CN117237232B - 基于图像去噪的建材生产环境粉尘在线监测方法 - Google Patents
基于图像去噪的建材生产环境粉尘在线监测方法 Download PDFInfo
- Publication number
- CN117237232B CN117237232B CN202311490899.5A CN202311490899A CN117237232B CN 117237232 B CN117237232 B CN 117237232B CN 202311490899 A CN202311490899 A CN 202311490899A CN 117237232 B CN117237232 B CN 117237232B
- Authority
- CN
- China
- Prior art keywords
- dust
- pixel point
- image
- pixel
- building material
- 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
- 239000000428 dust Substances 0.000 title claims abstract description 257
- 239000004566 building material Substances 0.000 title claims abstract description 77
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 75
- 238000000034 method Methods 0.000 title claims abstract description 56
- 238000012544 monitoring process Methods 0.000 title claims abstract description 35
- 239000011159 matrix material Substances 0.000 claims abstract description 95
- 238000001914 filtration Methods 0.000 claims description 21
- 230000008569 process Effects 0.000 claims description 15
- 239000004071 soot Substances 0.000 claims description 6
- 238000010606 normalization Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 abstract description 5
- 230000000694 effects Effects 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 4
- 238000010276 construction Methods 0.000 description 2
- 239000006185 dispersion Substances 0.000 description 2
- 208000019693 Lung disease Diseases 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000004630 mental health Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 239000000843 powder Substances 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 239000000779 smoke Substances 0.000 description 1
Landscapes
- Image Processing (AREA)
Abstract
