一种基于移动终端视觉图像的检测配电柜的方法与流程

技术特征：

1.一种基于移动终端视觉图像的检测配电柜的方法，其特征在于，所述方法包括：

建立配电柜的典型形状的形状特征分类器；

对通过移动终端采集的配电柜图像进行预处理后进行图像的三级小波分解子图，然后，在形状特征分类器的三级低频子空间中对三级小波分解子图、二级低频子空间中对二级小波分解子图分别进行形状匹配；

如果匹配成功，获取位置信息，然后在高频子空间中进行形状精确匹配定位；否则，调整移动终端的距离和角度，重新采集配电柜图像；

根据采集的图像和位置信息，对配电柜进行检测。

2.根据权利要求1所述的基于移动终端视觉图像的检测配电柜的方法，其特征在于，所述方法具体包括：

步骤1)选取典型形状配电柜的多组标准样本和配电柜中的实际样本在支持向量机中进行训练，得到形状特征分类器；

步骤2)对通过移动终端采集的配电柜图像进行预处理；

步骤3)对预处理后的图像进行小波塔式变换：选取Haar小波基，得到图像的三级小波分解子图；

步骤4)在三级低频子空间中，基于图像的三级小波分解子图利用形状特征分类器进行配电柜的形状特征识别，将识别出的形状与模板库中的形状进行特征匹配，如果匹配成功，则转入步骤5)；否则，在二级低频子空间中利用形状特征分类器进行配电柜的形状特征识别，将识别出的形状与模板库中的形状进行特征匹配，如果匹配成功，则转入步骤5)；否则，转入步骤2)；

步骤5)在正确匹配的形状位置范围内，在高频子空间中进行形状精确匹配定位；根据实时检测的采集图像和先验知识图像之间的形状的位置关系，利用仿射变换得到采集图像相对于先验知识图像的相对位置；

步骤6)将匹配的位置关系实时在移动终端中进行显示，如果匹配位置关系处于后续分割识别的可控范围；转入步骤7)；否则，提示操作人员调整距离和角度，转入步骤2)；

步骤7)对于采集的图像和位置信息，对待检测目标区域内的图像进行局部自适应二值化，检测的字符区域和杂质区域经过级联式的筛选器，然后对前景和背景进行区分，再对前景进行字符识别和工艺过程状态信息进行判定。

3.根据权利要求1所述的基于移动终端视觉图像的检测配电柜的方法，其特征在于，所述步骤1)具体包括：

步骤101)选取配电柜的典型形状；

所述典型形状包括块形和条形，所述多边形和弧边形，所述多边形包括：正方形，矩形，三角形，十字形，菱形和T字形；所述弧边形包括：圆形，环形和椭圆形；所述条形包括：直线，平行线和弧形；

