[发明专利]一种GIS内部典型缺陷图像自动识别方法

权利要求书

1.一种GIS内部典型缺陷图像自动识别方法，其特征在于，包括：

获取缺陷图像；

对所述缺陷图像进行预处理，获得目标图像；

对所述目标图像进行特征提取，获得特征数据；

从所述特征数据中提取特征向量；

采用多类分类器，将所述特征向量作为输入，对所述特征向量进行识别；

所述对所述缺陷图像进行预处理，获得目标图像包括：

对所述缺陷图像进行图像灰度化处理，获得灰度图像；

对所述灰度图像进行平滑处理，获得平滑灰度图像；

对所述平滑灰度图像进行锐化处理，获得锐化灰度图像；

对所述锐化灰度图像进行直方图均衡化处理，获得均衡化灰度图像；

对所述均衡化灰度图像进行图像分割，提取出目标图像；

所述对所述目标图像进行特征提取包括：

从所述目标图像中提取灰度特征、纹理特征和HOG方向梯度直方图特征，其中，所述灰度特征包括均值、方差、歪度、峭度和熵；所述纹理特征包括0°、45°、90°和135°四个方向上的灰度共生矩；所述HOG特征是通过计算所述目标图像的方向梯度直方图得到；

所述从所述特征数据中提取特征向量包括：

从所述特征数据中选取一组特征子集构成新的特征空间；

通过主成分分析法从所述特征空间中找到一组方差最大的正交向量，作为特征向量。

2.如权利要求1所述的方法，其特征在于，所述对所述均衡化灰度图像进行图像分割包括：

利用阈值分割方法将所述均衡化灰度图像分割为目标图像和背景图像。

3.如权利要求1所述的方法，其特征在于，所述采用多类分类器，将所述特征向量作为输入，对所述特征向量进行识别包括：

将所述特征向量作为识别样本；

设置所述多类分类器的筛选分类为第一预设缺陷类型；

将符合所述筛选分类的所述识别样本标记为1，不符合所述多类分类器筛选分类的所述识别样本标记为-1；

将标记为1的识别样本进行显示；

判断是否存在标记为-1的样本；

如果存在标记为-1的样本，则重新设置所述多类分类器的筛选分类为第二预设缺陷类型，将所述标记为-1的样本作为所述多类分类器的输入，重新进行筛选。

4.如权利要求1所述的方法，其特征在于，构造所述多类分类器的方法包括：

构造K个SVM支持向量机模型，利用所述K个SVM模型组成多类分类器，其中，K为GIS设备所有内部缺陷类型的数量；

用已知缺陷类型的历史缺陷图像对所述多类分类器进行训练；

确定所述多类分类器的核函数和惩罚因子；

对构造完的多类分类器进行测试。

5.如权利要求4所述的方法，其特征在于，所述对构造完的多类分类器进行测试包括：

选取预设数量的待检测缺陷图像输入所述多类分类器进行识别，获得识别类型；

对所述预设数量的待检测缺陷图像进行人工识别，确定缺陷类型；

将人工识别的所述缺陷类型与所述识别类型进行对比，确定多类分类器的识别精度；

判断所述识别精度是否满足工作要求；

如果所述识别精度不满足工作要求，则继续对所述多类分类器进行训练。