基于平均灰度梯度的道路病害图像尺度匹配方法组成比例

一种基于平均灰度梯度的道路病害图像尺度匹配方法，包括：通过实地采集等高参照灰度图像数据样本集合作为标准参照集合，计算其灰度梯度平均值；获取同一段道路中的待恢复灰度图像数据样本集合，清洗样本并计算其中每一张图片的灰度梯度平均值；通过计算获得待恢复集合中每一张图片的病害面积恢复系数；利用实例分割算法，识别出待恢复集合中的病害区域信息，依据病害面积恢复系数对待恢复集合中的数据样本进行处理。本发明专利技术有助于对道路交通病害检测的结果进行后处理，减小实际进行修复工作时需要携带补料的误差，减轻工作人员工作量。减轻工作人员工作量。减轻工作人员工作量。

【技术实现步骤摘要】
基于平均灰度梯度的道路病害图像尺度匹配方法


[0001]本专利技术涉及交通病害检测领域，具体涉及一种基于平均灰度梯度的道路病害图像尺度匹配方法。

技术介绍

[0002]近年来，随着我国道路交通事业的迅速发展，道路交通基础设施的建设成本逐渐变高、覆盖面积变大、情况越来越复杂。道路因为天气、车辆行驶碾压以及本身的质量等问题会出现各种表观病害，例如在表面出现横裂、纵裂、网状裂缝与龟裂等等病害，缩短路面的使用寿命。如果使用人工检测道路病害的方法，会导致大量人力物力的浪费，且过于依赖个人的专业水平，实时性也比较差。
[0003]近几年随着深度学习的不断发展，基于深度学习的道路病害检测算法已经被利用于生产实践中。在道路病害图像数据集的采集过程中，由于风速、摩擦力、重力以及路面颠簸等不可抗力因素的影响，拍照摄像头的高度可能会随着车辆的行驶而发生一定范围的变化，导致同一批数据集中不同图像的道路病害的规模尺度如面积不一致，使得后期修补道路病害时使用的材料用量产生一定的误差。本专利技术针对道路病害图像尺度匹配的问题提出一种解决方案。

