[发明专利]基于稀疏表示与SVM的分任务铁路货车图像质量判断方法

权利要求书

1.基于稀疏表示与SVM的分任务铁路货车图像质量判断方法，其特征在于，包括以下步骤：

首先，获得铁路货车通过图像；

然后，将图像送入训练好的质量判断网络，得到图像质量判断结果；

所述质量判断网络的确定过程包括以下步骤：

s1、分别在采集到的图像中挑选亮度、清晰度、对称性、拉伸程度与噪声的正样本和负样本，构建亮度、清晰度、对称性、拉伸程度与噪声质量判断数据集；

分别确定5个质量判断数据集中的每幅图像的图像质量评分，作为质量标签；

s2、针对亮度、清晰度、对称性、拉伸程度和噪声五种质量判断任务，提取图像不同特征并采用稀疏表示进行特征编码，并分别构建不同的质量判断模型；

s3、将五个质量判断任务对应的质量判断模型得到五个质量分数S_i,i∈{1,2,...,5}，最终质量分数为将最终质量得分作为图像质量判断的判断结果；

步骤s2所述针对亮度、清晰度、对称性、拉伸程度和噪声五种质量判断任务，提取图像不同特征并采用稀疏表示进行特征编码，并分别构建不同的质量判断模型的过程包括以下步骤：

s211、根据不同质量判断任务提取图像不同特征：

对于图像亮度和噪声质量判断任务，均直接提取亮度通道作为稀疏字典训练的特征图；

对于图像清晰度质量判断任务，提取梯度特征作为稀疏字典训练的特征图；

对于对称性和拉伸程度质量判断任务中，提取图像DOG特征作为稀疏字典训练特征图；

s212、提取特征图后，采用稀疏表示进行进一步的特征编码，对亮度、清晰度、对称性、拉伸程度与噪声五个质量判断任务训练出五个不同的稀疏字典，分别表示为D_L、D_C、D_S、D_D和D_N；

在稀疏编码阶段，采用五个不同任务的稀疏字典对相应特征进行系数表示，得到五个不同的稀疏系数，表示为X_L、X_C、X_S、X_D和X_N；

s213、采用稀疏表示阶段得到的五种不同的系数特征与相应质量标签，训练五个不同的SVM，完成五个不同任务的稀疏表示SVM模型的训练，即得到亮度、清晰度、对称性、拉伸程度与噪声对应的质量判断模型，并对5个质量判断模型进行验证。

2.根据权利要求1所述基于稀疏表示与SVM的分任务铁路货车图像质量判断方法，其特征在于，在步骤s211所述根据不同质量判断任务提取图像不同特征之前，需要对图像进行如下处理：

除了对称性质量判断任务，亮度、清晰度、拉伸程度与噪声质量判断任务均均提取图像中的需要进行故障检测的部分，然后再根据不同质量判断任务提取图像不同特征。

3.根据权利要求2所述基于稀疏表示与SVM的分任务铁路货车图像质量判断方法，其特征在于，s211中所述的对于图像清晰度质量判断任务，提取梯度特征作为稀疏字典训练的特征图的过程包括以下步骤：

采用sobel算子提取图像水平方向梯度和竖直方向梯度将梯度幅度作为最终梯度图特征；

其中，f表示原始图像，S_x表示水平方向Sobel算子，S_y表示竖直方向Sobel算子。

4.根据权利要求2所述基于稀疏表示与SVM的分任务铁路货车图像质量判断方法，其特征在于，s211中对于对称性和拉伸程度质量判断任务中，提取图像DOG特征作为稀疏字典训练特征图所述的DOG特征如下：

其中σ表示DOG滤波的尺度，k表示滤波器中心与周围的比例，x,y表示图像中像素的位置。