【技术实现步骤摘要】
本专利技术涉及图像处理，具体涉及基于图像处理的建筑工程质量检测方法。
技术介绍
1、为了保证建筑工程质量，常利用计算机视觉技术对多种类型的建筑工程质量缺陷进行检测，建筑工程质量缺陷的类型包括检测结构缺陷、表面裂缝、施工误差等；该方法可以通过自动化和数字化的手段快速、精确地识别潜在的质量问题，提高建筑工程的质量管理效率。但是对施工场地建筑质量进行检测时，采集环境中的太阳光线等会对检测设备造成影响，检测设备对施工现场进行图像数据的采集时，采集的图像可能会存在部分区域过曝或者过暗的问题，导致采集的图像显示质量较差，检测系统对较差显示质量的图像进行分析时结果可能存在偏差或者出现严重的分析错误，从而影响建筑工程质量的最终检测结果。
2、在建筑工程质量检测过程中，对于采集图像部分区域存在过曝或过暗影响图像显示质量的问题，现有的局部对比度增强算法可以很好地改善图像的视觉效果，该算法能够增加图像中像素的对比度，使得过暗或过曝的区域更加清晰可见。但是在该算法对采集的图像进行增强时，增强的增益参数则对图像的增强效果有着重要影响，较大的增益参数会产生更强的增益效果，增强对比度和细节，但可能导致过度增强损失细节，较小的增益参数则会减小增益效果，使得图像变得柔和，增强效果不够明显，导致建筑工程质量的检测结果不准确。
技术实现思路
1、本专利技术提供基于图像处理的建筑工程质量检测方法，以解决现有的问题。
2、本专利技术的基于图像处理的建筑工程质量检测方法采用如下技术方案：
4、获取建筑工程图像；
5、根据建筑工程图像得到灰度筛选序列；根据灰度筛选序列得到平均峰值距离；根据灰度筛选序列和平均峰值距离得到分块参数；根据分块参数将建筑工程图像分为若干个初始分块；
6、在建筑工程图像中，根据每个初始分块内像素点的梯度幅值，获得每个初始分块的背景类簇和内容类簇；根据每个初始分块的背景类簇和内容类簇，得到每个初始分块的初始增益参数；根据每个初始分块的初始增益参数对建筑工程图像进行增强，得到初始增强图像；
7、在初始增强图像中，根据分块参数将初始增强图像分为若干个第一分块；根据每个第一分块内像素点的梯度幅值，得到每个第一分块的背景特征类簇和内容特征类簇；根据每个第一分块的背景特征类簇和内容特征类簇以及建筑工程图像中每个初始分块的内容类簇，得到初始增益参数的修正系数；
8、根据初始增益参数的修正系数对建筑工程图像进行增强，得到最终增强图像；
9、根据最终增强图像，得到建筑工程质量检测的结果。
10、进一步地，所述根据建筑工程图像得到灰度筛选序列，包括的具体步骤如下：
11、获取建筑工程图像的灰度直方图，将灰度直方图中每个灰度级的像素点数量按照灰度级依次排列，得到建筑工程图像的灰度序列，将灰度序列中第一个元素值到第一个非零元素值的区间，以及最后一个非零元素值到最后一个元素值的区间内所有元素值从灰度序列中删除，得到灰度筛选序列。
12、进一步地，所述根据灰度筛选序列得到平均峰值距离，包括的具体步骤如下：
13、对于建筑工程图像的灰度筛选序列中的任意一个元素值，若所述元素值大于与其相邻的两个元素值，将所述元素值记为局部峰值；将每相邻两个局部峰值之间的距离分别记为一个峰值距离，计算所有峰值距离的平均值，记作平均峰值距离。
14、进一步地，所述根据灰度筛选序列和平均峰值距离得到分块参数，包括的具体计算方式如下：
15、
16、式中，为分块参数；表示平均峰值距离；表示灰度筛选序列的第i个元素值；表示灰度筛选序列中所有元素值的均值；表示灰度筛选序列中元素值的数量；表示以自然常数为底的指数函数；表示预设的分块调节参数；表示向上取整符号；表示绝对值函数。
17、进一步地，所述根据每个初始分块内像素点的梯度幅值，获得每个初始分块的背景类簇和内容类簇，包括的具体步骤如下：
18、对任意一个初始分块内的像素点进行聚类，距离度量采用像素点的梯度幅值之间的差值绝对值，得到该初始分块的两个类簇；计算每个类簇的像素点的梯度幅值的平均值，将梯度幅值的平均值最小的类簇记为该初始分块的背景类簇，梯度幅值的平均值最大的类簇记为该初始分块的内容类簇。
19、进一步地，所述根据每个初始分块的背景类簇和内容类簇，得到每个初始分块的初始增益参数，包括的具体计算方式如下：
20、
21、式中，为建筑工程图像中第个初始分块的初始增益参数；表示建筑工程图像中第个初始分块的内容类簇内所有像素点的梯度幅值的平均值；、分别表示建筑工程图像中第个初始分块的背景类簇内所有像素点的灰度值的平均值和内容类簇内所有像素点的灰度值的平均值；表示建筑工程图像中第个初始分块的背景类簇内所有像素点的梯度幅值的平均值和内容类簇内所有像素点的梯度幅值的平均值的差值绝对值；表示归一化函数；为预设的增益系数。
