CN113658067A - 一种基于人工智能的气密性检测中水体图像增强方法及系统 - Google Patents

Abstract

本发明涉及人工智能领域，具体涉及一种基于人工智能的气密性检测中水体图像增强方法及系统。该方法包括：通过采集水体图像进行聚类获取多个不同类别的像素集合，根据像素集合对每类聚类类别的平均隶属度调节初始模糊度获取每个像素集合的真实模糊度，以该真实模糊度的相对误差获取每个像素集合的多尺度权重系数，利用该权重系数通过多尺度增强算法得到每个像素增强后的灰度值，以该增强后的灰度值调节每个像素中每个颜色通道的灰度值获取清晰水体图像并对该图像进行模糊修正获取最终的水体图像。本发明实现了通过每个像素集合的真实模糊度获取对应尺度的权重系数，有效调节了色彩协调性，防止水下图像呈现蓝绿色调的失真颜色。

Description

一种基于人工智能的气密性检测中水体图像增强方法及系统

技术领域

本发明涉及人工智能领域，具体涉及一种基于人工智能的气密性检测中水体图像增强方法及系统。

背景技术

在水体气密性检测中，由于水介质对光的吸收和散射作用，水下图像往往存在色彩失真、对比度低、细节模糊、光照不均匀等问题。由于水下成像过程中水体对光的吸收具有明显的选择性，波长越长的光吸收衰减系数越大，传播距离越短，因此水下图像通常呈现短波长的蓝绿色调，存在明显的颜色失真。

在检测气泡过程中，通常会通过背景累积及前景累积或帧差叠加的方法来获得气泡轨迹。然而由于水下图像易呈现蓝绿色调的失真颜色，会导致气泡在最终的效果图中特征减弱，甚至淹没在大量的噪声中。

