一种图像叠加和裂缝信息融合的桥梁裂缝检测方法技术

本发明专利技术公开了一种图像叠加和裂缝信息融合的桥梁裂缝检测方法，其步骤为：采集桥梁图像并进行高斯平滑，利用Sobel算子计算图像梯度，提取共生边缘和种子点，连接种子点，删除过长的种子点连线，获取裂缝骨架图，删除过短的骨架，得到裂缝图，获得单张图像裂缝信息，将图像按拍摄顺序进行叠加，连接图像叠加边缘处的裂缝，获取完整构件上的裂缝宽度，长度和数目信息。本发明专利技术采用了图像叠加方法获取裂缝图像，因此具有检测精度高、检测速度快的特点，可用于桥梁构件上裂缝的位置、宽度、长度信息的获取。

【技术实现步骤摘要】
一种图像叠加和裂缝信息融合的桥梁裂缝检测方法
本专利技术属于物理
，更进一步涉及图像处理
中的一种图像叠加和裂缝信息融合的桥梁裂缝检测方法。本专利技术可应用于桥梁裂缝检测领域，可以通过图像处理技术准确地从桥梁图像中获取裂缝的位置、宽度、长度等病害信息。
技术介绍
裂缝信息是衡量桥梁混凝土病害程度的重要指标，而图像处理方法是目前获取桥梁裂缝信息最常用的技术，但是受拍照范围限制，且桥梁构件的面积通常较大，故若要获取一张桥梁裂缝全景图像及裂缝信息，需要对图像进行拼接。常用的图像拼接方法中，基于特征点的图像拼接方法存在计算量大，耗时长的缺点，基于金字塔融合技术的图像拼接方法存在耗费时间长和对图像进行采样导致裂缝信息丢失的缺点。王玉凡在其发表的论文“基于Canny边缘检测和Harris角点检测的图像拼接方法”(《内蒙古科技与经济》,2019,(17):90-91)中提出了一种运用多种特征点进行拼接的方法，该方法利用Canny边缘检测和Harris角点检测相结合的方法进行图像拼接。但是，该方法仍然存在的不足之处在于，复杂程度随着图像拼接数目的增加而提升，拼接算法耗时长。重庆金山医疗器械有限公司在其申请的专利文献“一种图像拼接融合方法及系统”(专利申请号：201811561783.5，申请公开号：109829856A)中提出了一种图像检测融合方法：该方法首先得到每一张图像在多个不同尺度空间下的图像，在所有尺度空间内求取图像的特征点，通过非极大值抑制方法求出最优特征点，建立特征描述子，然后进行特征点匹配，获取图像配准映射矩阵，然后对两幅图像重叠区域进行融合，完成图像拼接。但是，该方法仍然存在的不足之处在于，对原始图像进行采样而导致裂缝信息丢失，检测精度低。综上，目前这些图像拼接方法还存在算法耗时长、对原始图像进行采样而导致裂缝信息丢失的缺点，对实际应用造成了困难。
技术实现思路
本专利技术的目的在于针对上述已有技术的不足，提出一种图像叠加和裂缝信息融合的桥梁裂缝检测方法，用于解决现有技术存在的算法耗时长、对于待检测桥梁图像进行采样，使裂缝像素点数减少的问题。实现本专利技术目的的基本思路：算法耗时长的主要原因是需要计算特征点，计算特征点需要计算描述子，运算量很大，而图像叠加只需要计算图像的和，运算量很小，所以本专利技术中采用将标注图按相机的拍摄顺序进行叠加，最后连接图像叠加边缘处的裂缝的方法，不需要计算特征点，计算量小，算法耗时短；不对原图像进行采样，不会导致裂缝信息丢失。为实现上述目的，本专利技术的方法包括如下步骤：(1)获得梯度图像：(1a)利用高斯卷积公式，对每张待检测的桥梁裂缝图像进行平滑处理，得到该张待检测的桥梁裂缝图像平滑后的裂缝图像；(1b)利用Sobel算子，对每张平滑后的裂缝图像进行处理，得到该张平滑后的裂缝图像中每个像素点的横向梯度值和纵向梯度值；(1c)利用梯度计算公式，计算每张平滑后的裂缝图像中每个像素点的梯度值和梯度方向，得到该张平滑后的裂缝图像的梯度图像；(2)获得共生边缘和种子点图：(2a)保持每张梯度图像中所有大