CN115439319A - 一种电滑线防护装置裸露检测方法 - Google Patents
一种电滑线防护装置裸露检测方法 Download PDFInfo
- Publication number
- CN115439319A CN115439319A CN202210912441.3A CN202210912441A CN115439319A CN 115439319 A CN115439319 A CN 115439319A CN 202210912441 A CN202210912441 A CN 202210912441A CN 115439319 A CN115439319 A CN 115439319A
- Authority
- CN
- China
- Prior art keywords
- pixel
- pixel point
- point
- value
- edge
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Withdrawn
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 14
- 238000000034 method Methods 0.000 claims abstract description 24
- 230000011218 segmentation Effects 0.000 claims abstract description 7
- 239000011159 matrix material Substances 0.000 claims description 29
- 230000001681 protective effect Effects 0.000 claims description 15
- 239000013598 vector Substances 0.000 claims description 8
- 238000000638 solvent extraction Methods 0.000 claims description 3
- 230000001012 protector Effects 0.000 claims description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 208000003464 asthenopia Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 239000010949 copper Substances 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012372 quality testing Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000011179 visual inspection Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4053—Scaling of whole images or parts thereof, e.g. expanding or contracting based on super-resolution, i.e. the output image resolution being higher than the sensor resolution
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/40—Analysis of texture
- G06T7/41—Analysis of texture based on statistical description of texture
- G06T7/44—Analysis of texture based on statistical description of texture using image operators, e.g. filters, edge density metrics or local histograms
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Probability & Statistics with Applications (AREA)
