國內(nèi)外學者針對這一課題進行了廣泛深入 的研究，已有技術(shù)包括2006年1月出版的《焊接學報》第1期期刊"基于Canny算子的焊 縫圖像邊緣提取技術(shù)"，2009年5月出版的《上海交通大學學報》第5期期刊"基于復合邊 緣檢測算子的焊縫邊緣提取方法"，但這些方法在不同程度上存在著執(zhí)行效率低，易于陷入 局部最優(yōu)解等問題，因此，尋求一種高效的全局最優(yōu)解的閾值選取方法一直是人們所關注 的問題。
[0005] 圖像壓縮編碼中梯度自適應預測器（Gradient Adjusted Predictor，簡稱GAP)是 一種非線性，簡單自適應預測器，它可以根據(jù)附近像素亮度變化，適應性調(diào)整自身像素的預 測值，這種模型在不同環(huán)境中從糾正它自己的錯誤中學習，因此相比傳統(tǒng)的線性預測器，它 具有更大的魯棒性。新穎的把改進的GAP預測器模板應用在圖像邊緣檢測中，包括2013年 3月出版的《計算機應用》第3期期刊"基于多方向梯度邊緣預測器快速邊緣檢測算法"，該 方法檢測的圖像邊緣清晰，細節(jié)豐富，但是在尋求最優(yōu)解時可能也會陷入局部最優(yōu)解。
[0006] 遺傳算法（Genetic Algorithm,簡稱GA)是其中特別有效的算法之一，遺傳算法 是模擬自然界生物進化過程的計算模型，依據(jù)優(yōu)勝劣汰的原則，對需要優(yōu)化的群體通過選 擇、交叉、變異等遺傳算子操作，不斷生成新的優(yōu)化群體，以求得滿足要求的最優(yōu)解。遺傳算 法通過目標函數(shù)進行計算，對問題依賴小，它從多個初始點進行并行操作，大大提高計算速 度；采用啟發(fā)式搜索策略，搜索效率高。2014年1月出版的《焊接技術(shù)》第1期期刊"基于 遺傳算法的焊接熔池檢測"就利用遺傳算法獲取最佳閾值。
[0007] 傳統(tǒng)焊縫邊緣檢測時，存在如下缺點：一方面由于焊縫圖像是在復雜環(huán)境下拍攝 的，對焊縫圖像需要進行必要的預處理，再進行邊緣提取，傳統(tǒng)方法中，數(shù)學模型比較復雜， 運行時間也較長，若要提高檢測速度的情況下，會損失掉原圖像信息；另一方面，在采用閾 值方法分割圖像時，閾值的求取會陷入局部最優(yōu)求解，最后得不到最佳閾值。
[0008] 經(jīng)查相關文獻，目前還不存在一個基于GAP預測器與遺傳算法相結(jié)合進行焊縫邊 緣檢測的方法。本發(fā)明利用GAP預測器模板，不僅考慮了圖像的灰度信息，還考慮鄰域空間 的相關信息的特點，從而保證圖像邊緣檢測的精度；采用遺傳算法對OTSU函數(shù)閾值進行求 取，能保證搜索的速度和得到全局最優(yōu)閾值，所以本發(fā)明是對現(xiàn)有焊縫圖像邊緣提取方法 的一種補充，有較好的應用價值。

【發(fā)明內(nèi)容】

[0009] 本發(fā)明所要解決的技術(shù)問題：克服現(xiàn)有技術(shù)的不足，基于GAP預測器和自適應遺 傳算法提出一種環(huán)焊焊縫邊緣提取方法，使焊縫邊緣檢測效率更高，且提取的焊縫邊緣更 精確。
[0010] 本發(fā)明的技術(shù)解決方案：一種基于GAP預測器和自適應遺傳算法環(huán)焊焊縫邊緣提 取方法，其特征在于步驟如下：
[0011] (1)對環(huán)焊焊縫原始圖像進行預處理，包括灰度化、增強濾波等處理；
[0012] (2)對環(huán)焊焊縫預處理后的圖像，利用GAP預測器模板，生成誤差圖像E(i，j);
[0013] (2. 1)設I (i, j)表示原像素值，計算垂直和水平方向的梯度dh和dv ;
[0014] (2. 2)通過一定的方法計算預測像素值Γ (i，j)，即根據(jù)dh和dv差值，判斷圖像 中邊緣幅值和方向，然后依據(jù)一些經(jīng)驗閾值來判斷水平或者垂直邊緣的出現(xiàn)，最后根據(jù)水 平或垂直邊緣的變化程度適當選取相鄰像素的權(quán)重，計算出預測值Γ (i，j);
