基于图像处理的桥梁表观病害自动识别方法技术

本发明专利技术公开了基于图像处理的桥梁表观病害自动识别方法，属于建筑裂缝检测技术领域，包括如下步骤：

【技术实现步骤摘要】
基于图像处理的桥梁表观病害自动识别方法


[0001]本专利技术涉及建筑裂缝检测
，具体涉及基于图像处理的桥梁表观病害自动识别方法
。

技术介绍

[0002]随着经济的发展，公路交通在国民经济和人民生活中扮演越来越重要的角色
。
尤其是公路与交通，作为推动国家经济发展的公共设施，拥有广阔的未来
。
桥梁的建造对物资运送发展，国家间密切的联系，便利日常的生活都有着极其重要的作用
。
[0003]现有的桥梁裂缝检测有两种：
[0004]一
、
技术人员在实地进行检测，这种方法的效率很低，测量的准确性受主观因素的影响，更重要的是，往往有很多裂缝的所在的位置让人工检测受到了极大的制约
。
[0005]二
、
基于人工视觉检测裂缝，也越来越不能适应于当今建筑的发展，速度慢，效率低下，成本高等缺点
。
利用计算机对图像进行处理能加快处理速度和减少成本
。
对于采集到的裂缝图像，因为采集设备的不同，建筑材料的影响等，图像中包含大量的噪音，需要对图像进行去噪处理以方便对图像中的裂缝进行提取
。
[0006]基于这些问题，研究更加有效的桥梁裂缝检测方法尤为重要，为此，提出基于图像处理的桥梁表观病害自动识别方法
。

技术实现思路

[0007]本专利技术所要解决的技术问题在于：如何解决现有技术中人工实地检测存在的准确性易受主观因素影响，以及人工视觉检测存在的速度慢
、
效率低下
、
成本高等问题，提供了基于图像处理的桥梁表观病害自动识别方法，通过采用高斯滤波来降噪，结合二值化处理，并对高斯滤波后的图像进行最佳阈值的自动选择，获取清晰完整的裂缝图像，解决了现有的裂缝识别的智能化程度低
、
检测效率低
、
检测成本高的问题
。
[0008]本专利技术是通过以下技术方案解决上述技术问题的，本专利技术包括以下步骤：
[0009]S1
：获取桥梁裂缝原始图像；
[0010]S2
：使用高斯滤波对获取的桥梁裂缝原始图像进行一次去噪处理；
[0011]S3
：对滤波处理后的图像依次进行分割
、
二次去噪处理；
[0012]S4
：对经过分割
、
二次去噪处理的图像中的裂缝断裂区域进行连接；
[0013]S5
：利用八方向算子对连接后的裂缝进行边缘检测；
[0014]S6
：获取裂缝条数并标记；
[0015]S7
：对裂缝条数识别结果进行可视化展示
。
[0016]更进一步地，在所述步骤
S2
中，使用高斯滤波对图像进行一次去噪处理，采用离散化二维高斯滤波函数作为高斯核中的权值系数，利用高斯模板将二维连续正态分布函数离散化，得到权值矩阵；
[0017]二维高斯滤波函数公式为：
[0018][0019]其中，表示标准差，表示像素点坐标，且为整数
。
[0020]更进一步地，在所述步骤
S3
中，对图像进行分割的具体过程如下：
[0021]S301
：计算图像的总平均灰度，公式为：
[0022][0023]其中，前景点数占图像比例为，平均灰度为；背景点数占图像比例为，平均灰度为；
[0024]S302
：计算前景和背景图像的方差，公式为：
[0025]；
[0026]S303
：寻找满足方差最大的分割阈值
t
作为图像二值化的阈值，利用分割阈值
t
对图像进行二值化处理，实现图像分割
。
[0027]更进一步地，在所述步骤
S3
中，对图像进行二次去噪的具体过程如下：
[0028]S311
：在分割后的图像上选取两点作为矩形的两个对角点构造一个对应的矩阵；
[0029]S312
：再将矩阵中的噪声点的值从1改变到0；
[0030]S313
：在矩阵的四个方向上创建四个元素均为0的矩阵并将其融合成与原图像矩阵相同阶数的矩阵；
[0031]S314
：将两个矩阵相加，得到结果矩阵，将结果矩阵的所有1的值改为0，再将所有2的值改为1，得到二次去噪后的图像
。
[0032]更进一步地，在所述步骤
S311
中，具体处理过程如下：
[0033]S3111
：利用
ginput
函数确定所要框选范围两对角点的坐标和；
[0034]S3112
：根据和的像素点坐标值来计算出所框选部分的长宽大小；
[0035]S3113
：读取出原二值化图像的长宽分别为
L、H
；
[0036]S3114
：利用
、、L、H
计算出以框选部分为中心的四个方向上的矩阵的长度和宽度，框选部分的上方矩阵
、
左侧矩阵
、
右侧矩阵
、
下方矩阵的长度
、
与宽度计算公式分别如下：
[0037][0038]其中，表示矩阵的长度，表示矩阵的宽度；
[0039]S3115
：得到四个元素全为0的矩阵
、、、
和元素为1的中心矩阵，然后将这五个矩阵对应的排列方式组合起来，构造出矩阵
。
[0040]更进一步地，在所述步骤
S4
中，像素点坐标表示的像素点在图像中的位置，像素点的值表示像素点二值化后的数值；对裂缝断裂区域进行连接时，利用断裂处的两个端点的像素点坐标确定经过两点的直线，利用直线公式找到直线上断裂点之间的像素点坐标，并
将像素点的值改为1，进而将直线连接起来；接着判定两个断裂端点上下非0点的个数再对其取平均值，让直线上的点上下所对应的
n
个点的值改为1，对原始裂缝宽度进行模拟
。
[0041]更进一步地，在所述步骤
S4
中，在裂缝断裂区域进行连接时，具体过程如下：通过
ginput
命令人为识别断裂端点和，计算两点的斜率
k
并采用点斜式拟合出两点之间的直线，具体公式如下：
[0042][0043]计算在斜率
k
后，在
matlab
中利用循环语句和点斜式求出直线上的点，并将其数值从1改为
0。
[0044]更进一步地，在所述步骤
S5
中，八方向算子利用0°
、22.5
°
、45
°
、67.5
°
、90
°
、112.5
°
、135...