本发明涉及图像处理技术领域,提出了基于图像去噪的建材生产环境粉尘在线监测方法,获取建材生产环境灰度图像;根据灰度分布得到初始粉尘图像;获取初始粉尘图像中各像素点的粉尘均匀度;根据粉尘均匀度对应的邻域范围得到各像素点的最佳均匀区域大小指数,进而获取各像素点的粉尘均匀大小矩阵;根据粉尘均匀大小矩阵得到各像素点的结构程度指数;依据各像素点的结构程度指数及粉尘均匀大小矩阵中元素值的离散程度得到各像素点的相似窗指数;根据相似窗指数获取相似窗宽度;结合图像去噪算法实现建材生产环境粉尘在线监测。本发明旨在提高建材生产环境粉尘在线监测的准确率,实现粉尘的精确监测。
Description
技术领域
本发明涉及图像处理技术领域,具体涉及基于图像去噪的建材生产环境粉尘在线监测方法。
背景技术
建材生产活动中容易产生粉尘,空气中的粉尘粒子过高会严重影响人们的身心健康。建筑中产生的粉尘不仅会恶化周边环境,还会使建筑工人和当地居民更加容易感染肺病。另外在建材生产中粉尘的浓度一旦超过特定的阈值,粉尘靠近火源有可能发生爆炸。因此,粉尘监测尤为重要。但施工时监测出来的粉尘图像往往不够清晰,其监控的粉尘图像受到噪声的影响极大,也就无法准确判断粉尘的浓度大小。所以,实时准确地对粉尘图像去除噪声成为了研究重点。
数字图像在数字化或传输的过程中常会受到外部环境噪声干扰而造成图像模糊,这种图像被称为含噪图像。目前,对含噪图像的处理方法主要有均值滤波、高斯滤波以及中值滤波等,但应用到对粉尘图像的噪声处理上,去噪效果不佳。由于建材生产中监测到的粉尘与噪声存在较多相似特征,现有的处理方法并不适合去除粉尘图像上的噪声。因此,对建材生产粉尘图像进行去噪,现有的图像处理技术方法需要进行改进。
综上所述,本发明提出基于图像去噪的建材生产环境粉尘在线监测方法,通过获取建材生产环境的初始粉尘图像,根据灰度分布情况得到各个像素点的相似窗宽度,改进非局部均值滤波算法,提高建材生产环境粉尘在线监测的准确率。
发明内容
为了解决上述技术问题,本发明提供基于图像去噪的建材生产环境粉尘在线监测方法,以解决现有的问题。
本发明的基于图像去噪的建材生产环境粉尘在线监测方法采用如下技术方案:
本发明一个实施例提供了基于图像去噪的建材生产环境粉尘在线监测方法,该方法包括以下步骤:
采集建材生产环境图像;
结合去雾算法及建材生产环境图像获取初始粉尘图像;根据初始粉尘图像的灰度分布及邻域范围得到各像素点不同邻域范围的粉尘均匀度;根据各像素点不同邻域范围的粉尘均匀度得到各像素点的最佳均匀区域大小指数;
设定各像素点的方形搜索窗尺寸;根据各像素点的最佳均匀区域大小指数及方形搜索窗尺寸得到各像素点的粉尘均匀大小矩阵;根据各像素点粉尘均匀大小矩阵中各元素值的分布得到各像素点的粉尘均匀区域大小矩阵;根据粉尘均匀区域大小矩阵中各元素值的特征得到各像素点的结构程度指数;
根据各像素点的结构程度指数及粉尘均匀大小矩阵中元素值的离散程度得到各像素点的相似窗指数;根据各像素点的相似窗指数获取各像素点的相似窗宽度;结合非局部均值滤波图像去噪算法及各像素点的相似窗宽度完成建材生产环境粉尘在线监测。
优选的,所述结合去雾算法及建材生产环境图像获取初始粉尘图像,包括:
利用暗通道去雾算法得到建材生产环境图像的背景图像,将建材生产环境图像与背景图像对应像素点的灰度值相减作为初始粉尘图像各像素点的灰度值。
优选的,所述根据初始粉尘图像的灰度分布及邻域范围得到各像素点不同邻域范围的粉尘均匀度,表达式为:
式中,表示初始粉尘图像中的像素点/>在大小为/>的邻域中的粉尘均匀度,表示以自然常数为底数的指数函数,/>表示像素点/>大小为/>的邻域中第/>个像素点的灰度值,/>表示像素点/>大小为/>的邻域中所有像素点的灰度均值,/>表示像素点/>的邻域内包含的总像素点数。
优选的,所述根据各像素点不同邻域范围的粉尘均匀度得到各像素点的最佳均匀区域大小指数,包括:
针对各像素点得到的不同邻域范围的粉尘均匀度,将最大粉尘均匀度对应的邻域大小作为各像素点的最佳均匀区域大小指数。
优选的,所述根据各像素点的最佳均匀区域大小指数及方形搜索窗尺寸得到各像素点的粉尘均匀大小矩阵,包括:
针对各像素点,粉尘均匀大小矩阵的大小为方形搜索窗大小,粉尘均匀大小矩阵的各元素值为各像素点的最佳均匀区域大小指数。
优选的,所述根据各像素点粉尘均匀大小矩阵中各元素值的分布得到各像素点的粉尘均匀区域大小矩阵,包括:
获取各像素点粉尘均匀大小矩阵的灰度区域大小矩阵,将所述灰度区域大小矩阵作为各像素点的粉尘均匀区域大小矩阵。