[0015] (2.3)令預測誤差為E(i，j)，即E(i，j) = |l(i，j)-I' (i，j) |，即可以得到誤差 圖像E ;
[0016] (3)對誤差圖像E，采用自適應遺傳算法與傳統(tǒng)OTSU法相結(jié)合，得到最佳閾值T ;
[0017] (4)按此最佳閾值T對誤差圖像E進行邊緣分類，如果E (i，j)值大于T，則該點為 邊緣點，用" 1"做標記；否則該點為非邊緣點，用"0"做標記，最終獲得環(huán)焊焊縫邊緣圖像。
【附圖說明】
[0018] 圖IGAP預測器模板；
[0019] 圖2遺傳算法流程圖；
[0020] 圖3本發(fā)明的總流程圖；
[0021] 圖4環(huán)焊焊縫灰度圖像；
[0022] 圖5為圖4中進行環(huán)焊焊縫濾波后圖像；
[0023] 圖6為圖5中經(jīng)不同方法獲得的焊縫邊緣圖像。
【具體實施方式】
[0024] 下面結(jié)合具體附圖和實例對本發(fā)明的實施例作進一步詳細描述，但本實施例并不 用于限制本發(fā)明，凡是采用本發(fā)明的相似方法及其相似變化，均應列入本發(fā)明的保護范圍。
[0025] 本發(fā)明實施例所提供的一種基于GAP預測器和自適應遺傳算法環(huán)焊焊縫邊緣提 取方法，其特征在于步驟如下：
[0026] (1)對環(huán)焊焊縫原始圖像進行預處理；
[0027] 對環(huán)焊焊縫原始圖像進行預處理，包括灰度化、增強、濾波等處理，其中灰度化的 方法，根據(jù)期刊2007年8月出版的《計算機工程與設計》第15期雜志中的"新的基于邊緣 檢測提高圖像質(zhì)量的插值算法"一文公開的數(shù)據(jù)融合技術(shù)，該方法根據(jù)人眼對亮度分量的 感覺比對顏色分量的感覺敏感；原始的彩色圖像一般為RGB模式，R代表紅色，G代表綠色， B代表藍色；采用數(shù)據(jù)融合技術(shù)對3個分量得到的邊緣信息進行聯(lián)合優(yōu)化，其處理方法如式 (1)：
[0028] I(i, j) = 0. 301IR(i, j)+0. 586IG(i, j)+0. 113IB(i, j) (I)
[0029] 式中IR(i，j)，Ie(i，j)，IB(i，j)表示各個顏色分量在（i，j)的像素值，I(i，j)表 示融合后相應位置像素值；以上方法融合成一個新灰度圖像，然后在保證不失真的前提下 盡可能減小圖像的容量，對融合后的灰度圖像進行低通高斯濾波器的平滑處理后生成預處 理圖像，不引起混淆情況下，記做I(i，j);
[0030] (2)對環(huán)焊焊縫預處理圖像生成誤差圖像E(i，j);
[0031] (2. 1)計算垂直和水平方向的梯度dv和dh，得到兩個方向梯度的差值dv-dh ;
[0032] a.如圖1所示為GAP預測器模板；在預測器當前像素 I (i，j)鄰接區(qū)域中，所參考 像素共有7個參考像素（NN, N. . .，W)，它們分別為：
[0033] NN = I (i, j-2)，NNE = I (i+1, j-2)
[0034] NW = I (i-1, j-1), N = I (i, j-1), NE = I (i+1, j-1) (2)
[0035] WW = I (i~2, j), W = I (i-1, j)
[0036] b.計算水平和垂直方向的梯度dh和dv的公式為：
[0037] dh = IW-WWI + IN-NWI + IN-NE
[0038] dv = IW-NWI + IN-NNI + INE-NNE I (3)
[0039] (2. 2)通過一定的方法計算預測像素值Γ (i，j)，該方法為dv和dh做差來判斷 圖像中邊緣幅值和方向，然后依據(jù)一些經(jīng)驗閾值來判斷水平或者垂直邊緣的出現(xiàn)，最后根 據(jù)水平或垂直邊緣的變化程度，適當選取相鄰像素的權(quán)重計算出預測值；設I'（i，j)表示 I (i，j)的預測值，計算像素 I'（i，j)代碼如下：
[0040]
[0041] (2· 3)生成誤差圖像E ;
[