权利要求书： 1.风机叶片图像分割与网格优化拼接方法，其特征在于，包括以下步骤：S1、连续采集单面风机叶片的图像构成待拼接的一组原始图像；S2、利用U?net算法对一组原始图像的每个原始图像进行图像前景分割，提取风机叶片主体部分形成一组待配准图像；S3、将每个待配准图像网格化，对每个待配准图像的网格顶点建立从1到m的索引，然后把网格顶点的x,y坐标表示为一个2m维度的向量，＝[x1y1x2y2…xmym]，定义关于的全局能量函数，并对能量函数最小化得到网格顶点最优解 为：其中，ψa()为对齐误差项；ψl()为局部相似性项；ψg()为全局相似性正则项；ψline()为直线保持正则项；λl、λg、λline分别为局部相似项、全局相似性项、直线保持约束项的调节权重；S4、根据网格顶点最优解，进行图像映射和像素融合，完成图像拼接；一组待配准图像为N个，对一组待配准图像进行编号为i，i＝1～N，利用SIFT算法提取每个待配准图像特征点并对重叠区的特征点进行匹配，得粗匹配特征点对集合，利用随机抽样一致性算法剔除粗匹配特征点对集合中的误匹配对，得有效匹配特征点对集合；确定有效匹配特征点对集合内的特征点所在四边形网格，用该四边形网格的顶点坐标线性描述对应特征点的位置，并确定网格顶点匹配对，得网格顶点匹配对集合；对齐误差项ψa()为：其中，J为存在重叠区的图像对集合； 为 所在四边形的网格顶点ij坐标的线性加权；M 为网格顶点匹配对集合； 与 为一对有效匹配特征点对。2.如权利要求1所述的风机叶片图像分割与网格优化拼接方法，其特征在于，局部相似性项ψl()为：其中， 为几何变换前的网格顶点坐标， 为几何变换后的网格顶点坐标，为几何变换前的网格对角线向量， 为几何投影变换后的网格对角线向量； 为 的变换矩阵，Ei表示全部网格的对角线向量集。3.如权利要求2所述的风机叶片图像分割与网格优化拼接方法，其特征在于，全局相似性项ψg()为：其中， 为权重函数； 与 为对角线相似变换函数；si和θi为全局几何变换参数。4.如权利要求2所述的风机叶片图像分割与网格优化拼接方法，其特征在于，利用LSD算法对风叶图像中的直线l进行提取，得直线集合L，在每条直线l上采集个n样点，得每条直线的样点集合直线保持约束项ψline()为：其中，[al,bl]
声明：
“风机叶片图像分割与网格优化拼接方法” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究，如用于商业用途，请联系该技术所有人。
我是此专利(论文)的发明人(作者)
978
编辑：管理员
来源：鲁能新能源(集团)有限公司
分享 0
举报 0
收藏 0
反对 0
点赞 0
2025年05月23日 ~ 25日 
