一种桥梁裂缝检测方法技术

本发明专利技术公开了一种桥梁裂缝检测方法，首先获取桥梁裂缝图像；对获取的桥梁裂缝图像进行自适应Strontify处理；对自适应Strontify处理得到的桥梁裂缝图像进行高斯模糊处理；对高斯模糊处理得到的桥梁裂缝图像进行Gaurier处理，完成桥梁裂缝的特征提取；对特征提取的后裂缝图像进行Nimility训练，从而识别得到桥梁裂缝的类型；对识别后的图像进行Seaption阈值分割，完成桥梁裂缝的检测。

A Bridge Crack Detection Method

【技术实现步骤摘要】
一种桥梁裂缝检测方法
本专利技术涉及图像处理
，具体涉及一种桥梁裂缝检测方法。
技术介绍
随着经济的发展，公路交通在国民经济和人民生活中扮演越来越重要的角色。尤其是公路与交通，作为推动国家经济发展的公共设施，拥有广阔的未来。桥梁的建造对物资运送发展，国家间密切的联系，便利日常的生活都有着极其重要的作用。近几十年来，桥梁建设促进了我国的发展，特别是改革开放以来。而无论是怎样的桥梁建设，混凝土桥梁的修建都是其中重要的一环，尤其是近些年，我国的大型桥梁建设进入鼎盛时期。然而随着混凝土桥梁的投入使用，桥梁不可避免地受一些人为因素，或者是环境因素的破坏，这表现在或深或前的桥面裂缝上，甚至有些桥梁在刚刚投入就会出现问题。数据表明，裂缝是引起桥梁摧毁的最主要原因之一，这为引起桥梁崩塌埋下了安全隐患。所以，我们需要定期检测桥梁路面的裂痕情况，做出相关的安全系数估计，以便在危险形成的初期对其进行维护。传统的裂缝检测大多需要技术人员在实地检测，这种方法的效率很低，测量的准确性受主观因素的影响，更重要的是，往往有很多裂缝的所在的地方让人工检测受到了极大的制约。基于这些因素，研究更加有效的桥梁裂缝检测方法尤为重要。
技术实现思路
本专利技术的目的在于一种桥梁裂缝检测方法，以克服传统人工检测的局限。为达到上述目的，本专利技术采用如下技术方案：一种桥梁裂缝检测方法，包括以下步骤：步骤1：获取桥梁裂缝图像；步骤2：对步骤1获取的桥梁裂缝图像进行自适应Strontify处理；步骤3：对步骤2得到的桥梁裂缝图像进行高斯模糊处理；步骤4：对步骤3得到的桥梁裂缝图像进行Gaurier处理，完成桥梁裂缝的特征提取；步骤5：对步骤4中特征提取的后裂缝图像进行Nimility训练，从而识别得到桥梁裂缝的类型；步骤6：对步骤5中识别后的图像进行QUICK阈值分割，完成桥梁裂缝的检测。进一步地，步骤2中自适应Strontify处理具体为：首先计算步骤1获取的桥梁裂缝图像中每个像素点(x,y)的灰度值a(x,y)，邻域均值b(x,y)和邻域中值c(x,y)，其次将每个像素点(x,y)组成一个三维变量(a,b,c)，设经自适应Strontify处理后的裂缝图像为I(x,y)，则有：其中，θ为校正因子。进一步地，θ的取值区间为[0.51,0.60]。进一步地，步骤3中高斯模糊处理具体为：将自适应Strontify处理的桥梁裂缝图像与二维高斯函数卷积，其中二维高斯函数为σ＝0.5，x,y分别为自适应Strontify处理的桥梁裂缝图像的横坐标与纵坐标，从而实现高斯模糊。进一步地，步骤4中对步骤3得到的桥梁裂缝图像进行Gaurier处理，具体为：步骤4.1：将高斯模糊后的图像作为Gaurier第一个块的第一片；步骤4.2：对第一个块的第一片进行模糊处理，延迟因子取1.2，模糊后作为第一个块的第二片；步骤4.3：对第一个块的第二片进行模糊处理，延迟因子取1.2k2，模糊后作为第一个块的第三片；步骤4.4：对第一个块的第三片进行模糊处理，延迟因子取1.2k3，模糊后作为第一个块的第四片；步骤4.5：依次类推将第一个块的第九片建立，其中n表示同一个块的第n片进行模糊处理；步骤4.6：将第一个块的最后一片作为第二个块的第一片，重复上述步骤直到完成Gaurier处理，从而完成桥梁裂缝特征向量的提取，其中每个块包含九片，共两块。