一种基于多层次相关滤波的仪表定位方法技术

本发明专利技术涉及图像处理，具体为一种基于多层次相关滤波的仪表定位方法，包括采集远中近焦距仪表图像作为模板图；人工标定焦距模板图的仪表中心，框住仪表最小矩形；提取模板图的HOG特征；制作相关滤波器；提取实际仪表图片HOG特征；用远焦距相关滤波器计算实际图片响应值；放大最大响应值仪表区域至中焦距；提取中焦距仪表区域HOG特征；计算中焦距仪表区域响应值；放大最大响应值仪表区域至近焦距；提取近焦距仪表区域HOG特征；计算近焦距仪表区域响应值；最大响应值仪表区域则为精确仪表位置；本采用逐步放大图像，层层定位，有着极高的仪表定位精度；提取的特征不易受表盘的复杂因素影响，有着较高的鲁棒性；识别迅速，高效定位。

A Method of Instrument Location Based on Multi-level Correlated Filtering

【技术实现步骤摘要】
一种基于多层次相关滤波的仪表定位方法
本专利技术涉及图像处理
，具体涉及一种基于多层次相关滤波的仪表定位方法。
技术介绍
随着智能机器人技术诞生与发展，仪表识别逐渐成为核心关键技术之一，但仪表识别的前提在于能精确定位仪表位置，在现有的方法中大多数是利用一两个特征，直接进行定位，此类方法极易受到复杂表面影响导致，定位出错，定位精度不高。所以需要专利技术一种定位精度高，实时性好的方法。在《基于ORB和改进Hough变换的指针仪表智能识读方法》(朱柏林,郭亮,吴清文，仪表技术与传感器)中提出一种基于ORB算法的仪表定位方法，通过预先建立仪表模板库，利用ORB特征来匹配待识别图中的仪表，从而得到仪表的位置。ORB算法计算量小，实时性较好，但特征点受光照影响较大，容易导致匹配错误对数较多，需要较好的筛选，且容易出现特征点数量过少的情况，对结果简单的仪表容易匹配错误。在《基于局部自适应核回归的仪表定位方法》(杜烨宇,陶大鹏,梁虹,林旭，数据采集与处理)中提出基于局部自适应核回归的仪表定位算法，通过预先建立模板仪表图像，对模板图像和待检测图像分别利用局部转向核函数提取图像特征，采用矩阵余弦相似性、显著性检验、非极大值抑制法来得到仪表位置。大实际过程中时间复杂度仍较高，不满足变电站的实时性需求。从以上分析可以看出，目前仪表定位仍存在许多问题，因此有必要提出一种定位精度高、鲁棒性强、实时性好的定位方法。本方法通过多层次对齐实现误差逐步缩小，通过方向梯度直方图特征与相关滤波器函数保证误差的缩小能力使得具有极强鲁棒性，方法简单有效。
技术实现思路
基于现有技术存在的问题，为了识别变电站的仪表位置，本专利技术提出一种基于多层次相关滤波的仪表定位方法，包括准备阶段和正式识别阶段，其中准备阶段包括：S11：采集远焦距仪表图、中焦距仪表图、近焦距仪表图作为模板图；S12：人工标定模板图的旋转中心，用最小矩形框住仪表区域；S13：提取模板图的方向梯度直方图特征(HistogramofOrientedGradient,HOG)，训练远焦距相关滤波器、中焦距相关滤波器、近焦距相关滤波器；正式阶段为：S21：提取实际仪表图像方向梯度直方图特征；S22：利用远焦距相关滤波器计算实际仪表图像方向梯度直方图与远焦距模板图的方向梯度直方图的响应值，该响应值的最大值即为仪表位置区域；S23：放大仪表位置区域至中焦距，提取中焦距仪表区域方向梯度直方图特征；S24：利用中焦距相关滤波器计算中焦距仪表区域方向梯度直方图特征与中焦距模板图的方向梯度直方图的响应值，根据该响应值的最大位置定位仪表位置区域；S25：放大仪表位置区域至近焦距，提取远焦距仪表区域方向梯度直方图特征；S26：利用近焦距相关滤波器计算近焦距仪表区域方向梯度直方图特征与近焦距模板图的方向梯度直方图的响应值，该响应值的最大值即为精确的仪表位置。进一步的，所述采集远焦距仪表图、中焦距仪表图、近焦距仪表图作为模板图包括：以实际仪表图像的初始图像作为近焦距模板图；以原始图像的大小为最小矩形框，放大图片，以仪表占满最小矩形框时的焦距为远焦距；以远焦距的二分之一焦距为中焦距。