【技术实现步骤摘要】
一种基于图像处理的墙体裂缝智能识别方法
本专利技术涉及图像识别
，具体地涉及一种基于图像处理的墙体裂缝智能识别方法。
技术介绍
我国建筑业取得突飞猛进的发展，但由于我国建筑安全机制起步较晚，尤其建筑在长时间的风吹雨打日晒等自然环境下，会受到温度应力等因素影响，墙体材料会产生间隙，间隙可能催化放大进而在表面产生裂缝，随着裂缝不断扩大，会造成安全隐患，因此，必须有效对裂缝进行检测，评估其风险性，以便预防潜在的危害，目前对墙体的检查主要靠人工巡检，工作量大，恶劣环境下难以按时完成，且人工主观性强，可靠性低，工作效率低下，对于高层建筑存在危险性。虽然现有的墙体裂缝识别部分采用了图像处理技术，且现有的墙体裂缝识别方法速度慢、效率低，例如，专利CN106651893A，虽然解决了采用图像处理方式进行或者神经网络算法，但是，其实对图像RGB三通道数据进行处理，大大增加了计算量，不能够达到智能自动化识别的程度；而且导致计算时间较多，且该专利的转向方法冗余度较高，识别准确度低；且现有技术中涉及图像处理的墙体裂缝识别处理方式较为单一，例如专利CN106203351A中，只是针对...
【技术保护点】
1.一种基于图像处理的墙体裂缝智能识别方法，其特征在于，通过CCD摄像机获取墙体图像信号；把墙体裂缝区域的灰度拉伸到[c,d]范围中，则分段拉伸变换公式：
【技术特征摘要】
1.一种基于图像处理的墙体裂缝智能识别方法，其特征在于，通过CCD摄像机获取墙体图像信号；把墙体裂缝区域的灰度拉伸到[c,d]范围中，则分段拉伸变换公式：其中，f(x,y)为墙体裂缝图像在位置(x，y)的灰度值，变换范围用[0,Mf]表示，Mg表示墙体图像的最小灰度级，Mf表示墙体图像的最大灰度级，而墙体裂缝区域的灰度范围为[a,b]；构建墙体裂缝图像尺度空间，对拉伸后的墙体裂缝图像进行尺度变换，获取墙体裂缝图像多尺度空间的表示序列；关键点选取，对墙体裂缝图像进行局部极值点检测，通过比较像素点和它的相邻点的灰度值大小获取极值点，然后，再比较相邻尺度域内像素点的灰度值大小检测极值点；对以上步骤获取的关键点计算其局部领域内的梯度和方向分布，通过计算为每个关键点确定一个方向，关键点的梯度模值m(x,y)和方向θ(x,y)的求解公式如下：θ(x，y)＝tan-1((L(x，y+1)-L(x，y-1))/L(x+1，y)-L(x-1，y)))上式中L代表关键点所在尺度空间的尺度，通过调节参数σ的大小实现对关键点所在尺度窗口内方向直方图的加权，距离关键点越近的像素点方向贡献越大，直方图加权值大小用R表示为：统计关键点领域梯度的方向，最大值表示领域梯度的主方向，即把主方向作为关键点的方向；计算墙体裂缝图像中关键点局部领域内梯度方向，用位置、尺度、方向三个属性对关键点进行描述，最后用特征向量表示墙体裂缝图像；利用弱学习算法对墙体裂缝图像训练集进行训练，(X1，Y1)，(X2，Y2)，...，(XM，YM)，其中，XM∈X，X代表墙体裂缝图像特征向量，Y表示包含墙体裂缝或不包括墙体裂缝，YM∈Y＝{+1，-1}，初始化时，将墙体裂缝训练集指定分配1/M，即每个墙体裂缝训练样本的权重都是1/M，然后，用弱学习算法进行T次迭代，经T次循环后将会得到T个墙体裂缝弱分类器，最终按更新的权重叠加到一起得到墙体裂缝强分类器，利用墙体裂缝强分类器对墙体裂缝进行智能识别。2.根据权利要求1所述的一种基于图像处理的墙体裂缝智能识别方法，其特征在于，所述构建墙体裂缝图像尺度空间为墙体裂缝图像通过尺度空间变换转化为几组图像，一组图像涵盖多层图像；一组图像相邻两层之间底层是由上层通过隔点采样生成，保持了墙体图像尺度空间连续性。...
【专利技术属性】
技术研发人员：钟杨俊，巫光福，刘可可，
申请(专利权)人：江西理工大学，
类型：发明
国别省市：江西,36
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。