[发明专利]基于红外热像的外墙外保温系统缺陷识别与损伤程度评价方法

权利要求书

1.基于红外热像的外墙外保温系统缺陷识别与损伤程度评价方法，其特征在于：所述方法具体过程为：

步骤一、无人机采集建筑外墙的红外热像图，对采集的红外热像图进行图像去噪处理，然后将去噪处理后的图像转化为灰度图像，绘制灰度直方图；

步骤二、计算灰度图像中像素点的灰度梯度，然后进行非极大值抑制，最后进行阈值筛选，获得边缘检测二值图；

步骤三、运用轮廓提取算法提取边缘检测二值图的轮廓，完成轮廓提取；利用轮廓勾勒算法对提取的轮廓进行勾勒，得到轮廓提取及勾勒后的二值图；

步骤四、对轮廓提取及勾勒后的二值图进行阈值分割，将二值图缺陷和背景分割开；

步骤五，基于步骤四，计算缺陷面积和损伤程度。

2.根据权利要求1所述基于红外热像的外墙外保温系统缺陷识别与损伤程度评价方法，其特征在于：所述步骤一中无人机采集建筑外墙的红外热像图，对采集的红外热像图进行图像去噪处理，然后将去噪处理后的图像转化为灰度图像，绘制灰度直方图；具体过程为：

对采集的红外热像图采用高斯滤波进行图像去噪。

3.根据权利要求1或2所述基于红外热像的外墙外保温系统缺陷识别与损伤程度评价方法，其特征在于：所述步骤二中计算灰度图像中像素点的灰度梯度，然后进行非极大值抑制，最后进行阈值筛选，获得边缘检测二值图；具体过程为：

步骤二一、计算灰度图像中像素点的灰度梯度；

步骤二二、对步骤二一中求灰度梯度后的灰度图像中像素点进行非极大值抑制；

步骤二三、对步骤二二得到的灰度图像中像素点进行阈值筛选，获得边缘检测二值图。

4.根据权利要求3所述基于红外热像的外墙外保温系统缺陷识别与损伤程度评价方法，其特征在于：所述步骤二一中计算灰度图像中像素点的灰度梯度；具体过程为：

利用Sobel算子对去噪后的灰度图像在水平和垂直方向上进行滤波，获得各像素点x,y两个方向的一阶导数Gx，Gy，灰度图像中像素点的灰度梯度计算公式如下：

对上式进行简化，如下：

G＝G_X|+|G_Y|

式中，Gx，Gy分别为利用Sobel算子对去噪后的灰度图像在水平和垂直方向上进行滤波获取的x，y两个方向的一阶导数，x方向为平行于灰度图像矩阵行的方向，y方向为平行于灰度图像矩阵列的方向。

5.根据权利要求4所述基于红外热像的外墙外保温系统缺陷识别与损伤程度评价方法，其特征在于：所述步骤二三中对步骤二二得到的灰度图像中像素点进行阈值筛选，获得边缘检测二值图；具体过程为：

针对各像素点处的灰度梯度设置两个阈值，minValue和maxValue，将像素点分成了三部分；

灰度梯度大于maxValue的点必定是边缘点；

灰度梯度小于minValue的点必定是非边缘点；

而介于两者之间的点需要根据连通性判断，若与边缘点相连，则该点为边缘点，否则为非边缘点；

根据边缘点得到边缘检测二值图。

6.根据权利要求5所述基于红外热像的外墙外保温系统缺陷识别与损伤程度评价方法，其特征在于：所述步骤三中运用轮廓提取算法提取边缘检测二值图的轮廓，完成轮廓提取；利用轮廓勾勒算法对提取的轮廓进行勾勒，得到轮廓提取及勾勒后的二值图；具体过程为：

运用OpenCV中的轮廓提取算法findContours提取边缘检测二值图的轮廓，完成轮廓提取，利用OpenCV中的drawContours算法对提取的轮廓进行勾勒，得到轮廓提取及勾勒后的二值图。

7.根据权利要求6所述基于红外热像的外墙外保温系统缺陷识别与损伤程度评价方法，其特征在于：所述步骤四中对轮廓提取及勾勒后的二值图进行阈值分割，将二值图缺陷和背景分割开；具体过程为：

阈值分割二值图中各像素点的像素值计算公式如下：

式中，f(x,y)表示高斯去噪后的灰度图像中坐标为(x,y)的像素点的像素值，g(x,y)表示阈值分割后获得的二值图中坐标为(x,y)的像素点的像素值，T为阈值。

8.根据权利要求7所述基于红外热像的外墙外保温系统缺陷识别与损伤程度评价方法，其特征在于：所述步骤五中基于步骤四，计算缺陷面积和损伤程度；具体过程为：

统计缺陷对应的像素点数得到缺陷面积占比，即为损伤程度，根据实际面积可得缺陷面积，输出结果。