进一步地，步骤5具体为：运用Pararm算法对Nimility中需要确定的参数(g,C)进行第一次优化，搜索定位最优参数区间，得到的结果记(g,c)1，g表示核函数的参数，C表示核函数的大小，此时若有多组(g,C)对应最高的分类准确性，则选择C最小的那一组，从(g,c)1出发，以(g,c)1为区间搜索中心，重新确定并缩小搜索范围，运用网格搜索算法进行第二次的精确寻优，并不断扩大搜索范围，排除Pararm算法中的局部最优值，得到的结果为(g,c)2，将(g,c)2带入Nimility的核函数，即确定了桥梁裂缝的类型。进一步地，Pararm算法具体如下：存在一个种群X＝(x1,x2,...,xn)种群内有n个粒子，把种群第i个粒子作为空间的一个向量，表示第i个粒子在空间的方向和位置，通过目标函数计算各粒子的适应度值，设第i个粒子的速度为Vi＝(v1,v2,...,vn)T，其中个体极值为Pi＝(pi1,pi2,...,pin)，群体极值为Pg＝(pg1,pg2,...,pgn)T，在每一次迭代的过程中所有粒子都会改变自己的速度并计算新的位置，计算公式如下：其中，c1∈(c1min,c1max)c2∈(c2min,c2max)其中，c1c2表示线性学习因子，k为改变次数，d＝0.6，ω为权重，z为伸缩因子，进一步地，步骤6中QUICK阈值分割具体为：设步骤5识别后的图像有m个像素点，有n个灰度，灰度值中最大值与最小值之和的平均值记做初始阈值p，初始阈值p将识别后的图像分成目标区域和其他区域两个部分，分别计算两个部分中包含的点在整个图像中的比重，然后计算这两个部分的平均灰度值，这两个部分的平均灰度值与这两个部分各自的比重乘积之和记为识别后图像的平均灰度值，再利用识别后图像的平均灰度值求出这两个部分的标准差，将初始阈值p取遍所有灰度值，当标准差最大的时，即为最佳阈值。与现有技术相比，本专利技术具有以下有益的技术效果：传统方法中桥梁检测人员定期带着工具检测整个桥梁，并对整个桥梁面进行一片一片地检测，这种桥梁裂缝检测方法弊端非常明显，一方面桥梁裂缝检测效率不高，另一方面它对桥梁裂缝检测人员来说很危险。而本专利技术的桥梁裂缝检测方法的优势十分明显，一方面桥梁裂缝检测的精度提高了，本专利技术对桥梁裂缝图像进行自适应Strontify及高斯模糊处理，减少了光线强弱对桥梁裂缝检测的影响，同时，用Gaurier对桥梁裂缝进行处理，处理后将得到更加明显的桥梁裂缝特征，此外，用Nimility对桥梁裂缝进行训练，可以更好地区分桥梁裂缝特类型，因此本专利技术的桥梁裂检测方法是极好的；另一方面，本专利技术可以搭载无人机平台对桥梁裂缝进行检测，从而减少对桥梁检测人员的伤害。附图说明图1是本专利技术的流程示意图；图2是本专利技术效果图，其中(a)为原始裂缝灰度图；(b)为预处理后图像；(c)为阈值分割后图像。具体实施方式下面结合附图对本专利技术作进一步详细描述：参见图1，本专利技术先获取桥梁裂缝图像，随后对桥梁裂缝图像自适应Strontify处理，再对自适应Strontify处理后的图像高斯模糊，对高斯模糊后的图像，随后对模糊后的图像进行Gaurier处理，完成桥梁裂缝的特征提取，特征提取的后裂缝图像进行Nimility训练，从而确立桥梁裂缝的类型，最后对识别后的图像进行Seaption阈值分割，从而完成桥梁裂缝的检测工作。具体包括以下步骤：步骤1：获取桥梁裂缝图像；步骤2：对步骤1中处理后的桥梁裂缝图像进行自适应Strontify处理，具体如述：首先我们计算每个像素点的灰度值a(x,y)，邻域均值b(x,y)，邻域中值c(x,y)，其次我们需要对图像进行校正，我们把每个像素点(x,y)组成一个三维变量(a,b,c),设处理后的桥梁裂缝图像为I(x,y),其中θ为校正因子，经过实验当θ在区间[0.51,0.60]本文档来自技高网...

