发明内容
本发明的目的是提供一种隧道墙体的渗水检测方法及装置,能够在隧道中实现渗水检测时达到较低的误判率。
为了实现上述目的,本发明提供如下技术方案:
一种隧道墙体的渗水检测方法,包括:
采集预设量的存在渗水的图像及不存在渗水的图像作为样本图像;
基于所述样本图像进行中值背景建模得到对应的中值图像,并基于所述中值图像及对应的所述样本图像计算出前景图像;
提取所述前景图像的轮廓,并基于提取出的轮廓筛选出样本对象,所述样本对象包括标注为渗水的正样本及标注为未渗水的负样本;
基于所述正样本及所述负样本的轮廓及对应标注训练分类器,并利用训练得到的分类器基于获取的待检测图像的轮廓得到该待检测图像中是否存在渗水的分类结果。
优选的,基于所述样本图像进行中值背景建模得到对应的中值图像,包括:
按照下列公式基于所述样本图像进行中值背景建模得到对应中值图像:
B=MEDIAN (I)
其中,I表示所述样本图像,B表示对应的中值图像,MEDIAN表示I中每个像素计算对应的中值。
优选的,基于所述中值图像及对应的所述样本图像计算出前景图像,包括:
按照下列公式基于所述中值图像及对应所述样本图像计算出前景图像:
D=(|I-B|>θ)
其中,D为对应的前景图像,θ为预先设定的正数阈值,(|I-B|>θ)表示将I中每个像素的值和B中对应位置的像素的值进行作差运算,得到的差的绝对值如果大于θ,则D中对应位置的像素的值置为1,否则,则D中对应位置的像素的值置为0。
优选的,基于所述正样本及所述负样本的轮廓及对应标注训练分类器,包括:
使用支持向量机基于所述正样本及所述负样本的轮廓及对应标注训练分类器。
优选的,获取所述待检测图像,包括:
利用补光灯照射需要被检测的区域,并由需要被检测的区域中获取待检测图像。
一种隧道墙体的渗水检测装置,包括:
样本图像采集模块,用于:采集预设量的存在渗水的图像及不存在渗水的图像作为样本图像;
样本图像处理模块,用于:基于所述样本图像进行中值背景建模得到对应的中值图像,并基于所述中值图像及对应的所述样本图像计算出前景图像;
样本对象确定模块,用于:提取所述前景图像的轮廓,并基于提取出的轮廓筛选出样本对象,所述样本对象包括标注为渗水的正样本及标注为未渗水的负样本;
训练模块,用于:基于所述正样本及所述负样本的轮廓及对应标注训练分类器;
分类模块,用于:利用训练得到的分类器基于获取的待检测图像的轮廓得到该待检测图像中是否存在渗水的分类结果。
优选的,所述样本图像处理模块包括:
中值背景建模单元,用于:按照下列公式基于所述样本图像进行中值背景建模得到对应中值图像:
B=MEDIAN (I)
其中,I表示所述样本图像,B表示对应的中值图像,MEDIAN表示I中每个像素计算对应的中值。
优选的,所述样本图像处理模块包括:
前景图像计算模块,用于:按照下列公式基于所述中值图像及对应所述样本图像计算出前景图像:
D=(|I-B|>θ)
其中,D为对应的前景图像,θ为预先设定的正数阈值,(|I-B|>θ)表示将I中每个像素的值和B中对应位置的像素的值进行作差运算,得到的差的绝对值如果大于θ,则D中对应位置的像素的值置为1,否则,则D中对应位置的像素的值置为0。
优选的,训练模块包括:
训练单元,用于:使用支持向量机基于所述正样本及所述负样本的轮廓及对应标注训练分类器。
优选的,还包括:
待检测图像获取模块,用于:利用补光灯照射需要被检测的区域,并由需要被检测的区域中获取待检测图像。
本发明提供了一种隧道墙体的渗水检测方法及装置,其中该方法包括:采集预设量的存在渗水的图像及不存在渗水的图像作为样本图像;基于所述样本图像进行中值背景建模得到对应的中值图像,并基于所述中值图像及对应的所述样本图像计算出前景图像;提取所述前景图像的轮廓,并基于提取出的轮廓筛选出样本对象,所述样本对象包括标注为渗水的正样本及标注为未渗水的负样本;使用支持向量机基于所述正样本及所述负样本的轮廓及对应标注训练分类器及对应标注训练分类器,并利用训练得到的分类器基于获取的待检测图像的轮廓得到该待检测图像中是否存在渗水的分类结果。本发明实施例提供的上述技术方案中,首先获取存在渗水的图像及不存在渗水的图像作为样本图像,然后通过中值背景建模、前景图像计算等对样本图像进行处理弱化其背景并使得其存在的渗水突出,进而提取对应轮廓以得到标注为渗水的正样本及标注为未渗水的负样本实现分类器的训练,最后利用该分类器实现待检测图像的分类,从而保证了分类器的分类精度,进而降低了渗水检测的误判率。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
