[发明专利]一种基于openCV的水库大坝裂缝检测方法

说明书

本发明提供了一种基于openCV的水库大坝裂缝检测方法，包括：对水库大坝图像小波去噪得到去噪后的水库大坝图像；对去噪后的水库大坝图像进行图像增强处理得到待训练样本；利用openCV对待训练样本进行训练得到大坝裂缝检测模型；利用大坝裂缝检测模型检测水库大坝图像中的裂缝位置；将检测后的水库大坝图像转换成深度图像；根据深度图像确定水库大坝上的裂缝长度。本发明通过对水库大坝图像进行去噪和增强处理得到待训练样本，然后基于openCV对其进行训练得到裂缝检测模型，可以让检测人员远离危险的水库大坝墙面，在安全处操作图像采集装置即可对整个水库大坝墙面进行裂纹检测，不仅消除了安全隐患，还提高了检测效率。

技术领域

本发明涉及大坝裂缝检测领域，特别是涉及一种基于openCV的水库大坝裂缝检测方法。

背景技术

在我国，水库大坝的数量庞大，相当大一部分都是土石坝，鉴于外界诸多方面因素的不利影响，使得大坝存在不同程度的裂缝和渗漏问题，一旦裂缝出现，极容易引发渗漏问题，影响水库的正常使用，也会对水库下游的生产和生活造成威胁。水库大坝产生裂缝后，外界环境对混凝土的影响比如风化、腐蚀、溶蚀等经裂缝进入到大坝内部，不停对其加以破坏，直至大坝彻底崩溃，危害巨大。

目前对水库大坝裂缝的检测，一般是专业人员采用裂缝测深仪和裂缝测宽仪定期去大坝上检测，然后来判断裂缝的危险等级。但是，大坝一般都有倾斜度，使用人工对水库大坝裂缝进行检测不仅危险还容易出现漏判、误判的现象。

发明内容

为了克服现有技术的不足，本发明的目的是提供一种基于openCV的水库大坝裂缝检测方法。

为实现上述目的，本发明提供了如下方案：

一种基于openCV的水库大坝裂缝检测方法，包括：

获取水库大坝图像；

对所述水库大坝图像进行小波分解得到多个小波系数；

根据水库大坝图像的大小构建小波阈值；

根据小波阈值去除水库大坝图像的噪声得到去噪后的水库大坝图像；

对所述去噪后的水库大坝图像进行图像增强处理得到待训练样本；

利用openCV对所述待训练样本进行训练得到大坝裂缝检测模型；

将水库大坝图像输入到所述大坝裂缝检测模型中进行检测得到水库大坝图像中的裂缝位置；

将检测后的水库大坝图像转换成深度图像；

根据所述深度图像确定水库大坝上的裂缝长度。

优选的，所述根据水库大坝图像的大小构建小波阈值，包括：

采用公式：

λ＝σ[2log(M×N)]^1/2/(2L-1)

构建小波阈值；其中，λ表示小波阈值，σ表示高斯噪声的方差，M表示水库大坝图像的长度，N表示水库大坝图像的宽度，L表示水库大坝图像的分解尺度。

优选的，所述根据小波阈值去除水库大坝图像的噪声得到去噪后的水库大坝图像，包括：

根据小波阈值构建小波阈值函数；所述小波阈值函数为：

其中，w_ij为小波系数，sign为符号函数，λ₀＝0.4λ，λ表示小波阈值，a为自调节参数；

利用所述小波阈值函数去除相应的小波系数得到去噪后的小波系数；

对所述去噪后的小波系数进行重构得到去噪后的水库大坝图像。