【技术实现步骤摘要】
本专利技术涉及图像处理，更具体地说，涉及基于相位的桥梁拉索微小振动频率检测方法及系统。
技术介绍
1、随着城市化的迅速发展，桥梁作为城市基础设施的重要组成部分，其结构健康状态对公共安全至关重要。桥梁拉索作为桥梁结构的关键支撑元素，其微小振动频率的变化可作为评估桥梁结构健康的敏感指标。在桥梁监测领域，拉索振动频率检测是保证桥梁安全运行的关键环节之一。
2、目前，常用的拉索振动频率检测方法包括传统的加速度计、油压表、磁通量传感器、拉力计等传感器监测法以及微波雷达法、基于计算机视觉技术的视频监测法等。然而，自然激励下的拉索振动极其微小，拉索振动信号难以提取。
3、现有文献中提出了深度学习方法、增强特征点检测方法及拉索直线检测方法等。在相关技术中，例如中国专利文献cn110411686b提供了一种桥梁静动影像全息性态健康监测诊断方法，依据对历次监测数据的机器深度学习获得桥梁结构状态的变化规律；又例如中国专利文献cn114528887a提供了一种基于微小振动放大技术的桥梁监测方法，通过叠加放大的振动信号图像来监测桥梁状况。但是无法准确测量出自然激励下的拉索振动频率。
4、由上可知，现有技术存在一个严峻的问题，即在自然激励下，无法精准提取拉索的微小振动信号，从而导致拉索频率检测的失败。
技术实现思路
1、1.要解决的技术问题
2、针对现有技术中存在的无法准确提取拉索在自然激励下的微小振动而导致拉索频率检测失效的问题，本专利技术提供了基于相位的桥梁
3、2.技术方案
4、本专利技术的目的通过以下技术方案实现。
5、基于相位的桥梁拉索微小振动频率检测方法，包括以下步骤：
6、视频采集：拍摄检测对象的振动视频；
7、视频图像区域划分和预处理：对采集视频的帧图像进行划分和滤波处理；
8、图像相位信息提取：对划分和处理后的图像进行空间金字塔分解，获取图像的相位信息；
9、图像拉索相位增强：根据拉索相位和噪声相位在空间上的特征差异，设计一种将双边滤波和相位放大相结合的相位增强方法，增强拉索相位并减少噪声相位；
10、图像时域信号提取：根据获取的增强相位信息，通过基于振动分析方法计算每个子区域的时域信息，得到子区域时域振动信号；
11、子区域信号加权求和：根据每个子区域信号对拉索信号的贡献程度，设计一种最大贡献组合算法(mcc)，将每个子区域信号按照贡献程度分配不同的权重值，最后将所有子区域信号进行加权求和，合成拉索的时域振动信号；
12、信号频率计算：根据合成检测对象的时域振动信号计算出检测对象的频率值。
13、更进一步的，视频图像区域划分和预处理的具体步骤为，对每一帧视频图像的长和宽分别进行n和m等分，即分别分成n份和m份，其中m、n均为大于1的自然数；
14、定义aibj为位于第i行第j列的图像区域，其中i＝1…m，j＝1…n；
15、对每一个图像区域进行二维高斯滤波处理以去除相机电子成像引起的低频噪声，二维高斯函数g(x,y)表示为：
16、
17、σ是函数的标准差，(x,y)是图像坐标，e是自然常数。
18、更进一步的，图像相位信息提取的具体步骤为，对每一个图像区域进行空间金字塔分解，获取图像的相位信息，即将图像与不同尺度和方向的二维gabor函数进行卷积，即：
19、
20、其中：
21、
22、xθ＝xcosθ+ysinθ，yθ＝-xsinθ+ycosθ
23、g(x,y；λ,θ,ψ,σ,γ)为二维gabor函数，λ是波长，ψ是复指数函数的相移，γ是控制gabor函数形状的比例系数，θ是gabor函数的方向角，xθ和yθ为(x,y)旋转后的坐标，ξ和η是与时间相关的变量且分别为x、y的子集，i(x,y,t0)是图像像素(x,y)在时间t0的强度值，i′(x,y,t0)是金字塔分解后的强度值结果，可以看为像素点在t0时刻的相位值。
24、此时的相位信息中包含拉索的相位和噪声的相位，即：
25、i′(x,y,t0)＝i′(x,y,t0)c+i′(x,y,t0)n
26、其中i′(x,y,t0)c和i′(x,y,t0)n分别为拉索相位和噪声相位。为了增强拉索的相位，同时减少噪声的相位，我们将混合的相位信号进行双边滤波，即：
27、
28、其中，φω(x,t)为滤波后的相位，wp(x,t)为滤波器窗口中每个相位值的权值和，用于权值的归一化。gu和gr分别为相值相似权值和空间距离权值。在进行相位滤波后，拉索边缘处的相位信息被选择性地保护，而边缘远端与噪声相关的相位干扰则会被抑制。也就是说i′(x,y,t0)c保持不变，而i′(x,y,t0)n减弱。φω(x,t)包含着运动信息，通过计算两帧之间的相位差可以获取运动变化信息，其中两帧的相位差为:
29、φω(x,t)dif＝φω(x,t)-φω(x,0)
30、φω(x,0)为t＝0时的相位值。然后我们通过在相位差信号φω(x,t)dif上赋予一个放大因子α，来增强相位差信号，即：
31、φω(x,t)mag＝α·φω(x,t)dif
32、φω(x,t)mag为增强后的拉索相位。
33、更进一步的，图像子区域时域信号提取的具体步骤为，在相位空间得到增强后的图像相位信息后，利用基于视频相位的振动分析方法提取图像子区域的时域振动信号：
34、y(t)＝{y1(t),y2(t),y3(t)…ys(t)}
35、ys(t)表示图像中第s(s∈1,2,…,aibj)区域的时域振动信号。传统信号处理方法是将所有区域的时域振动信号进行平均加权求和的方式，即所有区域都赋予相同的权重值，然后求和得到最终的目标信号。由于每个区域中的振动信号对拉索的信号贡献程度不一样，平均加权方式不能最大程度去除噪声和增强目标信号，所以本专利技术设计了一种最大贡献组合算法(mcc)，将每个子区域信号按照对拉索信号贡献程度分配不同的权重值，最后将所有子区域信号进行加权求和，合成拉索的时域振动信号。
36、更进一步的，每个子区域的时域信号可以表示为拉索信号和噪声信号的组合，即：
37、ys(t)＝ks·r(t)+ns(t)
38、ks为拉索信号r(t)在区域s中的贡献权重，ns(t)为区域s中的噪声信号。ys(t)可以看作是接收相同拉索期望信号t(t)的具有不同强度的不同通道信号，并且具有不同的噪声水平。然后，我们使用贡献加权求和来组合所有这些不同的通道信号。
39、
40、其中，r′(t)为加权求和后，最终目标信号的估计信号。as本文档来自技高网...
【技术保护点】
1.一种基于相位的桥梁拉索微小振动频率检测方法，包括以下步骤：
2.根据权利要求1所述的一种基于相位的桥梁拉索微小振动频率检测方法，其特征在于，视频图像区域划分和预处理的具体步骤为，对每一帧视频图像的长和宽分别进行n和m等分，即分别分成n份和m份，其中m、n均为大于1的自然数；
3.根据权利要求1所述的一种基于相位的桥梁拉索微小振动频率检测方法，其特征在于，图像相位信息提取的具体步骤为，对每一个图像区域进行空间金字塔分解，获取图像的相位信息，即将图像与不同尺度和方向的二维Gabor函数进行卷积，即：
4.根据权利要求3所述的一种基于相位的桥梁拉索微小振动频率检测方法，其特征在于，获取增强后的拉索相位的方法为：
5.根据权利要求4所述的一种基于相位的桥梁拉索微小振动频率检测方法，其特征在于，图像子区域时域信号提取的具体步骤为，在相位空间得到增强后的图像相位信息后，利用基于视频相位的振动分析方法提取图像子区域的时域振动信号：
6.根据权利要求5所述的一种基于相位的桥梁拉索微小振动频率检测方法，其特征在于，每个子区域的时域信号
7.根据权利要求6所述的一种基于相位的桥梁拉索微小振动频率检测方法，其特征在于，权重As定义为主振动频率范围内信号ys(t)的PSDYi(f)与频带[cHz,dHz]内噪声的PSD之比，即：
8.根据权利要求7所述的一种基于相位的桥梁拉索微小振动频率检测方法，其特征在于，剔除所有幅度大于阈值ath的区域，最后一组视频图像序列的拉索信号合成的时域振动信号r(t)的公式变为:
9.一种基于权利要求1-8任一项所述的基于相位的桥梁拉索微小振动频率检测方法的系统，其特征在于，包括：
...【技术特征摘要】
1.一种基于相位的桥梁拉索微小振动频率检测方法，包括以下步骤：
2.根据权利要求1所述的一种基于相位的桥梁拉索微小振动频率检测方法，其特征在于，视频图像区域划分和预处理的具体步骤为，对每一帧视频图像的长和宽分别进行n和m等分，即分别分成n份和m份，其中m、n均为大于1的自然数；
3.根据权利要求1所述的一种基于相位的桥梁拉索微小振动频率检测方法，其特征在于，图像相位信息提取的具体步骤为，对每一个图像区域进行空间金字塔分解，获取图像的相位信息，即将图像与不同尺度和方向的二维gabor函数进行卷积，即：
4.根据权利要求3所述的一种基于相位的桥梁拉索微小振动频率检测方法，其特征在于，获取增强后的拉索相位的方法为：
5.根据权利要求4所述的一种基于相位的桥梁拉索微小振动频率检测方法，其特征在于，图像子区域时域信号提取的具体步...
【专利技术属性】
技术研发人员：杨学志，张刚，臧宗迪，徐钦，葛正宇，
申请(专利权)人：合肥工业大学，
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。