一種基於圖像特徵的特種車輛儀表類型識別與標定方法
2023-05-26 03:49:16 2
專利名稱：一種基於圖像特徵的特種車輛儀表類型識別與標定方法
技術領域：
本發明屬於圖像處理、模式識別領域，主要針對的是各種不同類型的特種車輛儀表的圖像，對特種車輛儀表的類型進行自動識別，並結合各類型儀表事先的標定，給出指針固定點和儀表刻度的位置。
背景技術：
自動檢測技術在特種車輛儀表的生產中有著廣泛的應用，比如說特種車輛儀表需要進行自動檢測時。長期以來，特種車輛儀表的校準與測量普遍採用人工讀取方法。人工檢測雖然準確，但是有很大的不方便之處。進行儀表檢定的員工需要進行人工查看指針讀數、與標準源數字數據比對、計算誤差、保存結果，在指針快速轉動的時候會存在人為的操作誤差和人的視覺誤差，並且檢定效率會很低。因此自動儀表的檢定是非常需要的。指針式儀表的非接觸式自動檢測技術可以通過圖像處理技術實現，也就是利用圖像傳感器來模擬人目艮，對指針式儀表進行圖像採集，然後將採集的視頻數據傳輸到計算機中的智能系統中。再利用計算機對採集到的儀表圖像進行分析和識別，最後得到儀表指針所指向的結果。以往針對指針式儀表的研究中，主要是針對儀表的自動識別，並且主要是針對工業儀表進行研究而比，如文獻I (常發亮，許有才，喬誼正，無人值守錶針實時視覺自動識別與分析方法，電子測量與儀器學報，2006. 4，20 (2) : 35-38.)，文獻2(孫琳，王永東，指針式儀表自動檢定圖像識別技術，現代電子技術[J]，2011.Vol. 34(8) :101-104.)等等。針對特種車輛儀表識別的研究非常的少，對特種車輛儀表類型的自動識別更少。特種車輛儀表比工業儀表有很大的不同，首先特種車輛儀表指針固定點往往不是儀表圓盤的中心點，其次很大特種車輛儀表的刻度往往不均勻，也就給指針固定點和儀表刻度的自動識別帶來了很大的困難。如果能針對特定儀表類型建模，那麼就可以自動識別輸入的儀表圖像的儀表類型，根據對該類型事先的標定，便可以得到指針固定點的位置、刻度的分布等儀表自動識別的必須信息，從而有利於特種車輛儀表的自動讀數。
發明內容
本發明的目的，是針對的是各種不同類型的特種車輛儀表的圖像，對特種車輛儀表的類型進行自動識別，並結合各類型儀表事先的標定，給出指針固定點和儀表刻度的位置。本發明的技術方案是基於圖像特徵的對特種車輛儀表類型進行識別與建模。提取特徵的算法主要綜合了兩種圖像特徵，其中一個是顏色特徵，另外一個是Gabor紋理特徵，將這兩種特徵綜合，然後用模板匹配的方法對特種車輛儀表類型進行分類和識別。首先對每種類型的特種車輛儀表，採集一些特種車輛儀表圖像，經過人工判斷，把有代表性的圖像留下當作訓練樣本。針對每個訓練樣本，通過圖像增強等圖像預處理方法對圖像質量進行歸一化；然後提取出儀表圖像的圓盤，根據圓盤半徑對儀表圖像進行大小歸一化；歸一化後分別對特種車輛儀表圖像提取顏色特徵和Gabor紋理特徵。最後針對所有的訓練樣本，分別以顏色特徵和Gabor紋理特徵為向量為每種類型建立模型。其具體流程如圖2所不。每種類型的儀表的訓練樣本庫的特徵模型建立好後，對於採集到的實時圖像，同樣經過圖像預處理進行圖像質量歸一化，提取儀表圓盤進行儀表大小歸一化，歸一化後分別提取顏色特徵和Gabor紋理特徵，對這兩種特徵與各個類型的儀表訓練樣本的特徵模板分別進行模式匹配，對於小類型的特種車輛儀表用最近鄰法則得到儀表分類結果。其具體流程如