发明内容

为了解决上述技术问题，本发明的目的在于提供一种基于人工智能的气密性检测中水体图像增强方法及系统，所采用的技术方案具体如下：

第一方面，本发明一个实施例提供了一种基于人工智能的气密性检测中水体图像增强方法，所述方法包括：

采集水体图像，对所述水体图像中的像素进行聚类获取多个不同类别的像素集合；

计算每个所述像素集合的真实模糊度；

根据每个所述像素集合的真实模糊度的相对误差获取每个所述像素集合的多尺度权重系数；

通过利用所述多尺度权重系数的多尺度增强算法得到每个所述像素增强后的灰度值；

以所述增强后的灰度值调整每个所述像素的每个颜色通道获取清晰水体图像。

进一步，所述对所述水体图像中的像素进行聚类获取多个不同类别的像素集合的获取步骤包括：

对所述水体图像进行同态滤波和小波去噪处理后获取第一水体图像；

通过对所述第一水体图像内的像素进行模糊C均值聚类获取所述多个不同类别的像素集合。

进一步，所述计算每个所述像素集合的真实模糊度的计算步骤包括：

根据所述模糊C均值聚类获取每个所述像素集合对每类聚类类别的平均隶属度；

通过模糊算法获取每类所述聚类类别的初始模糊度；

以所述平均隶属度作为权重调节所述初始模糊度获取每个所述像素集合的所述真实模糊度。

进一步，所述根据每个所述像素集合的真实模糊度的相对误差获取每个所述像素集合的多尺度权重系数的获取步骤包括：

选取所述真实模糊度的取值范围的中值作为标准真实模糊度；

当所述像素集合的真实模糊度等于所述标准真实模糊度时，所述多尺度权重系数为同等权重；

当所述像素集合的真实模糊度不等于所述标准真实模糊度时，以所述真实模糊度的相对误差获取每个所述像素集合的多尺度权重系数。

进一步，所述以所述增强后的灰度值调整每个所述像素的每个颜色通道获取清晰水体图像的获取步骤包括：

根据所述通道的灰度值和像素的灰度值的比值获取每个所述像素中每个颜色通道的色彩比例；

以所述色彩比例调整所述增强后的灰度值，增强每个所述像素中每个颜色通道的灰度值，获取清晰水体图像。

进一步，在所述以所述增强后的灰度值调整每个所述像素的每个颜色通道获取清晰水体图像的步骤之后，还包括以下优化步骤：

以所述增强后的水体图像中所述像素集合的质心到所述像素集合中最远的像素点的欧式距离为所述像素集合的半径；

取每个类别中所有像素集合的半径的均值为所述类别的修正半径；

根据所述修正半径对每个所述类别中每个像素集合进行修正得到修正后的像素集合，对所述修正后的像素集合进行模糊修正获取最终水体图像。

第二方面，本发明实施例还提供了一种基于人工智能的气密性检测中水体图像增强系统，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述任意一种基于人工智能的气密性检测中水体图像增强方法的步骤。

本发明实施例具有如下有益效果：

1.本发明实施例通过计算水体图像的真实模糊度获取自适应调节的多尺度权重系数，并以对应的权重系数增强了水体图像的每个像素集合区域，有效增强了水体图像的清晰度。

2.本发明实施例通过调节每个像素中每个颜色通道的灰度值，保证了水体图像的色彩协调性，防止水下图像呈现蓝绿色调的失真颜色。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案和优点，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它附图。

图1为本发明一个实施例所提供的一种基于人工智能的气密性检测中水体图像增强方法流程图。

具体实施方式

为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明提出的一种基于人工智能的气密性检测中水体图像增强方法及系统，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构、或特点可由任何合适形式组合。

除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。

本发明实施例所适用的具体场景为在气密性检测中，为了消除水下图像的色偏问题并增强水体图像的清晰度，本发明实施例主要通过模糊C均值聚类对采集到的水体图像进行聚类获取多个不同类别的像素集合，根据模糊算法获取该像素集合的模糊度，结合该聚类后的隶属度和该模糊度获取每个像素集合的真实模糊度，以该真实模糊度获取可自适应调节的多尺度权重系数并以该权重系数对每个像素的灰度值通过多尺度算法得到增强后的灰度值，根据每个像素在每个色彩通道的比例调节每个色彩通道的灰度值获取增强后的图像，对该图像进行模糊修正获取清晰的水体图像。

下面结合附图具体的说明本发明所提供的一种基于人工智能的气密性检测中水体图像增强方法及系统的具体方案。

请参阅图1，其示出了本发明一个实施例提供的一种基于人工智能的气密性检测中水体图像增强方法流程图，该方法包括：

步骤S1：采集水体图像，对水体图像中的像素进行聚类获取多个不同类别的像素集合。

本发明实施例通过使用常规RGB相机采集水体图像，相机摆放位置为紧贴容器玻璃壁。本发明对拍摄时的水体环境要求为稳定状态即可，水体清澈或者浑浊不影响检测结果。

像素集合的获取方法为：对采集到的水体图像进行同态滤波，同态滤波可以在动态范围较大但是暗区细节又不清楚的场景中对暗区细节进行增强且不损失亮区细节，大大优化水下的不均匀光照。

对同态滤波后的水体图像进行小波去噪实现对水体图像内噪声的抑制，获取第一水体图像。小波去噪为对图像信号进行小波变换，由于信号产生的小波系数含有信号的重要信息，且噪声的小波系数要小于信号的小波系数，因此可据此对噪声进行抑制。

对获取的第一水体图像中的像素进行模糊C均值聚类，该算法是一种基于目标函数的模糊聚类算法，聚类结果为每一个像素点对每一个聚类中心都有一个隶属度，因此该算法允许同一像素点属于多个不同的类，可以使后续的计算结果更加准确可靠。

通过模糊C均值聚类后获取多个不同类别的像素集合。本发明实施例中根据气泡、工件和水体特征的差异选取像素集合的类别为3类，在其他实施例中，可根据需求调节像素集合的类别。

