CN117115753B - 一种膨润土自动化磨粉监测系统 - Google Patents
一种膨润土自动化磨粉监测系统 Download PDFInfo
- Publication number
- CN117115753B CN117115753B CN202311368135.9A CN202311368135A CN117115753B CN 117115753 B CN117115753 B CN 117115753B CN 202311368135 A CN202311368135 A CN 202311368135A CN 117115753 B CN117115753 B CN 117115753B
- Authority
- CN
- China
- Prior art keywords
- dust
- matching block
- image
- matching
- block
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 229910000278 bentonite Inorganic materials 0.000 title claims abstract description 91
- 239000000440 bentonite Substances 0.000 title claims abstract description 91
- SVPXDRXYRYOSEX-UHFFFAOYSA-N bentoquatam Chemical compound O.O=[Si]=O.O=[Al]O[Al]=O SVPXDRXYRYOSEX-UHFFFAOYSA-N 0.000 title claims abstract description 91
- 238000012544 monitoring process Methods 0.000 title claims abstract description 23
- 238000003801 milling Methods 0.000 title claims description 5
- 239000000428 dust Substances 0.000 claims abstract description 292
- 239000000843 powder Substances 0.000 claims abstract description 94
- 238000009792 diffusion process Methods 0.000 claims abstract description 74
- 238000010191 image analysis Methods 0.000 claims abstract description 17
- 230000004907 flux Effects 0.000 claims abstract description 11
- 238000004364 calculation method Methods 0.000 claims description 30
- 238000000034 method Methods 0.000 claims description 19
- 238000009826 distribution Methods 0.000 claims description 15
- 230000000875 corresponding effect Effects 0.000 claims description 9
- 238000001914 filtration Methods 0.000 claims description 8
- 238000001514 detection method Methods 0.000 claims description 7
- 230000009466 transformation Effects 0.000 claims description 6
- 238000007781 pre-processing Methods 0.000 claims description 5
- 230000007480 spreading Effects 0.000 claims description 4
- 238000003892 spreading Methods 0.000 claims description 4
- 230000002596 correlated effect Effects 0.000 claims description 2
- 239000012530 fluid Substances 0.000 claims description 2
- 230000000694 effects Effects 0.000 abstract description 13
- 235000004237 Crocus Nutrition 0.000 abstract description 10
- 241000596148 Crocus Species 0.000 abstract description 10
- 238000000227 grinding Methods 0.000 description 12
- 230000008859 change Effects 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000005484 gravity Effects 0.000 description 4
- 229910052500 inorganic mineral Inorganic materials 0.000 description 3