圖1所示。本發明的主要研究內容有(I)儀表圖像歸一化包括圖像質量歸一化、儀表圖像大小歸一化；(2)特徵提取包括顏色特徵提取、Gabor紋理特徵提取；(3)特徵建模與模式匹配；(4)根據特定的儀表類型的標定，通過儀表類型獲取儀表指針固定點、刻度信息。1、儀表圖像歸一化特種車輛儀表圖像的歸一化其主要目的是減少同一種儀表類型內不同樣本之間的變異，即增強類內聚合度。典型的特種車輛儀表的類內變異包括下面幾種儀表錶盤的光照、儀表的圖像質量、儀表錶盤大小，等等。針對這些類內變異，首先要對儀表圖像質量進行歸一化，這方面主要依靠預處理儘量減少各種圖像的噪聲環境差異和光照環境差異。然後要對儀表圖像進行大小歸一化，這方面主要依賴於儀表圓盤和半徑的提取。因此特種車輛儀表圖像的歸一化包括了幾個步驟，按先後順序依次是 儀表圖像增強和除去噪聲， 儀表圓盤提取， 根據圓盤的大小對儀表大小的線性歸一化對特種車輛儀表圖像進行預處理，簡單的說就是為了使得測試的圖像與模板圖像的圖像質量差別最小。預處理可以解決圖像因為光線或者拍攝角度等原因造成的儀表圖像模糊、歪斜或缺損異常情況。這裡採取了通過中值濾波去隨機噪聲、通過顏色拉伸增強儀表圖像的對比度。在中值濾波中又以自適應中值濾波在去除噪聲和保存細節兩方面效果最好，我們採用結合了均值濾波和自適應中值濾波兩者優點的改進型自適應中值濾波算法。並使用帶修正的自適應鄰域平均法消除圖像幹擾和噪音。為了將儀表的彩色圖像進行拉升。我們先獲取彩色圖像對應的灰度圖像，並統計儀表圖像中的灰度最小值gl，灰度最大值g2，將其拉升到(0，255)的灰度空間，使得灰度圖像更加清晰。我們這裡採用一種改進的灰度拉升方法，考慮到灰度最小值gl，灰度最大值g2所對應的像素灰度值個數很少的時候對整體圖像改進作用不大。我們要求gl和g2對應的灰度值像素總個數被設置成需要大於某個值。Sgl為總像素大於n(比如n=10)的最小灰度，g2為總像素大於n(比如n=10)的最大灰度。對於任意像素點,其灰度值為gray (x, y)，拉升後對應的灰度值為GRAY (x, y)，則有
權利要求
1.一種基於圖像特徵的特種車輛儀表類型識別與標定方法，其特徵在於，所述方法如下首先對每種類型的特種車輛儀表，採集一些特種車輛儀表圖像，經過人工判斷，把有代表性的圖像留下當作訓練樣本；針對每個訓練樣本，通過圖像預處理方法對圖像質量進行歸一化；然後提取出儀表圖像的圓盤，根據圓盤半徑對儀表圖像進行大小歸一化；歸一化後分別對特種車輛儀表圖像提取顏色特徵和Gabor紋理特徵；最後針對所有的訓練樣本， 分別以顏色特徵和Gabor紋理特徵為向量為每種類型建立模型；每種類型的儀表的訓練樣本庫的特徵模型建立好後，對於採集到的實時圖像，同樣經過圖像預處理進行圖像質量歸一化，提取儀表圓盤進行儀表大小歸一化，歸一化後分別提取顏色特徵和Gabor紋理特徵，對這兩種特徵與各個類型的儀表訓練樣本的特徵模板分別進行模式匹配，用最近鄰法則得到儀表分類結果。
