一种基于图像自动搜索的衬砌裂缝识别方法技术

本发明专利技术为一种基于图像自动搜索的衬砌裂缝识别方法，主要解决现有识别方法受裂缝较细、背景干扰多、裂缝连续性差等因素影响的技术问题，本发明专利技术识别方法包括以下步骤：S1、选取含有裂缝的图像，对图像进行预处理；S2、选择裂缝的起点和终点，并计算两点之间的角度；S3、以起点为中心坐标，选择小区域图像，并进行不同尺度缩放；S4、计算不同尺度下图像的CTA值，利用尺度间关联，获取原始小图中裂缝区域；S5、对裂缝区域进行骨架提取，并获取下一次图像搜索中心位置，朝裂缝终点位置搜索；S6、多次搜索的裂缝骨架进行连接，获取完整的裂缝坐标信息。本发明专利技术能够准确、快速地获取裂缝位置信息。

【技术实现步骤摘要】
一种基于图像自动搜索的衬砌裂缝识别方法
本专利技术涉及一种基于图像自动搜索的衬砌裂缝识别方法，特别是公开了基于图像自动搜索的隧道衬砌裂缝识别方法，应用于隧道工程领域。
技术介绍
隧道运营过程中，会出现性能退化，若能及时发现和科学处置，即可延缓病害发展、延长隧道使用寿命，提高经济和社会效益。裂缝是运营隧道中较为普遍的病害，而裂缝是影响隧道结构安全非常关键的病害。随着近些年隧道运营里程的增加、隧道运营时间变长，养护工作日趋严重、刻不容缓。传统的裂缝检测方法工作效率低，不够客观，频繁的封道检查对交通干扰很大。借助图像处理技术进对图像进行处理和识别。现存的多数方法，利用裂缝的局部特征分割图像，裂缝通常被认为是较暗的像素或者是局部最大值，但是裂缝的连续性和方向性在图像分割的过程中并没有考虑进去。实际上，由于隧道裂缝的自然特征，许多非裂缝像素的灰度值与裂缝一致。基于灰度的分割方法将会包含较多噪声，尤其是对于背景粗糙的图像。基于边缘检测的方法，受裂缝较细、背景干扰多、裂缝连续性差等因素影响，效果亦不理想。基于主动轮廓的模型可以检测到强裂缝边缘，但对于弱边缘裂缝的检测效果较差。因此，研究一种基于图像自动搜索的衬砌裂缝识别方法是目前需要解决的关键问题。
技术实现思路
本专利技术的目的是解决现有技术缺陷而提供一种可适应不同尺寸图像裂缝识别的方法，可确保裂缝识别的准确性和完整性。本专利技术可以通过以下技术方案来实现：一种基于图像自动搜索的衬砌裂缝识别方法，包括以下步骤：S1、选取含有裂缝的图像，对图像进行预处理；所述步骤S1的具体操作如下：（1）选择包含裂缝的图像，记为I；计算其高度和宽度，分别记为H和W；（2）计算图像的粗糙度，记为C，计算方式如下：（a）计算图像中每个像素点(x,y)在尺寸为2k*2k的活动窗口中平均强度值，(1)式中k=0,1,…,5,代表不同尺寸活动窗口；I(i,j)是图像I位于(i,j)处像素的灰度值；Ax(x,y)表示像素(x,y)在k尺度活动窗口下的灰度平均值，其中x是像素点的行坐标，y是像素点的列坐标。（b）对图像每个像素，分别计算在水平和垂直方向上相邻但互不重叠的窗口之间的平均强度差：(2)其中对于每个像素，使得E值达到最大的k值用来设置最佳尺寸Sbest(x,y)=2k。（c）粗糙度C通过计算整幅图像中的Sbest的平均值得到，公式如下：(3)式中的m、n分别代表图像中有效计算平均强度值的高度和宽度。（3）选择高斯低通滤波器对图像I进行滤波；若C＞20,滤波器截止频率设为30,否则截止频率设为50；（4）将滤波后的图像进行缩放，缩放系数设为0.5，将缩放后的图像记为。S2、选择裂缝的起点和终点，并计算两点之间的角度。所述步骤S2的具体操作如下：（1）在包含裂缝的图像中，选择裂缝的起点和终点，分别记为起点A和终点B；（2）将起点A和终点B转换至笛卡尔直角坐标系下，转换方法如式（4）所示：(4)其中，点P为图像坐标，点为笛卡尔直角坐标系下对应图像点P的坐标点。起点A和终点B变换后记为起点A’和终点B’。（3）计算起点A和终点B之间的角度，记为θ。