步骤102)提取典型形状的配电柜的多组标准样本和实际样本的图像，对图像进行尺寸归一化，并将图像中每个像素的灰度值作为特征向量；

对于二分类的样本x：x＝{x₁,x₂,x₃,…,x_n}，其中x_i为m维向量，假设该分类问题为线性可分的，则分类面(线，面，超平面)s(x)：

s(x)＝ω^Tx+d＝0；

其中，为样本x的权重向量，ω^Tx＝θ₁x₁+θ₂x₂+…+θ_nx_n，θ_i为分量x_i对应的权重参数，d为常量参数；

使所有样本对分类面的距离|s(x)|≥1，即距离分类面最近的样本与分类面的距离为1；由点面距离公式：可得，对于任何分类面，距离分类面最近的两类样本的距离为

为求得最优分类面，即取最大值等价于||ω||取最小值，即求：

定义Lagrange方程：

其中，λ＝{λ₁,λ₂,λ₃,…,λ_n}为拉格朗日乘子；

对ω,d求偏导数，得到：

ω^*为ω的伴随矩阵；

最优分类函数t(x)为：

其中，sgn为符号函数，d^*为d的伴随矩阵；

通过核函数定义的非线性变换将原特征空间转换到高位特征空间，在新的特征空间中实现先行分类；

步骤103)将样本的特征向量输入支持向量机进行训练，训练好的支持向量机为形状特征分类器；

选用径向基核函数作为核函数：

上式中，x_i和x_j分别为支持向量和待分类模式，σ为高斯函数的标准差，代表了该支持向量在特征空间的影响范围，由此可得到基于支持向量的形状特征分类器模型。

4.根据权利要求2所述的基于移动终端视觉图像的检测配电柜的方法，其特征在于，所述步骤2)的预处理包括：对图像进行灰度化和直方图均衡化。

5.根据权利要求3所述的基于移动终端视觉图像的检测配电柜的方法，其特征在于，所述步骤3)具体为：

选取Haar小波基对图像进行小波塔式变换，将图像分解为一系列小波图像的叠加，母小波经过位移τ后，再在不同尺度a伸缩的小波系列ψ_a,τ(t)为：

ψ(t)表示母小波，小波变换如下：

ψ^*(t)表示母小波ψ(t)的共轭，x(t)为变换函数，WT_x(a,τ)为变换后的函数；

对于图像函数f(x,y)，二维小波基ψ(x,y)表示二维母小波，则二维连续小波为：

其中，a为尺度伸缩量，bx、by为二维位移；

二维小波变换如下：

将一维离散小波变换分别用于图像灰度矩阵的行和列上，小波尺度函数φ生成的镜像滤波器为H和G，原始图像C₀，则小波变换可把图像表示成一系列各尺度上的细节图像和一幅尺度近似图像，若进行N级小波分解，则可有N个分辨率；每个分辨率的D¹、D²和D³子带保留，C₁子带继续分解，共得到3N+1个子带；k表示分解尺度，r表示每次分解对应的高频信息编号；

根据基于信息熵的判断标准进行三级小波分解，得到图像的三级小波分解子图。

6.根据权利要求5所述的基于移动终端视觉图像的检测配电柜的方法，其特征在于，所述步骤4)具体包括：

步骤4-1)在三级低频子空间中对三级小波分解子图进行局部二值化和全局二值化，对图像中提取的形状输入形状特征分类器，对图像进行识别；

步骤4-2)将识别出的多个形状的种类和位置信息同模板库图像中已知的多个形状种类和位置信息进行互相关的图像匹配，匹配依据是计算特征点相关区域的相关系数CC：

其中，W为特征点的邻域，I₁(x,y)为待检测图像的像素灰度值，I₂(x,y)为模板图像的像素灰度值；

对其进行归一化后为：

其中，和分别表示待检测图像和模板图像特征点相关邻域内像素灰度值的均值；形状匹配时选取相关系数中最大的相关系数对应的形状作为该参考点的匹配点；

步骤4-3)如果步骤4-2)中所识别出的形状与先验知识中的形状的特征不匹配，转入步骤4-4)；如果匹配成功，转入步骤5)；

步骤4-4)在二级低频子空间中利用形状特征分类器进行配电柜的形状特征识别，将识别出的形状与模板库中的形状进行特征匹配，如果匹配成功，转入步骤4-5)；否则，则认为该图像拍摄失败；转入步骤2)。

7.根据权利要求6所述的基于移动终端视觉图像的检测配电柜的方法，其特征在于，所述步骤4)还包括：

对于不能正确匹配的情况，在移动终端的屏幕上进行提示重新选取拍摄角度；对于步骤4)中正确匹配的情况，在移动终端的屏幕上通过四边形显示图像的拍摄角度，四边形对边中短边相对于长边表示该边应该将拍摄距离移近，当屏幕中显示的四边形近似为矩形的时候表示拍摄角度正确；通过箭头表示视场的偏移，选取8个方向的箭头提示操作人员进行视场移动；选用阈值pthres＝0.88，当采集图像的角度和视场偏移相对于先验知识图像的误差小于阈值pthres，则认为该采集图像满足检测条件，进行后续识别。

8.根据权利要求6所述的基于移动终端视觉图像的检测配电柜的方法，其特征在于，所述步骤7)具体包括：

步骤7-1)由步骤4)、步骤5)和步骤6)确定的采集图像的定位信息，将先验知识图像中需要检测的目标区域映射到采集图像中，对于待检测目标区域内的图像进行局部自适应二值化，得到目标区域的二值图像，每个目标区域中获得包括字符和杂质的多个区域；

步骤7-2)将这些区域经过级联式筛选器，对前景和杂质根据形态学中的多种几何条件进行判定，每种几何条件作为一个特征进行分类，将区域分为字符区域和杂质区域，同时得到该特征的权重，初始权重为0.5；

步骤7-3)对判定为字符的区域选取下一组几何条件作为特征进一步判定，并得到该特征的权重，并且根据比例更新之前所有特征的权重，最终对于所有的特征和最终的权重，得到满足条件的字符区域和判定为杂质的区域，对字符区域进行排序，进行后续的字符识别和工艺过程状态信息判定。