一种基于移动终端的电表箱图像质量检测方法技术

本发明专利技术公开了一种基于移动终端的电表箱图像质量检测方法，包括获取多张电表箱样本图像，对所述样本图像进行分类，将分类后的样本图像进行叠加求均值，得到平均样本图像，然后基于平均样本图像计算全局特征值和纹理特征值，将全局特征值和纹理特征值作为训练集，依次迭代训练多个弱分类器，再将个弱分类器进行加权组合，得到一个强分类器，通过该强分类器对电表箱图像进行质量检测，减少了对样本图像的质量需求，采用两种特征值训练弱分类器，降低了对硬件的需求，同时多个弱分类器协同工作，使得分类结果的准确率和分类效率都有所提高。高。高。

【技术实现步骤摘要】
一种基于移动终端的电表箱图像质量检测方法


[0001]本专利技术属于图像处理
，特别涉及一种基于移动终端的电表箱图像质量检测方法。

技术介绍

[0002]随着我国电力事业的发展和智能电网建设的推进,电力系统一线生产单位正采用多种监控手段,例如无人机图像采集、视频监控、红外热成像等方法采协助工作人员完成输电线路的巡检。
[0003]但是目前的监控方法，大多需要电网服务平台对各种设备采集到的电力图像进行处理，不便于一线电力工作人员使用。虽然，今年来出现了一些用于电力图像检测的移动终端，但其大多是通过深度学习技术进行图像处理的，对硬件支撑能力要求很高，因此成本耗费巨大，不便于推广。

