一种面向膜式壁面的图像特征提取方法技术

本发明专利技术公开了一种面向膜式壁面的图像特征提取方法。方法包括：将灰度图像进行无重叠均匀化分块处理划分图像区块；输入刚体变换模型中配准划分为图像特征点区块对；计算信息熵选取高熵区块对，进行改进的FAST关键点提取处理获得关键点对；获得关键点的BRIEF描述子；进行点特征匹配获得匹配点对；进行高斯核采样后计算梯度幅值和梯度方向，选取线段支持域区域；根据LBD算法获得匹配特征线段，即实现膜式壁面的损伤位置处的特征提取。本发明专利技术方法结合图像信息熵以及图像融合的技术，对膜式壁面特征进行分析，并进行匹配以及特征提取，有效的解决了在低纹理、结构单一的膜式壁面场景下的特征提取难的问题。特征提取难的问题。特征提取难的问题。

【技术实现步骤摘要】
一种面向膜式壁面的图像特征提取方法


[0001]本专利技术涉及了一种图像特征提取方法，具体涉及一种面向膜式壁面的图像特征提取方法。

技术介绍

[0002]膜式壁面是火电厂、锅炉厂水冷塔内部的主要结构，其长期处于高温烟气、飞灰等恶劣环境之中，因此，膜式壁面经常会出现腐蚀、磨损、漏缝等缺陷。若不及时处理膜式壁表面缺陷，极易引发爆炸事故，并严重影响火电厂、锅炉厂的安全运营。目前，对膜式壁面的维修一般由人工携带超声波检测仪器进行，这种检修方法通常需要在停炉冷却并清洗积灰和结渣后，再采用接触式点对点检测，该操作过程不仅效率低、劳动强度大、周期长，且经常极易出现由漏检、错检情况。鉴于此，有必要对膜式壁面的自动化检测进行相关的研究与探索。
[0003]随着图像信息技术的发展，对膜式壁面的自动化故障检测逐步成为研究热点。特征提取算法作为视觉同步定位与地图构建的关键技术，制约了其在低纹理、结构单一场景中的发展。同此外，考虑到膜式壁内部结构单一、光照暗弱、纹理稀少且重复性强，是点特征提取的重要难点，也是限制视觉同步定位与地图构建算法在低纹理、结构化场景下应用的痛点问题。