进一步的，所述训练远焦距相关滤波器、中焦距相关滤波器、近焦距相关滤波器包括：利用模板图方向梯度直方图特征与相关滤波器函数分别训练远焦距相关滤波器、中焦距相关滤波器、近焦距相关滤波器；在相关滤波器函数中，第i个图像的标签函数为yi，yi∈[0,1]，利用高斯函数作为权值函数使得当图像越靠近仪表旋转中心时，yi越大，当xi处于中心时，yi＝1，xi＝0；相关滤波器函数表示为：f(xi)＝wTxi；其中，xi为第i个图像的方向梯度直方图特征，wT为权值函数。进一步的，训练远焦距相关滤波器包括：其中，g(p)为远焦距相关滤波器，为实际图方向梯度直方图特征p向量与第x1个焦距图核卷积，为x1焦距下的高斯核函数，yi为第i个图像的标签函数；.*表示点乘，即向量的内积。进一步的，中焦距相关滤波器包括：其中，g(p1)为中焦距相关滤波器，为实际图方向梯度直方图特征p1向量与第x2个焦距图核卷积，为x2焦距下的高斯核函数。进一步的，训练近焦距相关滤波器包括：其中，g(p2)为近焦距相关滤波器，为实际图方向梯度直方图特征P2向量与第x3个焦距图核卷积，为x3焦距下的高斯核函数。进一步的，提取实际仪表图像方向梯度直方图特征包括：其中，M(x,y)表示梯度的幅度值，θ(x,y)表示梯度的方向；x为图像的横坐标，y为图像的纵坐标；Ix、Iy表示在x、y方向上的梯度值。进一步的，所述放大仪表位置区域至中焦距具体包括：设初始图像大小为[w,h]，若中焦距为近焦距的k倍，即中焦距放大了k倍，当远焦距滤波器最大值所得中心坐标为(a,b)，则：仪表位置的左上角坐标：仪表位置的右上角坐标：仪表位置的左下角坐标：仪表位置的右下角坐标：其中，w为初始图像的长，h为初始图像的高，a为远焦距滤波器最大值所得中心的横坐标，b为远焦距滤波器最大值所得中心的纵坐标。本专利技术的有益效果包括以下几个方面：1、本专利技术通过多层次，逐步缩小误差，使得定位误差可达到3个像素误差范围内，具有极高的仪表定位精度；2、本专利技术通过利用HOG特征，对光照不敏感，计算简单保证时效性；3、本方法利用HOG特征与相关滤波器函数训练相关滤波器，使得具备极强的误差缩减能力，保障了层层缩小的效果；附图说明图1为本专利技术采用的方法流程图。具体实施方式为了使本专利技术的目的、技术方案及优点更加清楚明白，以下结合附图对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。本专利技术提出了一种基于多层次相关滤波的仪表定位方法，如图1所示，包括准备阶段和正式识别阶段，其中准备阶段包括：S11：采集远焦距仪表图、中焦距仪表图、近焦距仪表图作为模板图；S12：人工标定模板图的旋转中心，用最小矩形框住仪表区域；S13：提取模板图的方向梯度直方图特征，训练远焦距相关滤波器、中焦距相关滤波器、近焦距相关滤波器；正式阶段为：S21：提取实际仪表图像方向梯度直方图特征；S22：利用远焦距相关滤波器计算实际仪表图像方向梯度直方图与远焦距模板图的方向梯度直方图的响应值，该响应值的最大值即为仪表位置区域；S23：放大仪表位置区域至中焦距，提取中焦距仪表区域方向梯度直方图特征；S24：利用中焦距相关滤波器计算中焦距仪表区域方向梯度直方图特征与中焦距模板图的方向梯度直方图的响应值，根据该响应值的最大位置定位仪表位置区域；S25：放大仪表位置区域至近焦距，提取远焦距仪表区域方向梯度直方图特征；S26：利用近焦距相关滤波器计算近焦距仪表区域方向梯度直方图特征与近焦距模板图的方向梯度直方图的响应值，该响应值的最大值即为精确的仪表位置。在本专利技术中，根据拍摄位置与仪表位置来确定焦距模板图，所述采集远焦距仪表图、中焦距仪表图、近焦距仪表图作为模板图包括：以实际仪表图像的初始图像作为近焦距模板图；以原始图像的大小为最小矩形框，放大图片，以仪表占满最小矩形框时的焦距为远焦距；以远焦距的二分之一焦距为中焦距。得到模板图之后，人工标定模板图的旋转中心，用最小矩形框住仪表区域，提取模板图的方向梯度直方图特征，训练远焦距本文档来自技高网...

