一种基于压缩特征表示的混凝土裂缝检测方法及装置制造方法及图纸

本发明专利技术适用于图像处理技术领域，提供了一种基于压缩特征表示的混凝土裂缝检测方法及装置，包括：获取待检测图像；对所述待检测图像进行分块处理得到至少一个图像块，并对所述图像块提取至少一种特征；将提取的特征合并为高维特征矩阵；对所述高维特征矩阵进行压缩处理得到低维压缩特征矩阵，并对所述低维压缩特征矩阵进行检测；通过上述方法能够在提高计算效率的同时保证一定的裂缝检测精度。

【技术实现步骤摘要】
一种基于压缩特征表示的混凝土裂缝检测方法及装置
本专利技术属于图像处理
，尤其涉及一种基于压缩特征表示的混凝土裂缝检测方法及装置。
技术介绍
随着信息技术的飞速发展，检测混凝土表面健康状态成为土木工程走向信息智能化的热点研究方向之一。由于混凝土结构裂缝病害检测的巨大需求，基于图像分析的裂缝检测识别研究受到相关学者的广泛关注。表面裂缝病害自动检测是确保工程结构正常运行的重要途径，但在实际检测中，存在复杂背景下利用简单的一种特征难以取得良好的检测效果，而采用多种不同特征组合构成的大量高维数据将导致后续检测效率低下的问题，所以传统方法难以兼顾较高的检测精度和检测效率。
技术实现思路
有鉴于此，本专利技术实施例提供了一种基于压缩特征表示的混凝土裂缝检测方法及装置，以解决现有技术中混凝土裂缝检测的检测精度与检测效率无法兼顾的问题。本专利技术实施例的第一方面提供了一种基于压缩特征表示的混凝土裂缝检测方法，包括：获取待检测图像；对所述待检测图像进行分块处理得到至少一个图像块，并对所述图像块提取至少一种复杂特征；将提取的特征合并为高维特征矩阵；对所述高维特征矩阵进行压缩处理得到低维压缩特征矩阵，对所述低维压缩特征矩阵进行检测，并根据检测结果生成所述待检测图像的二值图。本专利技术实施例的第二方面提供了一种基于压缩特征表示的混凝土裂缝检测装置，包括：获取单元，用于获取待检测图像；分块单元，用于对所述待检测图像进行分块处理得到至少一个图像块，并对所述图像块提取至少一种特征；生成单元，用于将提取的特征合并为高维特征矩阵；检测单元，用于对所述高维特征矩阵进行压缩处理得到低维压缩特征矩阵，对所述低维压缩特征矩阵进行检测，并根据检测结果生成所述待检测图像的二值图。本专利技术实施例的第三方面提供了一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现本专利技术实施例第一方面提供的所述方法的步骤。本专利技术实施例的第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被一个或多个处理器执行时实现本专利技术实施例第一方面提供的所述方法的步骤。本专利技术实施例与现有技术相比存在的有益效果是：本专利技术实施例通过获取待检测图像；对所述待检测图像进行分块处理得到至少一个图像块，并对所述图像块提取至少一种特征；将提取的特征合并为高维特征矩阵；对所述高维特征矩阵进行压缩处理得到低维压缩特征矩阵，对所述低维压缩特征矩阵进行检测，并根据检测结果生成所述待检测图像的二值图；通过上述方法能够在提高计算效率的同时保证一定的裂缝检测精度。附图说明为了更清楚地说明本专利技术实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。图1是本专利技术实施例提供的基于压缩特征表示的混凝土裂缝检测方法的实现流程示意图；图2是本专利技术实施例提供的基于压缩特征表示的混凝土裂缝检测方法中分类器的训练过程示意图；图3是本专利技术实施例提供的基于压缩特征表示的混凝土裂缝检测方法的过程示意图；图4是本专利技术实施例提供的基于压缩特征表示的混凝土裂缝检测装置的示意图；图5是本专利技术实施例提供的终端设备的示意图；图6是本专利技术实施例提供的基于高维特征输入与基于低维压缩特征输入的裂缝区域检测结果对比图。具体实施方式以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本专利技术实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本专利技术。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本专利技术的描述。应当理解，当在本说明书和所附权利要求书中使用时，术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。还应当理解，在此本专利技术说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本专利技术。如在本专利技术说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。还应当进一步理解，在本专利技术说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。如在本说明书和所附权利要求书中所使用的那样，术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地，短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。为了说明本专利技术所述的技术方案，下面通过具体实施例来进行说明。图1是本专利技术实施例提供的基于压缩特征表示的混凝土裂缝检测方法的实现流程示意图，图2是本专利技术实施例提供的基于压缩特征表示的混凝土裂缝检测方法中分类器的训练过程示意图，图3是本专利技术实施例提供的基于压缩特征表示的混凝土裂缝检测方法的过程示意图；图1结合图2、图3，可以更直观、形象地了解本实施中混凝土裂缝图像的检测方法。如图1所示，所述方法可以包括以下步骤：步骤S101，获取待检测图像。在实际应用中，待检测图像可以是通过图像采集设备采集的需要检测的混凝土图像。待检测图像中可能包含混凝土裂缝，也可能不包含混凝土裂缝，需要利用本专利技术实施例中的方法对其进行检测。图像采集设备包括照相机、摄像机，在此不做具体限定。步骤S102，对所述待检测图像进行分块处理得到至少一个图像块，并对所述图像块提取至少一种特征。在实际应用中，为了方便对待检测图像进行特征提取，需要对待检测图像进行分块处理。分块处理可以是将待检测图像的2D平面按照网格划分为Z个不重叠的图像块区域。需要说明的是，Z为大于1的任一整数，Z值的选择需要保证对待检测图像的划分足够细致、各图像块区域不重叠，换句话说，划分后的各个图像块区域拼接在一起恰好能够组成原待检测图像，且不存在重叠的部分。例如，将待检测图像分为75×75个图像块。为了提高检测精度，通常需要利用多种图像特征，常用的图像特征包括：HOG(HistogramofOrientedGradient,方向梯度直方图)特征、LBP(LocalBinaryPattern,局部二值模式)特征、Haar-like特征。其中，HOG特征主要用来计算和统计方块图像区域像素的梯度或边缘方向直方图，被广泛应用于图像识别领域中，尤其在行人检测中获得了极大的成功，由于图像中的裂缝具有和行人检测类似的线状分布特点，可以被梯度或边缘的方向密度分布很好地描述，因此HOG特征是适用于混凝土裂缝区域检测的。同时，局部区域梯度的统计计算，可以很好地抑制光照不均匀产生的干扰，也是HOG特征应用在混凝土裂缝区域检测的一个重要原因；LBP特征通过比较方块区域中心像素与周边像素的大小关系，获得每个中心像素的二进制编码，由此获得图像区域的纹理特征谱；Haar-like特征主本文档来自技高网...