优选的,所述根据粉尘均匀区域大小矩阵中各元素值的特征得到各像素点的结构程度指数,表达式为:
式中,表示像素点/>对应的粉尘均匀区域大小矩阵的结构程度指数,/>表示像素点x的对应的粉尘均匀大小矩阵中最大连通域内的像素点个数,/>表示像素点x对应的粉尘均匀大小矩阵中第g个元素值的最大连通域内的像素点个数,/>表示像素点x对应的粉尘均匀大小矩阵中第g个元素值包含的最大连通域个数,/>表示像素点x对应的粉尘均匀大小矩阵中不同元素值的个数。
优选的,所述根据各像素点的结构程度指数及粉尘均匀大小矩阵中元素值的离散程度得到各像素点的相似窗指数,表达式为:
式中,表示初始粉尘图像中像素点x的相似窗指数,/>为归一化函数,/>表示初始粉尘图像中像素点x的粉尘均匀大小矩阵中所有元素值的方差,/>表示像素点/>对应的粉尘均匀区域大小矩阵的结构程度指数,/>表示像素点x对应的粉尘均匀大小矩阵中不同元素值的个数,/>表示初始粉尘图像中像素点x对应粉尘均匀大小矩阵中第g个元素值的最大连通域的最小外接矩形面积。
优选的,所述根据各像素点的相似窗指数获取各像素点的相似窗宽度,包括:
设定最大相似窗宽度,将各像素点的相似窗指数与最大相似窗宽度的乘积作为各像素点的相似窗宽度。
优选的,所述结合非局部均值滤波图像去噪算法及各像素点的相似窗宽度完成建材生产环境粉尘在线监测,包括:
在非局部均值滤波去噪算法中,利用各像素点的相似窗宽度对初始粉尘图像进行去噪得到精确粉尘图像,计算精确粉尘图像中所有像素点的灰度值和值,记为第一和值,计算建材生产环境图像中所有像素点的灰度值和值,记为第二和值,将第一和值与第二和值的比值作为建材生产环境粉尘覆盖度,设定阈值,若建材生产环境粉尘覆盖度大于等于阈值,则建材生产环境当前为重度粉尘,若建材生产环境粉尘覆盖度小于阈值,则建材生产环境当前为轻度粉尘。
本发明至少具有如下有益效果:
本发明主要通过利用非局部均值滤波算法进行粉尘图像去噪,根据暗通道去雾算法得到的初始粉尘图像,计算每个像素点的粉尘均匀度,得到粉尘均匀大小矩阵;根据粉尘均匀大小矩阵中的元素离散程度以及纹理程度获得自适应相似窗大小,改进非局部均值滤波算法中的相似窗设定,提高了图像去噪的精度;
进一步,本发明获取初始粉尘图像中各像素点的相似窗指数,结合相似窗指数得到各像素点的相似窗宽度,解决了非局部均值滤波算法中因相似窗设定不合理造成图像去噪效果不理想进而影响建材生产环境粉尘在线监测准确率的问题。本发明具有建材生产环境粉尘在线监测准确率高、可靠性强等有益效果。
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提供的基于图像去噪的建材生产环境粉尘在线监测方法的步骤流程图;
图2为相似窗宽度获取流程图。
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基于图像去噪的建材生产环境粉尘在线监测方法,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,一个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。
下面结合附图具体的说明本发明所提供的基于图像去噪的建材生产环境粉尘在线监测方法的具体方案。
请参阅图1,其示出了本发明一个实施例提供的基于图像去噪的建材生产环境粉尘在线监测方法的步骤流程图,该方法包括以下步骤:
步骤S001,通过图像采集装置获取建材生产环境图像,并进行预处理。
具体的,首先本实施例将通过使用CMOS相机获取建材生产环境RGB图像,作为建材生产环境粉尘在线监测的数据来源,需要说明的是,建材生产环境RGB图像的获取方法有很多,具体的图像获取方法可通过现有技术实现,不在本实施例保护范围内,不做相关详细阐述;
然后,将建材生产环境RGB图像转化为灰度图像,具体方法为平均值法,由于平均值法为现有公知技术,在此不做详细陈述。
至此,即可根据本实施例上述方法获取建材生产环境灰度图像,作为后续建材生产环境粉尘在线监测的数据基础。
步骤S002,改进非局部均值滤波算法,根据暗通道去雾算法得到的初始粉尘图像,通过计算每个像素点的粉尘均匀度,得到粉尘均匀大小矩阵。根据粉尘均匀大小矩阵中的各元素的离散程度自适应相似窗大小,进而完成初始粉尘图像去噪。
