[发明专利]一种地下管线智能识别方法、装置及存储介质有效

专利信息
申请号: 202110211809.9 申请日: 2021-02-25
公开(公告)号: CN112819813B 公开(公告)日: 2022-09-20
发明(设计)人: 李博;赵永辉 申请(专利权)人: 同济大学
主分类号: G06T7/00 分类号: G06T7/00;G06T7/10;G06V10/762;G06V10/764;G06K9/62
代理公司: 上海科盛知识产权代理有限公司 31225 代理人: 丁云
地址: 200092 *** 国省代码: 上海;31
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 地下 管线 智能 识别 方法 装置 存储 介质
【权利要求书】:

1.一种地下管线智能识别方法,其特征在于,该方法包括如下步骤:

(1)获取待识别的探地雷达剖面图像以及典型管线反射特征图像;

(2)设定遍历步长和相似度临界值s;

(3)按照遍历步长将探地雷达剖面图像划分为与管线反射特征图像像素一致的若干切片;

(4)采用感知哈希算法依次遍历典型管线反射特征图像以及各切片,分别提取各图像特征形成对应的pHash指纹;

(5)依据pHash指纹计算各切片与典型管线反射特征图像的相似度,输出相似度大于相似度临界值s的切片作为管线切片;

(6)对管线切片进行基于方向矢量的改进型K-means聚类分析确定管线数量与位置;

步骤(6)具体为:

(61)获取管线切片左顶点与待识别的探地雷达剖面图像左顶点的连线,每一个连线作为一个方向矢量;

(62)计算每个方向矢量的模值和角度,按照模值大小进行一次分类,将模值相差小于阈值的管线切片分为一类;

(63)对一次分类后属于同一类的管线切片按照角度大小进行二次分类,将角度相差大于阈值的管线切片分为不同的类;

(64)将所有管线切片按照步骤(62)~(63)步骤进行分类,得到K个聚类中心,则管线数量确定为K个;

(65)基于步骤(64)已经获取的K值和每个管线切片方向矢量的模将每个管线切片划分到最近的中心点中;

(66)重复步骤(65)直至聚类结束,聚类中心所对应的区域即为管线位置。

2.根据权利要求1所述的一种地下管线智能识别方法,其特征在于,步骤(4)中提取各图像特征形成对应的pHash指纹的具体方式为:

(41)对待处理图像进行尺寸压缩;

(42)简化色彩;

(43)计算处理后图像的离散余弦变换,得到DCT系数矩阵;

(44)缩小DCT系数矩阵;

(45)计算缩小后的DCT系数矩阵的均值;

(46)基于缩小后的DCT系数矩阵及其均值计算哈希值得到对应的pHash指纹。

3.根据权利要求2所述的一种地下管线智能识别方法,其特征在于,步骤(41)中将待处理图像压缩为32*32像素大小,进而步骤(43)形成32*32维的DCT系数矩阵。

4.根据权利要求3所述的一种地下管线智能识别方法,其特征在于,步骤(44)具体为:选取32*32维的DCT系数矩阵的左上角8*8维的矩阵作为缩小后的DCT系数矩阵。

5.根据权利要求2所述的一种地下管线智能识别方法,其特征在于,步骤(46)具体为:若缩小后的DCT系数矩阵中的元素大于等于该矩阵均值,则设为1,否则,对应元素位置处设为0,然后按照行列依次排序形成pHash指纹。

6.根据权利要求5所述的一种地下管线智能识别方法,其特征在于,步骤(5)计算相似度的方式具体为:将切片的pHash指纹与典型管线反射特征图像的pHash指纹逐位比对,统计完全一致的位数占比作为相似度。

7.根据权利要求1所述的一种地下管线智能识别方法,其特征在于,该方法还包括步骤(7):选取确定为管线的管线切片图像,获取管线切片图像的中间道的亮度函数x(t),若亮度函数x(t)与雷达入射子波或直达波极性相同,则管线为非金属材质,若亮度函数x(t)与雷达入射子波或直达波极性相反,则管线为金属材质。

8.一种地下管线智能识别装置,其特征在于,包括存储器和处理器;

所述存储器,用于存储计算机程序;

所述处理器,用于当执行所述计算机程序时,实现如权利要求1~7任一项所述的地下管线智能识别方法。

9.一种存储介质,其上存储有计算机程序,其特征在于,该计算机程序被处理器执行时实现如权利要求1~7任一项所述的地下管线智能识别方法。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

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同济大学,未经同济大学许可,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/202110211809.9/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top