一种混凝土柱构件顶部混凝土缺陷的检测方法技术

本发明专利技术提供了一种混凝土柱构件顶部混凝土缺陷的检测方法，先获取混凝土柱构件顶部混凝土的缺陷图像；然后对缺陷图像进行特征提取，获取缺陷图像的特征数据；最后根据特征数据确定混凝土柱构件顶部混凝土存在的缺陷的类型。本发明专利技术提供了一种通过图像检测的方式对混凝土柱构件顶部混凝土缺陷进行检测的方法，有效地避免了传统的检测方式中效率低下的问题。

A detection method of concrete defects on the top of concrete column components

【技术实现步骤摘要】
一种混凝土柱构件顶部混凝土缺陷的检测方法
本专利技术涉及检测领域，具体涉及一种混凝土柱构件顶部混凝土缺陷的检测方法。
技术介绍
现有技术中，对混凝土缺陷的检测往往是通过人眼检测的方式进行，这不仅考验检测人员的经验，而且效率也低。
技术实现思路
针对上述问题，本专利技术提供了一种混凝土柱构件顶部混凝土缺陷的检测方法，其包括以下步骤：获取混凝土柱构件顶部混凝土的缺陷图像；对缺陷图像进行特征提取，获取缺陷图像的特征数据；根据特征数据确定混凝土柱构件顶部混凝土存在的缺陷的类型。优选地，所述对缺陷图像进行特征提取，获取缺陷图像的特征数据，包括：对缺陷图像进行灰度化处理，得到灰度化图像；对灰度化图像进行降噪处理，得到降噪图像；对降噪图像进行光照校正，得到校正图像；对校正图像进行边缘检测，得到边缘检测图像；对边缘检测图像进行孤立噪声点去除，得到噪声点去除图像；对噪声点去除图像进行特征提取，得到噪声点去除图像的特征数据。优选地，所述对缺陷图像进行灰度化处理，得到灰度化图像，包括：使用加权平均法对缺陷图像进行灰度化处理，得到灰度化图像。优选地，所述对缺陷图像进行灰度化处理，得到灰度化图像，包括：使用加权平均法对缺陷图像进行灰度化处理，得到灰度化图像。优选地，所述对灰度化图像进行降噪处理，得到降噪图像，包括：将灰度化图像划分为面积相等的N个区块；对每个区块分别进行小波降噪处理。本专利技术的有益效果为：本专利技术提供了一种通过图像检测的方式对混凝土柱构件顶部混凝土缺陷进行检测的方法，有效地避免了传统的检测方式中效率低下的问题。附图说明利用附图对本专利技术作进一步说明，但附图中的实施例不构成对本专利技术的任何限制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得其它的附图。图1，为本专利技术一种混凝土柱构件顶部混凝土缺陷的检测方法的一种示例性实施例图。具体实施方式结合以下实施例对本专利技术作进一步描述。参见图1，本专利技术的一种混凝土柱构件顶部混凝土缺陷的检测方法，其包括以下步骤：获取混凝土柱构件顶部混凝土的缺陷图像；对缺陷图像进行特征提取，获取缺陷图像的特征数据；根据特征数据确定混凝土柱构件顶部混凝土存在的缺陷的类型。在一种实施方式中，所述对缺陷图像进行特征提取，获取缺陷图像的特征数据，包括：对缺陷图像进行灰度化处理，得到灰度化图像；对灰度化图像进行降噪处理，得到降噪图像；对降噪图像进行光照校正，得到校正图像；对校正图像进行边缘检测，得到边缘检测图像；对边缘检测图像进行孤立噪声点去除，得到噪声点去除图像；对噪声点去除图像进行特征提取，得到噪声点去除图像的特征数据。在一种实施方式中，所述对缺陷图像进行灰度化处理，得到灰度化图像，包括：使用加权平均法对缺陷图像进行灰度化处理，得到灰度化图像。在一种实施方式中，所述对灰度化图像进行降噪处理，得到降噪图像，包括：将灰度化图像划分为面积相等的N个区块；对每个区块分别进行小波降噪处理。