于梯度值阈值L的像素点对应的红色通道的值不变，将小于梯度值阈值的像素点对应的红色通道的值赋为L-1，得到该张梯度图的准确梯度图；(2b)获取每张准确梯度图中所有共生边缘点的像素点坐标，将所有的像素点坐标组成该张准确梯度图的坐标集合；(2c)将每个坐标集合中每一对共生边缘点的中点作为种子点，将梯度图像中与种子点坐标值相同的像素点的值赋为255，其余像素点的值赋为0，得到该张准确梯度图的种子点图；(3)获得裂缝图：(3a)从所有种子点图中选取一张未选过的种子点图；(3b)从所选种子点图中随机选取一个未选过的种子点，寻找与所选种子点距离最小的种子点，将两个种子点连线上的所有像素点的值均赋为255；(3c)判断是否选取完所选种子点图中的所有种子点，若是，则执行步骤(3d)，否则，则执行步骤(3b)；(3d)将所选种子点图中的所有种子点和其连线上的所有像素点的值均赋为255，其余像素点赋值为0，得到该张种子点图的连线图后执行步骤(3e)；(3e)判断是否选取完所有种子点图，若是，则执行步骤(3f)，否则，执行步骤(3a)；(3f)将每张连线图中连线长度大于阈值M的连线上像素点的值均赋为0，将连线上像素点的值均为255的连线和连线上的种子点组成一条骨架，将所有的骨架组成该张种子点连线图的骨架图；(3g)将每张骨架图中每条骨架上的所有种子点连线长度之和作为该骨架的长度，将骨架长度小于阈值N的骨架上像素点的值均赋为0，将剩余的每条骨架和该骨架上的种子点组成一条裂缝，将所有的裂缝组成该张骨架图的裂缝图；(4)获得裂缝信息：将每张裂缝图中每条裂缝上所有像素点的坐标作为裂缝坐标，裂缝上的所有种子点连线长度之和作为裂缝长度，利用裂缝宽度计算公式计算每条裂缝的宽度，将该张裂缝图中每条裂缝上的像素点对应的蓝色通道值赋为255，得到该裂缝图的标注图；(5)将标注图按相机的拍摄顺序进行叠加，得到一张叠加后的裂缝图；(6)获得检测完成后的裂缝图中的裂缝信息：连接图像叠加边缘处的裂缝，得到检测完成后的裂缝图，将检测完成后的裂缝图中每条裂缝上所有像素点的坐标作为裂缝坐标，将裂缝上的所有种子点连线长度之和作为裂缝长度，利用裂缝宽度计算公式计算每条裂缝的宽度，得到该条裂缝的坐标、长度、宽度信息。本专利技术与现有技术相比，具有如下优点：第一，由于本专利技术将标注图按相机的拍摄顺序进行叠加，得到一张叠加后的裂缝图，克服了现有技术存在的复杂程度随着图像拼接数目的增加而提升，拼接算法耗时长的缺点，使得本专利技术具有处理速度快的优点。第二，由于本专利技术连接图像叠加边缘处的裂缝，得到检测完成后的裂缝图，克服了现有技术存在的对于待检测桥梁图像进行采样，使裂缝像素点数减少的缺点，使得本专利技术具有检测精度高的优点。附图说明图1为本专利技术的流程图；图2为本专利技术中相机焦距与视角关系对照图；图3为本专利技术仿真实验中相机拍摄的真实桥梁图；图4为本专利技术的仿真结果图。具体实施方式下面参照附图对本专利技术作进一步的详细描述。参照附图1对本专利技术的步骤作进一步的详细描述。步骤1，用相机拍摄一张图像，在电脑上查看图像的详细信息，获取拍摄图像的焦距；步骤2，利用焦距与拍摄视角的对应关系，获取拍摄视角。焦距与拍摄视角的对应关系如附图2所示，图像中锥形顶部的数据表示焦距，锥形底部的数据表示拍摄视角，半圆形顶部Fish-eye表示鱼眼相机，半圆形底部的数据表示拍摄视角为180度。步骤3，利用激光测距仪获取相机与待拍摄桥梁之间的距离，计算相机水平方向和竖直方向每次移动的距离；水平方向相机每次移动的距离等于相机与桥梁的距离的两倍乘以视角二分之一的正切值，竖直方向相机每次移动的距离等于图像的纵向分辨率除以横向分辨率乘以拍摄宽度。本文档来自技高网...

