本發明屬于圖像增強，特別涉及一種鍍鋅鋁鎂鋼帶表面鍍層圖像增強方法。

背景技術：

1、鍍鋅鋁鎂鋼帶作為新型高性能防腐材料，廣泛應用于汽車、建筑、家電等領域，其表面鍍層的結構均勻性、邊緣完整性和微觀缺陷狀態直接影響產品的功能性能與服役壽命，為了實現高質量的表面質量控制，需依賴圖像處理系統對鋼帶表面圖像進行分析與識別；然而，在實際工業檢測中，鍍鋅鋁鎂鋼帶表面圖像常受到采集環境、反光干擾及表面紋理復雜性的影響，導致圖像對比度低、邊緣模糊、細節表達不足，從而影響后續缺陷檢測、分割與識別算法的準確性。

2、現有圖像增強方法大多基于傳統的直方圖均衡、邊緣增強濾波或多尺度分解策略，雖然在某些場景下可改善圖像亮度或增強邊緣，但普遍存在結構損失、細節過度增強或偽影引入等問題，難以適應鍍鋅鋁鎂鋼帶表面紋理復雜、結構細微變化頻繁的圖像特點；此外，部分基于深度學習的圖像增強模型依賴大規模標注數據訓練，泛化性差且部署成本高，不適合工業環境下的快速檢測需求。

3、針對上述問題，通過引入結構引導掩碼與區域加權機制提升結構邊緣響應的同時，結合自適應閾值局部二值編碼與方向特征融合策略，實現對不同尺度紋理與細節的精準提取；進一步采用基于局部對比度方差的結構響應引導方式實現多尺度特征的權重融合，最終輸出具有清晰邊界、豐富層次與較高對比度的增強后的鍍鋅鋁鎂鋼帶表面鍍層圖像。

技術實現思路

1、本發明提供一種鍍鋅鋁鎂鋼帶表面鍍層圖像增強方法，旨在提出鍍層圖像增強模型，其中多尺度特征提取模塊采用改進的自適應閾值局部二值模式與方向梯度特征相結合的方法，提取不同尺度下的邊緣紋理和結構特征；其中特征選擇性增強模塊采用改進的多尺度方向響應抑制與稀疏激活增強方法，對多尺度特征圖進行方向顯著性選擇與細節區域響應提升；其中跨尺度特征融合模塊基于局部對比度方差構建結構響應圖，實現多尺度特征圖的像素級加權融合，最終輸出增強后的鍍鋅鋁鎂鋼帶表面鍍層圖像。

2、本發明旨在提出鍍層圖像增強模型，提供一種鍍鋅鋁鎂鋼帶表面鍍層圖像增強方法，包括以下步驟。

3、s1、收集鍍鋅鋁鎂鋼帶表面鍍層圖像，使用工業相機拍攝鍍鋅鋁鎂鋼帶表面鍍層，構建鍍鋅鋁鎂鋼帶表面鍍層圖像數據集。

4、s2、引入結構感知機制與區域引導濾波策略，利用改進的邊緣保持濾波方法對鍍鋅鋁鎂鋼帶表面鍍層圖像進行預處理。

5、s3、構建多尺度特征提取模塊，采用改進的自適應閾值局部二值模式與簡化方向梯度特征相結合的方法，提取鍍鋅鋁鎂鋼帶表面鍍層圖像的多尺度特征。

6、s4、構建特征選擇性增強模塊，采用改進的多尺度方向響應抑制與稀疏激活增強方法，對多尺度特征圖中的顯著區域進行響應增強，并激活邊緣細節特征的局部表達能力。

7、s5、構建跨尺度特征融合模塊，采用基于局部對比度方差引導的加權融合方法，對不同尺度的增強特征圖進行統一對齊與結構敏感融合，生成增強后的鍍鋅鋁鎂鋼帶表面鍍層圖像。

8、s6、構建鍍層圖像增強模型，包含輸入、多尺度特征提取模塊、特征選擇性增強模塊、跨尺度特征融合模塊和輸出。

9、優選地，在s1中，選擇高分辨率的灰度工業相機，結合工業鏡頭、固定光源裝置及外部同步觸發系統，對鍍鋅鋁鎂鋼帶表面鍍層進行圖像采集，采集過程中包含多批次、不同加工工藝和不同表面狀態的鋼帶樣本，采集的圖像包括正常鍍層區域、邊界模糊區域、反光干擾區域、紋理分布不均區域以及典型的表面缺陷區域（如黑斑、縮孔、針孔等），構建鍍鋅鋁鎂鋼帶表面鍍層圖像數據集。