步骤S2：计算每个像素集合的真实模糊度。

真实模糊度的获取方法为：通过模糊算法对每类聚类类别进行模糊程度检测获取每类聚类类别的初始模糊度。本发明实施例采用reblur二次模糊算法计算初始模糊度，因为若第一水体图像已经模糊，那么再对它进行一次模糊处理的时候，第一水体图像中清晰部分的高频分量变化会非常大，而模糊部分的高频分量变化却非常小，因此可根据高频分量变化的大小获取第一水体图像中每类聚类类别在二次模糊前后的模糊度变化大小，其中该模糊度变化越大则表示所对应的图像越清晰，越小则表示所对应的图像越模糊。

平均隶属度的获取方法为：通过步骤S1中模糊C均值聚类得到每个像素集合中每个像素点对于每个聚类类别对应的隶属度，将每个像素集合内所有像素点对于每类聚类类别的隶属度的平均值作为平均隶属度U_i,j，其中，i表示第i个像素集合，j表示第j个聚类类别，U_i,j为第i个像素集合内所有像素点对第j个聚类类别的平均隶属度。

真实模糊度是指每个像素集合对于每个聚类类别的真实模糊程度之和。每个像素集合内都包含多个不同聚类类别，而由于像素集合内像素点的像素值各不相同，因此对于每类聚类类别的平均隶属度也不相同，因此计算真实模糊度时，需要以像素集合内所有像素对应的每个类别的平均隶属度作为权重调节初始隶属度得到该像素集合对于每个聚类类别的真实模糊程度，以每个真实模糊程度之和表示该像素集合的真实模糊度。

以每个像素集合对每类聚类类别的平均隶属度调节每类聚类类别的初始模糊度获取每个像素集合的真实模糊度∈_Ri：

其中，∈_Ri为第i个像素集合的真实模糊度，U_i,j为第i个像素集合内所有像素点对第j个聚类类别的平均隶属度，∈_j为第j个聚类类别的初始模糊度，N为由聚类获取的像素集合的类别数量。

本发明实施例中N＝3，在其他实施例中，可根据需求调节像素集合的类别。

步骤S3：根据每个像素集合的真实模糊度的相对误差获取每个像素集合的多尺度权重系数。

增强图像质量时，多尺度增强算法虽然相比于单尺度增强算法来说可以明显改善图像质量，但图像内各处的细节特征并不一致，若以相同的权重系数通过多尺度增强算法增强图像质量，增强后的图像中各个区域依旧会存在色彩不协调的失真现象，因此需要根据每个像素集合的真实模糊度去获取每个像素集合区域最佳的多尺度权重系数，使以该权重系数增强后的图像消除色彩不协调的失真现象。

多尺度增强算法中不同大小的高斯环绕尺度具有不同的优点，因此应选取兼有高、中、低三个尺度，才能充分利用三个尺度的各自的优点对图像进行增强。

本发明实施例中选取三个高斯环绕尺度对图像进行增强，三个尺度分别为c₁＝64,c₂＝128,c₃＝256，在其他实施例中，可根据不同需求选取尺度个数与取值。

像素集合的多尺度权重系数的获取方法为：选取真实模糊度的取值范围的中值作为标准真实模糊度，本发明实施例中由于真实模糊度的取值范围为[0,1]，因此标准真实模糊度∈_R0取值为0.5，在其他实施例中，可根据取值范围来取值。

当像素集合的真实模糊度等于标准真实模糊度，即0.5时，多尺度权重系数为同等权重，即均取值为

当像素集合的真实模糊度不等于标准真实模糊度时，计算像素集合的真实模糊度与标准真实模糊度的差值Δ∈_Ri：

Δ∈_Ri＝∈_Ri-∈_R0

其中，Δ∈_Ri为第i个像素集合的真实模糊度与标准真实模糊度的差值，∈_Ri为第i个像素集合的真实模糊度，∈_R0为标准真实模糊度。若Δ∈_Ri值为负值，则表示该像素集合的真实模糊度相对标准真实模糊度较小，反之则其真实模糊度相对较大。