- 239000011707 mineral Substances 0.000 description 3
- 239000002245 particle Substances 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000011218 segmentation Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- GUJOJGAPFQRJSV-UHFFFAOYSA-N dialuminum;dioxosilane;oxygen(2-);hydrate Chemical compound O.[O-2].[O-2].[O-2].[Al+3].[Al+3].O=[Si]=O.O=[Si]=O.O=[Si]=O.O=[Si]=O GUJOJGAPFQRJSV-UHFFFAOYSA-N 0.000 description 2
- 238000007599 discharging Methods 0.000 description 2
- 229910052901 montmorillonite Inorganic materials 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 230000004931 aggregating effect Effects 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 229910052900 illite Inorganic materials 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- VGIBGUSAECPPNB-UHFFFAOYSA-L nonaaluminum;magnesium;tripotassium;1,3-dioxido-2,4,5-trioxa-1,3-disilabicyclo[1.1.1]pentane;iron(2+);oxygen(2-);fluoride;hydroxide Chemical compound [OH-].[O-2].[O-2].[O-2].[O-2].[O-2].[F-].[Mg+2].[Al+3].[Al+3].[Al+3].[Al+3].[Al+3].[Al+3].[Al+3].[Al+3].[Al+3].[K+].[K+].[K+].[Fe+2].O1[Si]2([O-])O[Si]1([O-])O2.O1[Si]2([O-])O[Si]1([O-])O2.O1[Si]2([O-])O[Si]1([O-])O2.O1[Si]2([O-])O[Si]1([O-])O2.O1[Si]2([O-])O[Si]1([O-])O2.O1[Si]2([O-])O[Si]1([O-])O2.O1[Si]2([O-])O[Si]1([O-])O2 VGIBGUSAECPPNB-UHFFFAOYSA-L 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 229910052604 silicate mineral Inorganic materials 0.000 description 1
- 238000001179 sorption measurement Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
- G01N15/06—Investigating concentration of particle suspensions
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/30—Noise filtering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
- G06V10/759—Region-based matching
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/761—Proximity, similarity or dissimilarity measures
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- Databases & Information Systems (AREA)
- Computing Systems (AREA)
- Artificial Intelligence (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Chemical & Material Sciences (AREA)
- Dispersion Chemistry (AREA)
- Life Sciences & Earth Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Image Analysis (AREA)
Abstract
本申请涉及图像处理领域，提供一种膨润土自动化磨粉监测系统，包括：图像获取模块，用于采集膨润土磨粉机出料口图像，得到待处理图像；图像分析模块，用于基于所述待处理图像确定粉尘区域和粉末区域，其中，所述粉尘区域包括粉流束和位于所述粉流束两侧的多个匹配块，所述图像分析模块基于每一匹配块表征的粉尘扩散特征确定每一匹配块的粉尘噪声指数；图像处理模块，用于将各匹配块的粉尘噪声指数作为BM3D算法匹配的相似度，对各匹配块进行去噪，从而对所述待处理图像进行去噪。该系统基于待处理图像中粉尘区域表现的粉尘扩散特征确定粉尘噪声指数，将粉尘噪声指数作为BM3D算法匹配的相似度，提高粉尘扩散区域的去噪效果。
