[发明专利]一种基于反向稀疏表示的混凝土裂缝检测方法有效
申请号: | 201810428186.9 | 申请日: | 2018-05-07 |
公开(公告)号: | CN108764301B | 公开(公告)日: | 2019-11-26 |
发明(设计)人: | 王保宪;张全乐;赵维刚;王哲;张宇峰 | 申请(专利权)人: | 石家庄铁道大学 |
主分类号: | G06K9/62 | 分类号: | G06K9/62;G06K9/46;G06T7/00;G06T7/136 |
代理公司: | 13120 石家庄国为知识产权事务所 | 代理人: | 米文智<国际申请>=<国际公布>=<进入 |
地址: | 050000 河*** | 国省代码: | 河北;13 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 混凝土裂缝 稀疏 预处理 检测 待检测图像 稀疏表示 系数矩阵 特征集 图像块 构建 裂缝 字典 图像处理技术 预设样本库 检测结果 检测图像 裂缝区域 识别率 预设 申请 | ||
1.一种基于反向稀疏表示的混凝土裂缝检测方法,其特征在于,包括:
从预设样本库中获取预设数量的混凝土裂缝图像块,利用所述混凝土裂缝图像块构建裂缝特征集;
对待检测图像进行预处理,并利用预处理后的待检测图像构建稀疏字典;
计算所述裂缝特征集在所述稀疏字典中的稀疏相关系数矩阵,并根据计算出的稀疏相关系数矩阵确定所述待检测图像中的裂缝区域,获得检测结果;
其中,所述预设样本库中的混凝土裂缝图像块均为包含裂缝区域的图像块;
所述从预设样本库中获取预设数量的混凝土裂缝图像块,利用所述混凝土裂缝图像块构建裂缝特征集包括:
基于离散余弦变换,分别对所述预设数量的混凝土裂缝图像块进行特征提取,获得预设数量的样本特征,利用提取出的预设数量的样本特征构建裂缝特征集;
所述离散余弦变换为14维DCT,其中,第1维和第2维分别是图像块灰度均值和标准差,第9维到第14维特征是按照第3维到第8维的DCT步骤提取的转置后图像块的特征。
2.如权利要求1所述的基于反向稀疏表示的混凝土裂缝检测方法,其特征在于,所述对待检测图像进行预处理,并利用预处理后的待检测图像构建稀疏字典,包括:
将所述待检测图像转换成灰度图像;
对所述灰度图像进行分割,获得N个大小相等的且不重叠的灰度图像块;
基于离散余弦变换,分别对N个灰度图像块进行特征提取,获得待检测特征;
利用提取出的待检测特征构建稀疏字典。
3.如权利要求1所述的基于反向稀疏表示的混凝土裂缝检测方法,其特征在于,所述计算所述裂缝特征集在所述稀疏字典中的稀疏相关系数矩阵,包括:
式中,A为所述裂缝特征集,Y为所述稀疏字典,C为稀疏相关系数矩阵,λ为惩罚因子,ψ(C)为非光滑凸函数,1T表示一个全1矩阵的转置。
4.如权利要求2所述的基于反向稀疏表示的混凝土裂缝检测方法,其特征在于,在计算所述裂缝特征集在所述稀疏字典中的稀疏相关系数矩阵之后,还包括:
通过对所述稀疏相关系数矩阵进行列累加,得到累加矩阵,其中,W为所述累加矩阵,Si为所述累加矩阵中的第i个元素,Cij为所述稀疏相关系数矩阵中第i行第j列的元素,n为所述灰度图像块的个数;
计算所述累加矩阵的标准差和均值,根据所述标准差和均值计算分割阈值,并根据所述分割阈值对所述累加矩阵进行分割,得到分割结果;
所述根据计算出的稀疏相关系数矩阵确定所述待检测图像中的裂缝区域,获得检测结果包括:
根据所述分割结果确定所述待检测图像中的裂缝区域,获得检测结果。
5.如权利要求4所述的基于反向稀疏表示的混凝土裂缝检测方法,其特征在于,所述根据所述标准差和均值计算分割阈值包括:
μ+3σ
式中,μ为所述累加矩阵的均值,σ为所述累加矩阵的标准差。
6.如权利要求4所述的基于反向稀疏表示的混凝土裂缝检测方法,其特征在于,所述根据所述分割结果确定所述待检测图像中的裂缝区域,包括:
根据所述分割结果,分别计算所述待检测图像中每个连通区域的面积;
若所述连通区域的面积小于预设阈值,则判定所述连通区域为非裂缝区域;
若所述连通区域的面积大于或等于预设阈值,则判定所述连通区域为裂缝区域。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于石家庄铁道大学,未经石家庄铁道大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201810428186.9/1.html,转载请声明来源钻瓜专利网。