具体的,本实施例将根据灰度分布得到初始粉尘图像,获取初始粉尘图像中各像素点的粉尘均匀度,根据粉尘均匀度对应的邻域范围得到各像素点的最佳均匀区域大小指数,进而获取各像素点的粉尘均匀大小矩阵,根据粉尘均匀大小矩阵得到各像素点的结构程度指数,依据各像素点的结构程度指数及粉尘均匀大小矩阵中元素值的离散程度得到各像素点的相似窗指数,根据相似窗指数获取相似窗宽度,结合图像去噪算法实现建材生产环境粉尘在线监测,相似窗宽度获取流程图如图2所示。初始粉尘图像各像素点的相似窗宽度的构建过程具体为:
建材生产环境的图像由于粉尘的影响通常呈现出灰蒙蒙的一片,为更准确的完成粉尘在线监测,本实施例将建材生产环境灰度图像进行前景图像和背景图像的提取,获取的前景图像为初始粉尘图像。
为了提取图像灰度相差较大的初始粉尘图像与背景图像,根据粉尘的特点进行区分。粉尘类似于烟雾,根据这一特点本发明实施例利用暗通道去雾算法处理建材生产环境灰度图像,得到没有粉尘的背景图像,其中暗通道去雾算法为现有公知技术,本实施例在此不再赘述。通过对比建材生产环境灰度图像与背景图像,计算前后图像每个像素点间的灰度差异值,由灰度差表示,具体表达式为:
式中,为建材生产环境灰度图像各像素点的灰度值,/>为背景图像各像素点的灰度值,根据图像特征,建材生产环境灰度图像中各像素点灰度值除了包含背景的灰度值外,就剩下粉尘的灰度值,因此,/>为初始粉尘图像各像素点的灰度值。
需要说明的是初始粉尘图像可能受到噪声的干扰,造成粉尘的误测,因此需要对初始粉尘图像进一步分析。
为精确实现建材生产环境粉尘在线监测,利用非局部均值滤波对初始粉尘图像进行去噪,选用的方形搜索窗,本实施例中/>,实施者可根据实际情况自行设定。
在非局部均值滤波去噪算法中,相似窗的尺寸是算法去噪精度的重要影响因素,因此,本发明实施例通过分析初始粉尘图像,对非局部均值滤波去噪算法中相似窗的尺寸进行改进。
首先,针对初始粉尘图像中的各像素点,构建不同大小的邻域,其中邻域的尺寸分别为、/>、/>、/>,本实施例中/>,实施者可根据实际情况自行设定,计算初始粉尘图像中各像素点在各邻域内的粉尘均匀度,以此评估初始粉尘图像中各像素点粉尘的分布情况,所述粉尘均匀度的具体表达式为:
式中,表示初始粉尘图像中的像素点/>在大小为/>的邻域中的粉尘均匀度,表示以自然常数为底数的指数函数,/>表示像素点/>大小为/>的邻域中第/>个像素点的灰度值,/>表示像素点/>大小为/>的邻域中所有像素点的灰度均值,n表示像素点/>的邻域内包含的总像素点数。
初始粉尘图像中的像素点的邻域内第/>个像素点的灰度值与邻域内的灰度均值之间的差异/>越小,说明像素点/>邻域内的灰度值变化越小,则粉尘均匀度越大。
通过计算初始粉尘图像中每个像素点的不同尺寸邻域内的粉尘均匀度,一定程度上反映局部粉尘的均匀性信息,即初始粉尘图像中每个像素点得到了个不同邻域尺寸的粉尘均匀度。
进一步地,针对各像素点,选取个不同邻域尺寸的粉尘均匀度中最大的粉尘均匀度,将最大粉尘均匀度对应的邻域大小/>作为各像素点的最佳均匀区域大小指数,根据各像素点的最佳均匀区域大小指数构建与方形搜索窗同等尺寸的粉尘均匀大小矩阵,粉尘均匀大小矩阵与方形搜索窗同理,以各像素点为中心点,其中粉尘均匀大小矩阵中的各元素值为各像素点的最佳均匀区域大小指数。
粉尘均匀大小矩阵中的元素离散程度越大,则方形搜索窗内不同像素点的粉尘均匀度大小相差越大,即不同的像素点的粉尘均匀度较为杂乱,此时的方形搜索窗内不适合选择较大的相似窗。因为在灰度分布较为复杂的窗口选择较大的相似窗,会导致后续非局部均值滤波去噪过程中计算的相似度过小。但是,当粉尘均匀大小矩阵中的元素离散程度越小,即表明初始粉尘图像中的粉尘灰度较为均匀,这时就可以选择较大的相似窗。因此,粉尘均匀大小矩阵中元素离散程度的大小会直接影响相似窗大小的选取。
具体地,根据初始粉尘图像中各像素点的粉尘均匀大小矩阵,利用灰度区域大小矩阵原理,得到粉尘均匀区域大小矩阵,其中灰度区域大小矩阵为现有公知技术,本实施例在此不再赘述。粉尘均匀区域大小矩阵反应了粉尘均匀大小矩阵的纹理变化特征,从而一定程度上映射出初始粉尘图像的特征。比如,若粉尘均匀区域大小矩阵中连通区域的最大值越大,说明粉尘均匀大小矩阵中的最大粉尘均匀度邻域相同的像素点越多,反映出方形搜索窗内的灰度值分布成集群分布的特征,此时适合选取较大的相似窗。