Description
技术领域
本申请涉及图像处理领域，特别是涉及一种膨润土自动化磨粉监测系统。
背景技术
膨润土也称班脱岩、皂土或膨土岩，是一种蒙脱石为主要矿物成分的非金属矿产。膨润土因其较强的吸附与交换能力，在工业生产、环境保护、污染治理以及医药地质等方面都具有着重要的作用。膨润土的磨粉是提高膨润土利用率和提高膨润土性能的关键步骤，对膨润土出料结果的监测直接影响着膨润土粉的质量。
由于膨润土磨粉机出料口附近常因粉尘的缘故导致监测图像中噪声较大，无法对膨润土磨粉进行准确的监测。因膨润土磨粉机出料时，膨润土粉末自上而下倾泻，由于重力、空气流动的影响，膨润土粉末在空气中的分布是不均匀的。故粉尘噪声在图像空间分布不均匀，主要集中在图像的一些区域。传统的BM3D算法对膨润土磨粉监测图像进行去噪处理时，一般根据块间的欧氏距离或二维DCT变换系数作为相似度计算，由于粉尘噪声在图像中具有不规则、不均匀分布的特征，仅使用块间欧氏距离以及二维DCT变换系数作为相似度计算会出现较大的误差，进而使得对膨润土磨粉图像的去噪效果不佳，难以对后续膨润土磨粉是否完全化提供较为精确的辅助分析。
发明内容
本发明提供一种膨润土自动化磨粉监测系统，该系统基于待处理图像中粉尘区域表现的粉尘扩散特征确定粉尘噪声指数，将粉尘噪声指数作为BM3D算法匹配的相似度，提高粉尘扩散区域的去噪效果。
第一方面，本申请提供一种膨润土自动化磨粉监测系统，包括：图像获取模块，用于采集膨润土磨粉机出料口图像，得到待处理图像；
图像分析模块，用于基于所述待处理图像确定粉尘区域和粉末区域，其中，所述粉尘区域包括粉流束和位于所述粉流束两侧的多个匹配块，所述图像分析模块基于每一匹配块表征的粉尘扩散特征确定每一匹配块的粉尘噪声指数；
图像处理模块，用于将各匹配块的粉尘噪声指数作为BM3D算法匹配的相似度，对各匹配块进行去噪，从而对所述待处理图像进行去噪。
在一实施例中，图像分析模块包括：
图像划分模块，用于基于所述待处理图像确定粉尘区域和粉末区域；
第一扩散特征计算模块，用于计算各个匹配块的粉尘扩距；其中，所述匹配块的粉尘扩距表征所述匹配块的粉尘浓度和粉尘扩散程度，且所述匹配块的粉尘扩距与所述匹配块的粉尘浓度和粉尘扩散程度负相关；
第二扩散特征计算模块，用于计算各个匹配块的粉尘扩散度；其中，所述匹配块的粉尘扩散度表征所述匹配块的粉尘浓度，所述匹配块的粉尘扩散度与所述匹配块的粉尘浓度正相关；
噪声指数计算模块，用于计算所述匹配块的粉尘扩距和粉尘扩散度之间的乘积，将计算的乘积确定为所述匹配块的粉尘噪声指数。
在一实施例中，第一扩散特征计算模块还用于：
计算各个匹配块与粉尘中心块的横向距离，以及计算各个匹配块与所述粉尘中心块的垂直距离；其中，所述粉流束包括多个粉流块，所述粉尘中心块为粉流束中最接近所述粉末区域的粉流块；
计算所述匹配块与所述粉尘中心块的横向距离和垂直距离之和，将计算的和确定为所述匹配块的粉尘扩距。
在一实施例中，第二扩散特征计算模块用于：
计算各匹配块的粉尘浓比梯度，并计算每层匹配块的粉尘浓比梯度均值，将计算的均值作为所述匹配块所在粉尘区域的粉尘浓比度；其中，与同一粉流块位置对应的匹配块为一层匹配块；
基于所述匹配块的粉尘浓比梯度，和所述匹配块所在粉尘区域的粉尘浓比度计算所述匹配块的粉尘扩散度。
在一实施例中，第二扩散特征计算模块还用于：
基于所述匹配块中粉尘角点的数量，和所述匹配块的粉尘分布因子确定所述匹配块的粉尘浓比指数；
计算所述匹配块的灰度梯度均值；
计算所述匹配块的粉尘浓比指数和灰度梯度均值的比值，将计算的比值确定为所述匹配块的粉尘浓比梯度。
在一实施例中，第二扩散特征计算模块还用于：
利用SIFT角点检测算法对所述待处理图像进行角点检测，从而确定所述待处理图像中的粉尘角点。
在一实施例中，第二扩散特征计算模块还用于：
计算所述匹配块中两两粉尘角点之间的欧式距离，基于计算的欧式距离确定欧式距离均值，将所述欧式距离均值确定为所述匹配块的粉尘分布因子；
计算所述匹配块中粉尘角点的数量，和所述匹配块的粉尘分布因子的比值，将计算的比值确定为所述匹配块的粉尘浓比指数。
在一实施例中，第二扩散特征计算模块还用于：
以所述匹配块中像素点为中心像素点，以预设步长构建预设大小的滑动窗口，计算滑动窗口中每一像素点的灰度梯度值；
基于滑动窗口中所有像素点的灰度梯度值，计算滑动窗口内所有像素点的第一灰度梯度均值；
基于所述匹配块中所有滑动窗口对应的第一灰度梯度均值，计算所有滑动窗口的第二灰度梯度均值，第二灰度梯度均值为所述匹配块的灰度梯度均值。
在一实施例中，所述图像处理模块用于：
基于计算各匹配块的粉尘噪声指数的差值，从而确定匹配块之间的相似度，基于所述相似度进行匹配块之间的匹配；
对各匹配块以及匹配块的邻域块进行三维滤波，并对滤波后的匹配块进行逆变换，从而对各匹配块进行去噪，实现对所述待处理图像进行去噪。
在一实施例中，所述图像获取模块还用于：
采集膨润土磨粉机出料口图像；
利用直方图均衡化算法对采集的图像进行预处理，并将预处理后的图像转化为灰度图像，以得到待处理图像。
本申请的有益效果，区别于现有技术，本申请的膨润土自动化磨粉监测系统，包括：图像获取模块，用于采集膨润土磨粉机出料口图像，得到待处理图像；图像分析模块，用于基于所述待处理图像确定粉尘区域和粉末区域，其中，所述粉尘区域包括粉流束和位于所述粉流束两侧的多个匹配块，所述图像分析模块基于每一匹配块表征的粉尘扩散特征确定每一匹配块的粉尘噪声指数；图像处理模块，用于将各匹配块的粉尘噪声指数作为BM3D算法匹配的相似度，对各匹配块进行去噪，从而对所述待处理图像进行去噪。该系统基于待处理图像中粉尘区域表现的粉尘扩散特征确定粉尘噪声指数，将粉尘噪声指数作为BM3D算法匹配的相似度，提高粉尘扩散区域的去噪效果。