计算方法如下：（a）计算起点A，终点B之间的斜率k：；（b）将斜率转换成角度，如式（5）所示：(5)S3、以裂缝起点A为中心坐标，选择小区域图像，并进行不同尺度缩放；所述步骤S3的具体操作如下：（1）以图像裂缝起点A为中心坐标，截取小区域图像，设截取半径为R，则小区域图像的截止像素坐标如式（6）所示：(6)其中，L、Ri、U和D分别代表左、右、上和下截止坐标值。据此坐标，获取小区域图像。（2）将小区域图像进行缩放，缩放系数分别为1、0.5和0.25，其缩放后图像分别记为G1、G2和G3。S4、计算不同尺度下图像的CTA（ConditionalTextureAnisotropy，简称CTA，纹理条件各项异性）值，利用尺度间关联，获取原始小图中裂缝区域。所述步骤S4的具体操作如下：（1）将图像G1、G2、G3分别进行CTA计算。CTA的计算方法如下：（a）以某像素点为中心(图像边界点可以忽略)，选择图像在00、450、900、1350四个方向的值，每个方向长度为2*d+1(d＞0)。（b）计算00、450、900、1350四个方向上的均值mlj和方差σlj，则像素在j方向的特征向量：(7)（c）估计像素的先验概率：(8)这里，，。其中，m和σ分别是图像的全局均值和方差。（d）根据计算的像素点的先验概率，计算CTA的值(9)其中，是像素在j个方向上的k个不同特征。CTA值接近0是背景区域。（2）将不同尺度下计算的CTA值进行阈值分割，根据工程实践经验，将阈值设为0.3，分割后的图像分别记为GC1、GC2、GC3。（3）图像阈值分割后，进行多尺度关联，保留G1尺度下有效裂缝区域，步骤如下：（a）计算图像GC1、GC2、GC3内各连通区域的外接矩形的长度和宽度；（b）保留GC3中外接矩阵最长的连通区域记为L3，并将其映射到GC2中，记为；（c）保留GC2中包含的所有连通区域，记为L2；并将其映射到GC1中，记为；（d）保留GC1中包含的所有连通区域，记为L1。S5、对裂缝区域进行骨架提取，获取下一次图像搜索中心位置，朝裂缝终点位置搜索。所述步骤S5的具体操作如下：（1）结合小区域图像G1和只包含L1的二值图像，进行骨架提取的方法如下：假设二值图像的背景为黑色值为0，前景物体的值记为1，对于某一像素点P0，它的8个邻域点的位置如下所示：具体操作步骤如下：（a）创建数组S，将8个邻域点的值按P1至P8的顺序从右向左排列，组成8位的二进制形式，将所有可能的排列组合进行并计算其值，将满足以下三个条件的点进行删除，设为0；其他点进行保留，设为1。对于点P0，若P0不为0且满足以下三个条件，则对其进行删除：（a1），大于等于2可以保证P0不是端点或孤立点，小于等于6可以保证P0是边界点而不是内部点；（a2）按P1至P8的顺序，01模式的数量为1，即保证删除该像素点后的连通性；（a3）且，或者且。（b）对只包含L1图像的非0点进行遍历，获取每个点的8邻域值，并与S表中的数值进行查找，获取其是否删除信息（即设为0还是1）。（c）将步骤(b)中的过程进行3次迭代，迭代后获取的裂缝坐标记为。（2）获取每行()或者每列(或）裂缝区域的中心坐标，记为LC。（3）获取小图中裂缝终点坐标GP，若选择行最大坐标点，否则选择列最大坐标点。（4）将GP的坐标值转换为大图中，具体方法如下：(10)其中，IP为小图中坐标点转换到大图中的坐标。（5）以纵向裂缝为例，对IP的值进行修正，修正方法如下：（a）若，则；（b）若，则，；若搜索过程中，的值一致，则，否则。S6、多次搜索的裂缝骨架进行连接，获取完整的裂缝坐标信息。所述步骤S6的具体操作如下：（1）对于每个小区域内获取的裂缝信息，只保留与下一次截取图像不重叠的区域；（2）当图像搜索区域越过裂缝终点B，则将B点之后的坐标进行截取；（3）将所有的裂缝坐标点通过三次B样条曲线进行拟合，获取相对平滑的裂缝曲线；（4）输出完整的裂缝坐标信息。本专利技术的有益效果是：（1）本专利技术是利用隧道裂缝图像的特点对图像进行预处理，可有效地提高图像裂缝的连续性，减弱背景的干扰本文档来自技高网...

