[发明专利]一种基于色域提取分割的变电站呼吸器识别方法及装置在审
申请号: | 202111387138.8 | 申请日: | 2021-11-22 |
公开(公告)号: | CN114067115A | 公开(公告)日: | 2022-02-18 |
发明(设计)人: | 林旭;李密;陈旭;陈佳期;唐光铁;魏明泉;曾远强 | 申请(专利权)人: | 福建省海峡智汇科技有限公司 |
主分类号: | G06V10/26 | 分类号: | G06V10/26;G06V10/56;G06V10/74;G06K9/62 |
代理公司: | 厦门福贝知识产权代理事务所(普通合伙) 35235 | 代理人: | 陈远洋 |
地址: | 361112 福建省*** | 国省代码: | 福建;35 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 基于 提取 分割 变电站 呼吸器 识别 方法 装置 | ||
1.一种基于色域提取分割的变电站呼吸器识别方法,其特征在于:包括以下步骤:
S1:将包含变电站呼吸器的原始RGB图像归一化并调整图像大小为固定值,获得固定大小的RGB图像;
S2:对所述固定大小的RGB图像进行对比度增强与色度增强,获得预处理RGB图像;
S3:将所述预处理RGB图像转换为HSV颜色空间图像;
S4:将所述HSV颜色空间图像进行分割,形成若干子图像,输出子图像列表;
S5:基于预设的待识别颜色的上下限阈值,对所述子图像列表中的子图像进行二值化色域分割,将满足所述待识别颜色色域范围的颜色部分设为白色,获得若干二值化MASK;
S6:计算当前子图像二值化MASK中白色部分的像素值占二值化MASK全部像素值的比例;
S7:若所述比例大于第二阈值,则为当前子图像计有效分,统计所述子图像列表中所有二值化MASK中白色部分的总分值;
S8:基于预设第三阈值与所述总分值比较并输出识别结果,若所述总分值大于所述第三阈值,则判定则呼吸器当前的颜色为红色,并输出呼吸器无效的识别结果,若所述总分值小于所述第三阈值,则判定则呼吸器当前的颜色为白色,并输出呼吸器有效的识别结果。
2.根据权利要求1所述的一种基于色域提取分割的变电站呼吸器识别方法,其特征在于,所述步骤S1中的所述固定大小的RGB图像的图像大小具体为:高度h=250,宽度w=450。
3.根据权利要求1所述的一种基于色域提取分割的变电站呼吸器识别方法,其特征在于,在所述步骤S3中,通过如下公式将所述原始RGB图像转换为HSV颜色空间图像:
Max=max(R,G,B);
Min=min(R,G,B);
其中,f(x)表示为原始RGB图像转换为HSV颜色空间图像的函数,R、G、B分别表示彩色像素点的红、绿和蓝三分量的值,Max表示最大值,Min表示最小值。
4.根据权利要求1所述的一种基于色域提取分割的变电站呼吸器识别方法,其特征在于:所述步骤S2中利用OpenCV的equalizeHist函数增强所述固定大小的RGB图像对比度。
5.根据权利要求1所述的一种基于色域提取分割的变电站呼吸器识别方法,其特征在于:所述步骤S2中通过OpenCV先将所述固定大小的RGB图像转换为灰度图像,然后再进行线性叠加融合图像实现色度增强。
6.根据权利要求5所述的一种基于色域提取分割的变电站呼吸器识别方法,其特征在于:通过调用OpenCV中的接口函数cv2.addWeighted进行图像的线性叠加融合。
7.根据权利要求1所述的一种基于色域提取分割的变电站呼吸器识别方法,其特征在于:所述步骤S4中的若干所述子图像的图像大小均相等。
8.根据权利要求1所述的一种基于色域提取分割的变电站呼吸器识别方法,其特征在于:所述步骤S5中通过OpenCV中的阈值操作函数cv2.inRange进行所述子图像的二值化色域分割。
9.一种基于色域提取分割的变电站呼吸器识别装置,其特征在于,包括:
图像获取模块,所述图像获取模块用于获取原始RGB图像;
预处理模块,所述预处理模块用于对所述原始RGB图像进行预处理并获得预处理RGB图像;
图像分割模块,所述图像分割模块用于将所述预处理RGB图像分割成若干子图像;
二值化分割模块,所述二值化分割模块用于对若干所述子图像进行二值化色域分割并获得若干二值化MASK;
输出模块,所述输出模块通过权利要求1-8中任一所述的方法计算出若干所述二值化MASK的总分值,基于预设第三阈值与所述总分值比较并输出识别结果,若所述总分值大于所述第三阈值,则输出结果为呼吸器无效,若所述总分值小于所述第三阈值,则输出结果为呼吸器有效。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述程序被处理器执行时实现如权利要求1-8中任一所述的计算方法。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于福建省海峡智汇科技有限公司,未经福建省海峡智汇科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202111387138.8/1.html,转载请声明来源钻瓜专利网。