附图说明
图1为本发明膨润土自动化磨粉监测系统的一实施例的结构示意图；
图2为粉尘区域和粉末区域划分示意图；
图3为图1中图像分析模块的一实施例的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本申请的一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
本发明旨在根据粉尘特征与扩散现象构建匹配块粉尘噪声指数改进BM3D算法的块间相似度，基于粉尘噪声进行块间匹配，对粉尘扩散区域进行较好的去噪，方便对膨润土磨粉出料结果进行后续分析识别，实现膨润土自动化磨粉监测系统。下面结合附图和实施例对本申请进行详细的说明。
请参见图1，图1为本发明膨润土自动化磨粉监测系统的第一实施例的结构示意图，具体包括：图像获取模块11、图像分析模块12以及图像处理模块13。
其中，图像获取模块11用于采集膨润土磨粉机出料口图像，得到待处理图像。在一具体实施例中，图像获取模块11还用于：采集膨润土磨粉机出料口图像；利用直方图均衡化算法对采集的图像进行预处理，并将预处理后的图像转化为灰度图像，以得到待处理图像。具体的，在膨润土磨粉机出料口前方固定Fujifilm gfd型号的工业相机作为图像获取模块11，获取膨润土磨粉后自出料口均匀倾泻并堆积于收集装置的图像，磨粉机出料口上方设置强光照射，避免周围环境过暗导致图像质量不高，或者环境过暗使得较高鲁棒性的特征过少。将采集到的膨润土图像进行预处理，并将预处理之后的图像转换为灰度图像，从而得到待处理图像。具体的，本发明使用的预处理算法是直方图均衡化，直方图均衡化作为一种图像增强方法，是通过对图像的像素值进行重新分配来提高图像对比度，不涉及图像的滤波和变换操作，因此不会影响BM3D算法的处理效果，实施者也可采用其他方法，在此不做限定。
图像分析模块12用于基于所述待处理图像确定粉尘区域和粉末区域，其中，所述粉尘区域包括粉流束和位于所述粉流束两侧的多个匹配块，所述图像分析模块基于每一匹配块表征的粉尘扩散特征确定每一匹配块的粉尘噪声指数。
膨润土磨粉完成后经出料口处进行收集，若要实现膨润土自动化磨粉的监测结果，需对出料口的图像进行采集，并通过图像识别技术来判断膨润土的磨粉完全程度，用于后续对膨润土粉质量的评估。由于膨润土粉密度较小、重量轻，膨润土粉在图像中的分布较为均匀且具有高度相似性，在膨润土收集装置处，膨润土粉尘噪声可能会严重影响膨润土磨粉结果图像的质量，导致难以对后续膨润土磨粉状况进行准确的判断。本发明利用BM3D算法对采集的待处理图像进行去噪，BM3D算法是一种三维块匹配联合滤波算法，该算法被认为是最有效的图像去噪算法之一，该算法通过寻找匹配相似块，进而组成三维图块数组，然后对三维数组进行联合滤波，最后通过聚集得到去噪后的图像。虽然该算法能够有效地提高图像中的峰值信噪比，较好的实现去噪效果，但在处理平滑区域的块匹配时，难以根据膨润土粉尘特征实现较好的块匹配。为了实现更好的去噪效果，本发明图像分析模块12根据膨润土粉末在空气中的扩散特性构建粉尘噪声指数，利用粉尘噪声指数作为BM3D算法匹配的相似，改进BM3D算法中的块间相似度计算方法，提高去噪效果，实现膨润土自动化磨粉监测。
首先利用图像获取模块11获取膨润土出料口堆积图像作为待处理图像，图像分析模块12基于待处理图像划分膨润土粉末区域以及膨润土粉尘区域，针对两种区域的特征获取粉尘噪声指数。
具体的，由于膨润土的化学成分主要是硅酸盐矿物，其主要成分为蒙脱石和伊利石，这些矿物的颜色通常较浅，因此膨润土粉末的色泽也常为浅色，与周围的环境有着较大的差异。通过大津法OTSU对膨润土出料口的待处理图像进行阈值分割，由于膨润土粉末灰度值较小，阈值分割后获得的二值图像中，由于膨润土粉末灰度值较大，膨润土粉尘灰度较小，因此可通过大津阈值分割将膨润土粉末区域设置为前景，二值化为1，将膨润土粉尘区域设置为背景，二值化为0，至此可获得膨润土出料口图像中粉末区域与粉尘区域的坐标，记录区域边界坐标，如此可获得粉末区域坐标与粉尘区域，具体请结合图2，基于粉尘区域构建粉尘噪声指数，用于后续改进BM3D算法的块间相似度。具体的，将粉尘区域划分为粉流束和位于粉流束两侧的匹配块，基于每一匹配块表征的粉尘扩散特征确定每一匹配块的粉尘噪声指数。
膨润土磨粉之后从出料口进行排放时，膨润土粉自高到低下落形成的流体轨迹称为粉流束，粉末束上达出料口，下至收集装置底部。在强光照射下，粉尘区域由于粉尘微粒在扩散过程中所处的角度不同，会导致粉尘区域中有较强的发光点，区域发光点数量越多，表示该区域内的粉尘浓度越大；反之区域内的发光点数量越少，表示该区域内的粉尘浓度越小。
请结合图3，图像分析模块12包括图像划分模块121、第一扩散特征计算模块122、第二扩散特征计算模块123以及噪声指数计算模块124。本实施例利用图像划分模块121将所述待处理图像划分为粉尘区域和粉末区域，具体如图2所示。
由于BM3D算法是基于图像块进行处理计算的，此处将膨润土出料图像划分为N个匹配块，块数设为奇数块即可，块数越多，去噪效果越好，但计算量会随之加大，本发明设置匹配块的块数为121块，记录每个匹配块的中心点坐标为，并按照从左到右，从上到下的顺序依次将图像块编号。
第一扩散特征计算模块122用于计算各个匹配块的粉尘扩距。具体的，第一扩散特征计算模块122用于：计算各个匹配块与粉尘中心块的横向距离，以及计算各个匹配块与所述粉尘中心块的垂直距离。其中，请结合图2，所述粉流束包括多个粉流块，所述粉尘中心块为粉流束中最接近所述粉末区域的粉流块。例如所有粉流块的像素中心点横坐标均为，粉流块中/>坐标最小且横坐标为/>的匹配块为粉尘中心块。
第一扩散特征计算模块122计算第i个匹配块与粉尘中心块的横向距离：
上式中，为第i个匹配块的像素中心点的横坐标，/>为粉尘中心块的像素中心点的横坐标。
