[发明专利]基于图像匹配的钢丝绳表面损伤检测方法

权利要求书

1.一种基于图像匹配的钢丝绳表面损伤检测方法，其特征在于，包括：

步骤1，对钢丝绳进行拍摄工作，提取拍摄的钢丝绳视频或图像；

步骤2，提取待匹配图像，用于后续匹配处理；

步骤3，将待匹配的图像进行背景分割和降噪处理；

步骤4，将背景分割和降噪处理后的待匹配图像以角点提取方法，将预存模板图像和所述待匹配图像进行匹配处理，根据匹配度阈值，判断钢丝绳所存在的表面缺损，从而检测出钢丝绳是否存在缺损和缺损的位置，及时示警。

2.根据权利要求1所述的基于图像匹配的钢丝绳表面损伤检测方法，其特征在于，所述步骤1包括，对钢丝绳拍摄采用照相机进行拍摄，执行如下步骤：

步骤1-1，在照相机拍摄过程中，每隔固定的时间频率进行拍照，用于提取钢丝绳图像，在钢丝绳上下循环过程中提取钢丝绳全段图像，然后执行步骤3。

3.根据权利要求1所述的基于图像匹配的钢丝绳表面损伤检测方法，其特征在于，所述步骤1包括，对钢丝绳拍摄采用摄像机进行拍摄，执行如下步骤：

步骤1-2，在摄像机拍摄过程中，每隔固定的时间间隔截取视频，用于提取待匹配关键帧，在钢丝绳上下循环过程中得以提取钢丝绳全段视频。

4.根据权利要求2所述的基于图像匹配的钢丝绳表面损伤检测方法，其特征在于，所述步骤2包括：

步骤2-1，将提取的钢丝绳各段视频，采用不固定关键帧提取法获取待匹配的关键帧；

步骤2-2，所述不固定关键帧提取法为，将一段视频全部帧的每一帧与前一帧作灰度差分并取绝对值，二值化后取逻辑值，累加所得的数值即为前后两帧的帧差，如此计算出所有帧的相邻帧差和该段视频的平均帧差AN；

步骤2-3，选择候选关键帧，为确保在有钢丝绳损伤段经过的视频中，至少选中损伤钢丝绳的一帧，挑出所有相邻帧差中最大帧差对应的两帧，再挑出与前一帧帧差最接近于平均帧差AN的一帧，以此三帧图片作为三个候选关键帧，分别命名为N1、N2、N3；

步骤2-4，N1与N2之间的帧差为M1，N2与N3之间的帧差为M2，N3与N1之间的帧差为M3；

步骤2-5，待匹配的关键帧选取规则如下：

当M1、M2、M3均小于AN时，说明三帧之间内容差别不大，任意一帧都可作为该段视频的关键帧，默认选取N1；

当M1、M2、M3均大于AN时，说明三帧之间内容差别都很大，此时N1、N2、N3都应作为待匹配关键帧关键帧；

其余情况下，比较M1、M2、M3之间的大小，选取最大的一个，其对应的两帧作为待匹配的关键帧。

5.根据权利要求1所述的基于图像匹配的钢丝绳表面损伤检测方法，其特征在于，所述步骤3包括：

步骤3-1，得到待匹配图像后，为了提高匹配准确率，需经过背景分割和噪声处理，所有拍摄图像背景都已知且无变化，因此对图像求灰度直方图，分析出钢丝绳的物体峰，从而确定合适的分割阈值，将钢丝绳和背景很好地分割开；

步骤3-2，而为了消除图像拍摄和分割时可能出现的噪声，提高图像质量，对得到的待匹配图像进行中值滤波。

6.根据权利要求1所述的基于图像匹配的钢丝绳表面损伤检测方法，其特征在于，所述步骤4包括：

步骤4-1，选择对光照变化稳定的Harris角点提取方法，将图像灰度函数分别向x、y方向一阶展开，从而找出曲率较大的角点作为特征点，用来表示待匹配图像钢丝绳缺损处的特征信息；

步骤4-2，分别对模板图像和待匹配图像提取角点，得到模板图像角点集Hmod和待匹配图像角点集Hobs，分别存储各角点的横纵坐标；

步骤4-3，对于模板图像角点集Hmod中每一个角点，提取出它指定数量的邻点及每个邻点和指定角点之间的角度，得到模板图像邻点集NeighborMod；同理对待匹配图像角点集Hobs进行相同处理，得到待匹配图像邻点集NeighborObs以便后续几何约束策略使用；

步骤4-4，以序号为1的角点为例，指定提取5个邻点，提取方式如下：计算所有角点与1号角点之间的横纵坐标差，进而得出其与1号角点间的距离，通过排序选出距离最短的5个角点，存储它们的序号和与1号角点间的角度；

步骤4-5，由于待匹配图像不同阶微分的泰勒展开可用来描述某像素点邻域的局部结构；这些不同阶的微分不变量可作为特征描述符，且都具有旋转不变性；因此将提取出的1号角点Hmod1在指定的尺度下进行高斯微分得到一组微分不变量，将其放入一个向量中，得到对应于该角点的特征向量Vmod1；当模板图像中存在N个角点时，Vmod1到VmodN组成模板图像特征向量集Vmod，同理对待匹配图像处理的待匹配图像特征向量集Vobs，由此将对两个角点的匹配转化为对两个向量的匹配，两幅钢丝绳图像的匹配转化为对两个向量集Vmod、Vobs的匹配；

步骤4-6，为了衡量两个向量集Vmod、Vobs中各向量之间的相似度，考虑各个特性间的联系，排除多个变量之间的相关性的干扰，依次计算Vmod、Vobs中各向量间的马氏距离，若小于阈值，则视为两特征向量匹配，即对应的两个角点匹配成功，存储这两点的序号和坐标，得到一个匹配点对集MatchPoint；

步骤4-7，由于模板图像中一个指定的角点可能与待匹配图像中多个角点可匹配，尤其是当图像角点数目众多或是角点信息较一致的情况下，错误匹配的概率就大大升高；因此利用半局部约束消除错误匹配，在得到第一轮筛选出的匹配点对集MatchPoint后，采用相邻点之间角度基础上的近邻匹配，对匹配点对集MatchPoint中每一对匹配点的邻点集也进行相应匹配，同时一一对照各邻点与各自指定角点间的角度，若邻点的匹配程度超过阈值，则为此匹配点对投上一票，经此投票策略在匹配点对中找出邻点一致性较高的配对，实现了第二次筛选，得到匹配更准确的一个新的匹配点对集；

为了描述两张图像的匹配程度，计算匹配点对集其中属于待匹配图像的不重复角点数目NobsMat，除以模板图像中的总角点数目Nmod，得到匹配度NobsMat/Nmod。若匹配度小于阈值，视为该幅图像对应的某段钢丝绳存在较大的表面缺损，从而检测出电梯中正在使用的钢丝绳是否存在缺损和缺损的位置，及时向系统示警。