本发明专利技术涉及管道检测技术领域，提供一种管道裂缝提取方法、装置、电子设备及存储介质，该方法通过构建管道裂缝模型，设计扩展卡尔曼滤波器和粒子滤波器，利用滤波器组对待提取管道图像中的实际裂缝进行提取，可以大大提高裂缝提取的效率及准确性，尤其适用于提取复杂管道图像中的裂缝，具有很强的实际效益。具有很强的实际效益。具有很强的实际效益。
【技术实现步骤摘要】
管道裂缝提取方法、装置、电子设备及存储介质
[0001]本专利技术涉及管道检测
，尤其涉及一种管道裂缝提取方法、装置、电子设备及存储介质。
技术介绍
[0002]裂缝是地下管道最常见的损坏，地下管道中的裂缝大小是地下管道寿命评估的标准之一，对裂缝的检测是具有普遍性的技术难题。
[0003]由于人无法进入到管道内部查看缺陷点的位置，因此如何确定地下管道的缺陷点一直是修复过程中的一个难点的问题。现有的裂缝检测手段主要有：超声波检测法、图像处理方法等。超声波检测法局限于检测表面状况，在检测表面比较平整时检测效果较好，对于不平整的地下管道难以达到理想的检测效果。图像处理方法则要求图像中的裂缝具有比较高的对比度与较好的连续性，并通过人工进行裂缝识别，效率低且容易有遗漏，导致识别结果准确性降低。
[0004]为此，现急需提供一种管道裂缝提取方法。
技术实现思路
[0005]本专利技术提供一种管道裂缝提取方法、装置、电子设备及存储介质，用以解决现有技术中存在的缺陷。
[0006]本专利技术提供一种管道裂缝提取方法，包括：获取待提取管道图像，提取所述待提取管道图像中的备选裂缝，并确定所述备选裂缝上各裂缝点的特征信息；根据所述各裂缝点的特征信息，确定管道裂缝模型，并基于贝叶斯方法，分析所述管道裂缝模型，确定所述各裂缝点的第一类概率密度函数；基于所述各裂缝点的第一类概率密度函数，确定扩展卡尔曼滤波器和粒子滤波器；基于所述扩展卡尔曼滤波器以及所述粒子滤波器，对所述待提取管道图像中的实际裂缝进行提取。
[0007]根据本专利技术提供的一种管道裂缝提取方法，所述提取所述待提取管道图像中的备选裂缝，具体包括：将所述待提取管道图像进行灰度化处理，得到灰度图像；将所述灰度图像划分为多个局部区域，并基于各局部区域内的灰度累计值，确定所述各局部区域中的感兴趣区域；对所述感兴趣区域进行二值分割，得到裂缝分割图像；对所述裂缝分割图像进行裂缝检测，得到所述备选裂缝。
[0008]根据本专利技术提供的一种管道裂缝提取方法，所述根据所述各裂缝点的特征信息，确定管道裂缝模型，具体包括：
根据所述各裂缝点中相邻裂缝点之间的相关关系，确定初始模型；基于所述各裂缝点的特征信息，对所述初始模型进行更新，得到所述管道裂缝模型。
[0009]根据本专利技术提供的一种管道裂缝提取方法，所述实际裂缝包括第一类裂缝和第二类裂缝，所述第一类裂缝方向单一且无遮挡，所述第二类裂缝具有分叉且有遮挡；相应地，所述基于所述扩展卡尔曼滤波器以及所述粒子滤波器，对所述待提取管道图像中的实际裂缝进行提取，具体包括：基于所述扩展卡尔曼滤波器，提取所述待提取管道图像中的第一类裂缝；基于所述粒子滤波器，提取所述待提取管道图像中的第二类裂缝。
[0010]根据本专利技术提供的一种管道裂缝提取方法，所述基于所述扩展卡尔曼滤波器，提取所述待提取管道图像中的第一类裂缝，具体包括：基于所述扩展卡尔曼滤波器，检测所述待提取管道图像中的当前轮廓，若所述当前轮廓与历史轮廓之间的距离最小值小于设定阈值，则将所述当前轮廓加入所述距离最小值对应的历史轮廓；基于所述待提取管道图像中的所有轮廓，确定所述第一类裂缝。
[0011]根据本专利技术提供的一种管道裂缝提取方法，所述提取所述待提取管道图像中的备选裂缝，具体包括：获取所述待提取管道图像的梯度图像，并标记所述梯度图像中的极小值点，基于所述极小值点，确定所述梯度图像的骨架；以所述极小值点为中心、所述骨架为中轴，查找所述梯度图像中所述中轴两侧的两邻域内与所述极小值点的差商最大的特征点；以所述特征点为中心，以所述极小值点到所述特征点为矢量方向，继续查找所述矢量方向两侧的两邻域内与所述特征点的差商最大的点，直至查找到所述梯度图像的边界点，得到所述备选裂缝。
[0012]根据本专利技术提供的一种管道裂缝提取方法，所述基于所述各裂缝点的第一类概率密度函数，确定扩展卡尔曼滤波器和粒子滤波器，具体包括：基于所述扩展卡尔曼滤波器的同类滤波器的标准概率密度函数信息，将所述第一类概率密度函数进行变形，得到第二类概率密度函数，并基于所述第二类概率密度函数，确定所述扩展卡尔曼滤波器；基于蒙特卡罗数值逼近法，对所述第一类概率密度函数进行计算，得到备选概率密度函数；基于所述粒子滤波器的同类滤波器的标准概率密度函数信息，将所述备选概率密度函数进行变形，得到第三类概率密度函数，并基于所述第三类概率密度函数，确定所述粒子滤波器。