根据粉尘均匀区域大小矩阵的特征,计算初始粉尘图像中各像素点对应粉尘均匀区域大小矩阵的结构程度指数,所述结构程度指数具体表达式为:
式中,表示像素点/>对应的粉尘均匀区域大小矩阵的结构程度指数,/>表示像素点x的对应的粉尘均匀大小矩阵中最大连通域内的像素点个数,/>表示像素点x对应的粉尘均匀大小矩阵中第g个元素值的最大连通域内的像素点个数,/>表示像素点x对应的粉尘均匀大小矩阵中第g个元素值包含的最大连通域个数,/>表示像素点x对应的粉尘均匀大小矩阵中不同元素值的个数。
初始粉尘图像中像素点x对应的粉尘均匀大小矩阵中最大连通域内的像素点个数越大,表明粉尘均匀大小矩阵中相同元素聚集的越多,则结构程度指数越大。同时,初始粉尘图像中像素点x对应的粉尘均匀大小矩阵中各元素的最大连通域内的像素点个数越大,并且对应的最大连通域个数越多,则结构程度指数越大。
根据得到的粉尘均匀区域大小矩阵,得到粉尘均匀大小矩阵中不同元素的最大连通域,通过粉尘均匀大小矩阵中各元素的最大连通域得到最小外接矩形,从而获取粉尘均匀大小矩阵中不同元素最大连通域的最小外接矩形的面积,将初始粉尘图像中像素点x对应的粉尘均匀大小矩阵中元素值为g的最大连通域的最小外接矩形的面积记为,其中最小外接矩形为现有公知技术,本实施例在此不再赘述。
结合各像素点对应粉尘均匀区域大小矩阵的结构程度指数与最大连通域的最小外接矩形面积计算初始粉尘图像中各像素点的相似窗指数,所述相似窗指数的具体表达式为:
式中,表示初始粉尘图像中像素点x的相似窗指数,/>为归一化函数,/>表示初始粉尘图像中像素点x的粉尘均匀大小矩阵中所有元素值的方差,/>表示像素点/>对应的粉尘均匀区域大小矩阵的结构程度指数,/>表示像素点x对应的粉尘均匀大小矩阵中不同元素值的个数,/>表示初始粉尘图像中像素点x对应粉尘均匀大小矩阵中第g个元素值的最大连通域的最小外接矩形面积。
初始粉尘图像中像素点x对应的粉尘均匀大小矩阵中所有元素值的方差越大,表明窗口内元素离散程度越大,则搜索窗内的粉尘均匀性就越差,因此相似窗指数就该越小,适合选择较小的相似窗。而结构程度指数越大,表明搜索窗中灰度值分布成集群分布的特征越强,则搜索窗内的粉尘均匀性就越好,因此相似窗大小指数就该越大,适合选择较大的相似窗。因此,相似窗指数与方差成反比,与结构程度指数成正比。同时,初始粉尘图像中像素点x对应的粉尘均匀大小矩阵中第g个元素值的最大连通域的最小外接矩形面积越大,一定程度上说明像素点的集群分布特征越强,则相似窗指数越大。
根据得到的相似窗指数,计算初始粉尘图像中各像素点的方形搜索窗内的相似窗宽度,所述相似窗宽度具体表达式为:
式中,表示初始粉尘图像中像素点x的方形搜索窗内的相似窗宽度,/>表示取不超过括号内数值的最大奇数,且最小取3,/>表示初始粉尘图像中像素点x的相似窗指数,/>表示最大相似窗宽度,由于相似窗太大会导致相似度计算不准确,因此本实施例中最大相似窗宽度取值为/>。
基于此,根据建材生产的初始粉尘图像中每个像素点的方形搜索窗,在方形搜索窗内的各像素点会有/>大小的相似窗。
步骤S003,根据去噪后的粉尘图像,对建材生产环境下的粉尘进行监测。
在非局部均值滤波去噪算法中,利用各像素点的相似窗宽度对初始粉尘图像进行去噪得到精确粉尘图像,计算精确粉尘图像中所有像素点的灰度值和值,记为第一和值,计算建材生产环境图像中所有像素点的灰度值和值,记为第二和值,将第一和值与第二和值的比值作为建材生产环境粉尘覆盖度,设定阈值,若建材生产环境粉尘覆盖度大于等于阈值,则建材生产环境当前为重度粉尘,若建材生产环境粉尘覆盖度小于阈值,则建材生产环境当前为轻度粉尘,其中本实施例中阈值/>,实施者可根据实际环境自行设定,本实施例在此不做限制。
综上所述,本发明实施例解决了非局部均值滤波算法中因相似窗设定不合理造成图像去噪效果不理想进而影响建材生产环境粉尘在线监测准确率的问题,结合非局部均值滤波去噪算法,提高了建材生产环境粉尘在线监测的准确率与可靠性。
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。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 (4)
1.基于图像去噪的建材生产环境粉尘在线监测方法,其特征在于,该方法包括以下步骤:
采集建材生产环境图像;