【技术保护点】
1.一种基于压缩特征表示的混凝土裂缝检测方法，其特征在于，包括：获取待检测图像；对所述待检测图像进行分块处理得到至少一个图像块，并对所述图像块提取至少一种特征；将提取的特征合并为高维特征矩阵；对所述高维特征矩阵进行压缩处理得到低维压缩特征矩阵，对所述低维压缩特征矩阵进行检测，并根据检测结果生成所述待检测图像的二值图。

【技术特征摘要】
1.一种基于压缩特征表示的混凝土裂缝检测方法，其特征在于，包括：获取待检测图像；对所述待检测图像进行分块处理得到至少一个图像块，并对所述图像块提取至少一种特征；将提取的特征合并为高维特征矩阵；对所述高维特征矩阵进行压缩处理得到低维压缩特征矩阵，对所述低维压缩特征矩阵进行检测，并根据检测结果生成所述待检测图像的二值图。2.如权利要求1所述的基于压缩特征表示的混凝土裂缝检测方法，其特征在于，所述对所述高维特征矩阵进行压缩处理得到低维压缩特征矩阵包括：构造稀疏投影矩阵，所述稀疏投影矩阵符合Johnson-Lindenstrauss引理；基于预设压缩公式，根据所述稀疏投影矩阵对所述高维特征矩阵进行压缩得到低维压缩特征矩阵。3.如权利要求2所述的基于压缩特征表示的混凝土裂缝检测方法，其特征在于，所述构造稀疏投影矩阵包括：生成所述待构造的稀疏投影矩阵中的元素；基于所述元素生成稀疏投影矩阵。4.如权利要求3所述的基于压缩特征表示的混凝土裂缝检测方法，其特征在于，所述生成所述待构造的稀疏投影矩阵中的元素包括：式中，所述ri,j表示所述待构造的稀疏投影矩阵中的第i行第j列的元素，所述s为所述待构造的稀疏投影矩阵的参数因子。5.如权利要求4所述的基于压缩特征表示的混凝土裂缝检测方法，其特征在于，所述基于预设压缩公式，根据所述稀疏投影矩阵对所述高维特征矩阵进行压缩得到低维压缩特征矩阵包括：v＝Rx式中，所述v表示低维压缩特征矩阵，所述R...

【专利技术属性】
技术研发人员：王保宪，赵维刚，王哲，李义强，张广远，
申请(专利权)人：石家庄铁道大学，
类型：发明
国别省市：河北,13