[0013]本专利技术还提供一种管道裂缝提取装置，包括：图像获取模块，用于获取待提取管道图像，提取所述待提取管道图像中的备选裂缝，并确定所述备选裂缝上各裂缝点的特征信息；模型分析模块，用于根据所述各裂缝点的特征信息，确定管道裂缝模型，并基于贝叶斯方法，分析所述管道裂缝模型，确定所述各裂缝点的第一类概率密度函数；
滤波器确定模块，用于基于所述各裂缝点的第一类概率密度函数，确定扩展卡尔曼滤波器和粒子滤波器；裂缝提取模块，用于基于所述扩展卡尔曼滤波器以及所述粒子滤波器，对所述待提取管道图像中的实际裂缝进行提取。
[0014]本专利技术还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述的管道裂缝提取方法。
[0015]本专利技术还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述的管道裂缝提取方法。
[0016]本专利技术还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述任一种所述的管道裂缝提取方法。
[0017]本专利技术提供的管道裂缝提取方法、装置、电子设备及存储介质，首先获取待提取管道图像，提取待提取管道图像中的备选裂缝，并确定备选裂缝上各裂缝点的特征信息；然后根据各裂缝点的特征信息，确定管道裂缝模型，并基于贝叶斯方法，分析管道裂缝模型，确定各裂缝点的第一类概率密度函数；此后基于各裂缝点的第一类概率密度函数，确定扩展卡尔曼滤波器和粒子滤波器；最后基于扩展卡尔曼滤波器以及粒子滤波器，对待提取管道图像中的实际裂缝进行提取。该方法通过构建管道裂缝模型，设计扩展卡尔曼滤波器和粒子滤波器，利用滤波器组对待提取管道图像中的实际裂缝进行提取，可以大大提高裂缝提取的效率及准确性，尤其适用于提取复杂管道图像中的裂缝，具有很强的实际效益。
附图说明
[0018]为了更清楚地说明本专利技术或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0019]图1是本专利技术提供的管道扫描方法的流程示意图；图2是本专利技术提供的管道扫描装置的结构示意图；图3是本专利技术提供的电子设备的结构示意图。
具体实施方式
[0020]为使本专利技术的目的、技术方案和优点更加清楚，下面将结合本专利技术中的附图，对本专利技术中的技术方案进行清楚、完本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种管道裂缝提取方法，其特征在于，包括：获取待提取管道图像，提取所述待提取管道图像中的备选裂缝，并确定所述备选裂缝上各裂缝点的特征信息；根据所述各裂缝点的特征信息，确定管道裂缝模型，并基于贝叶斯方法，分析所述管道裂缝模型，确定所述各裂缝点的第一类概率密度函数；基于所述各裂缝点的第一类概率密度函数，确定扩展卡尔曼滤波器和粒子滤波器；基于所述扩展卡尔曼滤波器以及所述粒子滤波器，对所述待提取管道图像中的实际裂缝进行提取。2.根据权利要求1所述的管道裂缝提取方法，其特征在于，所述提取所述待提取管道图像中的备选裂缝，具体包括：将所述待提取管道图像进行灰度化处理，得到灰度图像；将所述灰度图像划分为多个局部区域，并基于各局部区域内的灰度累计值，确定所述各局部区域中的感兴趣区域；对所述感兴趣区域进行二值分割，得到裂缝分割图像；对所述裂缝分割图像进行裂缝检测，得到所述备选裂缝。3.根据权利要求1所述的管道裂缝提取方法，其特征在于，所述根据所述各裂缝点的特征信息，确定管道裂缝模型，具体包括：根据所述各裂缝点中相邻裂缝点之间的相关关系，确定初始模型；基于所述各裂缝点的特征信息，对所述初始模型进行更新，得到所述管道裂缝模型。4.根据权利要求1所述的管道裂缝提取方法，其特征在于，所述实际裂缝包括第一类裂缝和第二类裂缝，所述第一类裂缝方向单一且无遮挡，所述第二类裂缝具有分叉且有遮挡；相应地，所述基于所述扩展卡尔曼滤波器以及所述粒子滤波器，对所述待提取管道图像中的实际裂缝进行提取，具体包括：基于所述扩展卡尔曼滤波器，提取所述待提取管道图像中的第一类裂缝；基于所述粒子滤波器，提取所述待提取管道图像中的第二类裂缝。5.根据权利要求4所述的管道裂缝提取方法，其特征在于，所述基于所述扩展卡尔曼滤波器，提取所述待提取管道图像中的第一类裂缝，具体包括：基于所述扩展卡尔曼滤波器，检测所述待提取管道图像中的当前轮廓，若所述当前轮廓与历史轮廓之间的距离最小值小于设定阈值，则将所述当前轮廓加入所述距离最小值对应的历史轮廓；基于所述待提取管道图像中的所有轮廓，确定所述第一类裂缝。6.根据权利要求1所述的管道裂缝提取方法，其特征在于，所述提取所述待提取管道图像中的备选裂缝，具体包括：获取所述待提取...
【专利技术属性】
技术研发人员：冯成会，王翔，蔡鹏，
申请(专利权)人：武汉中仪物联技术股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。