【技术保护点】
1.一种图像叠加和裂缝信息融合的桥梁裂缝检测方法，其特征在于，将图像按拍摄顺序叠加获得完整裂缝图像，只连接叠加边缘处的裂缝实现裂缝信息融合，该方法的具体步骤包括如下：/n(1)获得梯度图像：/n(1a)利用高斯卷积公式，对每张待检测的桥梁裂缝图像进行平滑处理，得到该张待检测的桥梁裂缝图像平滑后的裂缝图像；/n(1b)利用Sobel算子，对每张平滑后的裂缝图像进行处理，得到该张平滑后的裂缝图像中每个像素点的横向梯度值和纵向梯度值；/n(1c)利用梯度计算公式，计算每张平滑后的裂缝图像中每个像素点的梯度值和梯度方向，得到该张平滑后的裂缝图像的梯度图像；/n(2)获得共生边缘和种子点图：/n(2a)保持每张梯度图像中所有大于梯度值阈值L的像素点对应的红色通道的值不变，将小于梯度值阈值的像素点对应的红色通道的值赋为L-1，得到该张梯度图的准确梯度图；/n(2b)获取每张准确梯度图中所有共生边缘点的像素点坐标，将所有的像素点坐标组成该张准确梯度图的坐标集合；/n(2c)将每个坐标集合中每一对共生边缘点的中点作为种子点，将梯度图像中与种子点坐标值相同的像素点的值赋为255，其余像素点的值赋为0，得到该张准确梯度图的种子点图；/n(3)获得裂缝图：/n(3a)从所有种子点图中选取一张未选过的种子点图；/n(3b)从所选种子点图中随机选取一个未选过的种子点，寻找与所选种子点距离最小的种子点，将两个种子点连线上的所有像素点的值均赋为255；/n(3c)判断是否选取完所选种子点图中的所有种子点，若是，则执行步骤(3d)，否则，则执行步骤(3b)；/n(3d)将所选种子点图中的所有种子点和其连线上的所有像素点的值均赋为255，其余像素点赋值为0，得到该张种子点图的连线图后执行步骤(3e)；/n(3e)判断是否选取完所有种子点图，若是，则执行步骤(3f)，否则，执行步骤(3a)；/n(3f)将每张连线图中连线长度大于阈值M的连线上像素点的值均赋为0，将连线上像素点的值均为255的连线和连线上的种子点组成一条骨架，将所有的骨架组成该张种子点连线图的骨架图；/n(3g)将每张骨架图中每条骨架上的所有种子点连线长度之和作为该骨架的长度，将骨架长度小于阈值N的骨架上像素点的值均赋为0，将剩余的每条骨架和该骨架上的种子点组成一条裂缝，将所有的裂缝组成该张骨架图的裂缝图；/n(4)获得裂缝信息：/n将每张裂缝图中每条裂缝上所有像素点的坐标作为裂缝坐标，裂缝上的所有种子点连线长度之和作为裂缝长度，利用裂缝宽度计算公式计算每条裂缝的宽度，将该张裂缝图中每条裂缝上的像素点对应的蓝色通道值赋为255，得到该裂缝图的标注图；/n(5)将标注图按相机的拍摄顺序进行叠加，得到一张叠加后的裂缝图；/n(6)获得检测完成后的裂缝图中的裂缝信息：/n连接图像叠加边缘处的裂缝，得到检测完成后的裂缝图，将检测完成后的裂缝图中每条裂缝上所有像素点的坐标作为裂缝坐标，将裂缝上的所有种子点连线长度之和作为裂缝长度，利用裂缝宽度计算公式计算每条裂缝的宽度，得到该条裂缝的坐标、长度、宽度信息。/n...

