一种用于清洗剂的测试评价方法技术

本发明专利技术涉及数据处理技术领域，具体涉及一种用于清洗剂的测试评价方法，该方法采集含锈图像和除锈图像，获取含锈图像中的目标区域；利用sift算法提取目标区域的关键点和含锈图像的差分图像，筛选出纹理关键点；获取每个纹理关键点在不同倍频程上的映射关系，根据映射关系计算得到每个纹理关键点的权重，将大于权重阈值的权重对应的纹理关键点作为目标关键点；获取除锈图像的目标关键点，将含锈图像的目标关键点和除锈图像的目标关键点进行sift匹配，获取配准图像，以配准图像中像素点的色调差值的最大值与预设阈值的鼻子作为除锈效果。本发明专利技术通过对sift算法改进，使含锈图像和除锈图像的匹配精度高，计算出的除锈效果更加精准。精准。精准。

【技术实现步骤摘要】
一种用于清洗剂的测试评价方法


[0001]本专利技术涉及数据处理
，具体涉及一种用于清洗剂的测试评价方法。

技术介绍

[0002]现有方法通过清洁剂对金属绣件进行除锈时，往往是一次性对大量的含锈金属进行除锈，然后通过除锈前后色调的对比，得到清洗剂的除锈效果，进而判断是否需要进行二次除锈，但除锈前后金属的反光特性不同，造成除锈前后金属图像的光照特性的不同，使得直接通过除锈前后图像的整体色调的对比进行除锈效果的评价存在较大误差。

