【技术实现步骤摘要】
本专利技术涉及图像增强，具体涉及一种基于计算机视觉的盾构机导向系统。
技术介绍
1、盾构机导向系统是一种用于控制盾构机在隧道开挖过程中的方向和位置的关键技术，它的精度和稳定性对于隧道工程的质量和安全性至关重要。因此，它通常需要使用先进的测量技术和控制算法。近年来，随着计算机视觉、ai等技术的发展，盾构机导向系统也在不断地进行升级和改进。
2、基于计算机视觉的盾构机导向系统是一个具有创新性的概念，它可以提高盾构机在隧道施工中的导向精度和效率，安装在盾构机上的摄像头或其它类型的图像采集设备用来捕获前方地质结构的实时图像，通过搭载的图形处理算法实现地面裂缝检测、围岩等级识别、地下水位判断等，并通过导向决策模块调整盾构机行进方案，然而，这样的技术也面临一些挑战和问题，图像采集设备需要能够在恶劣环境下稳定工作，计算机视觉算法需要有足够好的性能来处理复杂和模糊的地质图像。
3、传统窗口平滑滤波面对较大噪声的图像，在平滑图像噪声时，存在噪声干扰相似度计算过程，导致滤波权重不准确，图像被过度平滑，丢失图像信息，不能为盾构机行进提供准确的数据支持，影响隧道工程的质量和安全性。
技术实现思路
1、为了解决传统窗口平滑滤波算法对高噪声图像处理不够准确，影响盾构机行进方案的技术问题，本专利技术的目的在于提供一种基于计算机视觉的盾构机导向系统，所采用的技术方案具体如下：
2、图像采集模块：获取灰度地质图像；
3、图像降噪模块：获取所述灰度地质图像的超像素区域；
4、导向决策模块：识别所述去噪地质图像中的地质信息，调整盾构机行进方案。
5、进一步地，所述梯度幅值参数的获取方法包括：
6、利用图像分割算法将每个滑窗区域分为第一部分和第二部分，分析所述第一部分和所述第二部分内像素点数量、外接面积以及灰度值的差异，利用梯度幅值参数计算公式获取每个滑窗区域中心像素点的梯度幅值参数；
7、所述梯度幅值参数计算公式包括：；其中表示中心像素点序号；表示第个中心像素点的梯度幅值参数；表示第一部分像素点集合；表示第二部分像素点集合；表示第一部分像素点的序号；表示第二部分像素点的序号；表示第一部分像素点中第个像素点的灰度值；表示第二部分像素点中第个像素点的灰度值；表示第一部分像素点数量；表示第二部分像素点数量；表示第一部分像素点在滑窗区域内的最小外接面积；表示第二部分像素点在滑窗区域内的最小外接面积；表示以自然常数为底数的指数函数。
8、进一步地，所述平滑超像素区域的获取方法包括：
9、将所述梯度幅值参数大于预设阈值的中心像素点作为梯度像素点；根据每个所述梯度像素点的滑窗区域内其他像素点与梯度像素点的灰度值差异，结合对应的所述梯度幅值参数，获得每个梯度像素点的替换灰度值，从而对每个梯度像素点进行替换；对于所述梯度幅值参数小于等于预设阈值的其他中心像素点直接利用平滑滤波算法进行平滑处理，获得平滑超像素区域。
10、进一步地，所述梯度像素点的替换灰度值的获取方法包括：
11、将所述梯度像素点滑窗区域范围内灰度值小于梯度像素点灰度值的邻域像素点进行提取，并按照像素值进行由小到大的排序构建排序队列；利用映射函数筛选所提取的邻域像素点，进而获得梯度像素点的替换灰度值；
12、所述映射函数包括：；其中表示排序队列中像素点的序号；表示梯度像素点的灰度值；表示排序队列中第个邻域像素点的灰度值；表示沿着序列由小到大依次遍历至第h-1个邻域像素点时，已遍历的邻域像素点平均灰度值；表示第个邻域像素点的映射值；
13、取所有映射值中最小的邻域像素点的灰度值作为梯度像素点的替换灰度值。
14、进一步地，所述最优噪声估计值的获取方法包括：
15、根据所述初始噪声估计值获取每个超像素区域的噪声功率；根据平均灰度值最低的超像素区域与其他所有所述超像素区域的噪声功率的差异，获得第一目标子函数；根据所述初始噪声估计值的类别数量特征，第二目标子函数；将第一子函数与第二目标子函数相减作为目标函数；
16、增大初始噪声估计值，当所述目标函数最小时，获得每个像素点的最优噪声估计值。
