權利要求書： 1.風機葉片圖像分割與網格優化拼接方法，其特征在于，包括以下步驟：S1、連續采集單面風機葉片的圖像構成待拼接的一組原始圖像；S2、利用U?net算法對一組原始圖像的每個原始圖像進行圖像前景分割，提取風機葉片主體部分形成一組待配準圖像；S3、將每個待配準圖像網格化，對每個待配準圖像的網格頂點建立從1到m的索引，然后把網格頂點的x,y坐標表示為一個2m維度的向量，＝[x1y1x2y2…xmym]，定義關于的全局能量函數，并對能量函數最小化得到網格頂點最優解 為：其中，ψa()為對齊誤差項；ψl()為局部相似性項；ψg()為全局相似性正則項；ψline()為直線保持正則項；λl、λg、λline分別為局部相似項、全局相似性項、直線保持約束項的調節權重；S4、根據網格頂點最優解，進行圖像映射和像素融合，完成圖像拼接；一組待配準圖像為N個，對一組待配準圖像進行編號為i，i＝1～N，利用SIFT算法提取每個待配準圖像特征點并對重疊區的特征點進行匹配，得粗匹配特征點對集合，利用隨機抽樣一致性算法剔除粗匹配特征點對集合中的誤匹配對，得有效匹配特征點對集合；確定有效匹配特征點對集合內的特征點所在四邊形網格，用該四邊形網格的頂點坐標線性描述對應特征點的位置，并確定網格頂點匹配對，得網格頂點匹配對集合；對齊誤差項ψa()為：其中，J為存在重疊區的圖像對集合； 為 所在四邊形的網格頂點ij坐標的線性加權；M 為網格頂點匹配對集合； 與 為一對有效匹配特征點對。2.如權利要求1所述的風機葉片圖像分割與網格優化拼接方法，其特征在于，局部相似性項ψl()為：其中， 為幾何變換前的網格頂點坐標， 為幾何變換后的網格頂點坐標，為幾何變換前的網格對角線向量， 為幾何投影變換后的網格對角線向量； 為 的變換矩陣，Ei表示全部網格的對角線向量集。3.如權利要求2所述的風機葉片圖像分割與網格優化拼接方法，其特征在于，全局相似性項ψg()為：其中， 為權重函數； 與 為對角線相似變換函數；si和θi為全局幾何變換參數。4.如權利要求2所述的風機葉片圖像分割與網格優化拼接方法，其特征在于，利用LSD算法對風葉圖像中的直線l進行提取，得直線集合L，在每條直線l上采集個n樣點，得每條直線的樣點集合直線保持約束項ψline()為：其中，[al,bl]
聲明：
“風機葉片圖像分割與網格優化拼接方法” 該技術專利(論文)所有權利歸屬于技術(論文)所有人。僅供學習研究，如用于商業用途，請聯系該技術所有人。
我是此專利(論文)的發明人(作者)
1000
編輯：管理員
來源：魯能新能源(集團)有限公司
分享 0
舉報 0
收藏 0
反對 0
點贊 0
2025年06月20日 ~ 22日 
