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。r/>
技术实现思路
<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：