-
公开(公告)号：CN109800824B
公开(公告)日：2019-12-20
申请号：CN201910136101.4
申请日：2019-02-25
Applicant: 中国矿业大学(北京)
Abstract: 本发明涉及的是一种基于计算机视觉与机器学习的管道缺陷识别方法。通过对管道机器人采集的管道图像、视频进行灰度拉伸；进行滑滤波处理滤除噪声干扰；采用Canny算子对疑似缺陷区域轮廓提取；采集图像分成细胞单元中各像素点的梯度或边缘方向直方图，直方图组合起来提取图像HOG特征；采用迁移学习策略训练VGGNet模型，训练好的VGGNet的特征提取器提取图像特征；将管道图像的HOG特征和VGGNet提取的特征进行融合，使用SVM将特征分类，识别管道缺陷；统计管道缺陷识别结果输出管道缺陷类型。本发明能识别真实管道环境的缺陷特征，提高分类模型的鲁棒性和识别的准确率，提升系统图像处理速度和识别的效率，适用于城市管道、工业管道检修领域。
-
公开(公告)号：CN109800824A
公开(公告)日：2019-05-24
申请号：CN201910136101.4
申请日：2019-02-25
Applicant: 中国矿业大学(北京)
Abstract: 本发明涉及的是一种基于计算机视觉与机器学习的管道缺陷识别方法。通过对管道机器人采集的管道图像、视频进行灰度拉伸；进行滑滤波处理滤除噪声干扰；采用Canny算子对疑似缺陷区域轮廓提取；采集图像分成细胞单元中各像素点的梯度或边缘方向直方图，直方图组合起来提取图像HOG特征；采用迁移学习策略训练VGGNet模型，训练好的VGGNet的特征提取器提取图像特征；将管道图像的HOG特征和VGGNet提取的特征进行融合，使用SVM将特征分类，识别管道缺陷；统计管道缺陷识别结果输出管道缺陷类型。本发明能识别真实管道环境的缺陷特征，提高分类模型的鲁棒性和识别的准确率，提升系统图像处理速度和识别的效率，适用于城市管道、工业管道检修领域。
-
公开(公告)号：CN109087270A
公开(公告)日：2018-12-25
申请号：CN201811026306.9
申请日：2018-09-04
Applicant: 中国矿业大学(北京)
Abstract: 本发明涉及基于改进的卷积匹配追踪管道视频图像去雾增强方法。通过对管道内视频帧中中心圆经处理获得雾层模型，根据雾层作为卷积字典的来源进行字典训练；根据前几帧视频低秩矩阵分解训练获取背景图像与前景图像，根据前景图像初始化残差图像并通过残差图像计算特征响应，初始化前景重构图像，计算噪声能量；对特征响应进行极大值搜索；利用极大值和当前最大特征响应进行前景图像重构并利用极大值更新特征响应；更新残差图像，计算残差图像能量，若小于噪声能量，计算最终去雾图像。本发明能有效获取雾层模型，并通过雾层模型作为卷积字典，找到与视频帧中相符合的雾层并将其去除。可用于管道视频图像增强等科学领域。
-
公开(公告)号：CN109087270B
公开(公告)日：2019-05-14
申请号：CN201811026306.9
申请日：2018-09-04
Applicant: 中国矿业大学(北京)
Abstract: 本发明涉及基于改进的卷积匹配追踪管道视频图像去雾增强方法。通过对管道内视频帧中中心圆经处理获得雾层模型，根据雾层作为卷积字典的来源进行字典训练；根据前几帧视频低秩矩阵分解训练获取背景图像与前景图像，根据前景图像初始化残差图像并通过残差图像计算特征响应，初始化前景重构图像，计算噪声能量；对特征响应进行极大值搜索；利用极大值和当前最大特征响应进行前景图像重构并利用极大值更新特征响应；更新残差图像，计算残差图像能量，若小于噪声能量，计算最终去雾图像。本发明能有效获取雾层模型，并通过雾层模型作为卷积字典，找到与视频帧中相符合的雾层并将其去除。可用于管道视频图像增强等科学领域。
-
-
-
Search Results
4
records
(took 0.024 seconds)
