[发明专利]基于影像的桥梁裂缝检测与特征提取方法

摘要

本发明提供一种基于影像的桥梁裂缝检测与特征提取方法。所述一种基于影像的桥梁裂缝检测与特征提取方法包括如下步骤：步骤一、桥面图像采集；步骤二：图像预处理；步骤三、获取裂缝候选区；步骤四、裂缝区域增强；步骤五、特征提取；步骤六：裂缝结果提取。本发明的基于影像的桥梁裂缝检测与特征提取方法，基于桥梁表面图像，检测裂缝区域并提取描述特征，算法简单、高效，并且实验测试显示具有较高的精度。

主权项

1.一种基于影像的桥梁裂缝检测与特征提取方法，其特征在于，包括如下步骤：步骤一、桥面图像采集；步骤二：图像预处理：使用高斯平滑滤波，减弱图像中的噪声干扰，具体为：利用高斯平滑滤波，去除混凝土结构表面存在的孤立噪声点，同时保留好裂缝区域的结构；步骤三、获取裂缝候选区：利用基于图像清晰度的自适应形态学背景移除的方法，初步移除图像非裂缝区域，获取裂缝候选区域，具体为：利用灰度图像闭运算原理，并根据每张照片拍摄时成像的清晰程度，以及人的视觉裂缝生成原理，即沿着裂缝的光强度通常要比其他背景区域暗得多，并且裂缝的长度要远大于宽度的原理，自动地生成背景移除的系数，通过此方法获得图像背景，即非裂缝区域，从而获得初步的裂缝区域；所述形态学背景移除的方法包括如下步骤：步骤三一、通过形态学操作获取背景图像：利用人的视觉裂缝生成原理，即沿着裂缝的光强度通常要比其他背景区域暗得多，并且裂缝的长度要远大于宽度的原理，获取背景图像；步骤三二、自动生成背景移除系数：在0到1的补偿系数范围内自动生成适合的背景移除系数；所述步骤三二中，所述补偿系数与清晰度成反比选定，所述清晰度评价方法采用Tenen Grad清晰度评价方法，包括如下步骤：步骤三二一、确定梯度大小：根据水平梯度与垂直梯度平方和的算术平方根，确定梯度大小；步骤三二二、确定最终的清晰度评价值：根据预设的阈值，获得最终的清晰度评价值；步骤三三、获取图像背景：利用灰度图像闭运算原理，将图像的灰度值拉伸到0到255，再通过线性变换函数获得图像背景；步骤四、裂缝区域增强：利用灰度聚类的方法，进一步增强前一步的结果，然后使用局部自适应的二值化分割方法获得最终的裂缝区域；所述步骤四中的所述利用灰度聚类的方法为：利用裂缝区域颜色暗于背景区域，且裂缝区域之间差异性不大，以及聚类分析原理，对每个像素的灰度值与灰度聚类中心通过聚类函数进行比较，获取能量值高的灰度图像，进一步移除图像非裂缝区域，增强获取裂缝候选区域；具体包括如下步骤：步骤四一一、可靠区域的灰度值的集合：对图像进行全局二值分割，得到可靠区域范围，然后与原灰度图像进行求交集，在可靠区域范围内的灰度值被添加到集合中；步骤四一二、获取灰度聚类中心：通过裂缝候选区域中的可靠区域的灰度值的集合的算术平均值，获得灰度聚类中心；步骤四一三、图像灰度聚类值判断：通过对每个像素的灰度值与灰度聚类中心通过聚类函数进行比较，获取能量值高的灰度图像；所述步骤四中的所述局部自适应的二值化分割方法获得最终的裂缝区域具体包括如下步骤：步骤四二一、获取灰度级为阈值的类间方差：通过背景、目标部分的灰度均值及概率，获得灰度级为阈值的类间方差；步骤四二二、搜索最大类间方差确定分割阈值：在灰度级为0到最大灰度级的搜索空间内寻找最大类间方差，确定分割阈值；步骤四二三、确定每个像素值对应的分割阈值：根据统计局部灰度特征，根据图像中窗口的灰度均值，获得局部自适应阈值；步骤四二四、局部自适应二值分割获得最终裂缝区域：通过分割阈值及自适应阈值，使用全局与局部加权分割的方法，将全局与局部阈值结合，保留全局与局部的特征，达到较理想的分割，获得最终的裂缝区域；步骤五、特征提取：利用二值图像骨架化方法，提取裂缝区域的骨架特征，根据裂缝的连续性和平滑性的空间结构特征，优化骨架化结果；所述的利用二值图像骨架化方法，提取裂缝区域的骨架特征，具体为利用Guo‑Hall Thinning8‑邻域细化算法，生成二值图像区域的骨架结构线；所述的根据裂缝的连续性和平滑性的空间结构特征，优化骨架化结果，具体为：对区域细化处理后的由于裂缝区域上存在的孔隙或断裂，而破坏了原本具有良好邻接性和连通性的裂缝结构，对裂缝碎片进行二维拓扑关系分析，对关键点进行关键点连接，将邻近或具有良好连接性的裂缝碎片拼接在一起；步骤六：裂缝结果提取。