第一扩散特征计算模块122计算第i个匹配块与粉尘中心块的垂直距离：
上式中，为第i个匹配块的像素中心点的纵坐标，/>为粉尘中心块的像素中心点的纵坐标。
计算所述匹配块与所述粉尘中心块的横向距离和垂直距离之和，将计算的和确定为所述匹配块的粉尘扩距：
为第i个匹配块的粉尘扩距，所述匹配块的粉尘扩距表征所述匹配块的粉尘浓度和粉尘扩散程度，且所述匹配块的粉尘扩距与所述匹配块的粉尘浓度和粉尘扩散程度负相关。即/>越大，表示该匹配块距离粉尘中心块越远，粉尘浓度越低，粉尘扩散程度越小；越小，表示该匹配块距离粉尘中心块越近，粉尘浓度越高，粉尘扩散程度越大。
进一步的，第二扩散特征计算模块123用于计算各个匹配块的粉尘扩散度。
具体的，第二扩散特征计算模块123用于：计算各匹配块的粉尘浓比梯度。
在一具体实施例中，第二扩散特征计算模块123基于所述匹配块中粉尘角点的数量，和所述匹配块的粉尘分布因子确定所述匹配块的粉尘浓比指数。具体的，利用SIFT角点检测算法对所述待处理图像进行角点检测，从而确定所述待处理图像中的粉尘角点，以此可以确定每一匹配块中粉尘角点的数量。此处使用SIFT角点检测算法检测膨润土出料灰度图像中的粉尘角点，是因为该算法通过对图像进行多尺度的高斯滤波和差分计算来检测角点，而BM3D算法对高斯噪声同样有较好的处理结果。
基于粉尘区域的每个匹配块统计该匹配块内的粉尘角点数量即为S，第二扩散特征计算模块123计算所述匹配块中两两粉尘角点之间的欧式距离，基于计算的欧式距离确定欧式距离均值，将所述欧式距离均值确定为所述匹配块的粉尘分布因子；计算所述匹配块中粉尘角点的数量，和所述匹配块的粉尘分布因子的比值，将计算的比值确定为所述匹配块的粉尘浓比指数。第i个匹配块的粉尘浓比指数/>的计算方式为：
为第i个匹配块的粉尘浓比指数；/>为第i个匹配块内的粉尘角点的数量；/>为第i个匹配块的粉尘分布因子；/>越大，表示该匹配块内的粉尘角点数量越大，该块内的粉尘浓度越高，DTF粉尘浓比指数越大；反之/>越小，该块内的粉尘浓度越小，粉尘浓比指数/>越小；/>越大，表示该匹配块内的粉尘角点之间距离越大，该匹配块内的角点分布越离散，粉尘浓度越低，粉尘浓比指数/>越小；反之，表示该匹配块内的角点分布越聚集，粉尘浓度越高，粉尘浓比指数/>越大。
在膨润土出料图像中，单一的粉尘浓比指数无法精确的衡量相邻匹配块之间的相似性，由于膨润土磨粉完成后自出料口垂直倾泄，粉尘的扩散程度也能较好的反应匹配块之间的相似性，用于后续改进BM3D算法的块间相似度计算方式，对膨润土磨粉图像中的粉尘噪声进行针对性的去噪，根据粉尘扩散特征构建基于粉尘区域匹配块的粉尘扩散度（DS），用于后续改进BM3D算法块间相似度计算。
由于膨润土粉漂浮于空气时，其粉尘大小不一，分为粗尘、细尘和显微尘，所以在出料时，膨润土磨粉之后自出料口倾泄而下落地之后，因尘粒之间的碰撞以及地心引力使得在地面产生较大的扩散现象，具体可表现为：在粉尘区域中，膨润土粉尘距离粉流束越远，其扩散效果越差，浓度越低；膨润土粉尘距离粉流束越近，其扩散效果越大，浓度越高。根据粉尘扩散特征构建粉尘扩散度，用于后续获得粉尘噪声指数。
由于粉尘扩散特征，在同一高度中，粉流块相比较其他匹配块，其粉尘浓度越大，扩散程度越大，匹配块距离同一高度的粉流块距离越远，粉尘浓度越小，扩散程度越小。同时匹配块距离粉尘中心块的垂直距离越远，粉尘浓度越小，粉尘扩散程度越低；反之，匹配块距离粉尘中心块的垂直距离越近，粉尘浓度越大，粉尘扩散程度越高。根据粉尘扩散特征获取粉尘扩散度。
本实施例利用第二扩散特征计算模块123计算所述匹配块的灰度梯度均值。具体的，以所述匹配块中像素点为中心像素点，以预设步长构建预设大小的滑动窗口，计算滑动窗口中每一像素点的灰度梯度值；基于滑动窗口中所有像素点的灰度梯度值，计算滑动窗口内所有像素点的第一灰度梯度均值；基于所述匹配块中所有滑动窗口对应的第一灰度梯度均值，计算所有滑动窗口的第二灰度梯度均值，第二灰度梯度均值为所述匹配块的灰度梯度均值。
在一具体实施例中，对每一个像素点构建滑动窗口，滑动窗口大小为5*5，步长为1，计算滑动窗口中每一像素点的灰度梯度值，例如将滑动窗口中第i个像素点的灰度梯度值记为，基于滑动窗口中每一像素点的灰度梯度值计算滑动窗口内所有像素点的第一灰度梯度均值，将计算的第一灰度梯度均值作为滑动窗口的灰度梯度特征。进一步的，滑动窗口是以匹配块中所有像素点为中心像素点建立的，因此，匹配块中具有多个滑动窗口，进一步计算匹配块中所有滑动窗口对应的第一灰度梯度均值之和，再求平均计算得到所有滑动窗口的第二灰度梯度均值，将计算得到的第二灰度梯度均值作为匹配块的灰度梯度均值，记为/>。匹配块对应的/>越大时，表示该区域内的灰度梯度均值越大，该区域内的像素点灰度梯度越大，图像中该区域有更多的图像细节，进而可表示该区域中的粉尘遮挡程度越小，粉尘浓度越小；反之，/>越小时，表示该区域内的灰度梯度均值越小，该区域内的像素点灰度梯度越小，图像中该区域越模糊，进而可表示该区域中的粉尘遮挡程度越大，粉尘浓度越大。
计算所述匹配块的粉尘浓比指数和灰度梯度均值的比值，将计算的比值确定为所述匹配块的粉尘浓比梯度。具体的，第i个匹配块的粉尘浓比梯度的计算方式为：
为第i个匹配块的粉尘浓比梯度；/>为第i个匹配块的粉尘浓比指数；/>为第i个匹配块的灰度梯度均值；/>越大时，表示该匹配块内的粉尘角点数量越多，角点分布越密集，粉尘浓度越大，/>越大；反之粉尘浓度越小，/>越小；/>越大时，表示匹配块内像素点梯度变化越大，该区域的图像细节越丰富，粉尘遮挡程度越低，粉尘浓度越低，/>越低；反之，/>越小时，表示匹配块内像素点梯度变化越小，该区域的图像细节越模糊，粉尘遮挡程度越高，粉尘浓度越高，/>越高。