技术实现思路

[0003]为了解决上述技术问题，本专利技术提供一种用于清洗剂的测试评价方法，所采用的技术方案具体如下：本专利技术一个实施例提供了一种用于清洗剂的测试评价方法，该方法包括以下步骤：采集清洗剂清洗前的金属图像作为含锈图像，清洗后的金属图像作为除锈图像，获取含锈图像中金属所在的目标区域；利用sift算法提取目标区域的关键点和含锈图像的差分图像，通过计算差分图像中每个关键点与邻域像素点在不同方向上的灰度共生矩阵的熵值筛选出纹理关键点；获取每个纹理关键点在不同倍频程上的映射关系，根据映射关系计算得到每个纹理关键点的权重，通过大津阈值分割获取权重阈值，将大于权重阈值的权重对应的纹理关键点保留，作为目标关键点；获取除锈图像的目标关键点，将含锈图像的目标关键点和除锈图像的目标关键点进行sift匹配，获取配准图像，以配准图像中像素点的色调差值的最大值与预设阈值的鼻子作为除锈效果。
[0004]优选的，所述目标区域的获取方法为：通过语义分割网络获取所述目标区域。
>[0005]优选的，所述纹理关键点的筛选过程为：对于筛选得到的每个关键点计算7*7邻域内的四个方向的灰度共生矩阵，每个灰度共生矩阵对应一个熵值，形成一个熵值序列，如果所述熵值序列的方差大于预设方差阈值k1，对应的关键点为第一筛选点；对灰度共生矩阵中的点对频率进行统计，得到统计直方图，然后计算这些点对中两个元素的差值，计算差值大于预设的差值阈值的点对在所有点对中的数量占比，当所述数量占比大于预设的占比阈值时，对应关键点为第二筛选点；当关键点既为第一筛选点又为第二筛选点时，该关键点为纹理关键点。
[0006]优选的，所述根据映射关系计算得到每个纹理关键点的权重：以所有纹理关键点数量与最大映射范围的面积的比值作为公共权重，获取同一倍频程的以纹理关键点为中心点的7*7范围内的纹理关键点数量，以所有纹理关键点数量与
49的比值作为对应的私有权重。
[0007]优选的，所述获取除锈图像的目标关键点，包括：获取除锈图像中金属所在的除锈目标区域，利用sift算法提取除锈目标区域的关键点和除锈图像的除锈差分图像，通过计算除锈差分图像中每个关键点与邻域像素点在不同方向上的灰度共生矩阵的熵值筛选出除锈纹理关键点；获取每个除锈纹理关键点在不同倍频程上的映射关系，根据映射关系计算得到每个除锈纹理关键点的权重，将大于所述权重阈值的权重对应的除锈纹理关键点保留，作为除锈图像的目标关键点。
[0008]本专利技术实施例至少具有如下有益效果：首先通过金属上固定纹理和锈斑纹理的性质对关键点进行筛选，筛选后的关键点中大部分是金属上固定纹理关键点，有助于后续的匹配过程，提高匹配精度；通过计算同一倍频程中纹理关键点的邻域关系和不同倍频程中纹理关键点的映射关系为纹理关键点分配权重，筛选权重更大的关键点作为目标关键点，目标关键点在不同尺度下的不变性更好，基于目标关键点进行含锈图像和除锈图像的匹配，匹配精度高，计算出的除锈效果更加精准。
附图说明
[0009]为了更清楚地说明本专利技术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专利技术的一些实施例，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。
[0010]图1为本专利技术一个实施例提供的一种用于清洗剂的测试评价方法的步骤流程图；图2为本专利技术一个实施例提供的不同倍频程图像大小示意图；图3为本专利技术一个实施例提供的映射关系示意图。
具体实施方式
[0011]为了更进一步阐述本专利技术为达成预定专利技术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，对依据本专利技术提出的一种用于清洗剂的测试评价方法，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。
[0012]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专利技术的
的技术人员通常理解的含义相同。
[0013]下面结合附图具体的说明本专利技术所提供的一种用于清洗剂的测试评价方法的具体方案。
[0014]请参阅图1，其示出了本专利技术一个实施例提供的一种用于清洗剂的测试评价方法的步骤流程图，该方法包括以下步骤：步骤S001，采集清洗剂清洗前的金属图像作为含锈图像，清洗后的金属图像作为除锈图像，获取含锈图像中金属所在的目标区域。
[0015]具体的步骤包括：
1、采集清洗剂清洗前的金属图像作为含锈图像，清洗后的金属图像作为除锈图像。
[0016]本专利技术的目的是对除锈效果进行评价，因此首先需要获得除锈前后的图像，通过摄像机采集得到除锈前后图像，以清洗前的金属图像作为含锈图像，以清洗后的金属图像作为除锈图像。
[0017]2、获取含锈图像中金属所在的目标区域。
[0018]通过语义分割网络获取目标区域。
[0019]采用DNN语义分割的方式来识别分割图像中的目标。
[0020]该DNN网络的相关内容如下：使用的数据集为俯视采集的金属图像数据集，金属的样式为多种多样的。需要分割的像素共分为两类，即训练集对应标签标注过程为：单通道的语义标签，对应位置像素属于背景类的标注为0，属于金属的标注为1。网络的任务是分类，所有使用的loss函数为交叉熵损失函数。
[0021]通过语义分割得到的0
‑
1掩膜图像与原含锈图像相乘，得到的图像中只含有金属的图像，去除了背景的干扰。
[0022]步骤S002，利用sift算法提取目标区域的关键点和含锈图像的差分图像，通过计算差分图像中每个关键点与邻域像素点在不同方向上的灰度共生矩阵的熵值筛选出纹理关键点。
[0023]对于含锈图像和除锈图像来说，共有的关键点是金属上的纹理，由于锈斑导致的关键点只在含绣金属上存在，因此这些关键点对于含绣金属和无绣金属的匹配没有作用，需要区分金属本身纹理和由于锈斑导致的纹理。金属上的本身纹理较为规则，连续性大，而锈斑纹理较为杂乱，因此可以用灰度共生矩阵来对金属本身纹理和锈斑纹理进行区分。
[0024]具体的步骤包括：1、利用sift算法提取目标区域的关键点和含锈图像的差分图像。
[0025]传统的sift算子是通过计算邻域极大值的方式得到关键点的，直接使用传统的sift算子会在含锈图像上计算得本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于清洗剂的测试评价方法，其特征在于，该方法包括以下步骤：采集清洗剂清洗前的金属图像作为含锈图像，清洗后的金属图像作为除锈图像，获取含锈图像中金属所在的目标区域；利用sift算法提取目标区域的关键点和含锈图像的差分图像，通过计算差分图像中每个关键点与邻域像素点在不同方向上的灰度共生矩阵的熵值筛选出纹理关键点；获取每个纹理关键点在不同倍频程上的映射关系，根据映射关系计算得到每个纹理关键点的权重，通过大津阈值分割获取权重阈值，将大于权重阈值的权重对应的纹理关键点保留，作为目标关键点；获取除锈图像的目标关键点，将含锈图像的目标关键点和除锈图像的目标关键点进行sift匹配，获取配准图像，以配准图像中像素点的色调差值的最大值与预设阈值的鼻子作为除锈效果。2.根据权利要求1所述的一种用于清洗剂的测试评价方法，其特征在于，所述目标区域的获取方法为：通过语义分割网络获取所述目标区域。3.根据权利要求1所述的一种用于清洗剂的测试评价方法，其特征在于，所述纹理关键点的筛选过程为：对于筛选得到的每个关键点计算7*7邻域内的四个方向的灰度共生矩阵，每个灰度共生矩阵对应一个熵值，形成一个熵值序列，如果所述熵值序列的方差大于预设方差阈值k1，对应的关键点为第...

【专利技术属性】
技术研发人员：赵建军，仲睿，徐俊锋，赵建梅，颜鑫鑫，翟翚，
申请(专利权)人：江苏思锐装备科技有限公司，
类型：发明
国别省市：