[发明专利]一种在线识别炉内带钢跑偏的方法

摘要

本发明公开了一种在线识别炉内带钢跑偏的方法，其包括：1）采集多幅包括带钢边缘位置的带钢图像；2）采用注意力选择法对采集到的带钢图像进行处理，得到带钢图像的显著性特征图，这些显著性特征图中包括有带钢的边缘位置信息；3）将显著性特征图做灰度拉伸处理后进行二值化处理。其中，在取值范围内的所有取值以计算相应的类间方差r2以确定第一最优灰度阈值T1和第二最优灰度阈值T2，第一最优灰度阈值T1和第二最优灰度阈值T2将要进行二值化处理的图像中的像素划为目标类、背景类及干扰类，并将目标类像素的灰度值置1，背景类像素和干扰类像素的灰度值都置0；4）判断二值化图像中带钢边缘位置的偏差量是否大于一预设值。本发明的技术方案使用便捷准确。

主权项

1.一种在线识别炉内带钢跑偏的方法，其特征在于，包括：（1）采集多幅包括带钢边缘位置的带钢图像；（2）采用注意力选择法按照下述步骤对采集到的带钢图像进行处理，得到带钢图像的显著性特征图，所述显著性特征图中包括有带钢的边缘位置信息：（2a）根据采集到的带钢图像，使用ICA方法获取基函数库A，在所述基函数库中，每个基函数a_i表示一个带钢图像特征；（2b）将带钢图像分成若干个图像块，每个图像块投影至基函数库A，设x_j，k表示坐标为(j，k)的图像块，根据投影公式求出图像块x_j，k对应的基函数a_i的系数v_i,j,k：x_j,k＝∑_iv_i，j，ka_i（2c）计算用单个基函数a_i衡量的图像块x_j，k与周围区域的相似程度p(w_ij，k＝v_ij，k)：p(wi,j,k=vi,j,k)]]>=12πΣ∀s,t∈ψ1ne-(vi,j,k-vi,,s,t)2/2]]>上式中，w_i，j,k表示以*j，k)为中心的周围区域Ψ内的图像块对应的基函数的系数的集合；e是自然对数的底数；n是累加项的数目；s，t是对应j，k的变量，它们的取值范围是Ψ区域内；（2d）计算用所有基函数衡量的图像块x_j，k与周围区域的相似程度p_j,k：p_j，k＝∏_ip(w_i，j，k＝v_i，j,k)（2e）计算图像块x_j，k处的显著性量化值-log(p_j，k)，得到显著性特征图；（3）将显著性特征图做灰度拉伸处理后进行二值化处理：设图像总像素数目为N，灰度级范围为[0，L-1]，确定一第一最优灰度阈值T₁和一第二最优灰度阈值T₂，且T₁<T₂，根据第一最优灰度阈值T₁和第二最优灰度阈值T₂将要进行二值化处理的图像中的像素划为三类，即将灰度值处于[T₁+1,T₂]的像素划分为目标类像素，将灰度值处于[0,T₁]的像素划分为背景类像素，灰度值处于[T₂+1,L-1]的像素划分为干扰类像素，并将目标类像素的灰度值置1，背景类像素和干扰类像素的灰度值都置0，得到二值化图像；其中，所述第一最优灰度阈值T₁和一第二最优灰度阈值T₂按照下述步骤确定：若灰度值是i的像素的数目为Ni，根据下式计算灰度值为i的像素出现的概率p_i：Pi＝Ni/N（i＝0，1,2….L-1）分别计算图像中背景类像素的均值u₁、目标类像素的均值u₂和干扰类像素的均值u₃：u1=Σi=oT1i*PiΣi=oT1Pi]]>u2=Σi=T1+1T2i*PiΣi=T1+1T2Pi]]>u3=Σi=T2+1L-1i*PiΣi=T2+1L-1Pi]]>计算要二值化处理的图像中像素的均值u₀：u0=u1Σi=oT1Pi+u2Σi=T1+1T2Pi+u3Σi=T2+1L-1Pi]]>计算背景类像素、目标类像素和干扰类像素的类间方差r2：r2=(u1-u0)2Σi=oT1Pi+(u2-u0)2Σi=T1+1T2Pi+(u3-u0)2Σi=T2+1L-1Pi]]>遍历第一最优灰度阈值T₁和第二最优灰度阈值T₂在取值范围内的所有取值以计算相应的类间方差r²，类间方差r²的最大值对应的T₁和T₂为步骤（3）要确定的第一最优灰度阈值T₁和第二最优灰度阈值T₂；（4）若前后两张二值化图像中带钢边缘位置的偏差大于一预设值，则判断带钢发生跑偏。