10、優選地，在s2中，對鍍鋅鋁鎂鋼帶表面鍍層圖像進行預處理，具體過程為：

11、s21、輸入采集的鍍鋅鋁鎂鋼帶表面鍍層二維灰度圖像，使用索貝爾算子計算二維灰度圖像的邊緣響應強度，具體的計算公式為：

12、；

13、式中，和是二維灰度圖像在x和y方向上的梯度分量；

14、以二維灰度圖像中的任意像素點(x,y)為中心，定義一個大小為的w×w的局部窗口區域，引入結構感知機制，通過加權融合二維灰度圖像的邊緣響應強度和灰度方差構建結構感知圖，結構感知圖的數學公式為：

15、；

16、式中，是調節參數，用于控制邊緣響應與紋理強度之間的相對權重，是局部窗口區域內的灰度方差；

17、s22、設計自適應閾值，將結構感知圖劃分為結構顯著區域和普通區域，自適應閾值的數學公式為：

18、；

19、式中，是結構感知圖的全圖均值，是調節參數，用于控制結構顯著性，是結構感知圖的全圖標準差；

20、引入區域引導濾波策略，使用自適應閾值構建區域引導掩碼，區域引導掩碼的數學公式為：

21、；

22、s23、以結構感知圖為引導圖，區域引導掩碼為輔助調節因子，對二維灰度圖像進行邊緣保持濾波處理，構建聯合引導的權重函數，具體的計算公式為：

23、；

24、式中，是當前位置像素的結構感知值，是鄰域內像素點(i,j)的結構感知值，是結構相似性調節參數；

25、基于聯合引導的權重函數，對二維灰度圖像進行加權求和，計算濾波增強后的像素值，得到預處理后的鍍鋅鋁鎂鋼帶表面圖像，具體的計算公式為：

26、；

27、式中，是濾波窗口鄰域。

28、優選地，在s2中，對于鍍鋅鋁鎂鋼帶表面鍍層圖像進行預處理，采用結合邊緣響應和灰度方差的結構感知方法，生成結構感知圖，并通過自適應閾值生成區域引導掩碼，實施邊緣保持濾波；該方法在去除噪聲的同時有效保留鍍鋅鋁鎂鋼帶表面鍍層圖像邊緣和細節，提升了鍍鋅鋁鎂鋼帶表面鍍層圖像結構清晰度。

29、優選地，在s3中，多尺度特征提取模塊的構建方法為：

30、s31、將預處理后的鍍鋅鋁鎂鋼帶表面鍍層圖像構建為多尺度圖像金字塔，通過高斯下采樣得到不同分辨率的圖像，對每一層先進行高斯模糊處理再進行下采樣，得到下一層尺度圖像，具體的計算公式為：

