一种基于图像特征的隧道剥落自动识别方法与流程

计算;推算;计数设备的制造及其应用技术1.本发明涉及运营隧道工程检测领域，尤其是涉及一种基于图像特征的隧道剥落自动识别方法。背景技术：2.高速公路隧道、地铁隧道在交通运输中发挥着重要的作用，在长期的运营过程中，长期受到土体扰动、材料弱化等因素的干扰，隧道衬砌结构易产生剥落、裂缝、渗漏等病害，严重影响隧道结构的安全运营。传统的检测方法效率低、干扰因素多，随着机器视觉检测技术的发展，越来越多的视觉检测装备应用于隧道结构剥落检测，如何从图像中快速、准确进行剥落识别变得越来越重要。3.发明专利《基于机械视觉的路面标线剥落面积检测装置及方法》(cn201710203571.9)提出了利用便携式影像装置、专用标度尺拍摄现场图像，通过图像处理算法对剥落目标进行轮廓提取，通过坐标转换计算剥落区域面积；论文《基于深度学习的隧道衬砌损伤快速检测与处治分析》采用深度学习模型对裂缝、渗漏水、剥落三大类损伤，搭建卷积神经网络模型对病害进行分类，并获取其位置。基于视觉检测的剥落识别方法较少，且其方法难以实现剥落边界的准确识别。4.综上，迫切需要一种基于图像特征的隧道剥落自动识别方法，结合剥落边界的各项异性测度值，同时结合隧道内标志物的特征进行干扰去除，基于区域生长和边界合并方法，实现剥落精准识别。技术实现要素：5.本发明的目的是提供一种基于图像特征的隧道剥落自动识别方法，主要解决隧道内干扰物多、剥落边界识别不准确等技术问题。6.本发明的核心思路：针对快速检测图像海量、隧道背景复杂的问题，对采集的图像进行亮度调整、各项异性测度计算进行初步目标分割，依据隧道内标志物的特征进行直线、直角检测，结合形状和面积进行干扰物的去除，最终进行剥落边界细化和区域合并，对隧道衬砌结构剥落进行识别。7.本发明的目的可以通过以下技术方案来实现：一种基于图像特征的隧道剥落自动识别方法，包括以下步骤：8.s1、利用各向异性测度分割法对图像进行前景和背景区分，所述步骤s1的具体操作如下：9.(1)获取隧道衬砌图像记为g，记图像的高度为h，宽度为w，设定调整后图像灰度均值要求为m，利用伽马变化进行亮度调整，记为r，其公式如下：10.r＝c×gγ11.其中c和γ为正常数，其值依据不同的环境会发生变化。γ的取值范围为[0.9,1.4]，c的值随γ的变化而变化。[0012](2)计算图像r内每个点的各项异性测度，其步骤如下：[0013](a)获取点r(x,y)及其四邻域方向的灰度值，其中(x,y)为图像中的点坐标，分别记为g0、g1、g2、g3、g4，若||g1-g0||＜dt、||g2-g0||＜dt、||g3-g0||＜dt、||g4-g0||＜dt，任一条件满足则当前点测度值c(x,y)设为0，否则进入下一步的计算；dt根据图像特点设为3；对于包含目标的区域，则进行进一步的计算。[0014](b)对于点r(x,y)，获取其0°、45°、90°、135°方向上2×d+1个点的灰度值，记为o1＝[o11,o12,……,o1n]、o2＝[o21,o22,……,o2n]、o3＝[o31,o32,……,o3n]、o4＝[o41,o42,……,o4n]，其中n＝2×d+1，并计算不同方向的均值和方差记为vk、σk，其中k∈{1,2,3,4}；一般设为5，避免陷入局部小区域。[0015](c)获取以点r(x,y)为中心、边长为2×m+1的方形区域，记为m，一般m设为15*15，计算整个区域的均值和方差为v、σ；[0016](d)计算不同方向与背景差异概率p(k)＝(d-dk)/d，其中)/d，其中其中d为方形区域内均值和方差关系，dk为方形区域与整幅图之间的均值和方差关系；[0017](e)计算点r(x,y)的各项异性测度c(x，y)进行计算，其计算方法如下：c(x,y)＝(max(p(k))-min(p(k)))/max(p(k))。[0018](3)设定阈值ct，若c(x，y)》ct记为1，否则为0，分割后的二值图记为w。[0019]s2、计算连通区域的面积、外界矩形，设定阈值进行初步干扰剔除，同时采用直角检测方法，进一步去除干扰；所述步骤s2的具体操作如下：[0020](1)计算图像w中所有的连通区域，并进行内部填充，通过像素面积与物理面积的转换，将面积《at和面积》am的区域去除，记图像为wa，其中at、am分别为最小面积和最大面积的判定阈值，at一般设为10cm2,am一般设为10m2。[0021](2)计算图像wa中所有连通区域的外接矩形，记矩形的高度为wa、宽度为wb，计算其宽高比q＝wa/wb，若wa＜λ，其q＜qt，则判定当前区域为灯架、管线区域，则将其进行去除，记为wr；[0022](3)对图像wr中的连通区域进行多边形拟合，筛选出四边形区域sq；[0023](4)对筛选出来的四边形区域sq进行直角判定，当sq中有三个角的角度θ满足θ1《θ《θ2，则认为r是矩形，其中θ1＝80°，θ2＝100°；判定当前区域为矩形区域，即隧道内灯具、消防栓标志、灭火器标志、紧急逃生标志、装饰瓷砖，将满足条件的区域进行剔除，记为wf。[0024]s3、采用区域生长法对剥落边界进行细化，所述步骤s3的具体操作如下：[0025](5)获取图像wf中的连通区域f，获取连通区域fj最小外接矩形，并将其长度和宽度向外扩展20％，获取矩形区域记为ej，其中j为连通区域的序号；[0026](6)以连通区域fj的边界点为种子点，其8邻域像素与种子像素的灰度值之差小于ft，则满足条件，将其8邻域像素与连通区域进行合并，其中ft为灰度值之差的判定阈值，一般设为3；[0027](1)直到无满足条件的点为止；[0028](2)对所有连通区域重复步骤(1)～(3)，记图像为ws。