[发明专利]钢结构表面锈蚀区域的检测方法、检测装置及终端设备有效
申请号: | 201811058731.6 | 申请日: | 2018-09-11 |
公开(公告)号: | CN109300119B | 公开(公告)日: | 2020-10-30 |
发明(设计)人: | 王保宪;赵维刚;李聪;马月辉;张宇峰;王哲;王凯 | 申请(专利权)人: | 石家庄铁道大学 |
主分类号: | G06T7/00 | 分类号: | G06T7/00;G06T7/90 |
代理公司: | 石家庄国为知识产权事务所 13120 | 代理人: | 李荣文 |
地址: | 050043 河北*** | 国省代码: | 河北;13 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 钢结构 表面 锈蚀 区域 检测 方法 装置 终端设备 | ||
1.一种钢结构表面锈蚀区域的检测方法,其特征在于,包括:
获取预设样本库中的锈蚀样本和非锈蚀样本,并将所述锈蚀样本和所述非锈蚀样本作为训练样本;
分别对获取到的每个训练样本建立颜色特征向量;
利用所述训练样本的颜色特征向量建立概率神经网络检测器,并基于所述概率神经网络检测器对待检测的钢结构表面图像进行锈蚀区域的检测;
其中,所述分别对获取到的每个训练样本建立颜色特征向量,包括:
计算所述训练样本在红色通道的灰度均值,得到第一灰度均值;
计算所述训练样本在绿色通道的灰度均值,得到第二灰度均值;
计算所述训练样本在蓝色通道的灰度均值,得到第三灰度均值;
根据所述第一灰度均值、所述第二灰度均值和所述第三灰度均值,建立所述训练样本的颜色特征向量;
其中,所述根据所述第一灰度均值、所述第二灰度均值和所述第三灰度均值,建立所述训练样本的颜色特征向量,包括:
其中,表示所述训练样本的第一灰度均值,表示所述训练样本的第二灰度均值,表示所述训练样本的第三灰度均值,表示所述第一灰度均值与所述第二灰度均值的比值,表示所述第二灰度均值与所述第三灰度均值的比值,表示所述第一灰度均值和所述第三灰度均值的比值,bw表示所述训练样本的各灰度均值的大小关系,当满足时,bw=1;当不满足时,bw=0。
2.如权利要求1所述的钢结构表面锈蚀区域的检测方法,其特征在于,在获取预设样本库中的锈蚀样本和非锈蚀样本之前,还包括:
获取若干幅钢结构表面锈蚀的彩色图像;
分别将每幅彩色图像划分为n个面积相等的图像块;
将所述图像块中包含锈蚀区域的图像块标记为锈蚀样本,并将所述图像块中不包含锈蚀区域的图像块标记为非锈蚀样本;
将所述锈蚀样本和所述非锈蚀样本存入所述预设样本库中。
3.如权利要求1所述的钢结构表面锈蚀区域的检测方法,其特征在于,在利用所述训练样本的颜色特征向量建立概率神经网络检测器之前,还包括:
将所述待检测的钢结构表面图像划分为不重叠的m个面积相等的图像块,并将该图像块作为待测图像块;
计算所述待测图像块在红色通道的灰度均值,得到第四灰度均值;
计算所述待测图像块在绿色通道的灰度均值,得到第五灰度均值;
计算所述待测图像块在蓝色通道的灰度均值,得到第六灰度均值;
根据所述第四灰度均值、所述第五灰度均值和所述第六灰度均值,建立所述待测图像块的颜色特征向量。
4.如权利要求3所述的钢结构表面锈蚀区域的检测方法,其特征在于,所述利用所述训练样本的颜色特征向量建立概率神经网络检测器,并基于所述概率神经网络检测器对待检测的钢结构表面图像进行锈蚀区域的检测,包括:
其中,X为所述待测图像块的颜色特征向量,Xik为第i类样本中的第k个训练样本的颜色特征向量,||X-Xik||表示X与Xik的特征空间距离,ni为第i类样本中训练样本的个数,gi(X)表示X与第i类样本模式的平均距离度量,i=1表示锈蚀样本模式,i=2表示非锈蚀样本模式,σ为距离平滑因子。
5.如权利要求4所述的钢结构表面锈蚀区域的检测方法,其特征在于,在基于所述概率神经网络检测器对待检测的钢结构表面图像进行锈蚀区域的检测之后,还包括:
将所述待测图像块中属于锈蚀样本模式的图像块的灰度值设置为第一预设值,得到第一检测图像块;
将所述待测图像块中属于非锈蚀样本模式的图像块的灰度值设置为第二预设值,得到第二检测图像块;
将所述第一检测图像块和所述第二检测图像块进行拼接,得到检测后的钢结构表面图像。
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石家庄铁道大学,未经石家庄铁道大学许可,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/201811058731.6/1.html,转载请声明来源钻瓜专利网。