在另一种实施方式中，所述对灰度化图像进行降噪处理，得到降噪图像，包括：使用中值滤波函数对灰度化图像进行降噪处理，得到降噪图像。在一种实施方式中，对降噪图像进行光照校正，得到校正图像，包括：对所述降噪图像使用下述公式进行亮度调整，得到亮度调整图像：式中，e1,e2,e3,e4均为预设的常数参数，ld为通过大津法得到的全局分割阈值；f(x,y)表示降噪图像中(x,y)处的像素点的灰度值，af(x,y)表示亮度调整后，(x,y)处的像素点的灰度值，af表示亮度调整图像；对亮度调整图像使用下述公式进行高亮和阴暗压制，得到校正图像：aft(x,y)表示进行高亮和阴暗压制后，(x,y)处的像素点的灰度值，aft表示校正图像，aveL表示亮度调整图像中，所有像素点灰度值的平均值，gx表示压制系数。本专利技术上述实施例，通过对图像的高亮和阴暗进行压制，可以有效地避免图像中光照不平衡的情况，提高后续处理的准确性。在处理时使用了大津法获得的全局分割阈值，从而使得亮度调整更为准确。在另一种实施方式中，使用伽马校正对降噪图像进行光照校正，得到校正图像。在一种实施方式中，对校正图像进行边缘检测，得到边缘检测图像，包括：对所述校正图像进行腐蚀运算和膨胀运算，获得腐蚀图像FSP和膨胀图像PZP；获取校正图像aft中每个像素点的灰度变化峰值toph(x,y)：toph(x,y)＝th1×[aft(x,y)-FSP(x,y)]+th2×[aft(x,y)-PZP(x,y)]，th1和th2为边缘检测权重参数，FSP(x,y)表示腐蚀图像中(x,y)处的灰度值，PZP(x,y)表示膨胀图像中(x,y)处的灰度值；获取校正图像aft中每个像素点的可识别度参数KSP(x,y)：式中，g1,g2,g3均为预设的边缘检测参数，Γ1、Γ2分别表示aft中高亮阈值和阴暗阈值；FCZ表示aft中所有像素点的灰度值均值。对校正图像aft中(x,y)处的像素点，判断是否满足toph(x,y)>KSP(x,y)，若满足，则(x,y)处的像素点为边缘像素点，并进行边缘像素点标记。本专利技术上述实施例，通过灰度变化峰值和可识别度参数对像素点是否属于边缘像素点进行检测，在检测时考虑了高亮阈值和阴暗阈值，从而更为准确地检测出边缘点。在一种实施方式中，所述对每个区块分别进行小波降噪处理，包括：对第n个区块，先计算区块内的像素点的灰度最大差值maxCn，maxHCn＝maxn-minn，n∈[1,N],maxn和minn分别表示第n个区块中的像素点的灰度值最大值和灰度值最小值，若maxCn小于预设的阈值hdThre，则不对该区块进行小波降噪处理；否则，对第n个区块，进行如下滤波处理：对该区块进行小波分解，分别获取其高频系数图像HFCvar和低频系数图像LFC；对高频系数图像HFCvar，进行如下处理：式中，bl∈[HL,LH,HH]，HL,LH,HH分别表示小波变换中的三个高频子带图像，aHFCbl表示处理完毕的高频系数图像，(x,y)表示高频系数图像HFCbl中像素点的位置，yza和yzb分别表示预设高频分解第一阈值和高频分解第二阈值，sf表示阶跃函数；aHFCbl(x,y)表示处理完毕的高频系数图像中，(x,y)处的像素点的灰度值；HFCbl(x,y)表示高频系数图像中，(x,y)处的像素点的灰度值；对低频系数图像，进行如下处理：式中，aLFC表示处理完毕的低频系数图像，α和β表示预设的权重参数，α+β＝1，B(x,y)表示低频系数本文档来自技高网...

