一种矿用智能水泵叶轮故障图像细节增强方法

专利主权项内容

1.一种矿用智能水泵叶轮故障图像细节增强方法，其特征在于，该方法包括以下步骤：采集矿用水泵叶轮的叶轮图像；对叶轮图像进行边缘检测得到若干个边缘，根据每个边缘上像素点的位置分布得到每个边缘的异常程度；根据每个边缘的异常程度、每个边缘与所述边缘间隔一个边缘的边缘之间的距离得到每个边缘的间距异常影响因子，根据每个叶轮区域中像素点的灰度值得到每个叶轮区域的灰度异常影响因子，根据每个边缘的间距异常影响因子和每个叶轮区域的灰度异常影响因子得到叶轮图像的异常影响程度；根据叶轮图像的异常影响程度得到线性增强的系数，根据线性增强的系数获得线性增强的一次函数公式，根据线性增强的一次函数公式对叶轮图像进行增强得到增强后的叶轮图像；所述每个边缘的异常程度的计算公式为：式中，表示第i个边缘上的第j个像素点的水平坐标值，/>表示第i个边缘上的所有像素点的水平坐标值的均值，/>表示第i个边缘上的所有像素点个数，/>表示第i个边缘上的第j个像素点的向量，/>表示第i个边缘的向量，/>表示向量/>和向量/>之间的内积，表示反余弦函数，/>表示线性归一化函数，/>表示第i个边缘的异常程度，/>表示绝对值符号，/>表示向量的取模长符号；所述边缘的向量的具体获取步骤如下：将每个边缘上离叶轮图像下边缘处最近的一个像素点记为每个边缘的第一个像素点，以第一个像素点为起始点沿着边缘得到每个边缘的最后一个像素点；连接边缘上的第一个像素点和最后一个像素点，得到边缘的向量，边缘的向量的方向是由第一个像素点指向最后一个像素点，边缘的向量的大小为第一个像素点到最后一个像素点之间的距离；所述边缘上的第j个像素点的向量的具体获取步骤如下：连接第j个像素点和第A+j个像素点，得到第j个像素点的向量，其方向是由第j个像素点指向第A+j个像素点，向量的大小为第j个像素点到第A+j个像素点之间的距离；其中，A为预设数量；所述每个边缘的间距异常影响因子的计算公式为：式中，表示第i-2个边缘与第i个边缘之间的距离，/>表示第i个边缘与第i+2个边缘之间的距离，/>表示第i个边缘的异常程度，/>表示第i-2个边缘的异常程度，/>表示第i+2个边缘的异常程度，/>表示第i个边缘的间距异常影响因子，/>表示绝对值符号；所述第i-2个边缘与第i个边缘之间的距离的具体获取步骤如下：以第i-2个边缘上的第一个起始像素点开始遍历第i-2个边缘上的所有像素点，将遍历后的所有像素点的坐标构成第i-2个边缘的坐标序列，记为第一坐标序列；以第i个边缘上的第一个起始像素点开始遍历第i个边缘上的所有像素点，将遍历后的所有像素点的坐标构成第i个边缘的坐标序列，记为第二坐标序列，对第一坐标序列和第二坐标序列使用DTW算法得到第一坐标序列和第二坐标序列之间的距离，将两组序列之间的距离作为两个边缘之间的距离；所述每个叶轮区域的灰度异常影响因子的计算公式为：式中，表示第h个叶轮区域中第c个像素点的灰度值，/>表示第h个叶轮区域中所有像素点的灰度值的最小值，/>表示第h个叶轮区域中第c个像素点的八邻域中第v个像素点的灰度值，/>表示第h个叶轮区域中的所有像素点的个数，/>表示第h个叶轮区域的灰度异常影响因子，8表示八邻域，/>表示绝对值符号；所述叶轮图像的异常影响程度的计算公式为：式中，表示第i个边缘的间距异常影响因子，/>表示第h个叶轮区域的灰度异常影响因子，g表示所有边缘的个数，H表示所有叶轮区域的个数，G表示叶轮图像的异常影响程度，表示线性归一化函数。