一种面向最佳质量图像快速扫描的自适应控制方法及系统的制作方法
【技术领域】
[0001]本发明属于图像处理领域，尤其涉及一种面向最佳质量图像快速扫描的自适应控制方法及系统。
【背景技术】
[0002]目前广泛应用的扫描图像质量控制系统的最大特点是检测和控制复杂，效率低，有时需要通过操作人员观察扫描图像情况来判断如何进行扫描图像质量控制，随机性很大。另外，控制扫描图像质量是典型的多变量、分布参数的非线性系统，扫描过程非常复杂，很难为其建立合适的数学模型。
【发明内容】
[0003]本发明所要解决的技术问题在于提供一种面向最佳质量图像快速扫描的自适应控制方法及系统，旨在解决现有扫描图像质量控制系统检测和控制复杂、效率低，无法建立合适的数学模型的问题。
[0004]本发明是这样实现的，一种面向最佳质量图像快速扫描的自适应控制方法，具体步骤包括:
[0005]步骤A，进行交互界面参数设定，设置期望图像质量综合评价指标和阈值条件；
[0006]步骤B，根据所述期望图像质量综合评价指标影响计算扫描图像质量的因素参数；
[0007]步骤C，根据所述因素参数进行图像扫描得到扫描图像，并对所述扫描图像进行预处理得到后扫描图像；
[0008]步骤D，对所述后扫描图像及其对应的标准图像进行计算得到图像质量综合评价指标;
[0009]步骤E，对所述图像质量综合评价指标和所述期望图像质量综合评价指标进行比较，得到最佳扫描因素参数；
[0010]步骤F，根据所述最佳扫描因素参数进行图像扫描。
[0011]进一步地，所述因素参数包括扫描速度、CCD相机采样频率、光源照度、镜头光圈曝光量。
[0012]进一步地，步骤D具体包括:
[0013]步骤D1，对所述后扫描图像进行无参考图像质量评价指标计算，得到无参考图像质量评价指标；
[0014]步骤D2，对所述后扫描图像及其对应的标准图像进行图像匹配，并得到参考图像质量评价指标；
[0015]步骤D3，根据所述无参考图像质量评价指标和所述参考图像质量评价指标计算，得到图像质量综合评价指标。
[0016]进一步地，步骤E具体包括:
[0017]步骤E1，对所述图像质量综合评价指标和所述期望图像质量综合评价指标进行比较，若所述图像质量综合评价指标符合所述阈值条件，则以步骤B中的扫描图像质量因素影响参数为最佳扫描因素参数；
[0018]步骤E2，若所述图像质量综合评价指标不符合所述阈值条件，则修正所述扫描图像质量因素影响参数，并返回步骤C。
[0019]进一步地，在步骤C中，所述扫描图像需进行预处理后得到后扫描图像；所述预处理包括去噪、滤波和光照亮度灰度补偿。
[0020]本发明还提供了一种面向最佳质量图像快速扫描的自适应控制系统，其特征在于，包括:
[0021]人机交互模块，用于进行交互界面参数设定，设置期望图像质量综合评价指标和阈值条件；
[0022]运动控制模块，用于控制工作台及镜头移动；
[0023]扫描同步控制模块，用于控制扫描速度及图像采集频率，使所述扫描速度和图像米集频率同步；
[0024]图像采集模块，用于控制线阵CCD相机进行扫描图像信息采集；
[0025]图像预处理模块，用于对所述扫描图像进行预处理，得到扫后扫描图像；
[0026]图像质量综合评价模块，用于以期望图像质量综合评价指标的计算函数计算图像质量综合评价指标；
[0027]神经网络模型控制模块，用于对正交实验下获得的各扫描图像质量因素影响参数下与对应的图像综合评价指标进行训练与验证，找出各扫描图像质量因素影响参数与图像综合质量评价指标对应的非线性关系，获取最佳扫描因素参数。
[0028]进一步地，所述图像采集模块包括线阵CCD相机、镜头、图像采集卡、线性组合光源。
[0029]进一步地，所述运动控制模块包括运动控制卡、运动控制工作台。