[0029]s4、利用最近邻合并法将距离较近的区域进行合并，所述步骤s4的具体操作如下：＝[o11,o12,……,o1n]、o2＝[o21,o22,……,o2n]、o3＝[o31,o32,……,o3n]、o4＝[o41,o42,……,o4n]，其中n＝2×d+1，并计算不同方向的均值和方差记为vk、σk，其中k∈{1,2,3,4}；一般设为5，避免陷入局部小区域。[0049](c)获取以点r(x,y)为中心、边长为2×m+1的方形区域，记为m，一般m设为15*15，计算整个区域的均值和方差为v、σ；[0050](d)计算不同方向与背景差异概率p(k)＝(d-dk)/d，其中)/d，其中其中d为方形区域内均值和方差关系，dk为方形区域与整幅图之间的均值和方差关系；[0051](e)计算点r(x,y)的各项异性测度c(x，y)进行计算，其计算方法如下：c(x,y)＝(max(p(k))-min(p(k)))/max(p(k))；[0052](3)设定阈值ct，若c(x，y)》ct记为1，否则为0，分割后的二值图记为w。[0053]s2、计算连通区域的面积、外界矩形，设定阈值进行初步干扰剔除，同时采用直角检测方法，进一步去除干扰；所述步骤s2的具体操作如下：[0054](1)计算图像w中所有的连通区域，并进行内部填充，通过像素面积与物理面积的转换，将面积《at和面积》am的区域去除，记图像为wa。at一般设为10cm2,am一般设为10m2，对字符做出解释可直接调用opencv类操作函数connectedcomponentswithstats获取连通区域，connectedcomponentswithstats函数如下：[0055]int cv::connectedcomponentswithstats(inputarray image，outputarray labels，outputarray stats，outputarray centroids，int connectivity，int ltype，int ccltype)[0056](2)计算图像wa中所有连通区域的外接矩形，记矩形的高度为wa、宽度为wb，计算其宽高比q＝wa/wb，若wa＜λ，其q＜qt，则判定当前区域为灯架、管线区域，则将其进行去除，记为wr；[0057](3)对图像wr中的连通区域进行多边形拟合，筛选出四边形区域sq；可直接调用opencv类操作函数approxpolydp进行多边形拟合，approxpolydp函数如下：[0058]void approxpolydp(inputarray curve,outputarray approxcurve,double epsilon,bool closed)；[0059](4)对筛选出来的四边形区域sq进行直角判定，当sq中有三个角的角度θ满足θ1《θ《θ2，则认为r是矩形，其中θ1＝80°，θ2＝100°；判定当前区域为矩形区域，即隧道内灯具、消防栓标志、灭火器标志、紧急逃生标志、装饰瓷砖，将满足条件的区域进行剔除，记为wf。[0060]s3、采用区域生长法对剥落边界进行细化，所述步骤s3的具体操作如下：[0061](1)获取图像wf中的连通区域f，获取连通区域fj最小外接矩形，并将其长度和宽度向外扩展20％，获取矩形区域记为ej，其中j为连通区域的序号；[0062](2)以连通区域fj的边界点为种子点，其8邻域像素与种子像素的灰度值之差小于ft，则满足条件，将其8邻域像素与连通区域进行合并，其中ft为灰度值之差的判定阈值，一般设为3；[0063](3)直到无满足条件的点为止；[0064](4)对所有连通区域重复步骤(1)～(3)，记图像为ws。[0065]s4、利用最近邻合并法将距离较近的区域进行合并，所述步骤s4的具体操作如下：[0066](1)对图像ws中所有连通区域之间的距离，将距离小于ds的区域进行合并，获取其最大外包围边界，其中ds为距离的判定阈值，一般设为20个像素；[0067](2)通过像素面积与物理面积的转换，记录剥落的面积；[0068](3)通过成像位置及其在图像中的位置，记录剥落在隧道内的位置。[0069]以上详细描述了本发明的较佳具体实施例。应当理解，本领域的普通技术人员无需创造性劳动就可以根据本发明的构思作出诸多修改和变化。因此，凡本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案，皆应在由权利要求书所确定的保护范围内。









图片声明：本站部分配图来自人工智能系统AI生成,觅知网授权图片,PxHere摄影无版权图库。本站只作为美观性配图使用,无任何非法侵犯第三方意图,一切解释权归图片著作权方,本站不承担任何责任。如有恶意碰瓷者,必当奉陪到底严惩不贷!




内容声明：本文中引用的各种信息及资料（包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主体（包括但不限于公司、媒体、协会等机构）的官方网站或公开发表的信息。部分内容参考包括:(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供参考使用,不准确地方联系删除处理！本站为非盈利性质站点,发布内容不收取任何费用也不接任何广告!




免责声明：我们致力于保护作者版权，注重分享，被刊用文章因无法核实真实出处，未能及时与作者取得联系，或有版权异议的，请联系管理员，我们会立即处理，本文部分文字与图片资源来自于网络，部分文章是来自自研大数据AI进行生成,内容摘自(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供学习参考,不准确地方联系删除处理!的,若有来源标注错误或侵犯了您的合法权益，请立即通知我们，情况属实，我们会第一时间予以删除，并同时向您表示歉意,谢谢!