- Quality & Reliability (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及图像处理技术领域,具体涉及一种电滑线防护装置裸露检测方法,该方法包括:获取电滑线的滑轨保护壳的表面图像,对表面图像进行超像素分割,根据边缘像素点与超像素块的中心像素点的相似度确定最终边缘点并确定最终超像素块,对最终像素块进行卷积处理获取最终超像素块的特征指标,根据特征指标计算置信度,根据置信度确定疑似裸露的目标超像素块,根据置信度阈值设定置信度的阈值范围,根据阈值范围建立两个高斯模型,根据目标超像素块中像素点在两个高斯模型对应的高斯值确定裸露像素点,从而确定裸露区域,本发明方法减少了计算量,提高了检测效率,并实现了对裸露区域的精确检测。
Description
技术领域
本发明涉及图像处理技术领域,具体涉及一种电滑线防护装置裸露检测方法。
背景技术
电滑线即行车滑触线,主要是为行车、起重机等移动设备提供动力电源的一组装置,用于对行车等移动设备提供动力电源,其主要由两部分组成,滑线导轨和集电器,滑线导轨为固定部分与电源相接,集电器为滑动部分,可在滑线轨道上或内滑动并与铜条接触取电,并用于与移动电机相连。
滑触线多为管式且封闭绝缘的,防护装置即为电滑线的滑轨的保护壳,当电滑线的保护壳出现裸露现象时,将导致后期为行车等移动设备提供动力电源的过程中出现严重的安全隐患,为了保证后期使用安全性,电滑线出厂之前需要对其保护壳进行质量检测。
目前,对于电滑线的保护壳的裸露检测,多为出厂前通过相关技术人员进行目测识别,该过程工作量大,极易造成视觉疲劳,导致检测过程出现大量的错检误检状况,检测效率低,精度不够高。
因此,需要提供一种电滑线防护装置裸露检测方法,予以解决上述问题。
发明内容
本发明提供一种电滑线防护装置裸露检测方法,以解决现有的问题。
本发明的一种电滑线防护装置裸露检测方法采用如下技术方案:该方法包括:
获取电滑线的滑轨保护壳的表面图像;
对表面图像进行超像素分割得到多个超像素块,将相邻两个超像素块相邻边上的像素点记为边缘像素点,分别计算边缘像素点与其相邻的两个超像素块的中心像素点的相似度;
将两个相似度的差值的绝对值作为该边缘像素点为最终边缘点的可能性值,根据可能性值确定最终边缘点并确定最终超像素块;
根据不同方向滤波器对最终超像素块进行卷积处理获取每个像素点的卷积值,根据所有方向滤波器卷积处理后的每个像素点的卷积值构建特征矩阵,根据特征矩阵获取对应最终超像素块的特征指标;
根据每个最终超像素块的特征指标计算对应超像素块的置信度,根据置信度及预设的置信度阈值确定疑似裸露的目标超像素块;
根据置信度阈值设定置信度的阈值范围,分别根据置信度大于阈值范围、小于阈值范围对应的最终超像素块内的像素点的灰度值构建高斯模型;
将目标超像素块的每个像素点灰度值分别带入两个高斯模型得到每个像素点对应的两个高斯值,根据每个像素点的两个高斯值确定目标超像素块中的裸露像素点,根据裸露像素点确定电滑线的滑轨保护壳的裸露区域。
优选的,分别计算超像素块的边缘像素点与其相邻的两个超像素块的中心像素点的相似度的步骤包括:
分别以每个边缘像素点、超像素块的中心像素点为中心点获取对应的窗口;
将窗口内像素点的灰度均值作为阈值对每个中心点的四邻域像素点灰度值进行二值化;
根据二值化后的四邻域像素点灰度值获取每个边缘像素点、中心像素点的纹理描述子;
根据边缘像素点对应的纹理描述子、其相邻超像素块的中心像素点对应的纹理描述子分别计算边缘像素点与两个相邻超像素块的中心像素点的相似度。
优选的,将窗口内像素点的灰度均值作为阈值对边缘像素点的四邻域像素点灰度值进行二值化的步骤包括:
获取窗口内所有像素点的灰度均值,并将灰度均值作为阈值;
将每个中心点的四邻域像素点的灰度值大于阈值的像素点对应的灰度值赋值为1;
将每个中心点的四邻域像素点的灰度值小于阈值的像素点对应的灰度值赋值为0,其中,每个中心点的四邻域像素点为该中心点上下左右四个相邻像素点。
优选的,根据二值化后的四邻域像素点灰度值获取每个边缘像素点、中心像素点的纹理描述子的步骤包括:
分别获取边缘像素点、中心像素点的四邻域像素点二值化后的灰度值;
分别根据边缘像素点、中心像素点的四邻域像素点二值化后的灰度值获取对应的二进制数组;
将二进制数组转化为十进制数值;
边缘像素点对应的十进制数值作为边缘像素点的纹理描述子,中心像素点对应的十进制数值作为中心像素点的纹理描述子。
优选的,根据边缘像素点对应的纹理描述子、其相邻超像素块的中心像素点对应的纹理描述子分别计算边缘像素点与两个相邻超像素块的中心像素点的相似度的步骤包括:
根据下式(1)计算边缘像素点与其中一个相邻超像素块的中心像素点之间的相似度:
式中,Wij表示第i个边缘像素点与其第j个相邻超像素块的中心像素点之间的相似度;
qi表示第i个边缘像素点的纹理描述子;
qij表示与第i个边缘像素点相邻的第j个超像素块的中心像素点的纹理描述子;
c表示参数,取c=0.001。
优选的,根据可能性值确定最终边缘点并确定最终超像素块的步骤包括:
设定可能性阈值;
当边缘像素点为最终边缘点的可能性值大于可能性阈值,则确定该边缘像素点为最终边缘点;
当边缘像素点为最终边缘点的可能性值小于可能性阈值,则确定该边缘像素点为可疑边缘点;获取可疑边缘点邻域内各个像素点的可能性值,将可疑边缘点邻域内各个像素点的可能性值中最大可能性值对应的像素点记为最终边缘点;
根据最终边缘点对超像素块重新分割得到最终超像素块。
优选的,根据所有方向滤波器卷积处理后的每个像素点的卷积值构建特征矩阵的步骤包括:
根据不同方向滤波器对超像素块进行卷积处理获取多个对应的卷积图;
根据卷积图中的每个像素点的卷积值得到一个特征向量;
根据所有卷积图对应的特征向量构建特征矩阵。
优选的,根据特征矩阵获取对应最终超像素块的特征指标的步骤包括:
将特征矩阵中元素值相同的元素划分为同一个等级;
根据每个等级对应的元素值、每个元素值在特征矩阵中出现频率、特征矩阵中元素的元素值均值计算每个超像素块的特征指标。
优选的,分别根据置信度大于阈值范围、小于阈值范围对应的最终超像素块内的像素点的灰度值构建高斯模型的步骤包括:
获取大于阈值范围最大值的置信度对应的最终超像素块并作为裸露像素块;
获取小于阈值范围最小值的置信度对应的最终超像素块并记为正常像素块;
根据所有裸露像素块内像素点的灰度值构建第一高斯模型;
根据所有正常像素块内像素点的灰度值构建第二高斯模型。
优选的,当第一高斯模型得到的像素点高斯值大于第二高斯模型得到的像素点高斯值,则目标超像素块中的该像素点为裸露像素点。
本发明的有益效果是:本发明的一种电滑线防护装置裸露检测方法,通过对表面图像进行超像素分割,然后根据相似度重新确定超像素块的最终边缘点并确定最终超像素块,实现对超像素块精确分割,然后根据最终超像素块的特征指标确定疑似裸露的目标超像素块,然后对目标超像素块内的像素点进行裸露检测,实现对电滑线的滑轨保护壳的裸露区域进行精确识别,无需对电滑线的滑轨保护壳的所有像素点进行逐个分析,从而减小计算量,提高检测效率。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明的一种电滑线防护装置裸露检测方法的实施例总体步骤的流程图;
图2为本发明的实施例中步骤S2的流程图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明的一种电滑线防护装置裸露检测方法的实施例,如图1所示,该方法包括:
S1、获取电滑线的滑轨保护壳的表面图像,并对表面图像进行增强得到增强图像。
具体的,设置用于对待检测的电滑线表面进行图像采集地采集设备,采集设备包括工业相机,实施者可根据实际情况对工业相机进行自行部署,本实施例中将电滑线放置在检测台上,相机对电滑线表面进行拍摄,以获取待分析的电滑线表面图像数据,用于对电滑线上的滑轨保护壳进行检测,以检测电滑线的滑轨保护壳裸露状况;在获取表面图像后,对表面图像进行预处理操作,本发明的预处理操作主要是对表面图像进行去噪处理,以消除图像表面噪点的影响,本实施例中通过高斯滤波算法对图像进行去噪处理,消除噪声点,同时,为提高电滑线裸露区域的注意力,本发明将通过伽马变换对图像进行增强处理得到增强图像,以提高图像的对比度,便于更加准确的提取识别电滑线的滑轨保护壳裸露状况,需要说明的是,预处理过程为现有公知技术,本发明不做详细阐述。
S2、为了减少分析计算量大,提高系统检测效率,本发明将增强图像分为多个超像素块,使得每个超像素块内的像素点的特征相同或相似,其中,超像素分割技术为公知技术,不再进行阐述,即对增强图像进行超像素分割得到多个超像素块,将相邻两个超像素块的相邻边上的像素点记为边缘像素点,分别计算边缘像素点与其相邻的两个超像素块的中心像素点的相似度。
