[发明专利]基于PSO-SVM的桥梁拉索表面缺陷的分类识别方法

权利要求书

1.基于PSO-SVM的桥梁拉索表面缺陷的分类识别方法，其特征在于，包括如下步骤：

S1、获取待测拉索表面图像信息；

S2、从待测拉索表面图像信息中提取待测表面缺陷特征信息；

S3、将待测表面缺陷特征信息输入PSO-SVM分类器，得到待测拉索的表面缺陷分类识别信息。

2.如权利要求1所述的基于PSO-SVM的桥梁拉索表面缺陷的分类识别方法，其特征在于，待测表面缺陷特征信息包括形状特征、灰度特征及纹理特征中的任意一项或多项，表面缺陷分类识别信息包括孔洞、横向裂纹、纵向裂纹及疤坑中的任意一项或多项。

3.如权利要求2所述的基于PSO-SVM的桥梁拉索表面缺陷的分类识别方法，其特征在于，形状特征包括缺陷区域的面积，还包括缺陷区域的缺陷长径L₁和缺陷短径L₂之比R_b，形状特征的提取方法包括：

使用边界扫描从待测拉索表面图像信息中识别缺陷区域；

统计缺陷区域内像素点个数N_a从而得到缺陷区域的面积，G(x,y)表示坐标为(x,y)的像素点的灰度值，A表示缺陷区域；

获取缺陷区域边界上任两个点之间的最大距离记为缺陷长径L₁，获取缺陷长径L₁垂直方向上缺陷区域边界的最短距离记为缺陷短径L₂；

基于R_b＝L₁/L₂得到缺陷长径L₁和缺陷短径L₂之比R_b。

4.如权利要求2所述的基于PSO-SVM的桥梁拉索表面缺陷的分类识别方法，其特征在于，灰度特征包括基于边界区域扫描后的缺陷区域计算的平均灰度、方差及倾斜度，灰度特征的提取方法包括：

基于计算平均灰度式中，图像的一阶直方图N表示总像素，n(l)表示灰度级为l的像素总数，L为灰度等级；

基于计算方差σ²；

基于计算倾斜度Ske。

5.如权利要求2所述的基于PSO-SVM的桥梁拉索表面缺陷的分类识别方法，其特征在于，纹理特征包括基于边界区域扫描后的缺陷区域计算的角二阶矩、对比度、相关、熵及逆差距，纹理特征的提取方法包括：

基于公式计算角二阶矩ASM，式中，p(i,j,δ,θ)＝{(x,y)|f(x,y)＝i,f(x+Dx,y+Dy)＝j；x,y＝0,1,2,…,N-1}，i和j分别为任意两个像素点的灰度值，(Dx,Dy)为所述两个像素点的距离，i,j＝0,1,2,…,L'-1，(x,y)是图像坐标，L'为灰度级的数目，δ为相邻间隔的像素个数，θ表示方向，p(i,j,δ,θ)为i和j两个恢复出现的概率；

基于公式计算对比度CON；

基于公式计算相关COR，其中，u₁、u₂、s₁及s₂均为计算过程参数；

基于公式计算熵ENT；

基于公式计算逆差距IDM。

6.如权利要求1至5任一项所述的基于PSO-SVM的桥梁拉索表面缺陷的分类识别方法，其特征在于，训练PSO-SVM分类器的过程中，基于粒子群算法优化支持向量机的惩罚系数c和核函数参数g。