技术实现思路

[0004]为了解决
技术介绍
中存在的问题，本专利技术所提供一种面向膜式壁面视觉同步定位与地图构建的特征提取方法。结合图像信息熵以及图像融合的技术，对膜式壁面特征进行分析，并进行特征提取、匹配以及位姿计算。
[0005]本专利技术采用的技术方案是：
[0006]本专利技术图像特征提取方法包括如下步骤：
[0007]步骤1：采集膜式壁面的损伤位置处的前后两帧RGB彩色图像，将每帧RGB彩色图像依次进行图像灰度化和像素化处理后获得前后两帧RGB灰度图像；在保证完整性的前提下，对前后两帧RGB灰度图像进行无重叠均匀化分块处理，每帧RGB灰度图像均均匀划分为若干图像区块。
[0008]采用无重叠均匀化分块处理，便于保持整个图像的完整性、同时避免减少图像的特征的遗失，影响后续图像匹配的时候出现错匹配、误匹配的问题。
[0009]步骤2：将无重叠均匀化分块处理后的前后两帧RGB灰度图像输入刚体变换模型中进行配准处理，配准处理将前后两帧RGB灰度图像中的各个图像区块划分为若干个图像特征点区块对，每个图像特征点区块对包括两个分别位于前后两帧RGB灰度图像上的图像特征点区块；构建前一帧图像中的每一块图像区块与后一帧图像中的每一块图像区块的一一对应关系。
[0010]步骤3：计算各个图像区块的信息熵进而获得信息熵均值，选取信息熵均高于信息
熵均值的若干个图像特征点区块对均作为高熵区块对，针对每个高熵区块对，均进行改进的FAST关键点提取处理后获得若干个关键点对。
[0011]步骤4：将每个图像区块进行高斯滤波处理，处理后针对每个关键点对中的每个关键点，对关键点进行描述子的计算获得关键点的BRIEF描述子。
[0012]步骤5：针对前后帧RGB灰度图像上的每个关键点的BRIEF描述子，将前帧RGB灰度图像上的关键点和后帧RGB灰度图像上的关键点进行点特征匹配，从而获得若干个匹配点对，实现最优匹配；每个匹配点对中包括两个标记像素点。
[0013]步骤6：针对每帧RGB灰度图像，将RGB灰度图像进行高斯核采样后计算其中各个标记像素点的梯度幅值和梯度方向，根据各个标记像素点的梯度幅值和梯度方向选取线段支持域区域。
[0014]步骤7：将每个线段支持域区域内的各个种子像素点连接获得检测线段，根据LBD算法将检测线段进行处理后获得匹配特征线段，即实现膜式壁面的损伤位置处的特征提取，从而获得膜式壁面的损伤位置处的匹配特征线段在前后两帧RGB灰度图像中的变化。将匹配特征线段分为静态线特征、可疑静态线特征、错误匹配线特征，以保证用于状态更新的线段信息是正确、健壮的。
[0015]所述的步骤3中，所述的每个高熵区块对中的每个图像特征点区块的信息熵均高于信息熵均值。
[0016]所述的步骤3中，针对每个高熵区块对，均进行改进的FAST关键点提取处理后获得若干个关键点对，具体如下：
[0017]3.1)针对高熵区块对中的第一个图像特征点区块中的每个第一像素点P1和第二个图像特征点区块中的每个第二像素点P2，比较第一像素点P1的第一像素灰度值I
P1
和第二像素点P2的第二像素灰度值I
P2
，当第一像素灰度值I
P1
和第二像素灰度值I
P2
之间的灰度值差异小于预设响应阈值，则选取第一像素点P1和第二像素点P2构成选取像素点对；各个高熵区块对获得若干个选取像素点对。
[0018]3.2)针对每个选取像素点对，若选取像素点对满足选取条件，则将选取像素点对作为关键点对，关键点对中包括两个关键点。
[0019]所述的步骤3.2)中，针对每个选取像素点对，若选取像素点对满足选取条件，则将选取像素点对作为关键点对，具体为当选取像素点对中的每个选取像素点均满足选取条件，则将选取像素点作为关键点；选取条件具体如下：
[0020]将选取像素点作为圆心选取圆形区域，在圆形区域内随机选取若干连续的判断像素点，各个判断像素点中的连续的N个判断像素点的灰度值均大于I1，或者各个判断像素点中的连续的N个点的灰度值小于I2，I1＝(I
P1
+I
P2
)/2+T，I2＝(I
P1
+I
P2
)/2
‑
T，T为预设执行区间。
[0021]所述的步骤4中，针对每个关键点对中的每个关键点，对关键点进行描述子的计算获得关键点的BRIEF描述子，具体如下：
[0022]4‑
1)以关键点为中心，选取S