进一步的，第二扩散特征计算模块123计算每层匹配块的粉尘浓比梯度均值，将计算的均值作为所述匹配块所在粉尘区域的粉尘浓比度。其中，与同一粉流块位置对应的匹配块为一层匹配块。
具体的，使用最小外接矩形算法获取粉流束区域的外界矩形框，之后求取外接矩形框的中心点坐标记为，为方便描述，后续将像素中心点位于粉流束区域的匹配块称为粉流块，记粉流块数量为P块，即可分P层作后续分析。由于相机位置固定，膨润土粉下落呈规则的粉末流状，通过匹配块在图像中的位置可确定粉流块以及粉尘中心块位置，且膨润土粉因重力因素，其扩散程度会随着高度的降低而增强，可根据膨润土粉扩散特征构建各匹配块的粉尘扩散度。
由于粉尘粒子在重力因素影响下产生的撞击效果在粉流束的最底端达到顶峰，寻找粉流束中的粉尘中心块，基于粉尘中心块进一步分析块间粉尘扩散程度。
具体的，如图2所示，与粉流块的像素中心点的纵坐标相同的匹配块为与粉流块位置对应的匹配块，即一层匹配块。在本实施例中，第二扩散特征计算模块123计算每层匹配块的粉尘浓比梯度均值，将计算的均值作为所述匹配块所在粉尘区域的粉尘浓比度DTD，第P层匹配块所在的粉尘区域的粉尘浓比度的计算方式为：
为第P层匹配块所在的粉尘区域的粉尘浓比度；/>为第P层中第i个匹配块的粉尘浓比梯度；N为该层匹配块的个数。/>越大，表示第i个匹配块的粉尘浓比梯度越大，该层区域的粉尘角点数量越多，灰度梯度均值变化越小，浓比度就越大，该层区域的粉尘浓度越大；反之，该层区域的粉尘浓比度越小，该层区域的粉尘浓度越小。
基于所述匹配块的粉尘浓比梯度，和所述匹配块所在粉尘区域的粉尘浓比度计算所述匹配块的粉尘扩散度。第i个匹配块的粉尘扩散度的计算方式为：
为第P层第i个匹配块的粉尘扩散度；/>为第P层粉尘区域的粉尘浓比度；/>为第i个匹配块的粉尘浓比梯度；平方运算是避免得到负数，/>与/>的差值越大，表示该层区域内匹配块的粉尘浓比指梯度与该层区域的粉尘浓比度相比差异越大，该匹配块距离粉流束越远，该匹配块的粉尘浓度越低，粉尘扩散度DS越小；反之/>与/>的差值越小，表示该匹配块距离粉流束越近，该匹配块的粉尘浓度越高，粉尘扩散度/>越大。
噪声指数计算模块124用于计算所述匹配块的粉尘扩距和粉尘扩散度/>之间的乘积，将计算的乘积确定为所述匹配块的粉尘噪声指数/>，第i个匹配块的粉尘噪声指数的计算方式为：
为第i个匹配块的粉尘噪声指数；/>为第i个匹配块的粉尘扩距；/>为第i个匹配块的粉尘扩散度。/>越大，表示该匹配块的粉尘浓比指数与该层区域粉尘浓比度之间差异越小，该匹配块粉尘浓度越高，粉尘扩散程度越高，粉尘噪声指数/>越大；反之/>越小，表示该匹配块内的粉尘浓度越低，粉尘扩散程度越低，粉尘噪声指数/>越小。/>越大，表示该匹配块距离粉尘中心块越远，粉尘浓度越低，粉尘扩散程度越小，粉尘噪声指数/>越小；反之/>越小，粉尘扩散程度越大，/>越大。
通过上述流程，可计算得到每一个匹配块的粉尘噪声指数，图像处理模块13用于将各匹配块的粉尘噪声指数作为BM3D算法匹配的相似度，对各匹配块进行去噪，从而对所述待处理图像进行去噪。
传统的BM3D算法计算块间相似度时采用计算欧式距离作为相似度，现根据获得的粉尘噪声指数改进BM3D算法块间相似度计算，通过各匹配块之间的粉尘噪声指数之间的差值确定块之间的相似度/>。由于粉末区域中粉尘与粉末不易区分，设默认粉尘指数为0.2，将计算结果归一化，值域设为[0,1]。
进一步的，所述图像处理模块13用于：基于计算各匹配块的粉尘噪声指数的差值，从而确定匹配块之间的相似度，基于所述相似度进行匹配块之间的匹配；对各匹配块以及匹配块的邻域块进行三维滤波，并对滤波后的匹配块进行逆变换，从而对各匹配块进行去噪，实现对所述待处理图像进行去噪。具体的，对每个匹配块进行预处理获取粉尘噪声指数，通过粉尘噪声指数/>作为BM3D算法块间匹配的相似度计算实现块匹配，之后对每个块以及邻域块进行三维滤波，对滤波之后的块进行逆变换得到去噪后的块，最后聚合去噪块得到去噪图像。至此，实现膨润土自动化磨粉监测系统。
本发明的有益效果在于：膨润土磨粉因粉尘原因导致监测图像中噪声较大，无法对磨粉情况做出准确评估，本发明所使用的BM3D算法能够有效的对膨润土磨粉图像进行去噪处理。但传统的BM3D算法基于块间欧氏距离或二维DCT变换系数作为相似度计算，而粉尘因其扩散特性，难以凭借欧氏距离反映块与块之间的相似程度。本发明通过分析粉尘浓比程度以及粉尘扩散程度构建粉尘噪声指数，块与块之间的相似度采用粉尘噪声指数作为相似度计算实现块与块之间的匹配，具有较强的鲁棒性与准确性。具有较好的去噪效果，后续采用图像识别能够精确的分析膨润土磨粉完全化程度，实现一种膨润土自动化磨粉监测系统。
以上仅为本申请的实施方式，并非因此限制本申请的范围，凡是利用本申请说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本申请的保护范围内。
Claims (7)
1.一种膨润土自动化磨粉监测系统，其特征在于，包括：
图像获取模块，用于采集膨润土磨粉机出料口图像，得到待处理图像；
图像分析模块，用于基于所述待处理图像确定粉尘区域和粉末区域，其中，所述粉尘区域包括粉流束和位于所述粉流束两侧的多个匹配块，所述图像分析模块基于每一匹配块表征的粉尘扩散特征确定每一匹配块的粉尘噪声指数；
图像处理模块，用于将各匹配块的粉尘噪声指数作为BM3D算法匹配的相似度，对各匹配块进行去噪，从而对所述待处理图像进行去噪；
其中，膨润土磨粉之后从出料口进行排放时，膨润土粉自高到低下落形成的流体轨迹称为粉流束；
其中，图像分析模块包括：
图像划分模块，用于基于所述待处理图像确定粉尘区域和粉末区域；
第一扩散特征计算模块，用于计算各个匹配块的粉尘扩距；其中，所述匹配块的粉尘扩距表征所述匹配块的粉尘浓度和粉尘扩散程度，且所述匹配块的粉尘扩距与所述匹配块的粉尘浓度和粉尘扩散程度负相关；