2.根據權利要求1所述的方法，其特徵在於，所述儀表圖像歸一化具體如下首先對特種車輛儀表圖像進行預處理，通過中值濾波去隨機噪聲、通過顏色拉伸增強儀表圖像的對比度；其中中值濾波採用結合均值濾波和自適應中值濾波兩者優點的改進型自適應中值濾波算法；並使用帶修正的自適應鄰域平均法消除圖像幹擾和噪音；其中，通過顏色拉伸增強儀表圖像的對比度先獲取彩色圖像對應的灰度圖像，並統計儀表圖像中的灰度最小值gl，灰度最大值g2，將其拉升到(0，255)的灰度空間，使得灰度圖像更加清晰；設gl為總像素大於η (比如n=10)的最小灰度，g2為總像素大於η (比如n=10)的最大灰度；對於任意像素點，其灰度值為gray (X，y),拉升後對應的灰度值為GRAY (x, y)，則有
3.根據權利要求1所述的方法，其特徵在於，所述顏色特徵提取具體如下將歸一好的儀表圖像等分為8X8的方格，每個方格分別統計紅色、綠色、黑色像素的總個數，然後除以這個方格的面積，這樣組成了 8X8X3=192維的顏色特徵向量；對於儀表圖像基於Gabor灰度圖像紋理特徵提取，對於歸一化好的儀表的灰度圖像， 每個灰度圖像被分成8X8的方格，取每個方格的中心，這樣生成了 8X8的採樣點；在每個採樣點上，加上一個Gaussian濾波器,這裡的Gaussian濾波器是從Gabor濾波器的Gaussian包絡求得而來的，具體過程如下面公式；
4.根據權利要求1所述的方法，其特徵在於，所述特徵建模與模式匹配具體如下 求得儀表模板類型圖像的特徵向量和被測字儀表的圖像的特徵向量後，計算它們之間的歐式距離d，越接近O表明這兩幅圖像越相似；這裡設測試樣本為X，標準樣本為Y.測試樣本的特徵值為(X1, X2, χ3 ...，χη)，標準樣本的特徵值為G1,12, y3 · · ·.1r)，其中特徵值都歸一化到(0. 0,1. 0)的範圍內；針對每一種特徵的判別函數為
5.根據權利要求1所述的方法，其特徵在於，所述方法還進一步包括識別出特種車輛儀表的類型後，根據每種特種車輛儀表的設定值推測出指針固定點， 刻度分布的重要信息，進一步進行精確的儀表識別。
全文摘要
一種基於圖像特徵的特種車輛儀表類型識別與標定方法。本發明屬於圖像處理、模式識別領域。首先對每種類型的特種車輛儀表，採集一些特種車輛儀表圖像，經過人工判斷，把有代表性的圖像留下當作訓練樣本；針對每個訓練樣本，通過圖像預處理方法對圖像質量進行歸一化；然後提取出儀表圖像的圓盤，根據圓盤半徑對儀表圖像進行大小歸一化；歸一化後分別對特種車輛儀表圖像提取顏色特徵和Gabor紋理特徵；最後針對所有的訓練樣本，分別以顏色特徵和Gabor紋理特徵為向量為每種類型建立模型；每種類型的儀表的訓練樣本庫的特徵模型建立好後，對於採集到的實時圖像，同樣經過圖像預處理進行圖像質量歸一化，對這兩種特徵與各個類型的儀表訓練樣本的特徵模板分別進行模式匹配，用最近鄰法則得到儀表分類結果。
文檔編號G06K9/00GK103034838SQ20121050924
公開日2013年4月10日 申請日期2012年12月3日 優先權日2012年12月3日
發明者張伏龍, 白真龍, 王濤, 郭迎春, 張華 , 李廣峰, 趙玉林, 張昌俊 申請人:中國人民解放軍63963部隊, 北京科技大學