The invention relates to a defect detection method for patrol target based on feature point detection and SVM classifier, which includes: acquiring real-time patrol target image and transforming its gray value; processing the transformed image using maximum inter-class variance method and SUSAN edge detection method to determine the candidate area of the target to be inspected; and screening the candidate area according to the shape characteristics of the target to be inspected. Selection and fusion; LBP and LPQ features are extracted from the processed candidate regions, and their features are fused and input into the pre-trained SVM classifier for classification and recognition. Compared with the traditional template matching method, the detection method of the present invention does not need the complicated registration work of the two maps in the early stage. At the same time, the combination of LBP and LPQ features can more accurately describe the target features and improve the accuracy of defect recognition results; the operation is simple, and has high environmental adaptability, and can meet the requirements of the integrity of parts and components of oil production equipment. Identification requirements.
【技术实现步骤摘要】
基于特征点检测与SVM分类器的巡检目标缺陷检测方法
本专利技术涉及计算机视觉
,尤其涉及一种基于特征点检测与SVM分类器的目标缺陷检测方法。
技术介绍
目标缺陷检测是计算机视觉领域的一项重要内容,对于传统的缺陷检测来说,基本操作是采用模板匹配的方法,首先需要使用图像配准技术将待检图像与参考图像转换到相同的成像空间,然后将参考图与转换后的巡检图做残差,直接判断待检目标是否缺失。由于大部分油田所处环境气候恶劣,采油设备常年暴露在风沙环境中,油污侵蚀等情况会使设备上的螺栓、手轮等零件外观发生形变。这种情况下,使用传统的模板匹配方法来检测设备的完整性很容易发生漏检或者误检测的情况。同时,大部分实际拍摄的图像,参考图与实时图之间通常存在着正射、仿射等变换,图像配准过程中涉及到特征点检测、参数估计和插值运算等一系列操作,当图像分辨率较大时,计算复杂度高。当前期特征检测不准确时,往往影响后期配准的精度,进而影响目标缺陷检测的结果。现有的缺陷检测方法,多是用在车间生产中,通过固定产品的位置,检测机器生产出来的零部件质量是否符合规定。这种方法在户外或者产品摆放不齐、产品位置发生变化时,检测效果不理想,不能准确的检测出目标缺失的数量。中国专利公开号:CN103635169A公开了一种缺陷检测系统,包括:图像处理单元、缺陷检测单元以及图像显示单元,其中,该图像处理单元被构造成获取吸收性物品的形态图像,该吸收性物品的形态图像示出了在多个步骤的每一步骤中的吸收性物品加工后的形态,该缺陷检测单元被构造成基于由图像处理单元获取的形态图像而检测加工后的吸收性物品是否存在缺陷部位,该 ...
【技术保护点】
1.一种基于特征点检测与SVM分类器的巡检目标缺陷检测方法,其特征在于,包括:步骤A:获取实时拍摄的巡检目标图像I(x,y),其中x∈[1,M],y∈[1,N],M、N为巡检图的尺寸,对I(x,y)进行灰度值变换,将图像I(x,y)从RGB空间转换为灰度空间I′(x,y);步骤B:使用最大类间方差法和SUSAN边缘检测法对转换后的巡检图I′(x,y)进行处理,确定待检目标的候选区域Ai(xi,yi),其中i=1,...,n,n为候选区域的个数;步骤C:根据待检目标的形状特征对候选区域进行筛选和区域融合,以删除误检的目标区域,处理后的候选区域为A′j(xj,yj),其中j=1,...,Num,Num为处理后的候选区域个数;步骤D:对处理后的候选区域A′j(xj,yj)进行LBP与LPQ特征提取,并将二者特征进行融合,输入到预先训练好的SVM分类器中进行分类识别,以判断设备中零件是否齐全。
【技术特征摘要】
1.一种基于特征点检测与SVM分类器的巡检目标缺陷检测方法,其特征在于,包括:步骤A:获取实时拍摄的巡检目标图像I(x,y),其中x∈[1,M],y∈[1,N],M、N为巡检图的尺寸,对I(x,y)进行灰度值变换,将图像I(x,y)从RGB空间转换为灰度空间I′(x,y);步骤B:使用最大类间方差法和SUSAN边缘检测法对转换后的巡检图I′(x,y)进行处理,确定待检目标的候选区域Ai(xi,yi),其中i=1,...,n,n为候选区域的个数;步骤C:根据待检目标的形状特征对候选区域进行筛选和区域融合,以删除误检的目标区域,处理后的候选区域为A′j(xj,yj),其中j=1,...,Num,Num为处理后的候选区域个数;步骤D:对处理后的候选区域A′j(xj,yj)进行LBP与LPQ特征提取,并将二者特征进行融合,输入到预先训练好的SVM分类器中进行分类识别,以判断设备中零件是否齐全。2.根据权利要求1所述的基于特征点检测与SVM分类器的巡检目标缺陷检测方法,其特征在于,所述步骤B包括:步骤B1:使用最大类间方差法计算所述灰度图像I′(x,y)的最佳分割阈值T;步骤B2:根据步骤B1计算出的阈值T,取其1/5作为SUSAN特征边缘的检测阈值,检测目标区域的边缘;步骤B3:对所述步骤B2检测后的图像进行二值化处理以突出目标区域,处理后的图像为B(x,y);步骤B4:移除B(x,y)中区域面积小于N的小目标区域,其中N表现为目标区域的像素个数之和;步骤B5:对处理后的二值图像,使用形态学运算和连通区域标注法确定目标区域最大外接矩形框,并统计候选区域个数n。3.根据权利要求2所述的基于特征点检测与SVM分类器的巡检目标缺陷检测方法,其特征在于,所述步骤B1中利用最大类间方差法计算图像最佳分割阈值T的方法包括:对于待检图像I′(x,y),将目标和背景的分割阈值记作T,图像中像素的灰度值小于阈值T的像素个数记作N0,占整幅图像的比例记为ω0,平均灰度为μ0,则ω0=N0/(M×N);像素灰度大于阈值T的像素个数记作N1,占整幅图像的比例为ω1,平均灰度为μ1,则ω1=N1/(M×N);图像的总平均灰度记为μ,类间方差为g,则有:其中N0+N1=M×N,ω0+ω1=1,对式(1)进行简化得g=ω0ω1(μ0-μ1)2,采用遍历法得到最佳分割阈值T。4.根据权利要求2所述的基于特征点检测与SVM分类器的巡检目标缺陷检测方法,其特征在于,在所述步骤B2中检测目标区域边缘的方法包括:根据步骤B1求得的最佳分割阈值T,取其1/5作为SUSAN特征边缘的检测阈值,并对目标区域进行边缘检测:以图像中每点像素为中心作圆形模板,模板内共有37个像素,将各邻域点分别带入式(2)作相似度衡量的计算:其中r为领域像素距离中心的长度,r0为中心位置,t为相似度分界值,且t=T/5;计算相似度后,利用式(3)计算总共的相似程度:计算完成后,将与一个固定的阈值g进行比较,其中g=0.75·nmax,nmax为模板内的像素数且nmax=37;初始的边缘响应可以用式(4)进行计算:5.根据权利要求4所述的基于特征点检测与SVM分类器的巡...
【专利技术属性】
技术研发人员:姜欢,
申请(专利权)人:北京航天福道高技术股份有限公司,
类型:发明
国别省市:北京,11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。