第二扩散特征计算模块，用于计算各个匹配块的粉尘扩散度；其中，所述匹配块的粉尘扩散度表征所述匹配块的粉尘浓度，所述匹配块的粉尘扩散度与所述匹配块的粉尘浓度正相关；
噪声指数计算模块，用于计算所述匹配块的粉尘扩距和粉尘扩散度之间的乘积，将计算的乘积确定为所述匹配块的粉尘噪声指数。
2.根据权利要求1所述的膨润土自动化磨粉监测系统，其特征在于，第一扩散特征计算模块还用于：
计算各个匹配块与粉尘中心块的横向距离，以及计算各个匹配块与所述粉尘中心块的垂直距离；其中，所述粉流束包括多个粉流块，所述粉尘中心块为粉流束中最接近所述粉末区域的粉流块；
计算所述匹配块与所述粉尘中心块的横向距离和垂直距离之和，将计算的和确定为所述匹配块的粉尘扩距。
3.根据权利要求2所述的膨润土自动化磨粉监测系统，其特征在于，第二扩散特征计算模块用于：
计算各匹配块的粉尘浓比梯度，并计算每层匹配块的粉尘浓比梯度均值，将计算的均值作为所述匹配块所在粉尘区域的粉尘浓比度；其中，与同一粉流块位置对应的匹配块为一层匹配块；
基于所述匹配块的粉尘浓比梯度，和所述匹配块所在粉尘区域的粉尘浓比度计算所述匹配块的粉尘扩散度；
其中，粉尘浓比梯度的获取方法为：
基于所述匹配块中粉尘角点的数量，和所述匹配块的粉尘分布因子确定所述匹配块的粉尘浓比指数；
计算所述匹配块的灰度梯度均值；
计算所述匹配块的粉尘浓比指数和灰度梯度均值的比值，将计算的比值确定为所述匹配块的粉尘浓比梯度；
其中，粉尘浓比指数的获取方法为：计算所述匹配块中两两粉尘角点之间的欧式距离，基于计算的欧式距离确定欧式距离均值，将所述欧式距离均值确定为所述匹配块的粉尘分布因子；
计算所述匹配块中粉尘角点的数量，和所述匹配块的粉尘分布因子的比值，将计算的比值确定为所述匹配块的粉尘浓比指数。
4.根据权利要求3所述的膨润土自动化磨粉监测系统，其特征在于，第二扩散特征计算模块还用于：
利用SIFT角点检测算法对所述待处理图像进行角点检测，从而确定所述待处理图像中的粉尘角点。
5.根据权利要求3所述的膨润土自动化磨粉监测系统，其特征在于，第二扩散特征计算模块还用于：
以所述匹配块中像素点为中心像素点，以预设步长构建预设大小的滑动窗口，计算滑动窗口中每一像素点的灰度梯度值；
基于滑动窗口中所有像素点的灰度梯度值，计算滑动窗口内所有像素点的第一灰度梯度均值；
基于所述匹配块中所有滑动窗口对应的第一灰度梯度均值，计算所有滑动窗口的第二灰度梯度均值，第二灰度梯度均值为所述匹配块的灰度梯度均值。
6.根据权利要求1所述的膨润土自动化磨粉监测系统，其特征在于，所述图像处理模块用于：
基于计算各匹配块的粉尘噪声指数的差值，从而确定匹配块之间的相似度，基于所述相似度进行匹配块之间的匹配；
对各匹配块以及匹配块的邻域块进行三维滤波，并对滤波后的匹配块进行逆变换，从而对各匹配块进行去噪，实现对所述待处理图像进行去噪。
7.根据权利要求1所述的膨润土自动化磨粉监测系统，其特征在于，所述图像获取模块还用于：
采集膨润土磨粉机出料口图像；
利用直方图均衡化算法对采集的图像进行预处理，并将预处理后的图像转化为灰度图像，以得到待处理图像。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311368135.9A CN117115753B (zh) | 2023-10-23 | 2023-10-23 | 一种膨润土自动化磨粉监测系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311368135.9A CN117115753B (zh) | 2023-10-23 | 2023-10-23 | 一种膨润土自动化磨粉监测系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117115753A CN117115753A (zh) | 2023-11-24 |
| CN117115753B true CN117115753B (zh) | 2024-02-02 |
Family
ID=88796925
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311368135.9A Active CN117115753B (zh) | 2023-10-23 | 2023-10-23 | 一种膨润土自动化磨粉监测系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117115753B (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113516108A (zh) * | 2021-09-10 | 2021-10-19 | 江苏正金建筑装饰工程有限公司 | 基于数据识别的工地抑尘数据匹配处理方法及系统 |
| CN113628171A (zh) * | 2021-07-19 | 2021-11-09 | 北京科技大学 | 一种基于机器视觉及数据驱动的球团生产方法及装置 |
| CN116309122A (zh) * | 2023-02-13 | 2023-06-23 | 西安理工大学 | 一种基于深度学习的相位条纹图像散斑噪声抑制方法 |
| CN116563799A (zh) * | 2023-07-11 | 2023-08-08 | 山东昆仲信息科技有限公司 | 基于视频监控的粉尘在线监测方法 |
| CN116823824A (zh) * | 2023-08-29 | 2023-09-29 | 山东济宁运河煤矿有限责任公司 | 基于机器视觉的井下带式输送机降尘检测系统 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20190188829A1 (en) * | 2017-12-14 | 2019-06-20 | Multitek Inc. | Method, Apparatus, and Circuitry of Noise Reduction |
