[发明专利]一种基于RBPNN的钢筋混凝土桥梁裂缝分类识别方法

权利要求书

1.一种基于RBPNN的钢筋混凝土桥梁裂缝分类识别方法，其特征在于，首先建立径向基概率神经网络模型并进行训练；采集桥梁底面裂缝图像视频信息，将图像以桥台和桥墩划分区域并完成图像拼接；然后对图像进行预处理，按区域建立直角坐标系；利用最小外接矩形框选裂缝图像，在每个区域内提取单个裂缝坐标信息；将处理好的图片经径向基概率神经网络分类后得出该裂缝类型信息，区分不同类型的桥梁裂缝并建立桥梁裂缝信息统计表，与桥梁检测结果统计对比得出新增裂缝率，完成裂缝分类识别。

2.根据权利要求1所述的一种基于RBPNN的钢筋混凝土桥梁裂缝分类识别方法，其特征在于，径向基概率神经网络模型包括输入层、第一隐层、第二隐层和输出层；

输入层：输入层有3个节点，分别取单个裂缝边缘点组成的最大斜率K、角点个数n、单个裂缝的分布密度d作为输入量；

第一隐层：计算第i个节点对应的输出z_i，选取高斯核函数确定第一隐层；

第二隐层：按照类别对第一隐层节点进行有选择的连接得到第二隐层，第二隐层的连接权值为1，计算得到第二隐层的第p个节点的输出u_p；

输出层：对第二隐层节点输出进行线性组合得到输出层，由于需对横向裂缝、纵向裂缝、斜向裂缝和不规则裂缝进行分类，输出层取4个节点，计算得到输出层第k个节点的输出y_k。

3.根据权利要求2所述的一种基于RBPNN的钢筋混凝土桥梁裂缝分类识别方法，其特征在于，最大斜率K计算如下：

其中，y_max为单个裂缝边缘点纵坐标最大值，y_min为单个裂缝边缘点纵坐标最小值，x_max为单个裂缝边缘点横坐标最大值，x_min为单个裂缝边缘点横坐标最小值；

单个裂缝的分布密度d可用Harris角点检测计算如下：

其中，B为裂缝的二值化图像，i,j为图像中各像素点。

4.根据权利要求2所述的一种基于RBPNN的钢筋混凝土桥梁裂缝分类识别方法，其特征在于，第i个节点对应的输出z_i的计算公式为：

z_i＝K(||x-c_i||,σ)

其中，i＝1,2,...,n₁，n₁是第一隐层的节点的个数；c_i为隐中心矢量；σ为核函数控制参数；||·||表示x与c_i之间的距离；K(·)为节点的传输函数，选取高斯核函数具体计算公式如下：

其中，j＝1,2,...,n₁。

5.根据权利要求2所述的一种基于RBPNN的钢筋混凝土桥梁裂缝分类识别方法，其特征在于，第二隐层的第p个节点的输出u_p计算公式为：

其中，q＝1,2,…n₂，n₂为第二隐层的节点个数，H_p为第二隐层的第p个节点与第一隐层所对应的隐中心矢量的个数。

6.根据权利要求2所述的一种基于RBPNN的钢筋混凝土桥梁裂缝分类识别方法，其特征在于，第k个节点的输出y_k计算公式为：

其中，k＝1,2,3,4，w_j为输出层与第二隐层的连接权值。

7.根据权利要求1所述的一种基于RBPNN的钢筋混凝土桥梁裂缝分类识别方法，其特征在于，按区域建立直角坐标系具体步骤如下：

首先用加权平均法将RGB图像转换为灰度图像；然后利用线性灰度变换进行灰度修正，计算变换后图像像素灰度值g(x,y)；再用全局阈值分割方法对降噪的图像进行分割，利用面形态学方法删除噪声点；预处理完成后，在区域Q₁，Q₂，...，Q_n单独建立直角坐标系。