【技术保护点】

【技术特征摘要】
1.
基于图像处理的桥梁表观病害自动识别方法，其特征在于，包括以下步骤：
S1
：获取桥梁裂缝原始图像；
S2
：使用高斯滤波对获取的桥梁裂缝原始图像进行一次去噪处理；
S3
：对滤波处理后的图像依次进行分割
、
二次去噪处理；
S4
：对经过分割
、
二次去噪处理的图像中的裂缝断裂区域进行连接；
S5
：利用八方向算子对连接后的裂缝进行边缘检测；
S6
：获取裂缝条数并标记；
S7
：对裂缝条数识别结果进行可视化展示
。2.
根据权利要求1所述的基于图像处理的桥梁表观病害自动识别方法，其特征在于：在所述步骤
S2
中，使用高斯滤波对图像进行一次去噪处理，采用离散化二维高斯滤波函数作为高斯核中的权值系数，利用高斯模板将二维连续正态分布函数离散化，得到权值矩阵；二维高斯滤波函数公式为：其中，表示标准差，表示像素点坐标，且为整数
。3.
根据权利要求1所述的基于图像处理的桥梁表观病害自动识别方法，其特征在于：在所述步骤
S3
中，对图像进行分割的具体过程如下：
S301
：计算图像的总平均灰度，公式为：其中，前景点数占图像比例为，平均灰度为；背景点数占图像比例为，平均灰度为；
S302
：计算前景和背景图像的方差，公式为：；
S303
：寻找满足方差最大的分割阈值
t
作为图像二值化的阈值，利用分割阈值
t
对图像进行二值化处理，实现图像分割
。4.
根据权利要求3所述的基于图像处理的桥梁表观病害自动识别方法，其特征在于：在所述步骤
S3
中，对图像进行二次去噪的具体过程如下：
S311
：在分割后的图像上选取两点作为矩形的两个对角点构造一个对应的矩阵；
S312
：再将矩阵中的噪声点的值从1改变到0；
S313
：在矩阵的四个方向上创建四个元素均为0的矩阵并将其融合成与原图像矩阵相同阶数的矩阵；
S314
：将两个矩阵相加，得到结果矩阵，将结果矩阵的所有1的值改为0，再将所有2的值改为1，得到二次去噪后的图像
。5.
根据权利要求4所述的基于图像处理的桥梁表观病害自动识别方法，其特征在于：在所述步骤
S311
中，具体处理过程如下：
S3111
：利用
ginput
函数确定所要框选范围两对角点的坐标和；
S3112
：根据和的像素点坐标值来计算出所框选部分的长宽大小；
S3113
：读取出原二值...

【专利技术属性】
技术研发人员：施贵刚，廖振修，高旭光，匡帅，赖开行，熊友俊，
申请(专利权)人：安徽建筑大学，
类型：发明
国别省市：