一种基于视觉技术的道路沥青粘连检测方法技术

本发明专利技术涉及图像处理领域，提供一种基于视觉技术的道路沥青粘连检测方法，包括：采集道路表面图像，得到道路表面图像对应的灰度图像以及梯度图像；利用伽马矫正算法基于梯度图像计算梯度图像各梯度特征对应的各个不同区域对应的伽马值；基于各个不同区域对应的伽马值对灰度图像进行增强处理，得到增强后的图像；基于增强后的图像进行道路沥青粘连检测。本发明专利技术的方法通过提取图像的梯度特征将图像划分为多个区域，而后计算各个区域的伽马值，从而对图像进行增强。最后基于增强图像进行沥青粘连度检测，获取准确的路面沥青粘连结果，从而根据结合确定修复方案。该方法能够准确进行沥青缺陷的分割检测，提高沥青粘连度检测的准确性。性。性。

【技术实现步骤摘要】
一种基于视觉技术的道路沥青粘连检测方法


[0001]本专利技术涉及图像处理
，特别是涉及一种基于视觉技术的道路沥青粘连检测方法。

技术介绍

[0002]道路沥青粘连是指道路表面的沥青与基层之间的额黏附程度。沥青在道路建设中广泛用于路面保护和加固材料，然而如果沥青和基层之间的黏附不足，就会产生路面裂缝等，可能会引起严重的安全问题，如车辆滑动、路面不平坦等，如果不及时修复就会导致较大的安全隐患。随着视觉技术的进步，传统的人工检测逐渐被淘汰，但是利用视觉检测算法对路面沥青粘连质量进行检测时，由于需要利用摄像机获取路面图像，所以受光照影响较大，若光线过亮则容易产生曝光的问题而影响检测结果，因此需要对采集到的路面图像进行增强以获得更精确的检测结果，确保工作人员及时修复。
[0003]伽马矫正是常用的图像增强算法之一，能够有效解决图像的曝光问题，但是传统的伽马变换未考虑到图像的局部特性，容易造成过增强或欠增强的问题，从而导致在进行沥青缺陷分割检测时分割结果不准确，进而导致沥青粘连度检测结果不准确。

