Page 49 - 无损检测2022年第五期
P. 49

徐   峰,等:
   基于 CCTV 和缺陷特征提取的城市排水管道结构性缺陷检测

   3.2  纹理特征提取方案                                     以在对缺陷进行特征提取时耗费的时间更长一些。
     分别使用 5 种特征提取方法对管道缺陷图像子
   集( 共计100张) 进行特征提取, GLCM 法作为对照试                    4  缺陷分类
                                                     4.1  分类方法
   验组; B _ GLCM 法分区大小分为 10×10 , 5×5 , 3×3
   和 2×2 ; GGCM 法统计向量分为 10 个或者 15 个,                    当获取缺陷的特征数据后, 接下来就需要根据
   Gabor小波变换划分为 5 尺度 8 方向、 5 尺 度 6 方                 特征数据对缺陷进行分类处理, 文章基于支持向量
   向、 5 尺度 3 方向、 3 尺度 8 方向以及 1 尺度 8 方向;              机( SVM ) 原理, 采取一对一分类投票的方式对缺陷

                    _    u2  、    _    u2       _    样本进行分类训练。假设缺陷样本种类为 N , 那么
   LBP 法 分 为 MB 1 LBP 8×2 MB 3 LBP 8×2    、 MB 5

       u2  、   _    u2  、   _   u2  、   _    u2  、   就需 要 构 造 N ( N -1 )/ 2 个 二 分 类 支 持 向 量 机

   LBP 8×2 MB 7 LBP 8×2 MB 1 LBP 3×3 MB 3 LBP 3×3
       _    u2  、   _    u2  等 8 种情况。                ( BSVM ) 分类器, 并使用对应的训练样本集对这些
   MB 5 LBP 3×3 MB 7 LBP 3×3
   3.3  纹理特征提取效果                                     BSVM 分类器进行训练, 最后对不同 BSVM 分类器
     不同纹理特征提取方案下的提取效果如图 5 所                          训练得到的“ 投票” 结果进行统计, 得票最高者, 则代
   示。由图5可知, 采用 GLCM 法进行特征提取时( 方                      表训练样本属于该类。
   案1 ), 特征维数为 10 ; 采用 B _ GLCM 法进行特征提                    由于主要针对排水管道裂纹、 错口和腐蚀三种
   取时( 方案 2~5 ), 特征维数随着分区的减小而逐渐                      缺陷特征 进 行 提 取 和 分 类, 所 以 仅 需 要 构 建 3 个
   降低, 起到了较好的降维效果; GGCM 法的特征维数                       BSVM 分类器进行样本训练即可, 在训练过程中,

   与统计特征个数一致( 方案6~7 ); Gabor小波变换提                    每一个 SVM 都采用 150 个训练样本, 30 个测试样
   取时( 方案8~12 ), 特征维数相比其他方法高得多。                      本, 支持向量机的核函数选择径向积核函数( RBF ),
                                                     并使用网格搜索算法和交叉验证算法对向量机核函
                                                     数参数进行优化, 最后对 3 个 BSVM 分类器进行编
                                                     号( 裂纹缺陷为 BSVM1 , 对应的响应为 1 ; 错口缺陷
                                                     为 BSVM2 , 对应的响应为 2 ; 腐蚀缺陷为 BSVM3 ,
                                                     对应的响应为 3 ), 得 票 高 者 为 最 终 的 缺 陷 分 类 类
                                                     型。管道缺陷 BSVM 分类流程如图 6 所示。





         图 5  不同纹理特征提取方案下的提取效果
       Gabor小波变换特征维数较高的原因主要与维
   数计算方式有关, 当采用小波提取时, 特征维数 = 尺
   度数 × 角度个数 × 图像像素个数, 且尺度对特征维
   数的影响略大于方向对特征维数的影响程度, 当尺                                      图 6  管道缺陷 BSVM 分类流程
   度和方 向 均 取 大 值 时, 特 征 维 数 将 显 著 增 大; 而             4.2  分类结果
   LBP 法( 方案 13~20 ) 无论领域或者像素块如何取                       对 不 同 特 征 提 取 方 案 下 的 特 征 数 据 进 行
   值, 特 征 维 数 均 为 59 , 对 特 征 维 数 没 有 影 响。            BSVM 分类, 其结果如图 7 所示。由图 7 可知, 对
   B _ GLCM 法与 GLCM 法相比, 在提取耗费 时间上                   于裂纹缺陷, GLCM 法的分类正确为 93.5% , 当采
   有一定程度减少, 但随着分区的减小( 特征 维数减                         用 B _ GLCM 法时, 分区 ≤5×5 时, 分类正确率均大
   小), 提取耗费的时间会逐渐增多; GGCM 法在 5 种                     于 90% , 最大可达 95% , 采用其他 3 种方法提取时
   提取方法中的耗费时间最少, 提取效率最高; 当采用                         分类正 确 率 均 较 差; 对 于 错 口 和 裂 纹 缺 陷, 采 用
   Gabor小波变换法时, 尺度和方向越大, 特征提取耗                       GLCM 法 和 B _ GLCM 法 提 取 后 的 分 类 正 确 率 较
   费时间越长; 当采用 LBP 法时, 在相同像素块大小                       高, 其 他 3 种 方 法 比 较 低; 对 于 腐 蚀 缺 陷, 采 用
   下,( 8×2 ) 领域下的提取耗费时间略长于( 3×3 ) 领                  GLCM 法、 B _ GLCM 法、 GGCM 法以及 Gabor法提
   域下的提取耗费时间, 这是因为在采用( 8×2 ) 的圆                      取时, 分类正确率均大于 90% , 而采用 LBP 法提取
   形领域时, 需要进行线性插值算法来提取相关值, 所                         时, 分类正确率较低, 随着高像素块的增大, 分类正
                                                                                                5
                                                                                               1
                                                                             2022 年 第 44 卷 第 5 期
                                                                                      无损检测
   44   45   46   47   48   49   50   51   52   53   54