[发明专利]一种电缆隧道异常检测方法

说明书

本发明提供一种电缆隧道异常检测方法，分别对巡检图像与标准图像提取SIFT特征点，通过提取的SIFT特征点计算两个图像的相对平移和旋转角度，确定其重叠区域，针对所述重叠区域计算差值，差值强度和面积大于规定阈值可视为异常。在电缆隧道检测领域使用SIFT算法进行异常检测，提高了检测的准确度。

技术领域

本发明涉及电缆隧道检测领域，尤其是电缆隧道异常检测领域。

背景技术

目前在做图像异常分析时，需要巡检机器人在图一位置同意角度进行拍摄，然后进行归一化处理与历史巡检拍摄图像进行配准，接下来对配准后的两个图像分别继续区域分割，提取每一区域图像的若干特征，将若干特征进行融合，最后计算两幅图像对应特征的差异度，将差异度与设定阈值进行比较，判断当前巡检拍摄图像是否为异常图像。

由于机器人的定位存在一定的误差（2-4cm），那么相机并不是处于固定位置，且相机角度存在一定的旋转，且相机距离拍摄物体较近（0.5米-2米），视差较大，因此会造成两次拍摄的物体发生旋转、平移、缩放等变化，因为拍摄位置角度发生变换，因此一个点在时刻1图像和时刻2图像中的位置会发生变化，即时刻1图像中的点在时刻2图像中的位置都会发生变化，因此无法直接比较时刻1图像和时刻2图像的局部差异。

除此之外还会发生时刻1中出现的物体或者物体的部分没有出现在时刻2的图片中，时刻1中没有出现的物体或者物体的部分出现在时刻2中的现象。结果是大部分图像中都出现了异物，然而这显然是与现实相违背。

发明内容

为解决上述问题，本发明提供一种电缆隧道异常检测方法，能够准确判断电缆隧道异常情况。

为解决上述技术问题，本发明的实施例提供一种电缆隧道异常检测方法，其特征在于，分别对巡检图像与标准图像提取SIFT特征点，通过提取的所述SIFT特征点计算两个图像的相对平移和旋转角度，确定其重叠区域，针对所述重叠区域计算差值，差值强度和面积大于规定阈值可视为异常，其步骤如下：

（一）构建高斯尺度空间，即：，其中σ称为尺度空间因子，其为高斯正态分布的标准差，反映图像被模糊的程度，其值越大图像越模糊，对应的尺度也越大，L(x,y,σ)称为图像的高斯尺度空间，G(x,y,σ)为可变尺度的高斯函数，取值：，I(x,y)为输入图像，使用SIFT特征算子对巡检图像和标准图像分别提取特征点；

（二）计算巡检图像和标准图像中匹配的点，即两幅图像特征点的 128 维描述向量之间的最小欧式距离与次小欧式距离的比率小于规定阈值时，特征点是匹配的点；

（三）确定巡检图像和标准图像的透视关系，两个图像关系：x1=H*x2，其中，x1为巡检图像，x2为标准图像，即： ， 其中：（u1，v1）为图像x1中的点，（u2，v2）为图像x2中的点，H为单应性矩阵，H为一个3*3可逆的矩阵，自由度为8，即：，h1、h2、h4、h5为旋转量和尺度，h3和h6分别为水平位移和垂直位移，h7和h8分别为水平和垂直方向的变形量，在图像x1和图像x2中找到4对匹配点，即可求解H矩阵；

（四）找出两幅图像的差异部分，使用H矩阵对图像x1进行变换，最终使图像x1处于和x2相同的位置，确定两图像的重叠部分，然后对两幅图像的重叠部分求差值，即可获取两图像的差异部分，差异部分超过阈值，即可判定为异常。

优选地，特征点的检测可以使用差分高斯尺度空间DoG。

优选地，删除低对比度的极值点以及不稳定的边缘响应点。

最后，确定所述特征点的主方向，以所述特征点为中心，以3×1.5σ为半径的领域内计算各个像素点的梯度的幅角和幅值，使用直方图对梯度的幅角进行统计，直方图中最高峰所对应的方向即为特征点的方向。

本发明的上述技术方案的有益效果如下：