[发明专利]一种基于图像处理的墙体裂缝智能识别方法

摘要

一种基于图像处理的墙体裂缝智能识别方法，包括：通过CCD摄像机获取墙体图像信号；把墙体裂缝区域的灰度拉伸；构建墙体裂缝图像尺度空间，对拉伸后的墙体裂缝图像进行尺度变换，获取墙体裂缝图像多尺度空间的表示序列；关键点选取；统计关键点领域梯度的方向，最大值表示领域梯度的主方向，形成特征向量；利用弱学习算法对墙体裂缝图像训练集进行训练；经T次循环后将会得到T个墙体裂缝弱分类器，最终按更新的权重叠加到一起得到墙体裂缝强分类器，利用墙体裂缝强分类器对墙体裂缝进行智能识别。本发明大大降低了图像数据冗余度，显著的提高了墙体裂缝图像识别的准确率，降低了墙体图像计算冗余度，提高了计算效率，能够做到实时识别，在计算速度以及实时性方面大大增强，提高了识别效率。

主权项

1.一种基于图像处理的墙体裂缝智能识别方法，其特征在于，通过CCD摄像机获取墙体图像信号；把墙体裂缝区域的灰度拉伸到[c,d]范围中，则分段拉伸变换公式：其中，f(x,y)为墙体裂缝图像在位置(x，y)的灰度值，变换范围用[0,M_f]表示，M_g表示墙体图像的最小灰度级，M_f表示墙体图像的最大灰度级，而墙体裂缝区域的灰度范围为[a,b]；构建墙体裂缝图像尺度空间，对拉伸后的墙体裂缝图像进行尺度变换，获取墙体裂缝图像多尺度空间的表示序列；关键点选取，对墙体裂缝图像进行局部极值点检测，通过比较像素点和它的相邻点的灰度值大小获取极值点，然后，再比较相邻尺度域内像素点的灰度值大小检测极值点；对以上步骤获取的关键点计算其局部领域内的梯度和方向分布，通过计算为每个关键点确定一个方向，关键点的梯度模值m(x,y)和方向θ(x,y)的求解公式如下：θ(x，y)＝tan^‑1((L(x，y+1)‑L(x，y‑1))/L(x+1，y)‑L(x‑1，y)))上式中L代表关键点所在尺度空间的尺度，通过调节参数σ的大小实现对关键点所在尺度窗口内方向直方图的加权，距离关键点越近的像素点方向贡献越大，直方图加权值大小用R表示为：统计关键点领域梯度的方向，最大值表示领域梯度的主方向，即把主方向作为关键点的方向；计算墙体裂缝图像中关键点局部领域内梯度方向，用位置、尺度、方向三个属性对关键点进行描述，最后用特征向量表示墙体裂缝图像；利用弱学习算法对墙体裂缝图像训练集进行训练，(X1，Y1)，(X2，Y2)，...，(XM，YM)，其中，XM∈X，X代表墙体裂缝图像特征向量，Y表示包含墙体裂缝或不包括墙体裂缝，YM∈Y＝{+1，‑1}，初始化时，将墙体裂缝训练集指定分配1/M，即每个墙体裂缝训练样本的权重都是1/M，然后，用弱学习算法进行T次迭代，经T次循环后将会得到T个墙体裂缝弱分类器，最终按更新的权重叠加到一起得到墙体裂缝强分类器，利用墙体裂缝强分类器对墙体裂缝进行智能识别。