【技术保护点】
1.一种基于图像自动搜索的衬砌裂缝识别方法，其特征在于，所述的裂缝识别方法包括以下步骤：S1、选取含有裂缝的图像，对图像进行预处理；S2、选择裂缝的起点和终点，并计算两点之间的角度；S3、以起点为中心坐标，选择小区域图像，并进行不同尺度缩放；S4、计算不同尺度下图像的CTA值，利用尺度间关联，获取原始小图中裂缝区域；S5、对裂缝区域进行骨架提取，获取下一次图像搜索中心位置，朝裂缝终点位置搜索；S6、多次搜索的裂缝骨架进行连接，获取完整的裂缝坐标信息。

【技术特征摘要】
1.一种基于图像自动搜索的衬砌裂缝识别方法，其特征在于，所述的裂缝识别方法包括以下步骤：S1、选取含有裂缝的图像，对图像进行预处理；S2、选择裂缝的起点和终点，并计算两点之间的角度；S3、以起点为中心坐标，选择小区域图像，并进行不同尺度缩放；S4、计算不同尺度下图像的CTA值，利用尺度间关联，获取原始小图中裂缝区域；S5、对裂缝区域进行骨架提取，获取下一次图像搜索中心位置，朝裂缝终点位置搜索；S6、多次搜索的裂缝骨架进行连接，获取完整的裂缝坐标信息。2.根据权利要求1所述的一种基于图像自动搜索的衬砌裂缝识别方法，其特征在于，所述步骤S1的具体操作如下：（1）选择包含裂缝的图像，记为；计算其高度和宽度，分别记为和；（2）计算图像的粗糙度，记为，计算方式如下：（a）计算图像中每个像素点在尺寸为的活动窗口中平均强度值，式中,代表不同尺寸活动窗口；是图像位于处像素的灰度值；表示像素在尺度活动窗口下的灰度平均值，其中是像素点的行坐标，是像素点的列坐标；（b）对图像每个像素，分别计算在水平和垂直方向上相邻但互不重叠的窗口之间的平均强度差：其中对于每个像素，使得值达到最大的值用来设置最佳尺寸；（c）粗糙度通过计算整幅图像中的的平均值得到，公式如下：式中的、分别代表图像中有效计算平均强度值的高度和宽度；（3）选择高斯低通滤波器对图像进行滤波；若,滤波器截止频率设为30,否则截止频率设为50；（4）将滤波后的图像进行缩放，缩放系数设为0.5，将缩放后的图像记为。3.根据权利要求1所述的一种基于图像自动搜索的衬砌裂缝识别方法，其特征在于，所述步骤S2的具体操作如下：（1）在包含裂缝的图像中，选择裂缝的起点和终点，分别记为起点和终点；（2）将起点和终点转换至笛卡尔直角坐标系下，转换方法如下式所示：其中，点为图像坐标，点为笛卡尔直角坐标系下对应图像点的坐标点；起点和终点变换后记为起点和终点；（3）计算起点和终点之间的角度，记为；计算方法如下：（a）计算起点，终点之间的斜率：；（b）将斜率转换成角度，如下式所示：。4.根据权利要求1所述的一种基于图像自动搜索的衬砌裂缝识别方法，其特征在于，所述步骤S3的具体操作如下：（1）以图像裂缝起点为中心坐标，截取小区域图像，设截取半径为，则小区域图像的截止像素坐标如下式所示：其中，、、和分别代表左、右、上和下截止坐标值，据此坐标，获取小区域图像；（2）将小区域图像进行缩放，缩放系数分别为1、0.5和0.25，其缩放后图像分别记为、和。5.根据权利要求1所述的一种基于图像自动搜索的衬砌裂缝识别方法，其特征在于，所述步骤S4的具体操作如下：（1）将图像、、分别进行CTA计算；CTA的计算方法如下：（a）以某像素点为中心，选择图像在、、、四个方向的值，每个...

【专利技术属性】
技术研发人员：刘学增，陈莹莹，刘新根，
申请(专利权)人：上海同岩土木工程科技股份有限公司，
类型：发明
国别省市：上海,31