技术实现思路

[0004]针对上述现有技术存在的问题，本专利技术提供了一种基于移动终端的电表箱图像质量检测方法，通过多个弱分类器协同组合成的强分类器进行图像质量检测，保证了图像识别的精度，同时又降低了对硬件的依赖。
[0005]本专利技术实施例的第一方面提供了一种基于移动终端的电表箱图像质量检测方法，所述检测方法包括：
[0006]获取多张电表箱样本图像，对所述样本图像进行分类，将分类后的样本图像进行叠加求均值，得到平均样本图像；
[0007]计算平均样本图像的全局特征值和纹理特征值；
[0008]将全局特征值和纹理特征值作为训练集，依次迭代训练多个弱分类器；
[0009]对训练完成的多个弱分类器进行加权组合，得到一个强分类器；
[0010]采用所述强分类器对电表箱图像进行质量检测。
[0011]本专利技术实施例的第二方面提供了一种移动终端，所述移动终端包括：
[0012]图像处理模块，用于获取多张电表箱样本图像，对所述样本图像进行分类，将分类后的样本图像进行叠加求均值，得到平均样本图像；
[0013]特征提取模块，用于计算平均样本图像的全局特征值和纹理特征值；
[0014]模型构造模块，用于将全局特征值和纹理特征值作为训练集，依次迭代训练多个弱分类器，对训练完成的多个弱分类器进行加权组合，得到一个强分类器；
[0015]图像分析模块，用于采用所述强分类器对电表箱图像进行质量检测。
[0016]本专利技术实施例的第三方面提供了一种计算机可读存储介质，所述存储介质中存储有至少一条程序代码，所述至少一条程序代码由处理器加载并执行以实现上述的一种基于移动终端的电表箱图像质量检测方法。
[0017]本专利技术的一种基于移动终端的电表箱图像质量检测方法，具备如下有益效果：
[0018]本专利技术公开了一种基于移动终端的电表箱图像质量检测方法，包括获取多张电表箱样本图像，对所述样本图像进行分类，将分类后的样本图像进行叠加求均值，得到平均样本图像，然后基于平均样本图像计算全局特征值和纹理特征值，将全局特征值和纹理特征值作为训练集，依次迭代训练多个弱分类器，再将个弱分类器进行加权组合，得到一个强分类器，通过该强分类器对电表箱图像进行质量检测，减少了对样本图像的质量需求，采用两种特征值训练弱分类器，降低了对硬件的需求，同时多个弱分类器协同工作，使得分类结果的准确率和分类效率都有所提高。
附图说明
[0019]为了更清楚地说明本专利技术实施例中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0020]图1是本专利技术一种基于移动终端的电表箱图像质量检测方法的整体流程图；
[0021]图2是强分类器的组合过程流程图。
具体实施方式
[0022]以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本专利技术实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本专利技术。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本专利技术的描述。
[0023]本专利技术实施例提供了一种基于移动终端的电表箱图像质量检测方法，上述检测方法包括：
[0024]获取多张电表箱样本图像，对所述样本图像进行分类，将分类后的样本图像进行叠加求均值，得到平均样本图像；
[0025]计算平均样本图像的全局特征值和纹理特征值；
[0026]将全局特征值和纹理特征值作为训练集，依次迭代训练多个弱分类器；
[0027]对训练完成的多个弱分类器进行加权组合，得到一个强分类器；
[0028]采用所述强分类器对电表箱图像进行质量检测。
[0029]参考图1，在本实施例中，通过训练强分类器进行图像质量检测。具体的是，获取多张电表箱样本图像，对所述样本图像进行分类，将分类后的样本图像进行叠加求均值，得到平均样本图像，采用平均样本作为分类基准，然后基于平均样本图像计算全局特征值和纹理特征值，将全局特征值和纹理特征值作为训练集，依次迭代训练多个弱分类器，再将个弱分类器进行加权组合，得到一个强分类器，通过该强分类器对电表箱图像进行质量检测，减少了对样本图像的质量需求，同时多个弱分类器协同工作，使得分类结果的准确率和分类效率都有所提高。
[0030]基于上述检测方法，上述计算平均样本图像的全局特征值和纹理特征值，包括：
[0031]将所述平均样本图像进行缩放，并进行灰度化处理，得到压缩样本图像；
[0032]计算压缩样本图像像素点的灰度值均值，基于灰度值均值对压缩样本图像的个像
素点的灰度值进行重置，得到压缩样本图像的hash值作为压缩样本图像的全局特征值；
[0033]选取压缩样本图像中的一个像素点以及与之相邻的像素点作为特征提取窗，计算特征提取窗中心像素的特征值作为纹理特征值。
[0034]在本实施例中，通过将平均样本图像进行缩放，并进行灰度化处理，得到压缩样本图像，其中压缩样本图像为8*8的正方形图像，再计算压缩样本图像像素点的灰度值均值，然后依次比较各个像素点的灰度值与均值的大小，将小于均值的灰度值记为0，大于均值的灰度值记为1，构建一个64位的hash值，该值可表示图像的全局特征。再基于压缩样本图像，选取一个像素点以及与之相邻的像素点作为特征提取窗，其中特征提取窗的大小为3*3。
[0035]然后通过特征提取窗口提取压缩样本图形的纹理特征，具体过程如下：
[0036]选取压缩样本图像中的一个像素点以及与之相邻的像素点作为特征提取窗，所述提取窗大小为3*3；
[0037]计算所述特征提取窗中心像素点与各个相邻像素点之间的距离，基于中心像素点与各个相邻像素点之间的距离对各像素点的灰度值进行加权运算，其中距离越近权重越大；
[0038]将加权后的特征提权窗分成竖直方向的三组数据，依次对比各个数据组各数据位的灰度值大小；
[0039]将灰度值大的数据位记为1，灰度值小的数据位记为0，组成一个八位二进制数，中心像素本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于移动终端的电表箱图像质量检测方法，其特征在于，所述检测方法包括：获取多张电表箱样本图像，对所述样本图像进行分类，将分类后的样本图像进行叠加求均值，得到平均样本图像；计算平均样本图像的全局特征值和纹理特征值；将全局特征值和纹理特征值作为训练集，依次迭代训练多个弱分类器；对训练完成的多个弱分类器进行加权组合，得到一个强分类器；采用所述强分类器对电表箱图像进行质量检测。2.根据权利要求1所述检测方法，其特征在于，计算平均样本图像的全局特征值和纹理特征值，包括：将所述平均样本图像进行缩放，并进行灰度化处理，得到压缩样本图像；计算压缩样本图像像素点的灰度值均值，基于灰度值均值对压缩样本图像的个像素点的灰度值进行重置，得到压缩样本图像的hash值作为压缩样本图像的全局特征值；选取压缩样本图像中的一个像素点以及与之相邻的像素点作为特征提取窗，计算特征提取窗中心像素的特征值作为纹理特征值。3.根据权利要求2所述检测方法，其特征在于，将平均样本图像进行缩放包括：基于压缩样本图像的大小，确定所要选取的像素点的数量，所述压缩样本图像为n*n的正方形图像；读取平均样本图像的大小，分别计算平均样本图像长和宽与压缩样本图像长的比值；若计算得到的比值存在小数部分则判断小数部分是否满足所设阈值；若满足，则将平均样本图像的长或宽增加，直到平均样本图像长或宽与压缩样本图像长的比值为整数；若不满足，则将平均样本图像的长或宽减小，直到平均样本图像长或宽与压缩样本图像边长的比值为整数；基于调整后的样本图像，按照计算所得比值，等距离选取像素点，组成压缩样本图像。4.根据权利要求1所述检测方法，其特征在于，所述弱分类器分别对应一个缺陷识别，所述缺陷包括外观破损、窥视窗破损、外观锈蚀、标识牌缺失、锁具缺失、封印缺失。5.根据权利要求1所述检测方法，其特征在于，所述强分类器包括：提取平均样本图像的全局特征值和纹理特征值，将全局特征值和纹理特征值作为训练集依次对弱分类器进行训练；读取每个弱分类器的输出结果，根据每个弱分类器对于训练样本的训练结果，获取多个弱分类器之间的关联关...

【专利技术属性】
技术研发人员：王路涛，李博，郭敬林，苏良立，边靖宸，李永乐，张书健，孙红宇，张萌萌，李熊，许灵洁，严华江，陈欢军，丁徐楠，刘勇，南昊，孙剑桥，梁翀，陈思宇，
申请(专利权)人：国网浙江省电力有限公司营销服务中心安徽继远软件有限公司，
类型：发明
国别省市：