[发明专利]NSST域红外目标分割及SURF匹配的浮选泡沫流速检测方法在审
申请号: | 202211168683.2 | 申请日: | 2022-09-24 |
公开(公告)号: | CN115471660A | 公开(公告)日: | 2022-12-13 |
发明(设计)人: | 廖一鹏;施雯玲;许志猛 | 申请(专利权)人: | 福州大学 |
主分类号: | G06V10/26 | 分类号: | G06V10/26;G06V10/30 |
代理公司: | 福州元创专利商标代理有限公司 35100 | 代理人: | 蔡学俊;薛金才 |
地址: | 350108 福建省福州市*** | 国省代码: | 福建;35 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | nsst 红外 目标 分割 surf 匹配 浮选 泡沫 流速 检测 方法 | ||
1.NSST域红外目标分割及SURF匹配的浮选泡沫流速检测方法,其特征在于,包括以下步骤:
Step1:抽取时间间隔为Δt的连续两帧泡沫红外图像It和It+1,对It和It+1进行NSST多尺度分解,分别得到1个低通子带图像和k个尺度高频子带,各尺度高频子带再分解为l个方向子带;
Step2:对It和It+1的低频图像构建亮度约束项,同时对低频图像进行分数阶微分显著性检测,然后构建显著性约束项;
Step3:对It和It+1的k个尺度高频子带,根据系数的尺度相关性进行噪声去除,然后构建边界约束项;
Step4:构造一个包含亮度约束项、显著性约束项、边界约束项的图割能量函数,然后利用最大流/最小割算法求解能量函数的最小值,实现合并、破碎气泡的分割;
Step5:对It和It+1分割后的背景区域进行SURF尺度空间极值提取、特征点检测;
Step6:在多尺度高频子带以特征点所在位置为圆心,计算扇形内所有点的尺度相关系数Corr(i,j)的总和,然后旋转扇形使其遍历整个圆形区域,将Corr(i,j)总和最大值的扇形的方向作为特征点主方向;
Step7:以特征点为中心旋转坐标轴到主方向后,将周边领域划分为16个子区域,计算每一点的8个方向的尺度系数之和Cl(i,j),然后统计每个子区域的8个方向的系数和,将每个方向的系数和作为特征向量,得到一个128维的特征描述符;
Step8:对It和It+1分割后的背景区域进行特征点匹配,并采用RANSAC算法剔除误匹配点;
Step9:对It和It+1的N对匹配点,它们在It和It+1的位置分别为和通过式(16)计算该点的水平流动速度垂直流动速度计算平均水平流动速度vx和平均垂直流动速度vy;
Step10:计算当前的泡沫平均流动速度和方向,假设前一时刻检测的水平流动速度为vx',垂直流动速度为vy',计算当前的水平流动加速度ax和垂直流动加速度ay,计算流动速度和方向的无序度,和方向为前一段时间的平均流动速度和方向。
2.根据权利要求1所述的NSST域红外目标分割及SURF匹配的浮选泡沫流速检测方法,其特征在于,图像通过k级非下采样金字塔NSP多尺度分解后,得到k+1个子带图像,其中包括1个低频图像和k个尺度不同的高频图像,高频图像进行l级多方向分解,分解为2l+2个方向子带图像;泡沫低频图像去除噪声,保留气泡轮廓信息;高频子带图像包含气泡边缘、纹理特征、梯度信息、以及噪声系数,为红外目标分割提供边界参考信息,代替Haar小波响应为SURF建立多尺度多方向的特征描述。
3.根据权利要求2所述的NSST域红外目标分割及SURF匹配的浮选泡沫流速检测方法,其特征在于,假设表示第k尺度第l方向高频子带在(i,j)点的系数,表示第k尺度第l方向的子带系数能量,定义像素点(i,j)在第k尺度第l方向高频子带上的尺度相关系数为:
其中,表示不同尺度在(i,j)位置上的系数乘积,表示第k尺度第l方向子带的系数能量,是便于系数比较的归一化处理;泡沫图像经NSST分解后,随着尺度越来越精细,噪声系数迅速衰减,边缘系数相对稳定,即边缘系数强相关,而噪声系数弱相关,根据此特点将剔除噪声系数:
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于福州大学,未经福州大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202211168683.2/1.html,转载请声明来源钻瓜专利网。