[发明专利]基于机器视觉的内存条损伤快速检测方法

说明书

本发明涉及图像数据处理技术领域，具体涉及基于机器视觉的内存条损伤快速检测方法，包括：根据内存条图像中局部范围内像素点的灰度差异以及相关分布特征，获得像素点的规律性因子以及连续性因子；根据像素点的规律性因子和连续性因子，进行坐标转换和聚类操作，获得若干个第二聚类簇，根据第二聚类簇获取尺度优选程度，根据尺度优选程度大小获得若干个尺度，结合多尺度Retinex算法对内存条图像进行增强，并实现内存条损伤检测。本发明避免了传统的多尺度的Retinex算法由于尺度不合适使得无法增强内存条图像的关键信息，影响图像增强效果的缺点，提高了图像增强效果以及尺度自适应性，进而提高了内存条损伤检测结果的准确性。

技术领域

本发明涉及图像数据处理技术领域，具体涉及基于机器视觉的内存条损伤快速检测方法。

背景技术

在当今数字化时代，计算机硬件设备发挥着越来越重要的作用。尤其是内存条，它是计算机中不可或缺的部分，负责临时存储和处理数据。然而，内存条由于生产过程、使用环境、运行时间等多种原因可能会出现损伤，进而影响到整个系统的稳定性和效率；因此，找到一种能够快速准确检测内存条损伤的方法显得尤为重要，工业CT扫描技术通过X射线穿透物体来扫描物体，可以得到物体的内部的三维结构信息，可以实现内存条损伤的快速检测；然而，由于扫描参数设置不当以及本身的成像原理，会造成获取的内存条CT图像不清晰，影响后续的检测效果。

现有技术中通常使用多尺度Retinex算法来增强内存条图像，多尺度Retinex算法能够有效地提高内存条的CT图像的显示效果，增强图像的细节信息，提高损伤检测的准确性；常规多尺度Retinex算法需要根据不同尺度下的高斯滤波的图像处理效果进行叠加，由于尺度选取问题，使得内存条CT图像的关键信息增强效果不理想，导致后续的叠加权重的设置过程中出现误差，影响到处理效果。

本发明提出了一种基于机器视觉的内存条损伤快速检测方法，通过不同尺度下的图像表征信息的能力，获取准确的尺度信息，并且根据尺度信息进行准确的叠加处理，获取对于内存条CT图像的关键信息较为清晰化的图像处理结果，提高内存条损伤的快速检测的准确性。

发明内容

本发明提供基于机器视觉的内存条损伤快速检测方法，以解决现有的问题。

本发明的基于机器视觉的内存条损伤快速检测方法采用如下技术方案：

本发明提供了基于机器视觉的内存条损伤快速检测方法，该方法包括以下步骤：

采集内存条图像；

将内存条图像中任意像素点记为目标像素点；获取内存条图像中所有像素点的梯度方向；获取目标像素点与相邻像素点之间的灰度差异，根据灰度差异大小获得目标像素点的相似像素点；根据目标像素点和相似像素点的梯度方向获得目标像素点的梯度方向曲线；根据梯度方向曲线获得目标像素点的方向聚集性特征，利用目标像素点与相似像素点的平均灰度差异对方向聚集性特征进行调节，获得目标像素点的走向分布特征；根据走向分布特征获得目标像素点的规律性因子；根据目标像素点和相似像素点获得目标像素点的连续性因子；

根据目标像素点的规律性因子和连续性因子，获得第二聚类簇，将第二聚类簇进行组合，获得聚类组合，根据聚类组合所含像素点的数量和灰度值，获得尺度优选程度，根据尺度优选程度的大小获得若干个尺度；

结合尺度对内存条图像进行处理，并实现内存条损伤检测。

进一步的，所述相似像素点获取方法如下：

获取目标像素点与目标像素点的8邻域范围内任意一个像素点之间的灰度差值绝对值，记为灰度差异；

预设灰度差异阈值，将灰度差异小于灰度差异阈值的像素点，记为目标像素点的相似像素点。

进一步的，所述梯度方向曲线获取方法如下：

首先，利用Sobel算子获取内存条图像中所有像素点的梯度方向；