[发明专利]一种基于移动终端的电表箱图像质量检测方法

说明书

本发明公开了一种基于移动终端的电表箱图像质量检测方法，包括获取多张电表箱样本图像，对所述样本图像进行分类，将分类后的样本图像进行叠加求均值，得到平均样本图像，然后基于平均样本图像计算全局特征值和纹理特征值，将全局特征值和纹理特征值作为训练集，依次迭代训练多个弱分类器，再将个弱分类器进行加权组合，得到一个强分类器，通过该强分类器对电表箱图像进行质量检测，减少了对样本图像的质量需求，采用两种特征值训练弱分类器，降低了对硬件的需求，同时多个弱分类器协同工作，使得分类结果的准确率和分类效率都有所提高。

技术领域

本发明属于图像处理技术领域，特别涉及一种基于移动终端的电表箱图像质量检测方法。

背景技术

随着我国电力事业的发展和智能电网建设的推进,电力系统一线生产单位正采用多种监控手段,例如无人机图像采集、视频监控、红外热成像等方法采协助工作人员完成输电线路的巡检。

但是目前的监控方法，大多需要电网服务平台对各种设备采集到的电力图像进行处理，不便于一线电力工作人员使用。虽然，今年来出现了一些用于电力图像检测的移动终端，但其大多是通过深度学习技术进行图像处理的，对硬件支撑能力要求很高，因此成本耗费巨大，不便于推广。

发明内容

针对上述现有技术存在的问题，本发明提供了一种基于移动终端的电表箱图像质量检测方法，通过多个弱分类器协同组合成的强分类器进行图像质量检测，保证了图像识别的精度，同时又降低了对硬件的依赖。

本发明实施例的第一方面提供了一种基于移动终端的电表箱图像质量检测方法，所述检测方法包括：

获取多张电表箱样本图像，对所述样本图像进行分类，将分类后的样本图像进行叠加求均值，得到平均样本图像；

计算平均样本图像的全局特征值和纹理特征值；

将全局特征值和纹理特征值作为训练集，依次迭代训练多个弱分类器；

对训练完成的多个弱分类器进行加权组合，得到一个强分类器；

采用所述强分类器对电表箱图像进行质量检测。

本发明实施例的第二方面提供了一种移动终端，所述移动终端包括：

图像处理模块，用于获取多张电表箱样本图像，对所述样本图像进行分类，将分类后的样本图像进行叠加求均值，得到平均样本图像；

特征提取模块，用于计算平均样本图像的全局特征值和纹理特征值；

模型构造模块，用于将全局特征值和纹理特征值作为训练集，依次迭代训练多个弱分类器，对训练完成的多个弱分类器进行加权组合，得到一个强分类器；

图像分析模块，用于采用所述强分类器对电表箱图像进行质量检测。

本发明实施例的第三方面提供了一种计算机可读存储介质，所述存储介质中存储有至少一条程序代码，所述至少一条程序代码由处理器加载并执行以实现上述的一种基于移动终端的电表箱图像质量检测方法。

本发明的一种基于移动终端的电表箱图像质量检测方法，具备如下有益效果：

本发明公开了一种基于移动终端的电表箱图像质量检测方法，包括获取多张电表箱样本图像，对所述样本图像进行分类，将分类后的样本图像进行叠加求均值，得到平均样本图像，然后基于平均样本图像计算全局特征值和纹理特征值，将全局特征值和纹理特征值作为训练集，依次迭代训练多个弱分类器，再将个弱分类器进行加权组合，得到一个强分类器，通过该强分类器对电表箱图像进行质量检测，减少了对样本图像的质量需求，采用两种特征值训练弱分类器，降低了对硬件的需求，同时多个弱分类器协同工作，使得分类结果的准确率和分类效率都有所提高。

附图说明