技术实现思路

[0004]本专利技术要克服现有技术的上述缺点，提供一种基于平均灰度梯度的道路病害图像尺度匹配方法。
[0005]为了解决上述技术问题，本专利技术提出一种基于平均灰度梯度的道路病害图像尺度匹配方法，所述方法包括：
[0006]S110，实地采集等高参照灰度图像数据样本集合{X}，计算{X}的灰度梯度平均值，标注{X}中每一张图像的病害信息；
[0007]S120，获取同一段道路中的其他待恢复灰度图像数据样本集合，进行样本清洗后的数据样本集合记为{T}，计算{T}中每一张图片的灰度梯度平均值；
[0008]S130，将{T}中每一张图片的灰度梯度平均值与{X}的灰度梯度平均值作比较，获得{T}中每一张图片的病害面积恢复系数；
[0009]S140，使用实例分割技术对{T}进行检测，标记道路病害信息；
[0010]S150，依据{T}中每一张图片的病害面积恢复系数，处理{T}中的每一张图片的道路病害面积信息。
[0011]进一步的，步骤S110所述的实地采集等高参照灰度图像数据样本集合{X}，计算{X}的灰度梯度平均值，标注{X}中每一张图像的病害信息，具体包括：
[0012]S1101，实地采集固定高度下的摄像头拍摄的n张像素点个数为w*h道路病害灰度图像数据，记为{X}。记当前图像为X
i
，其中i∈{1,2
…
n}。实地测量{X}中每一张道路病害图像中的病害总面积，记第i张样本数据的总病害面积为s
i
，因此实际病害面积集合S
True
＝
{s1,s2…
s
n
},总面积记为A
trueAll
；
[0013]S1102，拷贝{X}，记为{X
′
}。对{X
′
}中的每一张灰度图像进行二值化处理，设定阈值为t，其中t∈{1,2
…
254}。图像中灰度值大于等于t的像素灰度值设为255，图像中灰度值小于t的像素灰度值设为0。设在图像中第a行第b列的像素点记为p
a,b
，灰度值为g
a,b
，其中a∈{2,3
…
h
‑
1}，b∈{2,3
…
w
‑
1}。对于像素点p
a,b
，记p
a,b
的灰度梯度值为
[0014][0015]遍历图像中的所有p
a,b
，得到当前图像的灰度梯度平均值
[0016][0017]计算出{X
′
}的总灰度梯度平均值
[0018][0019]由于{X
′
}与{X}在图像上并无差异，所以{X
′
}的总灰度梯度平均值可以看作{X}的总灰度梯度平均值；
[0020]S1103，在计算机上标注{X}中每一张病害图像数据的像素点面积，第i张数据样本的病害像素点总面积记为s
′
i
。n张数据样本的病害像素点面积记为集合S
comp
＝{s
′1,s
′2…
s
′
n
}，{X}的总病害面积记为A
compAll
。
[0021]进一步的，步骤S120所述的获取同一段道路中的其他待恢复灰度图像数据样本集合，进行样本清洗后的数据样本集合记为{T}，计算{T}中每一张图片的灰度梯度平均值，具体包括：
[0022]S1201，实地采集同一条公路上的其他待恢复道路病害灰度图像数据样本集合，对待恢复集合进行样本清洗，筛选出受外界拍摄干扰大的数据样本并丢弃，记清洗后的数据样本集合为{T}，样本总数为n
′
；
[0023]S1202，拷贝{T}，记为{T
′
}。对{T
′
}中的每一张灰度图像进行二值化处理，记当前图像为T
′
i
′
，其中i
′
∈{1,2
…
n
′
}。，图像中灰度值大于等于t的像素灰度值设为255，图像中灰度值小于t的像素灰度值设为0。对于像素点e
a,b
，记e
a,b
的灰度梯度值
[0024][0025]遍历图像中所有e
a,b
，得出当前图像的灰度梯度平均值
[0026][0027]记{T}的灰度梯度平均值集合C＝{y
″1，y
″2…
y
″
n
}由于{T
′
}与{T}在图像上并无差异，所以{T
′
}的总灰度梯度平均值可以看作{T}的总灰度梯度平均值。
[0028]进一步的，步骤S130所述的将{T}中每一张图片的灰度梯度平均值与{X}的灰度梯度平均值作比较，获得{T}中每一张图片的病害面积恢复系数，具体包括：
[0029]记{T
′
}中第i
′
张数据样本的恢复系数
[0030][0031]则记{T
′
}的恢复系数集合F＝{μ1,μ2…
μ
n
′
}，由于{T
′
}与{T}在图像上并无差异，因此{T
′
}的恢复系数集合与{T}的恢复系数集合相同。
[0032]进一步的，步骤S140所述的使用实例分割技术对{T}进行检测，标记道路病害信息，具体包括：
[0033]S1401，使用现有的实例分割算法，识别出{T}中的每一张数据样本中的道路病害区域位置及其面积；
[0034]S1402，设T
′
i
′
有q<本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于平均灰度梯度的道路病害图像尺度匹配方法，其特征在于，包括以下步骤：S110，实地采集等高参照灰度图像数据样本集合{X}，计算{X}的灰度梯度平均值，标注{X}中每一张图像的病害信息；S120，获取同一段道路中的其他待恢复灰度图像数据样本集合，进行样本清洗后的数据样本集合记为{T}，计算{T}中每一张图片的灰度梯度平均值；S130，将{T}中每一张图片的灰度梯度平均值与{X}的灰度梯度平均值作比较，获得{T}中每一张图片的病害面积恢复系数；S140，使用实例分割技术对{T}进行检测，标记道路病害信息；S150，依据{T}中每一张图片的病害面积恢复系数，处理{T}中的每一张图片的道路病害面积信息。2.如权利要求1所述的基于平均灰度梯度的道路病害图像尺度匹配方法，其特征在于，步骤S110包括：S1101实地采集固定高度下的摄像头拍摄的n张像素点个数为w*h道路病害灰度图像数据，记为{X}。记当前图像为X
i
，其中i∈{1,2
…
n}；实地测量{X}中每一张道路病害图像中的病害总面积，记第i张样本数据的总病害面积为s
i
，因此实际病害面积集合S
True
＝{s1,s2…
s
n
},总面积记为A
trueAll
；S1102拷贝{X}，记为{X
′
}。对{X
′
}中的每一张灰度图像进行二值化处理，设定阈值为t，其中t∈{1,2
…
254}；图像中灰度值大于等于t的像素灰度值设为255，图像中灰度值小于t的像素灰度值设为0；设在图像中第a行第b列的像素点记为p
a,b
，灰度值为g
a,b
，其中a∈{2,3
…
h
‑
1}，b∈{2,3
…
w
‑
1}。对于像素点p
a,b
，记p
a,b
的灰度梯度值为遍历图像中的所有p
a,b
，得到当前图像的灰度梯度平均值计算出{X
′
}的总灰度梯度平均值由于{X
′
}与{X}在图像上并无差异，所以{X
′
}的总灰度梯度平均值可以看作{X}的总灰度梯度平均值；S1103在计算机上标注{X}中每一张病害图像数据的像素点面积，第i张数据样本的病害像素点总面积记为s
′
i
。n张数据样本的病害像素点面积记为集合S
comp
＝{s
′1,s
′2…
s
′
n
}，{X}的总病害面积记为A
compAll
。3.如权利要求1所述的基于平均灰度梯度的道路病害图像尺度匹配方法，其特征...

【专利技术属性】
技术研发人员：卜佳俊，王鑫潇，于智，周春鹏，谷春斌，谢安东，
申请(专利权)人：浙江大学，
类型：发明
国别省市：