[发明专利]基于特征点检测与SVM分类器的巡检目标缺陷检测方法

摘要

本发明涉及一种基于特征点检测与SVM分类器的巡检目标缺陷检测方法，包括：获取实时拍摄的巡检目标图像，对其进行灰度值变换；使用最大类间方差法和SUSAN边缘检测法对转换后图像进行处理，确定待检目标的候选区域；根据待检目标形状特征对候选区域进行筛选和融合；对处理后的候选区域进行LBP与LPQ特征提取，并将二者特征进行融合，输入到预先训练好的SVM分类器中进行分类识别。本发明所述检测方法相比于传统的模板匹配方法，不需要对两幅图进行前期复杂的配准工作，同时，采用LBP与LPQ特征相结合的方式，可以更加准确的描述目标特征，提高缺陷识别结果的准确率；操作简单，具有较高的环境适应性，能够满足对采油设备零部件完整性的识别要求。

主权项

1.一种基于特征点检测与SVM分类器的巡检目标缺陷检测方法，其特征在于，包括：步骤A：获取实时拍摄的巡检目标图像I(x,y)，其中x∈[1,M]，y∈[1,N]，M、N为巡检图的尺寸，对I(x,y)进行灰度值变换，将图像I(x,y)从RGB空间转换为灰度空间I′(x,y)；步骤B：使用最大类间方差法和SUSAN边缘检测法对转换后的巡检图I′(x,y)进行处理，确定待检目标的候选区域A_i(x_i,y_i)，其中i＝1,...,n，n为候选区域的个数；步骤C：根据待检目标的形状特征对候选区域进行筛选和区域融合，以删除误检的目标区域，处理后的候选区域为A′_j(x_j,y_j)，其中j＝1,...,Num，Num为处理后的候选区域个数；步骤D：对处理后的候选区域A′_j(x_j,y_j)进行LBP与LPQ特征提取，并将二者特征进行融合，输入到预先训练好的SVM分类器中进行分类识别，以判断设备中零件是否齐全。