[发明专利]基于HOG特征和滑动框搜索的油气管道检测方法

权利要求书

1.基于HOG特征和滑动框搜索的油气管道检测方法，其特征在于，该基于HOG特征和滑动框搜索的油气管道检测方法包括训练阶段和识别阶段，其中，训练阶段包括：步骤1a，构建训练集；步骤1b，提取HOG特征与H分量颜色直方图特征；步骤1c，支持向量机分类器训练；识别阶段包括：步骤2a，滑动框选取兴趣区域；步骤2b，提取HOG特征与H分量颜色直方图特征；步骤2c，利用训练好的分类器进行判断；步骤2d，标注管线区域。

2.根据权利要求1所述的基于HOG特征和滑动框搜索的油气管道检测方法，其特征在于，在步骤1a中，采用切片的方式对无人机巡检图像切取多张大小合适的管道样本；选取100x80感兴趣区域作为管线与非管线切片样本构建训练集。

3.根据权利要求1所述的基于HOG特征和滑动框搜索的油气管道检测方法，其特征在于，步骤1b包括：

步骤1，归一化图像，将整幅图像分割成小的连接区域cells，计算图像中一个较大区域block的光强，以此作为标准，用这个值来归一化这个区域中的所有cells，以保持几何和光学转化不变性，对输入的图像采用Gamma校正法进行颜色空间的标准化、归一化；

步骤2，计算梯度，对预处理过的图像进一步处理获得其梯度图像；

步骤3，对于每一个cell块对梯度直方图进行规定权重的投影，将图像进行分割，分割而成的均匀的空间区域称为分割区块cell，采用区域交叠式分割以保持连续物体的完整性；将图像分割后，需要计算每个分割区块cell的梯度方向直方图，生成该区块的HOG特征编码；

步骤4，对于每一个重叠block块内的cell进行对比度归一化；对块block内的HOG特征向量采取归一化处理，采用的归一化函数为：

式中Vnorm：规范化向量；

v：cell的向量；

block块矩阵；

ξ为极小常数，避免分母为0；

步骤5，把所有block内的直方图向量一起组合成一个大的HOG特征向量。

4.根据权利要求3所述的基于HOG特征和滑动框搜索的油气管道检测方法，其特征在于，在步骤3中，计算每个分割区块cell的梯度方向直方图的步骤包括：

统计每一个区块内所有像素的一阶梯度幅值以及方向；

按边缘方向把0～360°等分为若干类；

按梯度方向α(x,y)对每个像素点进行归类；

采用像素点的梯度幅值对梯度方向α(x,y)进行加权投影；

将上一步得到的分割区块cell按照一定的规律合并成较大的块block。

5.根据权利要求1所述的基于HOG特征和滑动框搜索的油气管道检测方法，其特征在于，在步骤1c中，从管线巡检图像中随机选取部分图像，利用切片法以大小为100X80切取管道样本及非管道样本，采用支持向量机作为分类器，通过构造分割面将数据进行分离。

6.根据权利要求1所述的基于HOG特征和滑动框搜索的油气管道检测方法，其特征在于，在步骤2a中，采用滑动框搜索的方法，选择与管道图像切片样本等大小的滑动窗口，从图像左上角开始将该窗口依照设定的间隔依次滑动，每滑动一次都对窗口内的图像块进行判断，是管道就进行标记，不是则跳过直接检测下一个窗口。

7.根据权利要求1所述的基于HOG特征和滑动框搜索的油气管道检测方法，其特征在于，在步骤2c中，通过复制、交叉、变异的操作来进行参数寻优；将遗传算法运用到管线识别分类器的参数优化中。

8.根据权利要求1所述的基于HOG特征和滑动框搜索的油气管道检测方法，其特征在于，在步骤2d中，在输入的图像上以矩形框对识别出的管线进行标记。