[发明专利]基于局部统计特征的桥梁拉索图像外观缺陷检测方法

说明书

本发明公开了一种基于局部统计特征的桥梁拉索图像外观缺陷检测方法，包括输入爬索机器人视频数据，对视频数据进行动态解码获得连续帧图像作为采样帧；根据视频基本信息设置采样间隔，对采样帧进行采样提取图像帧；对图像帧进行灰度化处理；根据灰度图像的大小，对灰度图像中的图像区域进行分块；对各个图像块进行统计特征提取，并计算各统计特征的相关系数，选取相关系数大的统计特征组成特征向量组；利用特征向量组进行疑似缺陷图像提取；采用数学形态学与大津法结合的图像分割算法对疑似缺陷图像进行分割，获得桥梁拉索外观缺陷图像等步骤。其显著效果是：减少了数据量，提高了检测效率；具有较高的检测精度。

技术领域

本发明涉及到数字图像处理技术领域，具体涉及一种基于局部统计特征的桥梁拉索图像外观缺陷检测方法。

背景技术

桥梁拉索外观缺陷检测是桥梁安全控制和管理的一个关键环节。随着我国公路交通发展迅速，桥梁承受的交变荷载越来越繁重，当前桥梁拉索的使用现状并不乐观，在已建成的拉索桥梁中，大部份拉索存在着不同程度的病害并且日益严重恶化。因此，对拉索的安全检测和防护，关系到桥梁的使用寿命和使用质量甚至人民群众的生命财产安全，成为了一项急待解决的重要课题。

现目前图像处理技术有了飞速发展，机器视觉已经在工业表面检测领域得到了越来越多的广泛应用，以计算机视觉代替人工操作可以提高检测速度，降低劳动成本，大大提高工作效率。在目前对于桥梁拉索外观检测当中，大多数都是直接基于视频的每一帧图像进行处理，这样费时费力，造成很多的资源浪费，同时也有一些针对视频帧图像的改进，根据视频质量、拍摄方式、摄像头参数等设置合理的采样间隔提取视频帧，这样也能从一定程度上减少数据量，但是仍然不够高效。

因此，如果将采集到的视频帧基于一定的准则进行特征提取，再进行一次过滤达到压缩数据量预检测的效果是我们所希望的。基于此，现目前就有根据采样图像直方图来预检测的方法，而在工程实际中，一般来说缺陷区域的灰度值相对于背景像素来说是要低一些的，因此，相对正常的图像灰度直方图，含有缺陷图像灰度直方图中除了由背景像素灰度值组成的正态分布外，还有若干低灰度值的小波峰，这是由于缺陷所占的像素数相对较少，而且分布不集中。将得到的图像灰度化然后再通过直方图的差异来判别种方式容易受到噪声(光照、动态背景、成像设备的误差)的干扰，而直方图本身仅仅考虑的是图像全局特征，缺陷区域只占一幅图像中的一小部分，往往会“被平均”，同时也不能很好的兼顾图像像素点之间的位置信息。

发明内容

针对现有技术图像处理过程中数据量庞大，效率低下以及处理过程中实时性响应缓慢等问题，本发明的目的是提供一种基于局部统计特征的桥梁拉索图像外观缺陷检测方法，该方法能够实现对桥梁拉索缺陷快速有效的检测，并具有较高的检测精度。

为达到上述目的，本发明采用的技术方案如下：

一种基于局部统计特征的桥梁拉索图像外观缺陷检测方法，其关键在于包括以下步骤：

步骤1，采样帧获取：输入爬索机器人视频数据，对视频数据进行动态解码获得连续帧图像作为采样帧；

步骤2，提取图像帧：根据视频基本信息设置采样间隔，对采样帧进行采样提取图像帧；

步骤3，图像灰度化：对图像帧进行灰度化处理；

步骤4，图像分块处理：根据灰度图像的大小，对灰度图像中的图像区域进行分块；

步骤5，块统计特征提取：对各个图像块进行统计特征提取，并计算各统计特征的相关系数，选取相关系数大的统计特征组成特征向量组；

步骤6，特征阈值筛选：利用特征向量组进行疑似缺陷图像提取；

步骤7，形态学大津法分割处理：采用数学形态学与大津法结合的图像分割算法对疑似缺陷图像进行分割，获得桥梁拉索外观缺陷图像。