一种公路路面施工质量智能检测系统技术方案

本发明专利技术涉及图像处理技术领域，具体涉及一种公路路面施工质量智能检测系统，包括：获取公路路面灰度图像；获取灰度图像中像素点的梯度幅值和梯度方向；根据梯度变化获取像素点的细节程度；根据像素点的细节程度获取子块优选程度；根据子块优选程度将灰度图像划分若干个子块；根据子块内梯度方向分布获取子块合并必要性；根据子块合并必要性自适应合并子块，得到所有的最优子块；对最优子块进行直方图均衡化，获取增强后的公路路面图像；通过将增强后的图像输入神经网络进行训练，获取公路路面质量情况。本发明专利技术解决了对公路路面进行采集时，因受到光照不均匀、噪声和阴影等外界因素的干扰，导致图像质量较差的问题，达到更好的增强效果。效果。效果。

【技术实现步骤摘要】
一种公路路面施工质量智能检测系统


[0001]本专利技术涉及图像处理
，具体涉及一种公路路面施工质量智能检测系统。

技术介绍

[0002]公路路面施工质量检测是保障道路交通安全和维护道路使用寿命的重要环节。传统的施工质量检测方法主要依靠人工巡检和经验判断，存在人力成本高、检测效率低、判断标准不统一等问题。随着计算机视觉技术的发展，图像处理技术逐渐应用于公路路面施工质量检测中，但目前的方法仍存在着图像噪声干扰、光照不均、阴影等问题，导致检测结果不准确，因此需要对图像进行增强处理。
[0003]传统的图像增强方法通常采用直方图均衡化对图像进行增强，但由于在对公路路面进行采集时，常受到光照不均匀、噪声和阴影等外界因素的干扰，导致图像质量较差，而传统基于全局的直方图均衡化的增强方法难以达到较好的增强效果。

