申请/专利权人：大连理工大学

申请日：2021-10-12

公开（公告）日：2024-04-16

公开（公告）号：CN113870240B

主分类号：G06T7/00

分类号：G06T7/00;G06T7/10;G06T7/90;G06V10/774

优先权：

专利状态码：有效-授权

法律状态：2024.04.16#授权;2022.01.21#实质审查的生效;2021.12.31#公开

摘要：本发明提供一种基于图像显著性检测的安全阀阀门空化现象判别方法，属于数字图像处理技术领域，该方法通过图像显著性检测的方法，对不同工况下的安全阀阀门仿真图像进行显著性检测。首先，对不同工况下的仿真图像进行采集，再对采集到的图像进行训练得到过完备字典，并且获取仿真图像不同通道的对应系数，然后对系数进行处理获取系数中的显著信息并恢复为显著图，最后，根据专家经验对显著性图像进行判断，安全阀阀门是否产生空化现象。本发明在安全阀仿真各种工况下时就识别出空化现象，可以在安全阀设计过程中避免空化状态，延长安全阀使用寿命。

主权项：1.一种基于图像显著性检测的安全阀阀门空化现象判别方法，通过图像显著性检测的方法，对不同工况下的安全阀阀门仿真图像进行显著性检测，其特征在于，所述安全阀阀门空化现象判别方法首先，对不同工况下的仿真图像进行采集，再对采集到的图像进行训练得到过完备字典，并且获取仿真图像不同通道的对应系数，然后，对系数进行处理获取系数中的显著信息并恢复为显著图，最后，根据显著性图像进行判断，安全阀阀门是否产生空化现象；包括以下步骤：第一步，采集仿真图像，将采集后的仿真图像作为字典学习的训练样本；以滑动窗口方式对训练样本进行分块处理，将每个窗口n×n采集到的数据作为一个列向量n2×1，后面统一称为原子，其中，n为滑动窗口的大小；最终将所有采集到的训练数据作为一个n2维的矩阵Y，矩阵中的每列为yii＝1,2,...,n，则训练数据表示为Y＝[y1,y2,...,yn]；字典学习的目标函数如公式1，字典的约束公式如公式2，采用最优方向的方法得到过完备字典D；所述的公式1和公式2表达式为： 其中，x∈Rk×n表示k行n列的稀疏表示系数，R表示输入空间，D∈A表示字典，D∈Rm×k表示m行k列的字典，R表示输入空间，其中每一列为一个字典原子di，A为字典的约束；i表示训练数据的第i列，n为列的总个数；xi是原子di对应的稀疏表示系数；η是正则化权衡参数，用来平衡公式里的失真项约束和稀疏项约束||xi||1；得到字典D后，将采集后的仿真图像在HSV颜色空间中的每一个通道以滑动窗口方式进行分块处理，其中H代表色调，S代表饱和度，V代表明度，每个窗口n×n采集到的数据作为一个列向量n2×1，采集后的仿真图像为一个n2维的矩阵Y，矩阵中的每列为yii＝1,2,...,n，表示为Y＝[y1,y2,...,yn]；公式3为求取稀疏表示系数xi，用稀疏表示系数来求每一个通道的对应系数Kch，其中ch∈{H,S,V}，Kch由公式3中求取的稀疏表示系数xi组合表示，xi利用正交匹配追踪算法来求解；HSV颜色空间有三个通道，重复上述过程三次，每次计算公式和计算方法相同；所述的公式3的表达式为： 第二步，首先，采用公式对不同通道的对应系数Kch进行去中心化处理，其中xi为真实值，为平均值；其次，通过计算对应系数Kch对应的协方差矩阵中的特征值和特征向量，选取特征总数中前l个最大的特征值，其中l的数值为人为设定的数值，将前l个最大的特征值以及对应的特征向量进行投影处理，并将后l个特征值以及对应的特征向量视为没用的信息，并消除掉，得到最终的有效对应系数矩阵K′ch，K′ch为新的对应系数；最后，在每个通道，利用公式DK′ch将字典和有效对应系数相乘得到显著图，将每个通道的显著图利用公式4进行融合处理，公式4中SR表示融合后的显著图，称之为基于图像信息稀疏性的显著信息； 第三步，将颜色量化值设为128，并采用基于图论的分割算法对仿真图像的显著图进行分割，得到图像区块ri；第四步，将第三步分割得到的区块用公式5进行显著性检测，所述的公式5表达式为： 其中，ri为区块，φ1ri和φ2ri为权重约束；Ddi,dj为两个区块ri和rj之间的欧氏距离；||ci-cj||为两个区块ri和rj之间的颜色差异；n为区块的总个数；所述的φ1ri表达式为式6：其中，Li是区块ri中的像素个数；H和W表示图像的高和宽；区块越小其相对显著性越小；Pi是区块ri中在图像边界的像素的比例，表达式为Pi＝siL；si为区块ri中在仿真图像边界上的像素个数；L是仿真图像边界像素的总和，值为2H+W；如果区块ri中在边界上的像素个数越多，其是背景区域的可能性越大，权值就越小；所述的φ2ri表达式为式7： 其中，为原图像I在颜色空间中c通道内的均值；是区块ri在c通道的均值；dri,I是区域ri与图像中心的欧式距离；κr为权衡参数；第五步，通过式8融合上述第二步基于图像信息稀疏性的显著信息和第四步基于区域的显著信息；S＝SS*SR∩SR8其中，SS为基于图像信息稀疏性的显著信息，SR为基于区域的显著信息；第六步，观察显著性图上的显著性信息，来判别安全阀阀门是否产生空化现象，如果图像上有一块明显白色区域，说明产生空化现象；反之，没有产生空化现象。

全文数据：

权利要求：

百度查询： 大连理工大学 一种基于图像显著性检测的安全阀阀门空化现象判别方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD