(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202210958222.9 (22)申请日 2022.08.11 (65)同一申请的已公布的文献号 申请公布号 CN 115035114 A (43)申请公布日 2022.09.09 (73)专利权人 高密德隆汽车配件制造有限公司 地址 261500 山东省潍坊市高密市醴 泉街 道旗台路4718号 (72)发明人 张宜宝　逢鹏　杨艳　 (74)专利代理 机构 郑州知倍 通知识产权代理事 务所(普通 合伙) 41191 专利代理师 文慧君 (51)Int.Cl. G06T 7/00(2017.01) G06T 7/11(2017.01) G06T 5/00(2006.01) G06V 10/74(2022.01) G06V 10/764(2022.01) G06V 10/774(2022.01)(56)对比文件 CN 110276414 A,2019.09.24 US 2020344449 A1,2020.10.2 9 US 10049427 B1,2018.08.14 CN 105608676 A,2016.0 5.25 CN 114841947 A,202 2.08.02 CN 10493 3723 A,2015.09.23 CN 112734666 A,2021.04.3 0 CN 114842009 A,202 2.08.02 于林杰.尿沉渣显微图像有形成分 分割与特 征提取方法研究. 《中国优秀硕士学位 论文全文 数据库 信息科技 辑》 .2017,第2017年卷(第3 期), Chuan-Xian Ren 等.Enhanced L ocal Gradient Order F eatures and Discrimi nant Analysis for Face Recogn ition. 《 IEEE Transacti ons on Cybernetics 》 .2016,第46卷 (第11期), 审查员 周亚芳 (54)发明名称 基于图像处 理的干草粉碎机 状态监测方法 (57)摘要 本发明涉及图像处理技术领域， 具体涉及一 种基于图像处理的干草粉碎机状态 监测方法， 该 方法包括： 对获取的干草灰度图像进行分割得到 图像块， 计算各图像块的邻域像素差异和长游程 优势， 进而获得尘土信息值构成尘土信息向量； 获取图像块的稀 疏向量， 计算稀 疏向量中各维度 的描述值向量； 根据尘土信息向量和各维度的描 述值向量的相似度确定各维度的权重， 根据权重 获得图像块的基准增强系数； 获得尘土图像， 根 据尘土图像计算修正系数， 进而获得综合增强系 数， 对图像进行增强得到增强图像； 利用增强图 像获得干草粉碎质量等级， 进而判断粉碎机的运 行状态。 本发 明能够对模糊图像进行自适应增强 处理， 在抑制噪声的同时也保留了图像的细 节部分。 权利要求书2页 说明书9页 附图1页 CN 115035114 B 2022.11.11 CN 115035114 B 1.一种基于图像处 理的干草粉碎机状态监测方法， 其特 征在于， 该 方法包括以下步骤： 获取粉碎后的干草灰度图像， 将干草灰度图像进行均匀分割得到多个图像块， 计算各 图像块的邻域像素差异值； 获取各图像块中包含的不同灰度级对应的灰度游程长度， 计算 各灰度级下每个灰度游程长度出现的概率， 根据所述概率计算图像块的长游程优势； 根据 图像块的邻域像素差异 值和长游程优势的乘积得到图像块的尘土信息值， 将所有图像块的 尘土信息值构成尘土信息向量； 对分割后的图像利用K ‑SVD算法进行处理得到稀疏向量序列； 其中， 一个图像块对应一 个稀疏向量； 针对任一个维度， 将所有稀疏向量中在该维度的取值构成维度的描述值向量； 分别计算尘土信息向量与每个维度的描述值向量的相似度， 根据各维度对应的相似度确定 各维度的权重； 根据各维度的权重和图像块的稀疏向量在 对应维度的取值得到图像块的基 准增强系数； 将各稀疏向量中所有维度对应的相似度小于设定 阈值的维度下的取值置零， 根据置零 操作后的稀疏向量获得尘土图像； 根据尘土图像和干草灰度图像上像素点的梯度值和梯度 方向的差异， 计算像素的修 正系数； 根据所述基准增强系数和修正系数得到综合增强系数， 根据综合增强系数对分割后的 图像进行处理得到增强图像； 将增强图像输入质量评估网络， 输出干草粉碎质量等级， 根据 干草粉碎质量 等级判断粉碎机的运行状态。 2.根据权利要求1所述的一种基于图像处理 的干草粉碎机状态监测方法， 其特征在于， 所述图像块的邻域像素差异值的获取 方法具体为： 对于图像块中任意一个像素点， 获取该像素点8邻域内各像素点与该像素点像素值的 差值， 计算所有差值的绝对值的平均值得到该像素点的对比度值； 计算图像块中所有像素 点的对比度值的均值得到图像块的邻域像素差异值。 3.根据权利要求1所述的一种基于图像处理 的干草粉碎机状态监测方法， 其特征在于， 所述图像块的长游程优势的获取 方法具体为： 其中， 表示第i个图像块的长游程优势， 表示第d个灰度级对应的灰度游程长度， 表示第d个灰度级对应的灰度游程长度 出现的概率， 表示灰度级的总数量， 表示第i个图像块中最长的灰度游程长度。 4.根据权利要求1所述的一种基于图像处理 的干草粉碎机状态监测方法， 其特征在于， 所述根据各维度对应的相似度确定各维度的权 重具体为： 计算所有维度对应的相似度的和值， 根据维度对应的相似度与 所述和值的比值得到该 维度的权 重， 进而计算各维度的权 重。 5.根据权利要求1所述的一种基于图像处理 的干草粉碎机状态监测方法， 其特征在于， 所述图像块的基准增强系数的获取 方法具体为：权　利　要　求　书 1/2 页 2 CN 115035114 B 2其中， 表示第i个图像块的基准增强系数， 表示常量系数， 表示第i个图像块的稀 疏向量在第s维的取值， 为第s维的权 重， S为字典矩阵包 含字典向量的总数量。 6.根据权利要求1所述的一种基于图像处理 的干草粉碎机状态监测方法， 其特征在于， 所述根据置零操作后的稀疏向量获得尘土图像具体为： 对分割后的图像利用K ‑SVD算法进行处理得到字典矩阵， 根据字典矩阵与置零操作后 的稀疏向量的乘积获得尘土图像。 7.根据权利要求1所述的一种基于图像处理 的干草粉碎机状态监测方法， 其特征在于， 所述像素的修 正系数的获取 方法具体为： 其中， 表示第i个图像块中第k个像素点 的修正系数， 表示干草灰度图像中第i个 图像块中第k个像素点的梯度值， 表示尘土图像中第i个图像块中第k个像素点的梯度 值， 表示干草灰度图像中第i个图像块中第k个像素点的梯度方向， 表示尘土灰度图像 中第i个图像块中第k个 像素点的梯度方向， 表示常量 参数。 8.根据权利要求1所述的一种基于图像处理 的干草粉碎机状态监测方法， 其特征在于， 所述质量评估网络为Encoder ‑FC网络。权　利　要　求　书 2/2 页 3 CN 115035114 B 3