具体的,如图2所示,S21、分别以每个边缘像素点、超像素块的中心像素点为中心点获取对应的窗口,其中,以每个超像素块的中心像素点为中心点获取对应的尺寸为3x3的窗口,以每个边缘像素点为中心点获取对应的尺寸为3x3的窗口;S22、将窗口内像素点的灰度均值作为阈值对每个中心点的四邻域像素点灰度值进行二值化,其中,获取窗口内所有像素点的灰度均值,并将灰度均值作为阈值;将每个中心点的四邻域像素点的灰度值大于阈值的像素点对应的灰度值赋值为1;将每个中心点的四邻域像素点的灰度值小于阈值的像素点对应的灰度值赋值为0,其中,每个中心点的四邻域像素点为该中心点上下左右四个相邻像素点;S23、根据二值化后的四邻域像素点灰度值获取每个边缘像素点、中心像素点的纹理描述子;其中,获取边缘像素点的四邻域像素点二值化后的灰度值、并获取该边缘像素点的相邻超像素块的中心像素点的四邻域像素点二值化后的灰度值;根据边缘像素点的四邻域像素点二值化后的灰度值获取边缘像素点对应的二进制数组,根据该边缘像素点的相邻超像素块的中心像素点的四邻域像素点二值化后的灰度值获取中心像素点对应的二进制数组,然后分别将边缘像素点、中心像素点对应的二进制数组转化为十进制数值;其中,把边缘像素点对应的十进制数值作为边缘像素点的纹理描述子,中心像素点对应的十进制数值作为中心像素点的纹理描述子;S24、根据边缘像素点对应的纹理描述子、其相邻超像素块的中心像素点对应的纹理描述子分别计算边缘像素点与两个相邻超像素块的中心像素点的相似度,其中,根据下式(1)计算边缘像素点与第j个相邻超像素块的中心像素点之间的相似度:
式中,Wij表示第i个边缘像素点与其第j个相邻超像素块的中心像素点之间的相似度;
qi表示第i个边缘像素点的纹理描述子;
qij表示与第i个边缘像素点相邻的第j个超像素块的中心像素点的纹理描述子;
c表示参数,取c=0.001。
S3、为保证各个超像素块边界的准确获取,从而实现各个超像素块的准确分割,将两个相似度的差值的绝对值作为该边缘像素点为最终边缘点的可能性值,根据可能性值确定最终边缘点并确定最终超像素块。
具体的,根据S2步骤计算出来边缘像素点与第j个相邻超像素块的中心像素点之间的相似度,由于边缘像素点为相邻两个超像素块的边缘,故边缘像素点的相邻超像素块就只有两个,故j只能取1、2,故根据S2中计算相似度的公式得到第i个边缘像素点与第一个相邻超像素块的中心点的相似度记为Wi1,第i个边缘像素点与第二个相邻超像素块的中心点的相似度记为Wi2,则最终边缘点的可能性值P=|Wi1-Wi2|,并对可能性值进行归一化处理,保证可能性值处于[0,1]范围内;设定可能性阈值,本实施例中可能性阈值取0.85;当边缘像素点为最终边缘点的可能性值大于可能性阈值,则确定该边缘像素点为最终边缘点;当边缘像素点为最终边缘点的可能性值小于可能性阈值,则确定该边缘像素点为可疑边缘点;获取可疑边缘点邻域内各个像素点的可能性值,将可疑边缘点邻域内各个像素点的可能性值中最大可能性值对应的像素点记为最终边缘点;根据最终边缘点对超像素块重新分割得到最终超像素块。
S4、根据不同方向滤波器对最终超像素块进行卷积处理获取每个像素点的卷积值,根据所有方向滤波器卷积处理后的每个像素点的卷积值构建特征矩阵,根据特征矩阵获取对应最终超像素块的特征指标。
具体的,本实施例通过二维Gabor滤波器对各最终超像素块进行卷积处理,Gabor滤波器包括多个滤波参数,本实施例将参数序列记为(λ,θ,ψ,σ,γ),其中,λ为Gabor滤波函数中正弦函数的波长,波长取值一般不低于2且低于图像尺寸的1/5,本实施例设置为其中,N为最终超像素块内像素点的数量,其中N≥16,当最终超像素块内像素点的数量N小于16时,则波长λ=2,θ为滤波器方向,取值为0-360度;ψ为调谐函数的相位偏移,取值为-180-180;σ为Gabor滤波器的半响应空间频率带宽;γ为空间纵横比,ψ,σ,γ多为固定取值,根据先验相位偏移ψ=0,带宽σ=2π,空间纵横比γ=0.5。
具体的,滤波器方向θ的取值范围为[0°,360°],因此,本实施例将滤波器方向θ均分为6份,得到6个滤波器方向角度θp,p=1,2,…,6,至此,对于每个最终超像素块,本发明可自适应的获取其对应的6个Gabor滤波核,以最终超像素块k为例,其对应的滤波核参数记为:(λk,θp,ψ,σ,γ),p=1,2,…,6,也即可得到六个不同的Gabor滤波器,对于每个最终超像素块,均通过其对应的六个滤波器对其进行卷积处理,则可获得六张对应的卷积图,每个卷积图均包含了不同方向下最终超像素块的纹理结构分布信息,用于对其纹理结构分布状况进行表征;由于在进行图像卷积时,滤波器方向θ的设定对最终超像素块纹理结构信息的提取影响较大,为保证对最终超像素块的纹理结构信息提取的完整度,根据不同方向滤波器对超像素块进行卷积处理获取多个对应的卷积图;根据卷积图中的每个像素点的卷积值得到一个特征向量;根据所有卷积图对应的特征向量构建特征矩阵,其中,卷积图中的每个像素点的卷积值得到一个1×N的特征向量Hk,p,p=1,2,…,6,N为最终超像素块像素点数量,将基于6个特征向量构建一个6×N特征矩阵Hk,所述特征矩阵Hk为最终超像素块k对应的纹理结构分布矩阵,k=1,2,…,K,K为最终超像素块数量,将特征矩阵中元素值相同的元素划分为同一个等级。