31、；

32、式中，是標準差為的高斯核函數，是卷積操作，是對高斯模糊處理后的圖像進行2倍下采樣；

33、s32、對每一尺度圖像，定義中心像素和一個的局部窗口，從局部窗口中提取所有相鄰像素值，計算中心像素點的局部自適應閾值，具體的計算公式為：

34、；

35、式中，是局部窗口的均值，是局部窗口的灰度標準差，是調節參數，控制紋理響應強度；

36、基于局部自適應閾值使用二值編碼函數對每一個中心像素進行模式編碼，得到每一尺度圖像對應的局部二值紋理特征圖，具體的計算公式為：

37、；

38、式中，p是鄰域像素點的數量，s是一個符號函數，當鄰域像素值大于等于閾值輸出1，否則輸出0；

39、s33、對每一尺度圖像使用索貝爾算子計算其在水平和垂直方向上的梯度值，由梯度值計算每個像素點的梯度方向角，具體的計算公式為：

40、；

41、式中，和分別是每一尺度圖像在水平和垂直方向的梯度值；

42、對梯度方向角進行等間隔角度劃分的帶區映射處理，將每個像素的方向角映射至預設的d個方向帶區，得到每一尺度圖像對應的方向特征圖，具體的計算公式為：

43、；

44、s34、對每一層，將局部二值紋理特征圖與方向特征圖進行融合，得到聯合特征圖，具體的計算公式為：

45、；

46、式中，是歸一化操作，是融合權重因子。

47、優選地，在s3中，對于多尺度特征提取模塊，采用改進的自適應閾值局部二值模式與簡化方向梯度特征相結合的方法，該方法在不同尺度下提取預處理后的鍍鋅鋁鎂鋼帶表面鍍層圖像的邊緣結構與局部紋理特征，具備一定的抗噪性能和適應性，能夠提高對邊界模糊區域及亮度變化區域的特征表達能力，減少無效特征信息的干擾，有利于增多尺度特征提取強模塊提取穩定且具有區分度的鍍鋅鋁鎂鋼帶表面鍍層圖像特征。

48、優選地，在s4中，特征選擇性增強模塊的構建方法為：

49、s41、構建聯合特征圖的方向增強響應圖，對于聯合特征圖中任意像素點，其方向索引記為，，在該方向下選取以該像素為中心、朝方向擴展的鄰域窗口，計算該像素在方向上的響應強度，具體的計算公式為：

50、；

51、根據方向響應強度，設計一種稀疏激活策略，通過softmax函數對各方向響應強度值進行歸一化計算，得到方向激活因子，具體的計算公式為：

52、；

53、將方向激活因子與每個方向對應的響應圖進行加權融合，得到每一層下的方向增強響應圖，具體的計算公式為：

54、；

55、s42、引入線性融合機制，將聯合特征圖與方向增強響應圖進行加權融合，得到每一層的增強特征圖，具體的計算公式為：

56、；

57、式中，是稀疏激活增強權重系數。

58、優選地，在s4中，對于特征選擇性增強模塊，采用改進的多尺度方向響應抑制與稀疏激活增強方法，對多尺度特征圖中具有方向顯著性的區域進行響應強化，并對非目標區域進行抑制處理，該方法可增強結構邊緣及紋理細節的響應強度，抑制背景或重復區域帶來的干擾，提高特征圖的局部對比度與判別能力。

59、優選地，在s5中，跨尺度特征融合模塊的構建方法為：

60、s51、對每一尺度下的增強特征圖進行上采樣操作，將其調整為與預處理后的鍍鋅鋁鎂鋼帶表面鍍層圖像相同的空間分辨率，得到每一尺度的上采樣增強特征圖，具體的計算公式為：

61、；

62、式中，是插值權重，且；

63、s52、對每一尺度的上采樣增強特征圖，以像素為中心構造一個大小為的滑動窗口，計算滑動窗口內的像素灰度均值，具體的計算公式為：

64、；

65、式中，q是滑動窗口內的像素數，且；

66、由滑動窗口內的像素灰度均值，計算該窗口內的像素灰度方差，即得到當前尺度下的結構響應圖，具體的計算公式為：

67、；

68、在得到所有尺度下的結構響應圖后，采用歸一化方式構建融合權重，具體的計算公式為：

69、；

70、式中，l是尺度的總數；

71、根據不同尺度特征圖在同一位置的結構響應權重，對各尺度上采樣增強特征圖進行加權組合，得到增強后的鍍鋅鋁鎂鋼帶表面鍍層圖像，具體的計算公式為：

72、。

73、優選地，在s5中，對于跨尺度特征融合模塊，通過構建基于局部對比度方差的結構響應圖，計算各尺度特征圖在不同位置的結構權重，實現像素級的加權融合處理，該方法能夠在融合過程中保留紋理豐富、結構突出的圖層信息，抑制冗余和模糊特征的影響，有利于提升融合圖像的邊緣清晰度與整體層次感，生成清晰的鍍鋅鋁鎂鋼帶表面鍍層增強圖像。

74、與現有技術相比，本發明具有以下技術效果：

75、本發明提供的技術方案提出了鍍層圖像增強模型，其中多尺度特征提取模塊采用改進的自適應閾值局部二值模式與方向梯度特征相結合的方法，提取不同尺度下的邊緣紋理和結構特征；其中特征選擇性增強模塊采用改進的多尺度方向響應抑制與稀疏激活增強方法，對多尺度特征圖進行方向顯著性選擇與細節區域響應提升；其中跨尺度特征融合模塊基于局部對比度方差構建結構響應圖，實現多尺度特征圖的像素級加權融合，最終輸出增強后的鍍鋅鋁鎂鋼帶表面鍍層圖像。