将差值Δ∈_Ri与标准真实模糊度∈_R0的比值作为真实模糊度的相对误差w_Ri：

其中，w_Ri为第i个像素集合的真实模糊度的相对误差。

根据每个像素集合对应的真实模糊度的相对误差获取三个高斯环绕尺度对应的权重系数。其中，尺度c₁的权重系数为：

尺度c₂的权重系数为：

尺度c₃的权重系数为：

高斯环绕尺度过小虽然会明显改善图像对比度，增强图像的边缘细节，但是容易出现光晕现象，而当尺度过大时，虽然可以避免光晕现象但是图像边缘细节增强不明显。

对于真实模糊度相对标准真实模糊度较小的像素集合，该像素集合的边缘细节相对明显，因此我们要减小低尺度的权重系数，增大高尺度的权重系数；对于真实模糊度相对标准真实模糊度较大的像素集合，该像素集合的边缘细节相对不明显，因此我们要增大低尺度的权重系数，减小高尺度的权重系数。尺度c₂的权重系数为保证三个尺度的总体权重不变。

步骤S4：通过利用多尺度权重系数的多尺度增强算法得到每个像素增强后的灰度值。

增强第一水体图像的像素灰度值的具体步骤包括：通过第一水体图像中R、G、B三个颜色通道的灰度值的均值获取每个像素集合内每个像素的灰度值I_a(x,y)：

其中，I_a(x,y)为第a个像素集合中像素坐标为(x,y)的像素的灰度值，Ir为第一水体图像中R颜色通道的像素灰度值，Ig为第一水体图像中G颜色通道的像素灰度值，Ib为第一水体图像中B颜色通道的像素灰度值。

通过步骤S3获取每个像素的三个高斯环绕尺度对应的权重系数，通过多尺度增强算法获取每个像素增强后的灰度值R_a(x,y)：

其中，R_a(x,y)为第a个像素集合中像素坐标为(x,y)的像素增强后的灰度值，c_k(x,y)为像素坐标为(x,y)的像素的第k个高斯环绕尺度，w_k为第k个高斯环绕尺度所对应的权重系数。

步骤S5：以增强后的灰度值调整每个像素的每个颜色通道获取清晰水体图像。

通过每个颜色通道中像素的灰度值与该像素的整体灰度值的比值获取每个颜色通道的色彩比例，以该色彩比例与增强后的灰度值的乘积调整增强后的灰度值，增强每个像素中每个颜色通道的灰度值。以R通道为例：

其中，R_ar(x,y)为第a个像素集合中像素坐标为(x,y)的像素的R颜色通道增强后的灰度值，I_ar(x,y)为第a个像素集合中像素坐标为(x,y)的像素的R颜色通道的像素灰度值。

通过增强第一水体图像中每个像素的每个颜色通道的灰度值调节了增强后的图像的色彩不协调的现象，获取了色彩协调且清晰的水体图像。

步骤S6：根据对清晰的水体图像进一步优化获取最终水体图像。

通过强边缘预测法来准确估计点扩散函数PSF，而强边缘检测法需要人为设定检测区域的半径R_R，设定方法为：

1)获取每个类别中所有像素集合的质心。

2)选取像素集合中距离质心最远的像素点，以该像素点到质心的欧氏距离作为该像素集合的半径R₀。

3)计算每个像素集合的半径的均值作为检测区域的半径R_R。

通过该检测半径R_R对每个像素集合进行模糊修正，获取最终水体图像。

综上所述，本发明实施例通过对采集到的水体图像进行聚类获取多个不同类别的像素集合，根据像素集合对每类聚类类别的平均隶属度调节每类聚类类别的初始模糊度获取每个像素集合的真实模糊度，以该真实模糊度的相对误差获取每个像素集合的多尺度权重系数，利用该权重系数通过多尺度增强算法得到每个像素增强后的灰度值，以该增强后的灰度值调节每个像素中每个颜色通道的灰度值获取清晰水体图像并对该图像进行模糊修正获取最终的水体图像，有效调节了色彩协调性，防止水下图像呈现蓝绿色调的失真颜色。