结合去雾算法及建材生产环境图像获取初始粉尘图像;根据初始粉尘图像的灰度分布及邻域范围得到各像素点不同邻域范围的粉尘均匀度;根据各像素点不同邻域范围的粉尘均匀度得到各像素点的最佳均匀区域大小指数;
设定各像素点的方形搜索窗尺寸;根据各像素点的最佳均匀区域大小指数及方形搜索窗尺寸得到各像素点的粉尘均匀大小矩阵;根据各像素点粉尘均匀大小矩阵中各元素值的分布得到各像素点的粉尘均匀区域大小矩阵;根据粉尘均匀区域大小矩阵中各元素值的特征得到各像素点的结构程度指数;
根据各像素点的结构程度指数及粉尘均匀大小矩阵中元素值的离散程度得到各像素点的相似窗指数;根据各像素点的相似窗指数获取各像素点的相似窗宽度;结合非局部均值滤波图像去噪算法及各像素点的相似窗宽度完成建材生产环境粉尘在线监测;
所述根据各像素点不同邻域范围的粉尘均匀度得到各像素点的最佳均匀区域大小指数,包括:针对各像素点得到的不同邻域范围的粉尘均匀度,将最大粉尘均匀度对应的邻域大小作为各像素点的最佳均匀区域大小指数;
所述根据各像素点的最佳均匀区域大小指数及方形搜索窗尺寸得到各像素点的粉尘均匀大小矩阵,包括:针对各像素点,粉尘均匀大小矩阵的大小为方形搜索窗大小,粉尘均匀大小矩阵的各元素值为各像素点的最佳均匀区域大小指数;
所述根据各像素点粉尘均匀大小矩阵中各元素值的分布得到各像素点的粉尘均匀区域大小矩阵,包括:获取各像素点粉尘均匀大小矩阵的灰度区域大小矩阵,将所述灰度区域大小矩阵作为各像素点的粉尘均匀区域大小矩阵;
所述根据粉尘均匀区域大小矩阵中各元素值的特征得到各像素点的结构程度指数,表达式为:
式中,表示像素点/>对应的粉尘均匀区域大小矩阵的结构程度指数,/>表示像素点x的对应的粉尘均匀大小矩阵中最大连通域内的像素点个数,/>表示像素点x对应的粉尘均匀大小矩阵中第g个元素值的最大连通域内的像素点个数,/>表示像素点x对应的粉尘均匀大小矩阵中第g个元素值包含的最大连通域个数,/>表示像素点x对应的粉尘均匀大小矩阵中不同元素值的个数;
所述根据各像素点的结构程度指数及粉尘均匀大小矩阵中元素值的离散程度得到各像素点的相似窗指数,表达式为:
式中,表示初始粉尘图像中像素点x的相似窗指数,/>为归一化函数,/>表示初始粉尘图像中像素点x的粉尘均匀大小矩阵中所有元素值的方差,/>表示像素点/>对应的粉尘均匀区域大小矩阵的结构程度指数,/>表示像素点x对应的粉尘均匀大小矩阵中不同元素值的个数,/>表示初始粉尘图像中像素点x对应粉尘均匀大小矩阵中第g个元素值的最大连通域的最小外接矩形面积;
所述根据各像素点的相似窗指数获取各像素点的相似窗宽度,包括:设定最大相似窗宽度,将各像素点的相似窗指数与最大相似窗宽度的乘积作为各像素点的相似窗宽度。
2.根据权利要求1所述的基于图像去噪的建材生产环境粉尘在线监测方法,其特征在于,所述结合去雾算法及建材生产环境图像获取初始粉尘图像,包括:
利用暗通道去雾算法得到建材生产环境图像的背景图像,将建材生产环境图像与背景图像对应像素点的灰度值相减作为初始粉尘图像各像素点的灰度值。
3.根据权利要求1所述的基于图像去噪的建材生产环境粉尘在线监测方法,其特征在于,所述根据初始粉尘图像的灰度分布及邻域范围得到各像素点不同邻域范围的粉尘均匀度,表达式为:
式中,表示初始粉尘图像中的像素点/>在大小为/>的邻域中的粉尘均匀度,/>表示以自然常数为底数的指数函数,/>表示像素点/>大小为/>的邻域中第/>个像素点的灰度值,/>表示像素点/>大小为/>的邻域中所有像素点的灰度均值,/>表示像素点/>的邻域内包含的总像素点数。
4.根据权利要求1所述的基于图像去噪的建材生产环境粉尘在线监测方法,其特征在于,所述结合非局部均值滤波图像去噪算法及各像素点的相似窗宽度完成建材生产环境粉尘在线监测,包括:
在非局部均值滤波去噪算法中,利用各像素点的相似窗宽度对初始粉尘图像进行去噪得到精确粉尘图像,计算精确粉尘图像中所有像素点的灰度值和值,记为第一和值,计算建材生产环境图像中所有像素点的灰度值和值,记为第二和值,将第一和值与第二和值的比值作为建材生产环境粉尘覆盖度,设定阈值,若建材生产环境粉尘覆盖度大于等于阈值,则建材生产环境当前为重度粉尘,若建材生产环境粉尘覆盖度小于阈值,则建材生产环境当前为轻度粉尘。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311490899.5A CN117237232B (zh) | 2023-11-10 | 2023-11-10 | 基于图像去噪的建材生产环境粉尘在线监测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311490899.5A CN117237232B (zh) | 2023-11-10 | 2023-11-10 | 基于图像去噪的建材生产环境粉尘在线监测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117237232A CN117237232A (zh) | 2023-12-15 |
CN117237232B true CN117237232B (zh) | 2024-02-02 |
Family
ID=89089638
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311490899.5A Active CN117237232B (zh) | 2023-11-10 | 2023-11-10 | 基于图像去噪的建材生产环境粉尘在线监测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117237232B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118115497B (zh) * | 2024-04-28 | 2024-07-12 | 陕西合兴硅砂有限公司 | 一种石英砂的粉碎磨粉检测方法及装置 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103955903A (zh) * | 2014-05-09 | 2014-07-30 | 东南大学 | 一种权值窗口自适应非局部均值图像去噪方法 |
CN107085832A (zh) * | 2017-03-28 | 2017-08-22 | 西安工程大学 | 一种数字图像非局部平均去噪的快速实现方法 |
CN109064418A (zh) * | 2018-07-11 | 2018-12-21 | 成都信息工程大学 | 一种基于非局部均值的非均匀噪声图像去噪方法 |
CN113643201A (zh) * | 2021-07-27 | 2021-11-12 | 西安理工大学 | 一种自适应非局部均值的图像去噪方法 |
CN116777941A (zh) * | 2023-08-22 | 2023-09-19 | 山东明达圣昌铝业集团有限公司 | 一种基于机器视觉的型材轮廓检测方法及系统 |
WO2023173557A1 (zh) * | 2022-03-15 | 2023-09-21 | 平安科技(深圳)有限公司 | 图像处理方法、装置、电子设备及存储介质 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI393073B (zh) * | 2009-09-21 | 2013-04-11 | Pixart Imaging Inc | 影像雜訊濾除方法 |
CN103686194B (zh) * | 2012-09-05 | 2017-05-24 | 北京大学 | 基于非局部均值的视频去噪方法和装置 |
-
2023
- 2023-11-10 CN CN202311490899.5A patent/CN117237232B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103955903A (zh) * | 2014-05-09 | 2014-07-30 | 东南大学 | 一种权值窗口自适应非局部均值图像去噪方法 |
CN107085832A (zh) * | 2017-03-28 | 2017-08-22 | 西安工程大学 | 一种数字图像非局部平均去噪的快速实现方法 |
CN109064418A (zh) * | 2018-07-11 | 2018-12-21 | 成都信息工程大学 | 一种基于非局部均值的非均匀噪声图像去噪方法 |
CN113643201A (zh) * | 2021-07-27 | 2021-11-12 | 西安理工大学 | 一种自适应非局部均值的图像去噪方法 |
