一种基于声学的水下坝面缺陷量测方法技术

本发明专利技术提供一种基于声学的水下坝面缺陷量测方法，包括两个部分：缺陷的体积以及面积的测量，其中缺陷的面积测量包括以下几个步骤：原图像的预处理、转换为灰度图、图像分割、去噪处理、边缘提取、面积计算；而针对于体积的测量分为以下几个步骤：声纳原始文件解析、图像数据预处理、高度图生成、坐标系转化、点云数据获取、点云切片法缺陷体积计算。利用声学进行面积和体积量测的技术实现精确的测算出水下坝面缺陷的长度以及面积。下坝面缺陷的长度以及面积。下坝面缺陷的长度以及面积。

【技术实现步骤摘要】
一种基于声学的水下坝面缺陷量测方法


[0001]本专利技术属于水下声学目标量测领域，通过声学测算目标的面积以及体积，具体涉及一种基于声学的水下坝面缺陷量测方法。

技术介绍
：
[0002]面对水下复杂的环境，应用光学极其容易受到光线和水下的浑浊物的影响，应用精密的声学设备和适应性较高的算法能够有效抑制这些因素的影响，提高了量测的准确性。
[0003]而在水下声学的目标量测的应用领域中，由于应用环境的特殊性，往往对声学设备的精度、声学图像的预处理的算法、目标识别技术、目标量测技术以及目标的定位技术等应用要求，这些要求制约着水下目标量测技术的发展，由于水下环境的多变性考验着设备以及算法的稳定性，目前的水下的量测的设备还没有声学对坝面进行量测。