-
2023
- 2023-10-23 CN CN202311368135.9A patent/CN117115753B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113628171A (zh) * | 2021-07-19 | 2021-11-09 | 北京科技大学 | 一种基于机器视觉及数据驱动的球团生产方法及装置 |
| CN113516108A (zh) * | 2021-09-10 | 2021-10-19 | 江苏正金建筑装饰工程有限公司 | 基于数据识别的工地抑尘数据匹配处理方法及系统 |
| CN116309122A (zh) * | 2023-02-13 | 2023-06-23 | 西安理工大学 | 一种基于深度学习的相位条纹图像散斑噪声抑制方法 |
| CN116563799A (zh) * | 2023-07-11 | 2023-08-08 | 山东昆仲信息科技有限公司 | 基于视频监控的粉尘在线监测方法 |
| CN116823824A (zh) * | 2023-08-29 | 2023-09-29 | 山东济宁运河煤矿有限责任公司 | 基于机器视觉的井下带式输送机降尘检测系统 |
Non-Patent Citations (1)
| Title |
|---|
| "机器视觉检测技术在圆筒造球机粒度检测中的应用";黄细聪;《矿业工程》;第21卷(第3期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117115753A (zh) | 2023-11-24 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107330376B (zh) | 一种车道线识别方法及系统 | |
| CN106447669B (zh) | 基于圆形蒙版面积比率判别的粘连颗粒图像凹点分割方法 | |
| CN115100221B (zh) | 一种玻璃缺陷分割方法 | |
| CN104732235B (zh) | 一种消除夜间道路反光干扰的车辆检测方法 | |
| CN109559324B (zh) | 一种线阵图像中的目标轮廓检测方法 | |
| CN106778551B (zh) | 一种高速路段及城市道路车道线识别方法 | |
| CN109086724B (zh) | 一种加速的人脸检测方法及存储介质 | |
| CN106530281B (zh) | 基于边缘特征的无人机图像模糊判断方法及系统 | |
| CN109145708A (zh) | 一种基于rgb和d信息融合的人流量统计方法 | |
| CN110084802B (zh) | 一种高精度pcb板芯片引脚中心定位方法 | |
| CN108596872A (zh) | 基于Gabor小波和SVM的钢轨病害的检测方法 | |
| CN107784646B (zh) | 一种路用集料的自适应检测方法 | |
| CN113554646B (zh) | 基于计算机视觉的智慧城市道路路面检测方法及系统 | |
| CN110580705B (zh) | 一种基于双域图信号滤波检测建筑物边缘点的方法 | |
| CN109583435A (zh) | 一种自适应投票车道线检测方法 | |
| CN112184725B (zh) | 一种沥青路面图像的结构光光条中心提取方法 | |
| CN117522863B (zh) | 基于图像特征的集成箱体质量检测方法 | |
| CN111476804A (zh) | 托辊图像高效分割方法、装置、设备及存储介质 | |
| CN114119603A (zh) | 基于图像处理的快餐盒短射缺陷检测方法 | |
| CN115457277A (zh) | 一种智能化路面病害识别检测方法及系统 | |
| CN117115753B (zh) | 一种膨润土自动化磨粉监测系统 | |
| CN111429487B (zh) | 一种深度图像的黏连前景分割方法及装置 | |
| CN113436102A (zh) | 一种加工零件表面缺陷检测方法 | |
| CN116977893A (zh) | 基于改进sobel和分段线性变换的鱼群状态检测方法 | |
| CN113066041A (zh) | 一种基于栈稀疏自编码深度学习的路面裂缝检测方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20240802 Address after: 122400 baijiawa village, Shahai Town, Jianping County, Chaoyang City, Liaoning Province Patentee after: Zhongneng Jianhuiying Nonmetallic Materials (Liaoning) Co.,Ltd. Country or region after: China Address before: 122403 Baijiawa, Shahai Town, Jianping County, Chaoyang City, Liaoning Province Patentee before: Liaoning Dienrui Technology Co.,Ltd. Country or region before: China |
|
| TR01 | Transfer of patent right |