Page 99 - 城镇燃气管道检测与评估技术规程

第二章 管道智能检测研究

量，得到特征向量的平均值，所得平均值作为区分有缺陷织物和无缺陷织物的
基准。
（2）基于颜色特征的方法

颜色特征是应用最广泛的视觉特征，描述图像所对应物体的外观属性，具
备一定的旋转、平移不变性，鲁棒性较强。颜色模型主要有 HSV、RGB、HSI、
CHL、LAB、CMY 等。颜色特征表征方法则包括颜色直方图、颜色集、颜色矩、
颜色聚合向量等。

仰梓淮等人根据二次利用电路板的缺陷特点，对图像进行分块并比较子块的
颜色特征来检测缺陷，其在均匀分块方法的基础上提出了四叉树分裂颜色直方图
检测方法，并结合 SVM 分类器，在保证检测精度的同时兼顾检测速度。胡跃明
等人提出了一种基于单高斯模型（SGM）的二维颜色分割的氧化缺陷检测方法，

并且基于 RGB、HSV 与分块策略，提取颜色矩、颜色占比等特征构建氧化缺陷
的 8 维颜色特征，输入有向无环图支持向量机（DAG-SVMS）分类器实现铜箔
表面氧化缺陷的快速分级。
（3）基于形状特征的方法

形状特征存在两种表述方式，轮廓形状特征和区域形状特征。轮廓形状特
征是对目标区域的包围边界进行描述，从物体的轮廓中提取，其描述方法主要有
边界特征法（边界形状数、边界矩阵等）、简单几何特征、基于变换域（如傅里
叶描述符、小波描述符）、曲率尺度空间（CSS）、数学形态学等。区域形状特

征则针对目标轮廓所包围的区域内的所有像素加以描述，主要有几何特征（如面
积、质心、分散度等）、拓扑结构特征（如欧拉数）、矩特征（如 Hu 不变矩、
Zernike 矩）。Ge 等人针对具有中心对称分布规律的工业零件，提出了一种基于
改进 Hough 的缺陷检测方法，能够解决由于检测目标与背景相似而导致的不可

检测问题，可应用于实际生产。
缺陷特征提取的方法多样，各有优缺点，从本质上来讲，都是从图像中提取
出用于描述区分目标对象的关键信息。故而，组合多种特征提取方法，融合不同
特征，是提高效率和准确性的重要方法之一。

2. 分类算法
传统的机器视觉方法是在人工提取的特征信息上训练分类器，通过分类器来
正确识别每个表面缺陷的类别。常用的分类算法有 SVM、KNN、K-means 聚类

91