【技术保护点】
1.一种基于多层次相关滤波的仪表定位方法，特征在于，包括准备阶段和正式识别阶段，其中准备阶段包括：S11：采集远焦距仪表图、中焦距仪表图、近焦距仪表图作为模板图；S12：人工标定模板图的旋转中心，用最小矩形框住仪表区域；S13：提取模板图的方向梯度直方图特征，训练远焦距相关滤波器、中焦距相关滤波器、近焦距相关滤波器；正式阶段为：S21：提取实际仪表图像方向梯度直方图特征；S22：利用远焦距相关滤波器计算实际仪表图像方向梯度直方图与远焦距模板图的方向梯度直方图的响应值，该响应值的最大值即为仪表位置区域；S23：放大仪表位置区域至中焦距，提取中焦距仪表区域方向梯度直方图特征；S24：利用中焦距相关滤波器计算中焦距仪表区域方向梯度直方图特征与中焦距模板图的方向梯度直方图的响应值，根据该响应值的最大位置定位仪表位置区域；S25：放大仪表位置区域至近焦距，提取远焦距仪表区域方向梯度直方图特征；S26：利用近焦距相关滤波器计算近焦距仪表区域方向梯度直方图特征与近焦距模板图的方向梯度直方图的响应值，该响应值的最大值即为精确的仪表位置。

【技术特征摘要】
1.一种基于多层次相关滤波的仪表定位方法，特征在于，包括准备阶段和正式识别阶段，其中准备阶段包括：S11：采集远焦距仪表图、中焦距仪表图、近焦距仪表图作为模板图；S12：人工标定模板图的旋转中心，用最小矩形框住仪表区域；S13：提取模板图的方向梯度直方图特征，训练远焦距相关滤波器、中焦距相关滤波器、近焦距相关滤波器；正式阶段为：S21：提取实际仪表图像方向梯度直方图特征；S22：利用远焦距相关滤波器计算实际仪表图像方向梯度直方图与远焦距模板图的方向梯度直方图的响应值，该响应值的最大值即为仪表位置区域；S23：放大仪表位置区域至中焦距，提取中焦距仪表区域方向梯度直方图特征；S24：利用中焦距相关滤波器计算中焦距仪表区域方向梯度直方图特征与中焦距模板图的方向梯度直方图的响应值，根据该响应值的最大位置定位仪表位置区域；S25：放大仪表位置区域至近焦距，提取远焦距仪表区域方向梯度直方图特征；S26：利用近焦距相关滤波器计算近焦距仪表区域方向梯度直方图特征与近焦距模板图的方向梯度直方图的响应值，该响应值的最大值即为精确的仪表位置。2.根据权利要求1所述的一种基于多层次相关滤波的仪表定位方法，其特征在于，所述采集远焦距仪表图、中焦距仪表图、近焦距仪表图作为模板图包括：以实际仪表图像的初始图像作为近焦距模板图；以原始图像的大小为最小矩形框，放大图片，以仪表占满最小矩形框时的焦距为远焦距；以远焦距的二分之一焦距为中焦距。3.根据权利要求1所述的一种基于多层次相关滤波的仪表定位方法，其特征在于，所述训练远焦距相关滤波器、中焦距相关滤波器、近焦距相关滤波器包括：利用模板图方向梯度直方图特征与相关滤波器函数分别训练远焦距相关滤波器、中焦距相关滤波器、近焦距相关滤波器；在相关滤波器函数中，第i个图像的标签函数为yi，yi∈[0,1]，利用高斯函数作为权值函数使得当图像越靠近仪表旋转中心时，yi越大，当xi处于中心时，yi＝1，xi＝0；相关滤波器函数表示为...

【专利技术属性】
技术研发人员：吕青松，唐云丰，高云，
申请(专利权)人：重庆邮电大学，
类型：发明
国别省市：重庆,50