[发明专利]一种面向可见光图像的锁孔检测方法

权利要求书

1.一种面向可见光图像的锁孔检测方法，其特征在于：具体步骤如下：

步骤1，基于卷积神经网络CNN，构建圆形区域图像锁孔正负样本分类器，其中正样本为圆形锁孔区域图像，负样本包括圆形非锁孔图像和随机图像；

步骤2，对待测可见光图像依次进行灰度化以及局部阈值二值化处理，得到二值化图像；

步骤3，对二值化图像进行连通域标定，并获取连通域边界坐标矩阵；

步骤4，遍历已标定的各个连通域，滤除不能同时满足如下三个筛选条件的连通域，得到符合圆形要求的连通域：μ＞0.001、δ＜0.01和f＜0.15，其中μ表示连通域像素面积相对待测可见光图像总像素面积占比，δ表示归一化后连通域xy方向跨度差，f表示连通域边界点指向连通域中心向量模长集合标准差；

步骤5，将步骤4中符合圆形要求的连通域作为圆形区域图像锁孔正负样本分类器的输入，即确定待测可见光图像中是否存在锁孔以及锁孔的位置。

2.根据权利要求1所述的一种面向可见光图像的锁孔检测方法，其特征在于，步骤2中采用加权平均法进行灰度化处理，采用Niblack法进行局部阈值二值化处理。

3.根据权利要求1所述的一种面向可见光图像的锁孔检测方法，其特征在于，步骤3中采用Two-Pass法对二值化图像进行连通域标定并获取连通域边界坐标矩阵。

4.根据权利要求1所述的一种面向可见光图像的锁孔检测方法，其特征在于，步骤4中，S(i)表示第i个连通域的像素面积，S_graph表示待测可见光图像总像素面积。

5.根据权利要求1所述的一种面向可见光图像的锁孔检测方法，其特征在于，步骤4中，x_max和x_min表示连通域边界坐标在x方向上的最大值和最小值，y_max和y_min表示边界坐标集合y方向上的最大值和最小值。

6.根据权利要求1所述的一种面向可见光图像的锁孔检测方法，其特征在于，步骤4中，f＝std(r)，std(·)表示求标准差，r表示边界点指向圆心的向量模长集合。

7.根据权利要求1所述的一种面向可见光图像的锁孔检测方法，其特征在于，以若干圆形锁孔区域图像、若干圆形非锁孔图像和随机图像作为训练集，对搭建的CNN进行训练，构建圆形区域图像锁孔正负样本分类器；

所搭建的CNN为包含如下15层的神经网络结构：

图像输入层：输入图像大小为227×227×3；

第一卷积层：5×5卷积核，卷积步长为3，通道数为3，卷积核数为32；

第一激活层：RELU激活；

第一池化层：最大值池化，pool大小为3×3，池化步长为2；

第二卷积层：5×5卷积核，卷积步长为4，通道数为32，卷积核数为64；

第二激活层：RELU激活；

第二池化层：最大值池化，pool大小为3×3，池化步长为2；

第三卷积层：3×3卷积核，卷积步长为1，通道数为64，卷积核数为128；

第三激活层：RELU激活；

第三池化层：最大值池化，pool大小为2×2，池化步长为2；

第一全连接层：节点数为128；

第四激活层：RELU激活；

第二全连接层：节点数为2；

Softmax层；

输出层：标签种类为have_keyhole”和”no_keyhole”，输出向量为2×1。