[发明专利]基于RANSAC的轻量型表盘识别方法

说明书

本发明属于图像识别技术领域，公开了一种基于RANSAC的轻量型表盘识别方法，将表盘巡检图像转化为灰度图，对灰度图进行中值滤波以减少提取到的边缘像素点；使用四个Sobel核与中值滤波后的灰度图进行四次卷积以获取图像在横向和纵向上的灰度变化，得到四张二值化边缘图，将四张二值化边缘图合成为一张二值化边缘图；去除合成后的二值化边缘图中电线杆所在的位置形成的直线；得到删除直线后的二值化边缘图；最后，使用RANSAC做圆形拟合，以获得表盘具体位置。本发明具有运算量小，准确率高，无需预设模板的特点。

技术领域

本发明属于图像识别技术领域，具体涉及基于RANSAC的轻量型表盘识别方法。

背景技术

要获取表计位置，不可避免的要进行表盘形状检测。在众多形状中，对于表计检测意义最大的就是圆形。要检测圆形或椭圆，最常见的方法是使用霍夫变换（CHT），此方法首先使用Canny边缘检测来获取边缘像素，然后利用边缘像素来判断圆的位置。但是霍夫变换，尤其是霍夫椭圆变换需要大量的存储空间，具有较高的计算复杂度，且在图像存在噪声和目标形状不完整的情况下精度较差。为了解决这个问题，国内外研究者提出了许多改进方法，如概率霍夫变换，随机化霍夫变换（RHT）和模糊霍夫变换等。其中，Lu等人提出了迭代随机霍夫变换（IRHT），该方法虽然在有噪声的复杂图像上取得了较好的结果，但是其代价是大幅增加了计算量。Ayalaamirez等人提出了基于GA的圆形探测器，但是该方法无法检测不完整的圆形。Dasgupta提出了一种使用细菌觅食算法（BFAOA）做优化的圆检测器，但是它和Ayalaamirez的算法一样无法同时检测多个圆。此外，Erik等人提出了克隆选择算法（CSA），Cuevas等人提出了一种快速循环检测，可用于学习自动机（LA）的圆检测方法等。虽然这些算法在特定场景下有较好效果，但并不适用于完成表盘识别的任务。此外，在实验过程中发现Canny边缘检测往往会产生太多的边和最小二乘法对噪声敏感度过高等问题。

CN108764257A公开了一种多视角的指针式仪表识别方法，包括：采集图像，并上传至计算机；利用SSD算法进行仪表区域定位；利用ResNet34深度残差神经网络对仪表区域进行分类训练，根据分类结果进行样本图像的初步矫正；利用SSD算法对矫正后的图像进行仪表区域的二次定位；利用所述网络对二次定位后的仪表区域进行回归训练，识别表盘上的指针位置；利用HED边缘检测算法对定位的仪表区域进行表盘边缘检测；根据RANSAC算法进行随机采样，计算仪表表盘的边缘模型；利用缩放比对仪表指针进行矫正，并计算仪表指针与起始针的夹角；根据夹角查阅数据库表，获得仪表盘的刻度。该方法需要依赖SSD算法进行定位并依赖HED边缘检测算法进行边缘检测，运算量也较大。

发明内容

综上所述，表盘检测需要一种计算量小且有效的算法，本发明的目的在于提供一种基于RANSAC的轻量型表盘识别方法：首先，对图像进行中值滤波并使用Sobel核进行边缘检测；随后，结合表盘特征整合边缘像素；最后，使用随机样本共识（RANSAC）方法来去除直线和拟合表盘。

为实现上述目的，本发明采用了下述技术方案：一种基于RANSAC的轻量型表盘识别方法，步骤如下：

步骤S1、将表盘巡检图像转化为灰度图；

步骤S2、对灰度图进行中值滤波；

步骤S3、使用四个Sobel核与中值滤波后的灰度图进行四次卷积，得到四张二值化边缘图，将四张二值化边缘图合成为一张二值化边缘图；

使用四个Sobel核与中值滤波后的灰度图进行四次卷积以获取图像在横向和纵向上的灰度变化，四个Sobel核分别为：

对每个卷积的结果取像素平均值，并将大于的像素设置为255，其余的为0，得到四张二值化边缘图；

分析表盘上各点的灰度变化，则表盘的左上方的点p₁和右下方的点p₄满足：点的各自横向灰度变化与纵向灰度变化的乘积大于0；