技术实现思路

[0004]本专利技术提供一种公路路面施工质量智能检测系统，以解决现有的问题。
[0005]本专利技术的一种公路路面施工质量智能检测系统采用如下技术方案：本专利技术一个实施例提供了一种公路路面施工质量智能检测系统，该系统包括以下步骤：图像采集模块：获取公路路面灰度图像；获取子块模块：获取公路路面灰度图像中所有像素点的梯度幅值和梯度方向；获得每个像素点的滑窗；根据每个像素点的滑窗内所有像素点的梯度幅值，构建统计梯度幅值直方图；根据像素点的梯度幅值和统计梯度幅值直方图获取像素点的光照影响系数；根据像素点的光照影响系数获取像素点的光照影响程度；根据像素点的光照影响程度得到像素点的最佳子块大小；根据像素点的最佳子块大小将公路路面灰度图像划分若干个子块；自适应合并子块模块：根据子块内梯度方向分布获取子块合并必要性；根据子块合并必要性自适应合并子块，得到所有的最优子块；图像增强模块：通过对所有最优子块进行图像增强得到增强后的公路路面图像；路面质量检测模块：通过将增强后的图像输入神经网络进行训练，获取公路路面质量情况。
[0006]优选的，所述根据像素点的梯度幅值和统计梯度幅值直方图获取像素点的光照影响系数，包括的具体步骤如下：像素点的光照影响系数的计算表达式为：式中，表示像素点的光照影响系数；表示像素点的梯度幅值；表示以像素点
为中心点的滑窗中所有像素点的梯度幅值最大值；表示以像素点为中心点的滑窗的统计梯度幅值直方图横坐标个数；表示以像素点为中心点的滑窗的统计梯度幅值直方图中相邻梯度幅值统计直方图曲线间的斜率。
[0007]优选的，所述根据像素点的光照影响系数获取像素点的光照影响程度，包括的具体步骤如下：对于任意一个像素点，根据像素点的光照影响系数获取该像素点的光照影响程度为：式中，表示像素点的光照影响程度；表示像素点的光照影响系数；表示像素点的光照影响系数理论最大值；表示子块大小的最大值；表示子块大小的最小值。
[0008]优选的，所述根据像素点的光照影响程度得到像素点的最佳子块大小，包括的具体步骤如下：对于任意一个像素点，根据像素点的光照影响程度，由于子块的大小只能为整数且为奇数，则应选择最接近的奇数作为该像素点的最佳子块大小。
[0009]优选的，所述根据像素点的最佳子块大小将公路路面灰度图像划分若干个子块，包括的具体步骤如下：对于任意一个像素点，该像素点的最佳子块大小为，则获得以该像素点为中心点的的子块，若子块中所有像素点的最佳子块大小相同，则保留该子块，进而完成子块的第一次划分，将该子块记为子块a；然后沿着的子块a的边缘的四个方向继续进行子块的第二次划分，若下一个子块中的像素点的最佳子块大小不同则根据最佳子块大小的占比进行下一个子块大小调整，由于第一子块大小为，则第二子块划分开始时也是先圈住大小的范围，圈住大小的范围记为子块b，若此时子块b内存在多种最佳子块大小值，则选择占比最大的最佳子块大小进行子块扩展，且扩展后的子块的中心像素点与子块a的中心像素点在同一行或者同一列上；由此进行子块的多次划分，直至将公路路面灰度图像划分为若干个不重叠的子块。
[0010]优选的，所述根据子块内梯度方向分布获取子块合并必要性，包括的具体步骤如下：子块合并必要性表达式为：式中，表示子块合并必要性；表示子块中像素点梯度方向的类型数；表示子块
中所有不同类型的梯度方向的最大频数值；表示以自然常数为底数的指数函数；表示子块中所有像素点的梯度方向方差。
[0011]优选的，所述根据子块合并必要性自适应合并子块，得到所有的最优子块，包括的具体步骤如下：将所有子块合并必要性大于预设阈值的子块记为目标子块，其余子块记为常规子块；对于目标子块，遍历判断是否存在其他目标子块与其邻接，若不存在邻接，则取消该子块的目标性，将其纳为常规子块；若存在邻接，则先计算邻接目标子块内所有像素点的梯度方向与水平线的余弦相似度，再求所有余弦相似度的平均值和该目标子块内所有像素点的梯度方向与水平线的余弦相似度，再求所有余弦相似度的平均值；然后判断邻接目标子块与该目标子块间余弦相似度的差异，若计算得到两子块间的余弦相似度的差异在预设区间范围内，则将两子块进行合并，否则不予以操作；将合并后的所有子块记为最优子块，进而得到所有最优子块。
[0012]优选的，所述通过将增强后的图像输入神经网络进行训练，获取公路路面质量情况，包括的具体步骤如下：将增强后的图像输入到训练好的神经网络中进行缺陷分割，根据分割得到的缺陷类型和缺陷大小进行公路路面质量的评估，其评估规则由实施者根据实际情况进行选择，缺陷类型越严重、缺陷越大则对应公路路面质量越差。
[0013]本专利技术的技术方案的有益效果是：本专利技术通过对采集得到的公路路面图像进行分析，获取图像中的光照影响系数，根据光照影响系数对图像进行预分块，根据分块后子块间的关联程度与子块大小获取子块间的合并必要性，通过合并获取最终的局部子块，通过对局部子块进行均衡化后的子块进行拼接，得到增强后的图像，再对其进行一次全局均衡化，得到对应的增强图像，通过提取图像特征输入神经网络训练，获取公路路面质量情况，由此进行质量检测；进而解决了对公路路面进行采集时，因受到光照不均匀、噪声和阴影等外界因素的干扰，导致图像质量较差的问题，达到更好的增强效果。
附图说明
[0014]为了更清楚地说明本专利技术实施例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简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，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。
[0015]图1为本专利技术一种公路路面施工质量智能检测系统的模块框架图；图2为本专利技术一种公路路面施工质量智能检测系统的像素点梯度方向示意图；图3为本专利技术一种公路路面施工质量智能检测系统的统计梯度幅值直方图的示意图；图4为本专利技术一种公路路面施工质量智能检测系统的子块划分示意图。
具体实施方式
[0016]为了更进一步阐述本专利技术为达成预定专利技术目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本专利技术提出的一种公路路面施工质量智能本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种公路路面施工质量智能检测系统，其特征在于，该系统包括以下模块：图像采集模块：获取公路路面灰度图像；获取子块模块：获取公路路面灰度图像中所有像素点的梯度幅值和梯度方向；获得每个像素点的滑窗；根据每个像素点的滑窗内所有像素点的梯度幅值，构建统计梯度幅值直方图；根据像素点的梯度幅值和统计梯度幅值直方图获取像素点的光照影响系数；根据像素点的光照影响系数获取像素点的光照影响程度；根据像素点的光照影响程度得到像素点的最佳子块大小；根据像素点的最佳子块大小将公路路面灰度图像划分若干个子块；自适应合并子块模块：根据子块内梯度方向分布获取子块合并必要性；根据子块合并必要性自适应合并子块，得到所有的最优子块；图像增强模块：通过对所有最优子块进行图像增强得到增强后的公路路面图像；路面质量检测模块：通过将增强后的图像输入神经网络进行训练，获取公路路面质量情况。2.根据权利要求1所述一种公路路面施工质量智能检测系统，其特征在于，所述根据像素点的梯度幅值和统计梯度幅值直方图获取像素点的光照影响系数，包括的具体步骤如下：像素点的光照影响系数的计算表达式为：式中，表示像素点的光照影响系数；表示像素点的梯度幅值；表示以像素点为中心点的滑窗中所有像素点的梯度幅值最大值；表示以像素点为中心点的滑窗的统计梯度幅值直方图横坐标个数；表示以像素点为中心点的滑窗的统计梯度幅值直方图中相邻梯度幅值统计直方图曲线间的斜率。3.根据权利要求1所述一种公路路面施工质量智能检测系统，其特征在于，所述根据像素点的光照影响系数获取像素点的光照影响程度，包括的具体步骤如下：对于任意一个像素点，根据像素点的光照影响系数获取该像素点的光照影响程度为：式中，表示像素点的光照影响程度；表示像素点的光照影响系数；表示像素点的光照影响系数理论最大值；表示子块大小的最大值；表示子块大小的最小值。4.根据权利要求1所述一种公路路面施工质量智能检测系统，其特征在于，所述根据像素点的光照影响程度得到像素点的最佳子块大小，包括的具体步骤如下：对于任意一个像素点，根据像素点的光照影响程度，由于子块的大小只能为整数且为奇数，则应选择最接近的奇数作为该像素点的最佳子块大小。5.根据权利要求1所述一种公路路面施工质量智能检测系统，其特征在于，所述根据像素点的最佳子块大小将公路路面灰度图像划分若干个子块，包括的具体步骤如下：
对于任意一个像素点，该像...

【专利技术属性】
技术研发人员：苏庆国，马振平，田帅，
申请(专利权)人：青岛奥维特智能科技有限公司，
类型：发明
国别省市：