【技术保护点】
1.一种混凝土柱构件顶部混凝土缺陷的检测方法，其特征在于，其包括以下步骤：/n获取混凝土柱构件顶部混凝土的缺陷图像；/n对缺陷图像进行特征提取，获取缺陷图像的特征数据；/n根据特征数据确定混凝土柱构件顶部混凝土存在的缺陷的类型。/n

【技术特征摘要】
1.一种混凝土柱构件顶部混凝土缺陷的检测方法，其特征在于，其包括以下步骤：
获取混凝土柱构件顶部混凝土的缺陷图像；
对缺陷图像进行特征提取，获取缺陷图像的特征数据；
根据特征数据确定混凝土柱构件顶部混凝土存在的缺陷的类型。


2.根据权利要求1所述的一种混凝土柱构件顶部混凝土缺陷的检测方法，其特征在于，所述对缺陷图像进行特征提取，获取缺陷图像的特征数据，包括：
对缺陷图像进行灰度化处理，得到灰度化图像；
对灰度化图像进行降噪处理，得到降噪图像；
对降噪图像进行光照校正，得到校正图像；
对校正图像进行边缘检测，得到边缘检测图像；
对边缘检测图像进行孤立噪声点去除，得到噪声点去除图像；
对噪声点去除图像进行特征提取，得到噪声点去除图像的特征数据。


3.根据权利要求2所述的一种混凝土柱构件顶部混凝土缺陷的检测方法，其特征在于，所述对缺陷图像进行灰度化处理，得到灰度化图像，包括：
使用加权平均法对缺陷图像进行灰度化处理，得到灰度化图像。


4.根据权利要求2所述的一种混凝土柱构件顶部混凝土缺陷的检测方法，其特征在于，所述对灰度化图像进行降噪处理，得到降噪图像，包括：
将灰度化图像划分为面积相等的N个区块；
对每个区块分别进行小波降噪处理。


5.根据权利要求2所述的一种混凝土柱构件顶部混凝土缺陷的检测方法，其特征在于，对降噪图像进行光照校正，得到校正图像，包括：
对所述降噪图像使用下述公式进行亮度调整，得到亮度调整图像：



式中，e1,e2,e3,e4均为预设的常数参数，ld为通过大津法得到的全局分割阈值；f(x,y)表示降噪图像中(x,y)处的像素点的灰度值，af(x,y)表示亮度调整后，(x,y)处的像素点的灰度值，af表示亮度调整图像；
对亮度调整图像使用下述公式进行高亮和阴暗压制，得到校正图像：



aft(x,y)表示进行高亮和阴暗压制后，(x,y)处的像素点的灰度值，aft表示校正图像，aveL表示亮度调整图像中，所有像素点灰度值的平均值，gx表示压制系数。


6.根据权利要求5所述的一种混凝土柱构件顶部混凝土缺陷的检测方法，其特征在于，对校正图像进行边缘检测，得到边缘检测图像，包括：
对所述校正图像进行腐蚀运算和膨胀运算，获得腐蚀图像FSP和膨胀图像PZP；
获取校正图像aft中每个像素点的灰度变化峰值toph(x,y)：
toph(x,y)＝th1×[aft(x,y)-FSP(x,y)]+th2×[aft(x,y)-PZP(x,y)]，
th1和th2为边缘检测权重参数，FSP(x,y)表示腐蚀图像中(x,y)处的灰度值，PZP(x,y)表示膨胀图像中(x,y)处的灰度值...

【专利技术属性】
技术研发人员：朱世平，袁慧萍，邵海东，慈强，连云飞，卜勇，
申请(专利权)人：宁夏建筑科学研究院股份有限公司，
类型：发明
国别省市：宁夏;64