17、进一步地，所述第一目标子函数包括：，其中表示超像素区域的数量；表示除去平均灰度值最低的超像素区域后的超像素区域序号；代表第个超像素区域初始噪声估计值的方差；表示第个超像素区域的面积；表示第个超像素区域的噪声功率；表示平均灰度值最低的超像素区域内初始噪声估计值的方差；表示平均灰度值最低的超像素区域的面积；表示平均灰度值最低的超像素区域的噪声功率。
18、进一步地，所述第二目标子函数的获取方法包括：
19、将所述初始噪声估计值数值相同的像素点作为一类初始噪声估计值；获得每类噪声估计值对应的像素点在所述灰度地质图像中的分布概率，将分布概率的峭度公式作为第二目标子函数；
20、所述峭度公式包括：；其中表示初始噪声估计值的类别的数量；表示初始噪声估计值的类别的序号；表示第类初始噪声估计值的分布概率；表示所有类初始噪声估计值分布概率的均值；表示所有类初始噪声估计值分布概率的标准差。
21、进一步地，所述去噪地质图像的获取方法包括：
22、获取每个像素点在所述平滑超像素区域对应的平滑图像的灰度梯度；获取滑窗区域内每个非中心像素点与中心像素点的均方误差；利用非中心像素点与中心像素点的灰度梯度差异对所述均方误差进行加权，获得加权均方误差；
23、将所述加权均方误差进行反比例归一化，获得滑窗区域内每个像素点的滤波平滑权重；根据所述滤波平滑权重利用平滑滤波算法获得去噪地质图像。
24、进一步地，所述识别所述去噪地质图像中的地质信息包括：裂缝信息、围岩等级和地下水位。
25、进一步地，所述预设阈值为0.45。
26、本专利技术具有如下有益效果：
27、首先获得更为容易处理的灰度地质图像，减少了图像处理分析所需要的计算资源，从而降低系统的决策延迟、提升系统的反应速度；进一步将灰度地质图像进行划分，便于根据不同的超像素区域进行分别处理，提高系统的准确性；进一步分析像素点的梯度特征，以获得最小平滑损失的平滑本文档来自技高网...
【技术保护点】
1.一种基于计算机视觉的盾构机导向系统，其特征在于，所述系统包括：
2.根据权利要求1中所述的一种基于计算机视觉的盾构机导向系统，其特征在于，所述梯度幅值参数的获取方法包括：
3.根据权利要求1中所述的一种基于计算机视觉的盾构机导向系统，其特征在于，所述平滑超像素区域的获取方法包括：
4.根据权利要求3中所述的一种基于计算机视觉的盾构机导向系统，其特征在于，所述梯度像素点的替换灰度值的获取方法包括：
5.根据权利要求1中所述的一种基于计算机视觉的盾构机导向系统，其特征在于，所述最优噪声估计值的获取方法包括：
6.根据权利要求5中所述的一种基于计算机视觉的盾构机导向系统，其特征在于，所述第一目标子函数包括：，其中表示超像素区域的数量；表示除去平均灰度值最低的超像素区域后的超像素区域序号；代表第个超像素区域初始噪声估计值的方差；表示第个超像素区域的面积；表示第个超像素区域的噪声功率；表示平均灰度值最低的超像素区域内初始噪声估计值的方差；表示平均灰度值最低的超像素区域的面积；表示平均灰度值最低的超像素区域的噪声功率。
<...【技术特征摘要】
1.一种基于计算机视觉的盾构机导向系统，其特征在于，所述系统包括：
2.根据权利要求1中所述的一种基于计算机视觉的盾构机导向系统，其特征在于，所述梯度幅值参数的获取方法包括：
3.根据权利要求1中所述的一种基于计算机视觉的盾构机导向系统，其特征在于，所述平滑超像素区域的获取方法包括：
4.根据权利要求3中所述的一种基于计算机视觉的盾构机导向系统，其特征在于，所述梯度像素点的替换灰度值的获取方法包括：
5.根据权利要求1中所述的一种基于计算机视觉的盾构机导向系统，其特征在于，所述最优噪声估计值的获取方法包括：
6.根据权利要求5中所述的一种基于计算机视觉的盾构机导向系统，其特征在于，所述第一目标子函数包括：，其中表示超像素区域的数量；表示除去平均灰度值最低的超像素区域后的超像素区域序...
【专利技术属性】
技术研发人员：庄奎斌，魏亚伟，张辉，胡开通，逄志明，
申请(专利权)人：山东拓新电气有限公司，
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。