具体的,根据每个等级对应的元素值、每个元素值在特征矩阵中出现频率、特征矩阵中元素的元素值均值计算每个超像素块的特征指标,根据下式(2)计算最终超像素块的特征指标:
式中,L为特征矩阵的等级数,gl为特征矩阵的第l个等级对应的元素值,p(gl)为等级l对应元素值在特征矩阵中出现频率,为特征矩阵中元素的元素值均值,其中,fk表示第k个超像素块的特征指标,即超像素块的纹理丰富度,fk值越大,则认为超像素块内的纹理结构分布的丰富程度越高,超像素块内的结构分布越复杂。
S5、对各超像素块电滑线防护装置表面的裸露置信度进行分析,以快速对电滑线防护装置裸露状况进行初步检测,根据每个最终超像素块的特征指标计算对应超像素块的置信度,根据置信度及预设的置信度阈值确定疑似裸露的目标超像素块;
根据下式(3)计算超像素块的置信度:
式中,φk表示第k个超像素块的置信度;
fk表示第k个超像素块的特征指标;
r表示超参数,且本实施例中r=2;
设定置信度阈值为0.5,将置信度大于预设的置信度阈值对应的最终超像素块作为疑似裸露的目标超像素块。
S6、根据置信度阈值设定置信度的阈值范围,分别根据置信度大于阈值范围、小于阈值范围对应的最终超像素块内的像素点的灰度值构建高斯模型。
具体的,置信度阈值为0.5时,可根据经验设定置信度的阈值范围为[0.25-0.8],将大于阈值范围的最大值0.8的置信度对应的最终超像素块作为裸露像素块;将小于阈值范围最小值0.25的置信度对应的最终超像素块并记为正常像素块;根据所有裸露像素块的灰度值构建第一高斯模型GL(g);根据所有正常像素块内像素点的灰度值构建第二高斯模型GZ(g),其中,第一高斯模型GL(g)、第二高斯模型GZ(g)中的g均表示灰度值。
S7、将目标超像素块的每个像素点灰度值分别带入两个高斯模型得到每个像素点对应的两个高斯值,根据每个像素点的两个高斯值确定目标超像素块中的裸露像素点,根据裸露像素点确定电滑线的滑轨保护壳裸露区域。
具体的,若将目标超像素块中第i个像素点灰度值分别带入第一高斯模型GL(g)、第二高斯模型GZ(g)可对应地得到第一高斯值GL(gi)、第二高斯值GZ(gi),当第一高斯值GL(gi)≥第二高斯值GZ(gi)时,将认为该目标像素块的第i个像素点为电滑线上的裸露像素点,以此类推获取每个目标像素块中的裸露像素点,根据裸露像素点确定裸露区域。
综上所述,本发明提供一种电滑线防护装置裸露检测方法,通过对表面图像进行超像素分割,然后根据相似度重新确定超像素块的最终边缘点并确定最终超像素块,实现对超像素块精确分割,然后根据最终超像素块的特征指标确定疑似裸露的目标超像素块,然后对目标超像素块内的像素点进行裸露检测,实现对电滑线的滑轨保护壳的裸露区域进行精确识别,无需对电滑线的滑轨保护壳的所有像素点进行逐个分析,从而减小计算量,提高检测效率。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种电滑线防护装置裸露检测方法,其特征在于,该方法包括:
获取电滑线的滑轨保护壳的表面图像;
对表面图像进行超像素分割得到多个超像素块,将相邻两个超像素块相邻边上的像素点记为边缘像素点,分别计算边缘像素点与其相邻的两个超像素块的中心像素点的相似度;
将两个相似度的差值的绝对值作为该边缘像素点为最终边缘点的可能性值,根据可能性值确定最终边缘点并确定最终超像素块;
根据不同方向滤波器对最终超像素块进行卷积处理获取每个像素点的卷积值,根据所有方向滤波器卷积处理后的每个像素点的卷积值构建特征矩阵,根据特征矩阵获取对应最终超像素块的特征指标;
根据每个最终超像素块的特征指标计算对应超像素块的置信度,根据置信度及预设的置信度阈值确定疑似裸露的目标超像素块;
根据置信度阈值设定置信度的阈值范围,分别根据置信度大于阈值范围、小于阈值范围对应的最终超像素块内的像素点的灰度值构建高斯模型;
将目标超像素块的每个像素点灰度值分别带入两个高斯模型得到每个像素点对应的两个高斯值,根据每个像素点的两个高斯值确定目标超像素块中的裸露像素点,根据裸露像素点确定电滑线的滑轨保护壳的裸露区域。
2.根据权利要求1所述的一种电滑线防护装置裸露检测方法,其特征在于,分别计算超像素块的边缘像素点与其相邻的两个超像素块的中心像素点的相似度的步骤包括:
分别以每个边缘像素点、超像素块的中心像素点为中心点获取对应的窗口;
将窗口内像素点的灰度均值作为阈值对每个中心点的四邻域像素点灰度值进行二值化;
根据二值化后的四邻域像素点灰度值获取每个边缘像素点、中心像素点的纹理描述子;
根据边缘像素点对应的纹理描述子、其相邻超像素块的中心像素点对应的纹理描述子分别计算边缘像素点与两个相邻超像素块的中心像素点的相似度。
3.根据权利要求2所述的一种电滑线防护装置裸露检测方法,其特征在于,将窗口内像素点的灰度均值作为阈值对边缘像素点的四邻域像素点灰度值进行二值化的步骤包括:
获取窗口内所有像素点的灰度均值,并将灰度均值作为阈值;
将每个中心点的四邻域像素点的灰度值大于阈值的像素点对应的灰度值赋值为1;
将每个中心点的四邻域像素点的灰度值小于阈值的像素点对应的灰度值赋值为0,其中,每个中心点的四邻域像素点为该中心点上下左右四个相邻像素点。
4.根据权利要求2所述的一种电滑线防护装置裸露检测方法,其特征在于,根据二值化
后的四邻域像素点灰度值获取每个边缘像素点、中心像素点的纹理描述子的步骤包括:
分别获取边缘像素点、中心像素点的四邻域像素点二值化后的灰度值;
分别根据边缘像素点、中心像素点的四邻域像素点二值化后的灰度值获取对应的二进制数组;
将二进制数组转化为十进制数值;
边缘像素点对应的十进制数值作为边缘像素点的纹理描述子,中心像素点对应的十进制数值作为中心像素点的纹理描述子。
6.根据权利要求1所述的一种电滑线防护装置裸露检测方法,其特征在于,根据可能性
值确定最终边缘点并确定最终超像素块的步骤包括:
设定可能性阈值;
当边缘像素点为最终边缘点的可能性值大于可能性阈值,则确定该边缘像素点为最终边缘点;
当边缘像素点为最终边缘点的可能性值小于可能性阈值,则确定该边缘像素点为可疑边缘点;获取可疑边缘点邻域内各个像素点的可能性值,将可疑边缘点邻域内各个像素点的可能性值中最大可能性值对应的像素点记为最终边缘点;
根据最终边缘点对超像素块重新分割得到最终超像素块。
7.根据权利要求1所述的一种电滑线防护装置裸露检测方法,其特征在于,根据所有方向滤波器卷积处理后的每个像素点的卷积值构建特征矩阵的步骤包括:
根据不同方向滤波器对超像素块进行卷积处理获取多个对应的卷积图;
根据卷积图中的每个像素点的卷积值得到一个特征向量;
根据所有卷积图对应的特征向量构建特征矩阵。
8.根据权利要求1所述的一种电滑线防护装置裸露检测方法,其特征在于,根据特征矩阵获取对应最终超像素块的特征指标的步骤包括:
将特征矩阵中元素值相同的元素划分为同一个等级;
根据每个等级对应的元素值、每个元素值在特征矩阵中出现频率、特征矩阵中元素的元素值均值计算每个超像素块的特征指标。
9.根据权利要求1所述的一种电滑线防护装置裸露检测方法,其特征在于,分别根据置信度大于阈值范围、小于阈值范围对应的最终超像素块内的像素点的灰度值构建高斯模型的步骤包括:
获取大于阈值范围最大值的置信度对应的最终超像素块并作为裸露像素块;
获取小于阈值范围最小值的置信度对应的最终超像素块并记为正常像素块;
根据所有裸露像素块内像素点的灰度值构建第一高斯模型;
根据所有正常像素块内像素点的灰度值构建第二高斯模型。
10.根据权利要求9所述的一种电滑线防护装置裸露检测方法,其特征在于,当第一高斯模型得到的像素点高斯值大于第二高斯模型得到的像素点高斯值,则目标超像素块中的该像素点为裸露像素点。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210912441.3A CN115439319A (zh) | 2022-07-25 | 2022-07-25 | 一种电滑线防护装置裸露检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210912441.3A CN115439319A (zh) | 2022-07-25 | 2022-07-25 | 一种电滑线防护装置裸露检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115439319A true CN115439319A (zh) | 2022-12-06 |
Family
ID=84242928