技术实现思路

[0004]本专利技术提供一种基于视觉技术的道路沥青粘连检测方法，该方法能够准确进行沥青缺陷的分割检测，提高沥青粘连度检测的准确性。
[0005]第一方面，本专利技术提供一种基于视觉技术的道路沥青粘连检测方法，包括：采集道路表面图像，得到道路表面图像对应的灰度图像以及梯度图像；利用伽马矫正算法基于梯度图像计算梯度图像各梯度特征对应的各个不同区域对应的伽马值；基于各个不同区域对应的伽马值对灰度图像进行增强处理，得到增强后的图像；基于增强后的图像进行道路沥青粘连检测。
[0006]在一实施例中，利用伽马矫正算法基于梯度图像计算梯度图像各梯度特征对应的各个不同区域对应的伽马值，包括：基于梯度图像的梯度特征对梯度图像等区域划分，得到多个图像块；计算相邻图像块之间的相似度，基于相似度将多个图像块合并，得到多个合并区域；计算每一合并区域对应的伽马值。
[0007]在一实施例中，计算每一合并区域对应的伽马值，包括：计算每一合并区域对应的融合程度以及边缘复杂度；基于融合程度以及边缘复杂度计算每一合并区域对应的增强程度；基于每一合并区域对应增强程度计算每一合并区域对应的伽马值。
[0008]在一实施例中，计算相邻图像块之间的相似度，基于相似度将多个图像块合并，得
到多个合并区域，包括：计算相邻图像块之间的交叉熵；基于交叉熵计算相邻图像块之间的相似度；如果相似度大于预设值，则将相邻图像块合并，得到多个合并区域。
[0009]在一实施例中，计算每一合并区域对应的融合程度以及边缘复杂度，包括：基于合并区域中合并块之间的相似度计算合并区域对应的融合程度；基于合并区域中边缘像素点计算合并区域对应的边缘复杂度，边缘像素点是通过边缘检测对道路表面图像进行边缘检测后确定的。
[0010]在一实施例中，基于合并区域中合并块之间的相似度计算合并区域对应的融合程度，包括：；其中，表示第个合并区域的融合程度， 表示第个合并区域中第个块与其他个块中第个块的相似度，且，表示第个合并区域中合并块的总数，计算这些合并块两两对应的相似度，则需要计算的相似度总数为。
[0011]在一实施例中，基于合并区域中边缘像素点计算合并区域对应的边缘复杂度，包括：；其中，表示第个合并区域中存在的边缘像素点个数，表示第个合并区域中的像素点总个数，表示边缘像素点个数在合并区域中的占比；表示第个合并区域中第个边缘像素点与其连续的边缘像素点形成的连通区域的面积，表示第个合并区域中第个边缘像素点与其连续的边缘像素点形成的连通域周长，表示第个合并区域中边缘像素点的面积比。
[0012]在一实施例中，基于融合程度以及边缘复杂度计算每一合并区域对应的增强程度，包括：；其中，表示第个合并区域的增强程度，表示第个合并区域的边缘复杂
度，表示第个合并区域的融合程度，为不定参数。
[0013]在一实施例中，基于每一合并区域对应增强程度计算每一合并区域对应的伽马值，包括：；其中，表示第个合并区域对应的伽马值，表示第个合并区域的增强程度，表示对数值进行标准化处理使。
[0014]在一实施例中，合并区域对应的增强程度与伽马值成反比例关系。
[0015]本专利技术的有益效果，区别于现有技术，本专利技术的基于视觉技术的道路沥青粘连检测方法，包括：采集道路表面图像，得到道路表面图像对应的灰度图像以及梯度图像；利用伽马矫正算法基于梯度图像计算梯度图像各梯度特征对应的各个不同区域对应的伽马值；基于各个不同区域对应的伽马值对灰度图像进行增强处理，得到增强后的图像；基于增强后的图像进行道路沥青粘连检测。本专利技术的方法通过提取图像的梯度特征将图像划分为多个区域，而后计算各个区域的伽马值，从而对图像进行增强。最后基于增强图像进行沥青粘连度检测，获取准确的路面沥青粘连结果，从而根据结合确定修复方案。该方法能够准确进行沥青缺陷的分割检测，提高沥青粘连度检测的准确性。
附图说明
[0016]图1为本专利技术基于视觉技术的道路沥青粘连检测方法的一实施例的流程示意图；图2为本专利技术计算合并区域对应的伽马值的流程示意图。
具体实施方式
[0017]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本专利技术的一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0018]下面结合附图和实施例对本专利技术进行详细的说明。
[0019]请参见图1，图1为本专利技术基于视觉技术的道路沥青粘连检测方法的第一实施例的流程示意图，具体包括：步骤S11：采集道路表面图像，得到道路表面图像对应的灰度图像以及梯度图像。
[0020]路面的照明条件对图像质量有很大影响，选择阳关充足的情况下对路面进行拍摄，为获取更清晰的路面图像，在无人机上设置高分辨率相机，并在拍摄时保持垂直于地面的角度，这样获取的路面图像损失越少。而后对采集的路面图像进行灰度化处理，获取路面灰度图像，记为。为方便后续对路面图像划分后，块之间的相似度计算，所以首先获取路面图像的梯度图像，利用算子获取路面图像的梯度图像，记为。至此，获得了路面图像的灰度图像以及梯度图像。
[0021]步骤S12：利用伽马矫正算法基于梯度图像计算梯度图像各梯度特征对应的各个不同区域对应的伽马值。
[0022]具体的，基于梯度图像的梯度特征对梯度图像等区域划分，得到多个图像块；计算相邻图像块之间的相似度，基于相似度将多个图像块合并，得到多个合并区域；计算每一合并区域对应的伽马值。
[0023]为计算图像局部存在的差异性，首先对图像进行等区域划分，而后为提高计算效率需要对得到的块进行合并，因为沥青粘连容易造成局部缺陷，与周围正常区域产生的边缘方向存在差异且梯度幅值的变化较快，所以本方法通过计算相邻块之间的梯度方向直方图存在的交叉熵确定其本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于视觉技术的道路沥青粘连检测方法，其特征在于，包括：采集道路表面图像，得到道路表面图像对应的灰度图像以及梯度图像；利用伽马矫正算法基于所述梯度图像计算梯度图像各梯度特征对应的各个不同区域对应的伽马值；基于各个不同区域对应的伽马值对灰度图像进行增强处理，得到增强后的图像；基于所述增强后的图像进行道路沥青粘连检测。2.根据权利要求1所述的基于视觉技术的道路沥青粘连检测方法，其特征在于，利用伽马矫正算法基于所述梯度图像计算梯度图像各梯度特征对应的各个不同区域对应的伽马值，包括：基于所述梯度图像的梯度特征对所述梯度图像等区域划分，得到多个图像块；计算相邻图像块之间的相似度，基于所述相似度将多个图像块合并，得到多个合并区域；计算每一合并区域对应的伽马值。3.根据权利要求2所述的基于视觉技术的道路沥青粘连检测方法，其特征在于，计算每一合并区域对应的伽马值，包括：计算每一合并区域对应的融合程度以及边缘复杂度；基于所述融合程度以及所述边缘复杂度计算每一所述合并区域对应的增强程度；基于每一所述合并区域对应所述增强程度计算每一所述合并区域对应的伽马值。4.根据权利要求2所述的基于视觉技术的道路沥青粘连检测方法，其特征在于，计算相邻图像块之间的相似度，基于所述相似度将多个图像块合并，得到多个合并区域，包括：计算相邻图像块之间的交叉熵；基于所述交叉熵计算相邻图像块之间的相似度；如果所述相似度大于预设值，则将相邻图像块合并，得到多个合并区域。5.根据权利要求3所述的基于视觉技术的道路沥青粘连检测方法，其特征在于，计算每一合并区域对应的融合程度以及边缘复杂度，包括：基于所述合并区域中合并块之间的相似度计算所述合并区域对应的融合程度；基于所述合并区域中边缘像素点计算所述合并区域对应的边...

【专利技术属性】
技术研发人员：马金辉，于洋，余文英，
申请(专利权)人：青岛西海岸城市建设集团有限公司，
类型：发明
国别省市：