技术实现思路
：
[0004]本专利技术的目的是实现一种自动化量测大坝缺陷的技术。
[0005]本专利技术采用的技术方案是：基于声学的水下坝面缺陷量测方法该机器人对于水下缺陷面积和体积的测量方法，包含以下步骤：
[0006]面积量测：
[0007]将声纳图像转为灰度图像；
[0008]使用改进的引导滤波对图像进行去噪处理；
[0009]使用最佳分割阈值的算法对图像进行分割；
[0010]采用改进Canny边缘检测算子检测边缘像素数；
[0011]利用像素的单位面积与实际面积的比例通过距离信息得到，最后得到所要测量的缺陷的面积。
[0012]体积量测：
[0013]二维亮度图生成；
[0014]高度图生成；
[0015]坐标系转化；
[0016]点云数据获取；
[0017]轮廓边界确定；
[0018]截面积计算；
[0019]体积计算。
[0020]对声纳所得到的图像进行预处理，预处理的目的就是为了让图像更为清晰。这些处理主要包括图像的灰度转化，以及平滑滤波去噪，将图像转换为灰度图，将原图像转换为灰度图，灰度图是用不同饱和度的黑色来表示每一个图像点。灰度化采用分量法将原图像转换为灰度图，即采用彩色图像的三通道中的任意一个通道分量，这里选择的是R通道。平
滑滤波的目的是去掉尖锐不连续的噪声，滤除图像中干扰的噪点，保护图像的边缘特性和局部细节，上述的灰度转化以及图像的滤波处理有利于后续的图像分割。去噪的处理主要是使用改进的引导滤波进行去噪，通过引入Canny算子动态调节引导滤波的正则化参数ε。通过动态的调节正则化参数ε，可以有效的去除图像中斑点噪声和高斯噪声，并且较好的保留图像中的边缘部分和细节部分信息，上述的灰度转换和平滑滤波有利于后续的分割处理。
[0021]将之前的图像灰度转换和滤波处理后，对图像进行阈值分割。阈值分割是一种广泛使用的图像分割的方法。普通的阈值分割方法，要求观察图像的灰度直方图，选定灰度双峰之间的谷底值作为输入阈值将灰度图像二值化。本专利技术采用的是最佳分割的算法，其算法步骤如下：求出图像中的最小和最大的灰度值Z1和Z
k
,阈值的初值选择为T0＝(Z1+Z
k
)/2；根据阈值T
k
将图像分割成目标和背景两部分，然后求出两部分的平均灰度值Z0和Z
B
：
[0022][0023][0024]式中Z(i,j)是图像上(i,j)点的灰度值，N(i,j)是(i,j)点的权重系数，通常N(i,j)＝1；求出新阈值：T
k+1
＝(Z0+Z
B
)/2；如果T
k
＝T
k+1
，则结束，否则k＝k+1,转到上述步骤继续进行迭代。
[0025]边缘提取，通过改进Canny算子边缘检测算法，该算法采用双滤波的设计，使用最大类方差(Otsu)算法得到高低阈值，提高边缘检测的自适应，最后使用哈夫检测法增强边缘。具体的实施实施过程为：双滤波的设计采用自适应模糊中值滤波和双边滤波进行滤波，滤波分为两步，第一步噪声检测阶段，使用极值法对灰度图像检测并对结果进行标记：
[0026][0027]式中，x(i,j)表示点(i,j)处的灰度值，L
salt
表示再8位灰度图像中的灰度值为255，L
pepper
表示为0，若x(i,j)的值为0或者1时，N(i,j)此时为0，不会被判定为疑似噪声点。第二步是去噪阶段N(i,j)标记为1的信号点灰度值保持不变，N(i,j)为0的噪声点，使用相邻像素点均值代替当前噪声点的灰度值；然后使用Otus算法进行二值化阈值分割算法，Otus方法求解阈值可以避免人工设定的阈值导致的自适应差的问题；最后使用哈夫变换方法对图像的轮廓进行检测，图像中的线从图像控件中转换到哈夫空间，通过哈夫变换检测链接边缘点。
[0028]通过上述的边缘提取得到了缺陷区域的连通域，通过对连通区域中的像素点求总和，根据多组的实验可以求出单个像素对应实际物体大小的比例信息，根据前面求得到的像素总数乘以单个像素代表的实际面积的比值，即可得到缺陷的实际面积。
[0029]为了得到缺陷的体积数据，需要对声纳数据进行处理，由于声纳文件格式是特殊的二进制数据，不可以直接进行数据和图像的处理，因此在进行声纳图像数据预处理以及三位重构之前，必须将原始数据格式转化成通用的图像格式。在水下目标图像三维重建的众多方法中，采用阴影恢复高度法是一个比较可靠的方法。本专利技术通过图像处理手段，先后
得到一幅二维声纳亮度图以及一幅二维声纳高度图，然后借鉴相机投影原理推导出了二维声纳图像坐标系与三维空间坐标系之间的转换关系，利用点云库生成水下目标物的三维点云图像。
[0030]对于二维亮度图生成以及高度图的生成，目标物的提取以及处理是三维重构的重要前提。目标物亮度图的生成可以分为几个步骤，包括声纳图像阈值分割、噪声去除，结合阴影信息去除非目标物区域以及伪彩色处理等操作。二维高度图的生成，二位高度图由无符号16位像素点组成，其中的每一点代表二维亮度图相对应像素点处的高度值，为了获取目标物每一点的高度，需要先了解声纳工作涉及到的几何关系。
[0031]坐标系的转换，要从二维声纳图像重建其三维图像，应首先推导出三维目标物是如何映射到二维声纳图像上的，可以通过借鉴计算机视觉中相机成像的几何关系，建立起声纳成像的几何关系。
[0032]通过上述的推导的三维世界坐标系与二维声纳图像之间的转换关系，利用点云库生成点云数据并显示出来。得到的点云数据经过点云配准和去噪后得到相对完整的点云模型，通过将点云数据切片得到平面上下各个厚度的点头赢在该平面上生成截面轮廓。
[0033]不规则物体点云切片中轮廓边界个数是未知量，使用欧式聚类分割和多边形拆分重组法用于截面多轮廓边界分割。欧氏聚类分割是一种以欧氏距离为相似性度量的聚类方法，在目标对象分类个数未知的情况下，设定距离阈值作为分类标准进行聚类计算，分割的流程为：边界点分类，边界点排序；与欧氏聚类分割方不同，多边形拆分重组先把常速异常边打断，多本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于声学的水下坝面缺陷量测方法，其特征在于，包括面积量测：将声纳图像转为灰度图像；使用改进的引导滤波对图像进行去噪处理；使用最佳分割阈值的算法对图像进行分割；采用改进Canny边缘检测算子检测边缘像素数；利用像素的单位面积与实际面积的比例通过距离信息得到，最后得到所要测量的缺陷的面积。2.如权利要求1所述的基于声学的水下坝面缺陷量测方法，其特征在于，使用分量法将原图像转换为灰度图，即采用彩色图像的三通道中的任意一个通道分量，这里选择的是R通道，将它作为灰度图像的灰度值。3.如权利要求1所述的基于声学的水下坝面缺陷量测方法，其特征在于，最佳分割阈值的算法，步骤如下：求出图像中的最小和最大的灰度值Z1和Z
k
,阈值的初值选择为T0＝(Z1+Z
k
)/2；根据阈值T
k
将图像分割成目标和背景两部分，灰度级小于选取阈值T
k
的像素点组成为背景，然后求出两部分的平均灰度值Z0(目标区域内的像素灰度平均值)和Z
B
(背景区域内的像素灰度平均值)：的像素灰度平均值)：式中Z(i,j)是图像上(i,j)点的灰度值，N(i,j)是(i,j)点的权重系数；求出新阈值：T
k+1
＝(Z0+Z
B
)/2；如果T
k
＝T
k+1
，则结束，否则k＝k+1,转到上述继续进行迭代。4.如权利要求1所述的基于声学的水下坝面缺陷量测方法，其特征在于，采用改进引导滤波通过使用Canny算子对正则化参数ε进行动态的调节，使得保证图像去噪效果同时保留图像边缘细节。边缘权重可以表示为：上式中C(i)对应i像素点的Canny边缘值,N为像素的总数，γ为一个常数，其取值是为了防止分子分母为零，取值为(0.001
×
L)2。则图像就可以表示为：。则图像就可以表示为：上式中，a
k
，b
k
分别代表窗口中的线性系数，q
i
是滤波输出图像的像素值，w
k
半径为r的方形窗口，I
i
为引导图像像素值。5.如权利要求1所述的基于声学的水下坝面缺陷量测方法，其特征在于，通过改进Canny算子边缘检测算法，该算法采用双滤波的设计，使用最大类方差(Otsu)算法得到高低阈值，提高边缘检测的自适应，最后使用哈夫检测法增强边缘，具体的实施实施过程为：双滤波的设计采用自适应模糊中值滤波和双边滤波进行滤波，滤波分为两步，第一步噪声检测阶段，使用极值法对灰度图像检测并对结果进行标记：
式中，x(i,j)表示点(i,j)处的灰度值，L
salt
表示再8位灰度图像中的灰度值为255，L
pepper
表示为0，若x(i,j)的值为0或者1时，N(i,j)此时为0，不会被判定为疑似噪声点。第二步是去噪...

【专利技术属性】
技术研发人员：张宇，张仲英，魏世峰，
申请(专利权)人：慧芯加苏州智能科技有限公司，
类型：发明
国别省市：