[发明专利]基于特征点检测与SVM分类器的巡检目标缺陷检测方法

说明书

本发明涉及一种基于特征点检测与SVM分类器的巡检目标缺陷检测方法，包括：获取实时拍摄的巡检目标图像，对其进行灰度值变换；使用最大类间方差法和SUSAN边缘检测法对转换后图像进行处理，确定待检目标的候选区域；根据待检目标形状特征对候选区域进行筛选和融合；对处理后的候选区域进行LBP与LPQ特征提取，并将二者特征进行融合，输入到预先训练好的SVM分类器中进行分类识别。本发明所述检测方法相比于传统的模板匹配方法，不需要对两幅图进行前期复杂的配准工作，同时，采用LBP与LPQ特征相结合的方式，可以更加准确的描述目标特征，提高缺陷识别结果的准确率；操作简单，具有较高的环境适应性，能够满足对采油设备零部件完整性的识别要求。

技术领域

本发明涉及计算机视觉技术领域，尤其涉及一种基于特征点检测与SVM分类器的目标缺陷检测方法。

背景技术

目标缺陷检测是计算机视觉领域的一项重要内容，对于传统的缺陷检测来说，基本操作是采用模板匹配的方法，首先需要使用图像配准技术将待检图像与参考图像转换到相同的成像空间，然后将参考图与转换后的巡检图做残差，直接判断待检目标是否缺失。

由于大部分油田所处环境气候恶劣，采油设备常年暴露在风沙环境中，油污侵蚀等情况会使设备上的螺栓、手轮等零件外观发生形变。这种情况下，使用传统的模板匹配方法来检测设备的完整性很容易发生漏检或者误检测的情况。同时，大部分实际拍摄的图像，参考图与实时图之间通常存在着正射、仿射等变换，图像配准过程中涉及到特征点检测、参数估计和插值运算等一系列操作，当图像分辨率较大时，计算复杂度高。当前期特征检测不准确时，往往影响后期配准的精度，进而影响目标缺陷检测的结果。

现有的缺陷检测方法，多是用在车间生产中，通过固定产品的位置，检测机器生产出来的零部件质量是否符合规定。这种方法在户外或者产品摆放不齐、产品位置发生变化时，检测效果不理想，不能准确的检测出目标缺失的数量。

中国专利公开号：CN103635169A公开了一种缺陷检测系统，包括：图像处理单元、缺陷检测单元以及图像显示单元，其中，该图像处理单元被构造成获取吸收性物品的形态图像，该吸收性物品的形态图像示出了在多个步骤的每一步骤中的吸收性物品加工后的形态，该缺陷检测单元被构造成基于由图像处理单元获取的形态图像而检测加工后的吸收性物品是否存在缺陷部位，该图像显示单元被构造成当由缺陷检测单元检测出吸收性物品的缺陷部位时显示加工后的吸收性物品的图像。由此可见，所述检测系统存在以下问题：

第一，所述检测系统只应用于流水线，通过固定产品的位置，检测零部件质量是否符合规定，无法在户外做到准确的检测；

第二，所述检测系统仅使用相机对摆放位置固定的零件进行图像采集，当产品摆放不齐或产品位置发生变化时，检测效果不理想；

第三，所述检测系统在针对缺陷进行检测时，仅通过形态图像的对比来判定零件是否出现缺陷或丢失，检测结果不精准。

发明内容

为此，本发明提供一种基于特征点检测与SVM分类器的巡检目标缺陷检测方法，用以克服现有技术中实时巡检无法判断零件是否缺失的问题。

为实现上述目的，本发明提供一种基于特征点检测与SVM分类器的巡检目标缺陷检测方法，包括：

步骤A：获取实时拍摄的巡检目标图像I(x,y)，其中x∈[1,M]，y∈[1,N]，M、N为巡检图的尺寸；对I(x,y)进行灰度值变换，将图像I(x,y)从RGB空间转换为灰度空间I′(x,y)；

步骤B：使用最大类间方差法和SUSAN边缘检测法对转换后的巡检图I′(x,y)进行处理，确定待检目标的候选区域A_i(x_i,y_i)，其中i＝1,...,n，n为候选区域的个数；