[发明专利]一种结合支持向量机阈值统计与斑点检测的钢管计数方法

摘要

本发明提供了一种结合支持向量机阈值统计与斑点检测的钢管计数方法，步骤包括：将待识别的钢管堆垛横截面二维图像处理为堆垛横截面灰度图像；利用SVM算法对灰度图像进行分类，再对目标子区域的圆度特征参数和面积特征参数进行阈值统计，再根据阈值统计结果生成圆度阈值范围和面积阈值范围；利用斑点检测算法对堆垛横截面灰度图像中的类圆斑点进行识别，再利用圆度阈值范围和面积阈值范围对识别结果进行筛选，最后统计筛选斑点集合内的斑点个数即为目标钢管数。该钢管计数方法具有很强的抗干扰性和鲁棒性，对图像拍摄的要求较低，对于包含大量钢管目标的图像识别，在较低算法复杂度下，表现出优秀的性能，适合嵌入移动类设备实现实时计数。

主权项

1.一种结合支持向量机阈值统计与斑点检测的钢管计数方法，其特征在于，包括如下步骤：步骤1，利用图像灰度化方法将待识别的钢管堆垛横截面二维图像处理为堆垛横截面灰度图像；步骤2，利用SVM算法对灰度图像中目标子区域与非目标子区域进行分类，再利用统计方法对目标子区域的圆度特征参数和面积特征参数进行阈值统计，再根据阈值统计结果生成圆度阈值范围和面积阈值范围；步骤3，将每一根目标钢管的截面看作图像中的一个类圆斑点，利用斑点检测算法对堆垛横截面灰度图像中的类圆斑点进行识别，再利用圆度阈值范围和面积阈值范围对识别结果进行筛选获得筛选斑点集合，最后统计筛选斑点集合内的斑点个数即为识别的目标钢管数；步骤2的具体步骤为：步骤2.1，利用梯度Hough变换法检测堆垛横截面灰度图像中所有的目标圆，统计计算所有目标圆中的最小半径，并将最小半径作为钢管的基准半径R0；步骤2.2，将堆垛横截面灰度图像分成N个R0×R0像素的子区域，对每个子区域构造一个特征向量集xi＝(p,q,h)，其中，i＝1,2,3,…,N，另外p、q和h分别为图像相位一致向量、纹理特征向量和灰度向量；步骤2.3，在特征向量集xi中选取一部分目标子区域和非目标子区域的特征向量作为训练特征向量(xj,yj)，其中，j∈{1,2,3,…,N}，yj为类别标志；步骤2.4，设A和B分别表示目标子区域和非目标子区域，则利用SVM算法的线性最优判别函数公式对特征向量集xi进行分类，线性最优判别函数公式为：f(x)＝sgn(w*x+b*)    (1)式(1)中，w*与b*分别为SVM算法中所要求的为实现对所有训练样本都正确分类所求得的权重向量和常量的全局最优解，将待分类的特征向量集xi(i＝1,2,3,…N)带入公式(1)中，如果f(xi)的值为1，那么对应的xi属于A类，否则xi属于B类；步骤2.5，对被分类为A的所有子区域进行二值化，然后利用Suzuki算法对所有A类子区域进行连通区域标记，并分别计算其区域面积Si，再统计计算获得所有A类子区域中的最大面积Smax和最小面积Smin，再根据公式2计算对应的最大圆度Cmax与最小圆度Cmin，公式(2)为：式(2)中，C为区域的圆度，S为区域的面积，p为区域的周长，将面积阈值范围[Smin,Smax]代入式(2)即可得圆度阈值范围为[Cmin,Cmax]。