[发明专利]一种基于红外图像的电缆部位自动识别方法

权利要求书

1.一种基于红外图像的电缆部位自动识别方法，其特征在于，包括有以下步骤：

S1:构建电缆不同部位的训练样本库；

S2:读取电缆不同部位训练样本红外图像；

S3:提取电缆不同部位训练样本特征量和对应的部位标签；

S4:利用训练样本训练出支持向量机分类器；

S5:读取待测试的电缆不同部位红外图像；

S6:提取待测试电缆不同部位红外图像的特征量；

S7:利用训练好的支持向量机分类器和提取到的待测试红外图像特征量将待测试的红外图像对应到不同的部位标签。

2.根据权利要求1所述的基于红外图像的电缆部位自动识别方法，其特征在于，所述步骤S1中，电缆不同部位包括电缆的终端接头、中间接头和交叉互联箱。

3.根据权利要求2所述的基于红外图像的电缆部位自动识别方法，其特征在于，所述步骤S3中，部位标签为部位的名称，包括“终端接头”、“中间接头”和“交叉互联箱”。

4.根据权利要求1所述的基于红外图像的电缆部位自动识别方法，其特征在于，所述步骤S3中，训练样本特征量为方向梯度直方图和灰度共生矩阵。

5.根据权利要求4所述的基于红外图像的电缆部位自动识别方法，其特征在于，所述步骤S4中，提取特征量方向梯度直方图，包括有以下步骤：

S411：将图像灰度化后再将图像二值化；

S412：计算每个像素的梯度幅值和梯度方向，计算公式如式(1)～式(4)所示，其中I(x,y)表示位置(x,y)处的灰度值，G(x,y)表示位置(x,y)处的梯度幅值，α(x,y)表示位置(x,y)处的梯度方向；

G_x(x,y)＝I(x+1,y)-I(x-1,y) (1)

G_y(x,y)＝I(x,y+1)-I(x,y-1) (2)

S413：将图像以m*m像素/细胞元划分为细胞元；

S414：将梯度方向划分为若干个方向块，根据计算出的梯度幅值和方向统计每个细胞元的加权梯度直方图；

S415：将n*n细胞元组成一个块，块与块之间互有重叠，串联所有块的方向梯度直方图作为最终提取的特征量。

6.根据权利要求5所述的基于红外图像的电缆部位自动识别方法，其特征在于，所述步骤S4中，提取特征量灰度共生矩阵，包括有以下步骤：

S421：将图像灰度化；

S422：将灰度划分为n个等级；

S423：选定若干个方向；

S424：选定距离d；

S425：分别计算两灰度等级i、j在图像中不同方向相距d的次数得到对应方向上的灰度共生矩阵；

S426：将灰度共生矩阵归一化，归一化的灰度共生矩阵中每个元素(i,j)是图像中灰度等级分别为i和j在步骤S423限定方向上以像素对出现的联合概率；

S427：计算归一化后的共生矩阵的4个特征：对比度、相关度、能量及齐次性，对比度的计算公式如式(5)所示，相关度的计算公式如式(6)所示，能量的计算公式如式(7)所示，齐次性的计算公式如式(8)所示；

其中，

p(i,j)为归一化后的灰度共生矩阵，其中p指归一化后的灰度共生矩阵，即p(i,j)指图像中灰度等级分别为i和j在特定方向上以像素对出现的联合概率；μ_i为灰度等级i的数学期望；μ_j为灰度等级j的数学期望；s_i为灰度等级i的方差；s_j为灰度等级j的方差；σ_i为灰度等级i的方差，σ_j为灰度等级j的方差；

S428：取4个方向上的特征量的平均值和标准差作为最终提取的特征量。