WO2023173557A1 (zh) * | 2022-03-15 | 2023-09-21 | 平安科技(深圳)有限公司 | 图像处理方法、装置、电子设备及存储介质 |
CN116777941A (zh) * | 2023-08-22 | 2023-09-19 | 山东明达圣昌铝业集团有限公司 | 一种基于机器视觉的型材轮廓检测方法及系统 |
Non-Patent Citations (5)
Title |
---|
Adaptive selection of search region for NLM based image denoising;Rajiv Verma等;《Optik》;第147卷;第151-162页 * |
基于改进非局部均值的CPMG信号去噪算法;赵彬等;《波谱学杂志》;第32卷(第03期);第499-510页 * |
基于自适应搜索窗的非局部均值去噪算法;胡金蓉等;《成都大学学报(自然科学版)》;34(03);第255-258页 * |
基于自适应非局部均值的SAR图像相干斑抑制;陈世媛等;《系统工程与电子技术》;39(12);第2683-2690页 * |
基于非局部均值的带钢表面图像去噪;童思维等;《机械设计与制造》(12);第242-244+248页 * |
Also Published As
Publication number | Publication date |
---|---|
CN117237232A (zh) | 2023-12-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP4708343B2 (ja) | 背景領域および前景領域をモデリングする方法 | |
CN105976330B (zh) | 一种嵌入式雾天实时视频稳像方法 | |
CN117237232B (zh) | 基于图像去噪的建材生产环境粉尘在线监测方法 | |
CN106846359A (zh) | 基于视频序列的运动目标快速检测方法 | |
CN116188462B (zh) | 一种基于视觉鉴定的贵金属质量检测方法及系统 | |
CN107590427B (zh) | 基于时空兴趣点降噪的监控视频异常事件检测方法 | |
CN110675340A (zh) | 一种基于改进的非局部先验的单幅图像去雾方法及介质 | |
CN111444555B (zh) | 一种测温信息显示方法、装置及终端设备 | |
CN111062293A (zh) | 一种基于深度学习的无人机森林火焰识别方法 | |
CN117994154B (zh) | 一种基于传感器的图像智能去噪方法 | |
CN113409360A (zh) | 高空抛物检测方法和装置、设备及计算机存储介质 | |
CN108614998B (zh) | 一种单像素红外目标检测方法 | |
CN108805826B (zh) | 改善去雾效果的方法 | |
CN113569708A (zh) | 活体识别方法、装置、电子设备以及存储介质 | |
CN108765316B (zh) | 雾气浓度自适应判断方法 | |
CN117079197B (zh) | 一种智慧工地管理方法及系统 | |
CN110321808B (zh) | 遗留物与盗移物检测方法、设备和存储介质 | |
CN112507818A (zh) | 一种基于近红外图像的光照估计方法及系统 | |
CN108010076B (zh) | 一种面向密集工业棒材图像检测的端面外观建模方法 | |
CN102509076A (zh) | 基于主成分分析的视频图像背景检测方法 | |
CN111091601B (zh) | 一种实时白天室外手机图像的pm2.5指数估计方法 | |
CN115187609A (zh) | 一种大米黄粒检测方法和系统 | |
CN108776972A (zh) | 一种对象跟踪方法及装置 | |
CN116109957A (zh) | 一种运动检测方法、装置、存储介质及电子设备 | |
CN111353495B (zh) | 一种红外成像盲元的统计分析及评价方法 |
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 |