【技术特征摘要】
1.一种图像叠加和裂缝信息融合的桥梁裂缝检测方法，其特征在于，将图像按拍摄顺序叠加获得完整裂缝图像，只连接叠加边缘处的裂缝实现裂缝信息融合，该方法的具体步骤包括如下：
(1)获得梯度图像：
(1a)利用高斯卷积公式，对每张待检测的桥梁裂缝图像进行平滑处理，得到该张待检测的桥梁裂缝图像平滑后的裂缝图像；
(1b)利用Sobel算子，对每张平滑后的裂缝图像进行处理，得到该张平滑后的裂缝图像中每个像素点的横向梯度值和纵向梯度值；
(1c)利用梯度计算公式，计算每张平滑后的裂缝图像中每个像素点的梯度值和梯度方向，得到该张平滑后的裂缝图像的梯度图像；
(2)获得共生边缘和种子点图：
(2a)保持每张梯度图像中所有大于梯度值阈值L的像素点对应的红色通道的值不变，将小于梯度值阈值的像素点对应的红色通道的值赋为L-1，得到该张梯度图的准确梯度图；
(2b)获取每张准确梯度图中所有共生边缘点的像素点坐标，将所有的像素点坐标组成该张准确梯度图的坐标集合；
(2c)将每个坐标集合中每一对共生边缘点的中点作为种子点，将梯度图像中与种子点坐标值相同的像素点的值赋为255，其余像素点的值赋为0，得到该张准确梯度图的种子点图；
(3)获得裂缝图：
(3a)从所有种子点图中选取一张未选过的种子点图；
(3b)从所选种子点图中随机选取一个未选过的种子点，寻找与所选种子点距离最小的种子点，将两个种子点连线上的所有像素点的值均赋为255；
(3c)判断是否选取完所选种子点图中的所有种子点，若是，则执行步骤(3d)，否则，则执行步骤(3b)；
(3d)将所选种子点图中的所有种子点和其连线上的所有像素点的值均赋为255，其余像素点赋值为0，得到该张种子点图的连线图后执行步骤(3e)；
(3e)判断是否选取完所有种子点图，若是，则执行步骤(3f)，否则，执行步骤(3a)；
(3f)将每张连线图中连线长度大于阈值M的连线上像素点的值均赋为0，将连线上像素点的值均为255的连线和连线上的种子点组成一条骨架，将所有的骨架组成该张种子点连线图的骨架图；
(3g)将每张骨架图中每条骨架上的所有种子点连线长度之和作为该骨架的长度，将骨架长度小于阈值N的骨架上像素点的值均赋为0，将剩余的每条骨架和该骨架上的种子点组成一条裂缝，将所有的裂缝组成该张骨架图的裂缝图；
(4)获得裂缝信息：
将每张裂缝图中每条裂缝上所有像素点的坐标作为裂缝坐标，裂缝上的所有种子点连线长度之和作为裂缝长度，利用裂缝宽度计算公式计算每条裂缝的宽度，将该张裂缝图中每条裂缝上的像素点对应的蓝色通道值赋为255，得到该裂缝图的标注图；
(5)将标注图按相机的拍摄顺序进行叠加，得到一张叠加后的裂缝图；
(6)获得检测完成后的裂缝图中的裂缝信息：
连接图像叠加边缘处的裂缝，得到检测完成后的裂缝图，将检测完成后的裂缝图中每条裂缝上所有像素点的坐标作为裂缝坐标，将裂缝上的所有种子点连线长度之和作为裂缝长度，利用裂缝宽度计算公式计算每条裂缝的宽度，得到该条裂缝的坐标、长度、宽度信息。


2.根据权利要求1所述的一种图像叠加和裂缝信息融合的桥梁裂缝检测方法，其特征在于，步骤(1a)中所述的高斯卷积公式如下：



其中，Pn(u)表示第n张平滑后的裂缝图像中第u个像素点的像素值，Pm(h)表示第m张待检测的桥梁裂缝图像中第h个像素点的像素值，n与m的取值对应相等，u与h的取值对应相等，*表示卷积操作，[·]表示高斯卷积核矩阵。


3.根据权利要求1所述的一种图像叠加和裂缝信息融合的桥梁裂缝检测方法，其特征在于，步骤(1b)中所述的Sobel算子如下：






其中，Gix(s)表示第i张平滑后的裂缝图像中第s个像素点的横向梯度值，Gjy(z)表示第j张平滑后的裂缝图像中第z个像素点的纵向梯度值，i与j的取值对应相等，s与z的取值对应相等，[·]表示Sobel卷积核矩阵。


4.根据权利要求3所述的一种图像叠加和裂缝信息融合的桥梁裂缝检测方法，其特征在于，步骤(1c)中所述的梯度计算公式如下：






其中，Gt(p)表示第t张裂缝图像中第p个像素点的梯度值，θr(l)表示第r张裂缝图像中第l个像素点的梯度方向，t与i,j的取值对应相等，r与i,j的取值对应相等，arctan表示反正切操作，表示开平方根操作。


5.根据权利要求1所述的一种图像叠加和裂缝信息融合的桥梁裂缝检测方法，其特征在于，步骤(2a)中所述梯度值的阈值为在[...

【专利技术属性】
技术研发人员：杜建超，于成龙，栗一鸣，李云松，肖嵩，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：陕西;61