×
S的邻域窗口，在邻域窗口内随机选取两个像素点并比较两者间的像素灰度值，进而获得单个二进制数值。
[0023]4‑
2)重复步骤4
‑
1)直至达到预设重复次数M，最终形成M位的二进制编码，即为关键点的BRIEF描述子。
[0024]所述的步骤4
‑
1)中，在邻域窗口内随机选取两个像素点并比较两者间的像素灰度值，进而获得单个二进制数值，具体如下：
[0025][0026]其中，τ()为二进制数值；p(x)表示邻域窗口内随机选取的其中一个像素点x的像素灰度值，p(y)表示邻域窗口内随机选取的另一个像素点y的像素灰度值。
[0027]描述子是改进的BRIEF描述子，其采用二进制的方法组成的进行描述关键点，二进制可较为直观的进行反映了关键点附近的两个像素其值的灰度大小关系。其核心是在关键点P附近提取N对点，将N对点的灰度大小比较结果作为角点的描述子。
[0028]所述的步骤5中，针对前后帧RGB灰度图像上的每个关键点的BRIEF描述子，将前帧RGB灰度图像上的关键点和后帧RGB灰度图像上的关键点进行点特征匹配，具体为针对前帧RGB灰度图像上的每个关键点，计算后帧RG本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种面向膜式壁面的图像特征提取方法，其特征在于：方法包括如下步骤：步骤1：采集膜式壁面的损伤位置处的前后两帧RGB彩色图像，将每帧RGB彩色图像依次进行图像灰度化和像素化处理后获得前后两帧RGB灰度图像；对前后两帧RGB灰度图像进行无重叠均匀化分块处理，每帧RGB灰度图像均均匀划分为若干图像区块；步骤2：将无重叠均匀化分块处理后的前后两帧RGB灰度图像输入刚体变换模型中进行配准处理，配准处理将前后两帧RGB灰度图像中的各个图像区块划分为若干个图像特征点区块对，每个图像特征点区块对包括两个分别位于前后两帧RGB灰度图像上的图像特征点区块；步骤3：计算各个图像区块的信息熵进而获得信息熵均值，选取信息熵均高于信息熵均值的若干个图像特征点区块对均作为高熵区块对，针对每个高熵区块对，均进行改进的FAST关键点提取处理后获得若干个关键点对；步骤4：将每个图像区块进行高斯滤波处理，处理后针对每个关键点对中的每个关键点，对关键点进行描述子的计算获得关键点的BRIEF描述子；步骤5：针对前后帧RGB灰度图像上的每个关键点的BRIEF描述子，将前帧RGB灰度图像上的关键点和后帧RGB灰度图像上的关键点进行点特征匹配，从而获得若干个匹配点对；每个匹配点对中包括两个标记像素点；步骤6：针对每帧RGB灰度图像，将RGB灰度图像进行高斯核采样后计算其中各个标记像素点的梯度幅值和梯度方向，根据各个标记像素点的梯度幅值和梯度方向选取线段支持域区域；步骤7：将每个线段支持域区域内的各个种子像素点连接获得检测线段，根据LBD算法将检测线段进行处理后获得匹配特征线段，即实现膜式壁面的损伤位置处的特征提取，从而获得膜式壁面的损伤位置处的匹配特征线段在前后两帧RGB灰度图像中的变化。2.根据权利要求1所述的一种面向膜式壁面的图像特征提取方法，其特征在于：所述的步骤3中，所述的每个高熵区块对中的每个图像特征点区块的信息熵均高于信息熵均值。3.根据权利要求1所述的一种面向膜式壁面的图像特征提取方法，其特征在于：所述的步骤3中，针对每个高熵区块对，均进行改进的FAST关键点提取处理后获得若干个关键点对，具体如下：3.1)针对高熵区块对中的第一个图像特征点区块中的每个第一像素点P1和第二个图像特征点区块中的每个第二像素点P2，比较第一像素点P1的第一像素灰度值I
P1
和第二像素点P2的第二像素灰度值I
P2
，当第一像素灰度值I
P1
和第二像素灰度值I
P2
之间的灰度值差异小于预设响应阈值，则选取第一像素点P1和第二像素点P2构成选取像素点对；各个高熵区块对获得若干个选取像素点对；3.2)针对每个选取像素点对，若选取像素点对满足选取条件，则将选取像素点对作为关键点对，关键点对中包括两个关键点。4.根据权利要求3所述的一种面向膜式壁面的图像特征提取方法，其特征在于：所述的步...

【专利技术属性】
技术研发人员：傅雷，吴周鑫，胥芳，占红武，
申请(专利权)人：浙江工业大学台州研究院，
类型：发明
国别省市：