[发明专利]一种适用于车辆远景图像的划痕检测方法

权利要求书

1.一种适用于车辆远景图像的划痕检测方法，其特征在于，包括：

S1、利用深度学习算法检测出划痕可能出现的感兴趣区域；

S2、利用融合颜色与空间信息的划痕检测模型和MSER方法分别对所述感兴趣区域进行划痕检测，得到两个候选区域集合，记为R₁和R₂，取两个集合的交集R作为新的候选区域集合，即R＝R₁∩R₂，

训练融合颜色与空间信息的划痕检测模型包括：

在训练过程中，统计所有训练图像中划痕的颜色信息，得到划痕颜色的高斯分布模型，同时统计划痕各点的邻域内颜色均值信息，得到划痕邻域颜色均值的高斯分布模型，

在测试过程中，综合考虑当前点的颜色信息及其邻域内像素点的颜色均值信息，分别计算二者在上述高斯分布模型中的概率密度，当两概率密度的几何平均值大于设定的阈值时，判断当前点颜色与划痕颜色匹配，为真划痕，否则判断为假划痕，

对感兴趣区域中所有像素点重复上述过程，完成融合颜色与空间信息的划痕筛选；

S3、综合利用Hough线检测及SVM方法对所述候选区域集合R进行筛选，进而标记出划痕区域。

2.根据权利要求1所述的划痕检测方法，其特征在于，还包括训练感兴趣区域的提取模型以及融合颜色与空间信息的划痕检测模型。

3.根据权利要求2所述的划痕检测方法，其特征在于，所述训练感兴趣区域的提取模型包括：

输入训练图像，将所有训练图像缩放成统一尺寸；

标注出训练图像中的感兴趣区域，所述感兴趣区域是指车体上可能出现划痕的区域；

将已标注的训练图像输入Mask R-CNN神经网络中进行训练，得到感兴趣区域的提取模型。

4.根据权利要求1所述的划痕检测方法，其特征在于，所述综合利用Hough线检测及SVM方法对所述候选划痕区域进行筛选包括：

对所述新的候选划痕区域进行Hough线检测，并将检测到的长度超过设定阈值的直线型干扰区域从候选划痕区域中删除；

将保留的候选划痕区域构建为连通区域，依次计算每个连通区域的两维特征值，利用训练好的分类超平面对所述两维特征进行二分类，判断该区域是否属于划痕，若属于划痕则进行标记，完成车辆划痕检测过程。

5.根据权利要求4所述的划痕检测方法，其特征在于，所述分类超平面的获取步骤包括：

标注出训练图像中真、假划痕区域；

计算所述真、假划痕区域的两维特征值，所述两维特征值包括圆形度和区域填充度；

利用计算的两维特征值训练基于SVM的真、假划痕分类器，得到分类超平面。