本发明实施例还提供了一种基于人工智能的气密性检测中水体图像增强系统，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，处理器执行计算机程序时实现上述一种基于人工智能的气密性检测中水体图像增强方法的步骤。其中，一种基于人工智能的气密性检测中水体图像增强方法在上述实施例已经详细说明，不再赘述。

需要说明的是：上述本发明实施例先后顺序仅仅为了描述，不代表实施例的优劣。且上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。

本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。

以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (7)

1.一种基于人工智能的气密性检测中水体图像增强方法，其特征在于，所述方法包括：

采集水体图像，对所述水体图像中的像素进行聚类获取多个不同类别的像素集合；

计算每个所述像素集合的真实模糊度；

根据每个所述像素集合的真实模糊度的相对误差获取每个所述像素集合的多尺度权重系数；

通过利用所述多尺度权重系数的多尺度增强算法得到每个所述像素增强后的灰度值；

以增强后的灰度值调整每个所述像素的每个颜色通道获取清晰水体图像。

2.根据权利要求1所述的一种基于人工智能的气密性检测中水体图像增强方法，其特征在于，所述对所述水体图像中的像素进行聚类获取多个不同类别的像素集合的获取步骤包括：

对所述水体图像进行同态滤波和小波去噪处理后获取第一水体图像；

通过对所述第一水体图像内的像素进行模糊C均值聚类获取所述多个不同类别的像素集合。

3.根据权利要求2所述的一种基于人工智能的气密性检测中水体图像增强方法，其特征在于，所述计算每个所述像素集合的真实模糊度的计算步骤包括：

根据所述模糊C均值聚类获取每个所述像素集合对每类聚类类别的平均隶属度；

通过模糊算法获取每类所述聚类类别的初始模糊度；

以所述平均隶属度作为权重调节所述初始模糊度获取每个所述像素集合的所述真实模糊度。

4.根据权利要求1所述的一种基于人工智能的气密性检测中水体图像增强方法，其特征在于，所述根据每个所述像素集合的真实模糊度的相对误差获取每个所述像素集合的多尺度权重系数的获取步骤包括：

选取所述真实模糊度的取值范围的中值作为标准真实模糊度；

当所述像素集合的真实模糊度等于所述标准真实模糊度时，所述多尺度权重系数为同等权重；

当所述像素集合的真实模糊度不等于所述标准真实模糊度时，以所述真实模糊度的相对误差获取每个所述像素集合的多尺度权重系数。

5.根据权利要求1所述的一种基于人工智能的气密性检测中水体图像增强方法，其特征在于，所述以所述增强后的灰度值调整每个所述像素的每个颜色通道获取清晰水体图像的获取步骤包括：

根据所述通道的灰度值和像素的灰度值的比值获取每个所述像素中每个颜色通道的色彩比例；

以所述色彩比例调整所述增强后的灰度值，增强每个所述像素中每个颜色通道的灰度值，获取清晰水体图像。

6.根据权利要求1所述的一种基于人工智能的气密性检测中水体图像增强方法，其特征在于，在所述以所述增强后的灰度值调整每个所述像素的每个颜色通道获取清晰水体图像的步骤之后，还包括以下优化步骤：

以增强后的水体图像中所述像素集合的质心到所述像素集合中最远的像素点的欧式距离为所述像素集合的半径；

取每个类别中所有像素集合的半径的均值为所述类别的修正半径；

根据所述修正半径对每个所述类别中每个像素集合进行修正得到修正后的像素集合，对所述修正后的像素集合进行模糊修正获取最终水体图像。

7.一种基于人工智能的气密性检测中水体图像增强系统，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1～6任意一项所述方法的步骤。

Images