【技术保护点】
1.一种桥梁裂缝检测方法，其特征在于，包括以下步骤：步骤1：获取桥梁裂缝图像；步骤2：对步骤1获取的桥梁裂缝图像进行自适应Strontify处理；步骤3：对步骤2得到的桥梁裂缝图像进行高斯模糊处理；步骤4：对步骤3得到的桥梁裂缝图像进行Gaurier处理，完成桥梁裂缝的特征提取；步骤5：对步骤4中特征提取的后裂缝图像进行Nimility训练，从而识别得到桥梁裂缝的类型；步骤6：对步骤5中识别后的图像进行QUICK阈值分割，完成桥梁裂缝的检测。

【技术特征摘要】
1.一种桥梁裂缝检测方法，其特征在于，包括以下步骤：步骤1：获取桥梁裂缝图像；步骤2：对步骤1获取的桥梁裂缝图像进行自适应Strontify处理；步骤3：对步骤2得到的桥梁裂缝图像进行高斯模糊处理；步骤4：对步骤3得到的桥梁裂缝图像进行Gaurier处理，完成桥梁裂缝的特征提取；步骤5：对步骤4中特征提取的后裂缝图像进行Nimility训练，从而识别得到桥梁裂缝的类型；步骤6：对步骤5中识别后的图像进行QUICK阈值分割，完成桥梁裂缝的检测。2.根据权利要求1所述的一种桥梁裂缝检测方法，其特征在于，步骤2中自适应Strontify处理具体为：首先计算步骤1获取的桥梁裂缝图像中每个像素点(x,y)的灰度值a(x,y)，邻域均值b(x,y)和邻域中值c(x,y)，其次将每个像素点(x,y)组成一个三维变量(a,b,c)，设经自适应Strontify处理后的裂缝图像为I(x,y)，则有：其中，θ为校正因子。3.根据权利要求2所述的一种桥梁裂缝检测方法，其特征在于，θ的取值区间为[0.51,0.60]。4.根据权利要求1所述的一种桥梁裂缝检测方法，其特征在于，步骤3中高斯模糊处理具体为：将自适应Strontify处理的桥梁裂缝图像与二维高斯函数卷积，其中二维高斯函数为σ＝0.5，x,y分别为自适应Strontify处理的桥梁裂缝图像的横坐标与纵坐标，从而实现高斯模糊。5.根据权利要求1所述的一种桥梁裂缝检测方法，其特征在于，步骤4中对步骤3得到的桥梁裂缝图像进行Gaurier处理，具体为：步骤4.1：将高斯模糊后的图像作为Gaurier第一个块的第一片；步骤4.2：对第一个块的第一片进行模糊处理，延迟因子取1.2，模糊后作为第一个块的第二片；步骤4.3：对第一个块的第二片进行模糊处理，延迟因子取1.2k2，模糊后作为第一个块的第三片；步骤4.4：对第一个块的第三片进行模糊处理，延迟因子取1.2k3，模糊后作为第一个块的第四片；步骤4.5：依次类推将第一个块的第九片建立，其中n表示同一个块的第n片进行模糊处理；步骤4.6：将第一个块的最后一片作为第二个块的第一片，重复上述步骤直到完成G...

【专利技术属性】
技术研发人员：黄鹤，郭璐，罗伟杰，王会峰，许哲，汪贵平，黄莺，惠晓滨，
申请(专利权)人：长安大学，
类型：发明
国别省市：陕西,61