基于表观纹理结构的电力杆塔图像检测方法

摘要

本发明公开了电力线路巡检技术领域中的一种基于表观纹理结构的电力杆塔图像检测方法。包括选择设定数量的已确定存在电力杆塔的图像和已确定不存在电力杆塔的图像；分别对选择的图像进行预处理，得到的每个图像的整体滤波器和值最大的参考区域的滤波器；将每个图像的整体滤波器和值最大的参考区域的滤波器代入目标函数进行训练；对待识别的图像进行预处理，得到待识别的图像的整体滤波器和值最大的参考区域的滤波器，将其代入经过训练的目标函数，根据目标函数的输出结果判断待识别图像中是否存在电力杆塔。本发明共享了电力杆塔的各个部分的重复性的特征，可以充分利用电力杆塔的表观纹理结构中可变型部分的潜在信息。

主权项

一种基于表观纹理结构的电力杆塔图像检测方法，其特征是所述方法包括：步骤1：选择设定数量的已确定存在电力杆塔的图像和已确定不存在电力杆塔的图像；步骤2：分别对已确定存在电力杆塔的图像和已确定不存在电力杆塔的图像进行预处理，得到的每个图像的整体滤波器和值最大的参考区域的滤波器；步骤3：将每个图像的整体滤波器和值最大的参考区域的滤波器代入目标函数进行训练；步骤4：对待识别的图像进行预处理，得到待识别的图像的整体滤波器和值最大的参考区域的滤波器；步骤5：将待识别的图像的整体滤波器和值最大的参考区域的滤波器代入经过训练的目标函数，根据目标函数的输出结果判断待识别图像中是否存在电力杆塔；所述步骤2、步骤4具体包括如下子步骤：子步骤101：对于已确定存在电力杆塔的图像，选择电力杆塔中心线作为整个图像的中心线；子步骤102：选取图像中心线左右各4个相等的矩形区域作为参考区域；子步骤103：提取整个图像的HOG特征向量，并对整个图像的HOG特征向量进行K‑means聚类处理；子步骤104：将经过聚类处理的HOG特征向量与高斯滤波器进行卷积运算，得到整体滤波器；子步骤105：将图像分辨率扩大2倍，提取每个参考区域的HOG特征向量，并分别对每个参考区域的HOG特征向量进行K‑means聚类处理；子步骤106：将每个经过聚类处理的参考区域的HOG特征向量与高斯滤波器进行卷积运算，得到每个参考区域的滤波器，并进一步选择卷积运算值最大的参考区域的滤波器作为值最大的参考区域的滤波器。