[0030]进一步地，所述线性组合光源包括三个均匀聚焦照射至所述运动控制工作台的条形红色光源，用于为采集扫描图像信息提供足够的照度。
[0031]本发明与现有技术相比，有益效果在于:本发明能够控制复杂非线性系统，对图像进行扫描并计算图像质量综合评价指标，并对影响扫描图像质量的因素参数进行控制，得到最佳扫描图像以用于后续的图像处理中，同时依据本发明可建立最佳扫描因素参数的数学模型，能够很好的解决现有技术中存在的扫描图像质量控制系统复杂、效率低的问题。本发明通过神经网络方法代替人工操作，使得系统具有高度自动化、智能化。
【附图说明】
[0032]图1是本发明实施例提供的一种面向最佳质量图像快速扫描的自适应控制方法的流程示意图。
[0033]图2是本发明实施例提供的一种面向最佳质量图像快速扫描的自适应控制系统的结构示意图。
[0034]图3是本发明实施例提供的一种面向最佳质量图像快速扫描的自适应控制系统的具体结构示意图。
[0035]图4是本发明实施例提供的一种面向最佳质量图像快速扫描的自适应控制系统的工作原理图。
【具体实施方式】
[0036]为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
[0037]基于人工神经网络最佳图像扫描方法与技术的自适应控制是控制复杂非线性系统的方法，由机器视觉系统对图像进行扫描并计算图像质量综合评价指标，利用神经网络控制器对影响扫描图像质量的因素进行控制，得到最佳扫描图像以用于后续的图像处理中。
[0038]最佳质量图像快速扫描的自适应控制系统原理
[0039]最佳质量图像快速扫描的自适应控制系统控制量有工作台运动速度、线阵CCD相机采样频率、线性组合光源照度、线阵CCD相机光圈曝光量，通过神经网络控制器调整影响扫描图像质量的扫描参数，使各扫描参数达到最优组合使图像质量综合评价指标达到最大值。
[0040]最佳质量图像快速扫描的自适应控制系统工作流程
[0041]系统启动后进行初始化，系统初始化即系统自检，通过人机交互界面对程序进行操作，首先根据物体尺寸规划扫描路径，输入期望的图像质量综合评价指标值并启动图像扫描。同时根据输入的图像质量综合评价指标值计算出最优组合的扫描速度、CCD相机采样频率、光源照度、镜头光圈曝光量等影响扫描图像质量因素参数对物体进行图像扫描。为了提高处理速度，在图像扫描过程，同时进行图像预处理，扫描完毕后得到拼接好的整幅物体扫描图像。计算扫描图像的无参考图像质量评价指标，将扫描图与标准图进行图像匹配计算参考图像质量评价指标，通过无参考图像质量评价指标和参考图像质量评价指标得到扫描图像的图像质量综合评价指标。将该图像质量综合评价指标与设定的图像质量综合评价指标对比修正影响扫描图像质量因素参数，从而得到最佳扫描图像质量对应的影响扫描图像质量因素参数，如图4所示。
[0042]基于上述原理，如图1所示，本发明实施例提出了一种面向最佳质量图像快速扫描的自适应控制方法，具体步骤包括:
[0043]SI，进行交互界面参数设定，设置期望图像质量综合评价指标和阈值条件。在本步骤中，在进行交互界面参数设定之前，需对系统进行初始化，即系统自检，在系统初始化结束后，用户可进行相关参数及指标的设置。
[0044]S2，根据所述期望图像质量综合评价指标计算扫描图像质量因素影响参数。在进行步骤前，还需确定是否开启扫描，在用户选择开启扫描后才开始进行本步骤，若选择不开启扫描，则结束本程序。在本步骤中，根据所设定的期望图像质量综合评价指标，计算扫描图像质量因素影响参数，包括扫描速度、CCD相机采样频率、光源照度、镜头光圈曝光量等参数。
[0045]S3，根据所述扫描图像质量因素影响参数进行