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210912441.3A Withdrawn CN115439319A (zh) | 2022-07-25 | 2022-07-25 | 一种电滑线防护装置裸露检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115439319A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116778431A (zh) * | 2023-08-25 | 2023-09-19 | 青岛娄山河水务有限公司 | 基于计算机视觉的污泥处理自动监测方法 |
-
2022
- 2022-07-25 CN CN202210912441.3A patent/CN115439319A/zh not_active Withdrawn
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116778431A (zh) * | 2023-08-25 | 2023-09-19 | 青岛娄山河水务有限公司 | 基于计算机视觉的污泥处理自动监测方法 |
CN116778431B (zh) * | 2023-08-25 | 2023-11-10 | 青岛娄山河水务有限公司 | 基于计算机视觉的污泥处理自动监测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111428748B (zh) | 一种基于hog特征和svm的红外图像绝缘子识别检测方法 | |
CN109785285B (zh) | 一种基于椭圆特征拟合的绝缘子破损检测方法 | |
CN108230237B (zh) | 一种用于电气设备在线检测的多光谱图像重构方法 | |
CN111784633B (zh) | 一种面向电力巡检视频的绝缘子缺损自动检测算法 | |
CN108489996B (zh) | 一种绝缘子的缺陷检测方法、系统及终端设备 | |
CN107665348B (zh) | 一种变电站数字仪表的数字识别方法和装置 | |
CN115375588B (zh) | 基于红外成像的电网变压器故障识别方法 | |
CN113030244B (zh) | 输电线塔架腐蚀缺陷漏磁检测信号反演成像方法及系统 | |
CN110619146B (zh) | 基于结构相似性度量的多晶硅电池片裂纹缺陷检测方法 | |
CN112164086A (zh) | 一种精细化的图像边缘信息确定方法、系统及电子设备 | |
CN113627299B (zh) | 一种基于深度学习的导线漂浮物智能识别方法及装置 | |
CN111046950A (zh) | 一种图像处理方法、装置、存储介质和电子装置 | |
CN114581446B (zh) | 一种叠片电池的电芯异常检测方法及系统 | |
CN115439319A (zh) | 一种电滑线防护装置裸露检测方法 | |
CN109948629B (zh) | 一种基于sift特征的gis设备x射线图像故障检测方法 | |
CN116311201A (zh) | 一种基于图像识别技术的变电站设备状态识别方法及系统 | |
CN113221805B (zh) | 一种电力设备图像位置获取方法及装置 | |
CN114155212A (zh) | 一种基于红外图像的变电站异常绝缘子检测方法和装置 | |
CN116758056B (zh) | 一种电器端子生产缺陷检测方法 | |
Pernebayeva et al. | High voltage insulator surface evaluation using image processing | |
CN116485802B (zh) | 一种绝缘子闪络缺陷检测方法、装置、设备及存储介质 | |
CN113408519A (zh) | 一种基于模板旋转匹配的指针仪表读数的方法及系统 | |
CN117830206A (zh) | 绝缘子覆冰生长检测方法、装置、存储介质 | |
CN113643234B (zh) | 一种复合绝缘子破损检测方法、终端设备及可读存储介质 | |
CN116109659A (zh) | 一种sar影像海洋内波条纹分割方法、设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WW01 | Invention patent application withdrawn after publication | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20221206 |