22、进一步地，所述根据每个初始分块的初始增益参数对建筑工程图像进行增强，得到初始增强图像，包括的具体步骤如下：
23、在建筑工程图像中，计算任意一个初始分块内所有像素点的灰度值的平均值，记为该初始分块的局部均值；将该初始分块内每个像素点的灰度值与所述局部均值的差值，记为每个像素点的局部对比度；计算任意一个像素点的局部对比度与该初始分块的初始增益参数的乘积，将所述乘积与所述局部均值的和值，记作该像素点的初始增强灰度值；
24、获取每个初始分块内每个像素点的初始增强灰度值；根据每个像素点的初始增强灰度值对建筑工程图像中每个像素点的灰度值进行替换，得到初始增强图像。
25、进一步地，所述根据每个第一分块的背景特征类簇和内容特征类簇以及建筑工程图像中每个初始分块的内容类簇，得到初始增益参数的修正系数，包括的具体计算方式如下：
26、
27、式中，表示初始增强图像中第个第一分块的初始增益参数的修正系数；表示初始增强图像中第个第一分块内的内容特征类簇中所有像素点的梯度幅值的均值；表示建筑工程图像中第个初始分块的内容类簇中所有像素点的梯度幅值的均值；、分别表示初始增强图像中第个第一分块内的背景特征类簇内所有像素点的灰度值的平均值以及内容特征类簇内所有像素点的灰度值的平均值；为以自然常数为底的指数函数；为绝对值函数。
28、进一步地，所述根据初始增益参数的修正系数对建筑工程图像进行增强，得到最终增强图像，包括的具体步骤如下：
29、在建筑工程图像中，计算每个像素点的局部对比度与像素点所在初始分块的最终增益参数的乘积，将该乘积与像素点所在初始分块的局部均值的和值，记作每个像素点的最终增强灰度值；
30、获取每个初始分块内每个像素点的最终增强灰度值；根据每个像素点的最终增强灰度值对建筑工程图像中每个像素点的灰度值进行替换，得本文档来自技高网...
【技术保护点】
1.基于图像处理的建筑工程质量检测方法，其特征在于，该方法包括以下步骤：
2.根据权利要求1所述基于图像处理的建筑工程质量检测方法，其特征在于，所述根据建筑工程图像得到灰度筛选序列，包括的具体步骤如下：
3.根据权利要求1所述基于图像处理的建筑工程质量检测方法，其特征在于，所述根据灰度筛选序列得到平均峰值距离，包括的具体步骤如下：
4.根据权利要求1所述基于图像处理的建筑工程质量检测方法，其特征在于，所述根据灰度筛选序列和平均峰值距离得到分块参数，包括的具体计算方式如下：
5.根据权利要求1所述基于图像处理的建筑工程质量检测方法，其特征在于，所述根据每个初始分块内像素点的梯度幅值，获得每个初始分块的背景类簇和内容类簇，包括的具体步骤如下：
6.根据权利要求1所述基于图像处理的建筑工程质量检测方法，其特征在于，所述根据每个初始分块的背景类簇和内容类簇，得到每个初始分块的初始增益参数，包括的具体计算方式如下：
7.根据权利要求1所述基于图像处理的建筑工程质量检测方法，其特征在于，所述根据每个初始分块的初始增益参数
8.根据权利要求1所述基于图像处理的建筑工程质量检测方法，其特征在于，所述根据每个第一分块的背景特征类簇和内容特征类簇以及建筑工程图像中每个初始分块的内容类簇，得到初始增益参数的修正系数，包括的具体计算方式如下：
9.根据权利要求7所述基于图像处理的建筑工程质量检测方法，其特征在于，所述根据初始增益参数的修正系数对建筑工程图像进行增强，得到最终增强图像，包括的具体步骤如下：
10.根据权利要求1所述基于图像处理的建筑工程质量检测方法，其特征在于，所述根据最终增强图像，得到建筑工程质量检测的结果，包括的具体步骤如下：
...【技术特征摘要】
1.基于图像处理的建筑工程质量检测方法，其特征在于，该方法包括以下步骤：
2.根据权利要求1所述基于图像处理的建筑工程质量检测方法，其特征在于，所述根据建筑工程图像得到灰度筛选序列，包括的具体步骤如下：
3.根据权利要求1所述基于图像处理的建筑工程质量检测方法，其特征在于，所述根据灰度筛选序列得到平均峰值距离，包括的具体步骤如下：
4.根据权利要求1所述基于图像处理的建筑工程质量检测方法，其特征在于，所述根据灰度筛选序列和平均峰值距离得到分块参数，包括的具体计算方式如下：
5.根据权利要求1所述基于图像处理的建筑工程质量检测方法，其特征在于，所述根据每个初始分块内像素点的梯度幅值，获得每个初始分块的背景类簇和内容类簇，包括的具体步骤如下：
6.根据权利要求1所述基于图像处理的建筑工程质量检测方法，其特征在于，所述根据每个初始分块的背景类簇...
【专利技术属性】
技术研发人员：林艳珍，高俊杰，邵兵键，罗卡，邵杨，王小林，陈建军，杜鹏辉，段宝娟，魏国昌，
申请(专利权)人：大连博讯科技有限公司，
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。