请参阅图1,其示出了本发明实施例提供的一种隧道墙体的渗水检测方法的流程图,可以包括:
S11:采集预设量的存在渗水的图像及不存在渗水的图像作为样本图像。
需要说明的是,本发明实施例提供的一种隧道墙体的渗水检测方法的执行主语可以为对应的渗水检测装置,而该渗水检测装置可以集成于挂轨机器人上,从而通过挂轨机器人实现对应渗水检测过程。其中预设量可以由工作人员预先根据实际需要设定,一般情况下预设量越大,即包含的样本图像越多,对应训练出的分类器分类精度越高。具体来说,渗水检测装置可以通过自动调整用于实现图像采集的摄像装置的焦距及云台从而实现样本图像的采集,保证采集到的样本图像的清晰度。另外本申请中的样本图像及待检测图像均可以为颜色图像。
S12:基于样本图像进行中值背景建模得到对应的中值图像,并基于中值图像及对应的样本图像计算出前景图像。
基于样本图像进行中值背景建模得到对应的中值图像,并基于中值图像得出对应前景图像,能够使得突出渗水情况对应的区域。
S13:提取前景图像的轮廓,并基于提取出的轮廓筛选出样本对象,样本对象包括标注为渗水的正样本及标注为未渗水的负样本。
其中,可以使用canny算法提取前景图像的边缘,并根据现有技术中进行二值化的实现原理对前景图像进行二值化,使得提取的边缘对应像素值(本申请中像素值均为像素的值的简写)为1、其他部分对应像素值为0;对提取到的边缘压缩其包含的水平部分、垂直部分和斜的部分,也就是只保留其终点部分,比如一个矩形的边缘,仅保留其四个顶点,最后得到的一系列链表即为前景图像的轮廓(上述得到轮廓的过程可参照现有技术中对应技术方案的实现原理)。计算每个前景图像对应链表内包含的像素个数即为该前景图像对应轮廓的面积,该面积小于预先设定的阈值的轮廓为负样本,该面积不小于阈值的为正样本。
S14:基于正样本及负样本的轮廓及对应标注训练分类器,并利用训练得到的分类器基于获取的待检测图像的轮廓得到该待检测图像中是否存在渗水的分类结果。
基于正样本、负样本的轮廓及对应标注实现分类器的训练后,能够将待检测图像的轮廓作为分类器的输入,使得分类器输出待检测图像中是否存在渗水的分类结果。本申请中利用分类器实现待检测图像的分类步骤可以循环多次,即只要出现待检测图像就可按照对应步骤实现待检测图像中是否存在渗水的分类。需要说明的是,得到待检测图像对应轮廓特征的过程可以与本申请中对样本图像进行处理得到对应轮廓特征的过程相同,区别仅仅在于待检测图像得到的轮廓特征不具有表示其是否存在渗水的标注。
本发明实施例提供的上述技术方案中,首先获取存在渗水的图像及不存在渗水的图像作为样本图像,然后通过中值背景建模、前景图像计算等对样本图像进行处理弱化其背景并使得其存在的渗水突出,进而提取对应轮廓以得到标注为渗水的正样本及标注为未渗水的负样本实现分类器的训练,最后利用该分类器实现待检测图像的分类,从而保证了分类器的分类精度,进而降低了渗水检测的误判率。
本发明实施例提供的一种隧道墙体的渗水检测方法,基于样本图像进行中值背景建模得到对应的中值图像,可以包括:
按照下列公式基于样本图像进行中值背景建模得到对应中值图像:
B=MEDIAN (I)
其中,I表示样本图像,B表示对应的中值图像,MEDIAN表示对样本图像I中每个像素计算对应的中值,从而由这些中值构成中值图像B,该中值图像B可以表示样本图像I在一定时间段的稳定像素值图像,有利于样本图像的精确的特征提取。
本发明实施例提供的一种隧道墙体的渗水检测方法,基于中值图像及对应的样本图像计算出前景图像,可以包括:
按照下列公式基于中值图像及对应样本图像计算出前景图像,即渗水或异物(其中异物包括如塑料袋、树枝、废弃工具等垃圾物品):
D=(|I-B|>θ)
其中,I为样本图像,B为对应的中值图像,D为对应的前景图像,θ为预先设定的正数阈值。由此得到的前景图像中,如果前景图像的像素值均为0,则认为其没有渗水或异物,否则则认为其有渗水或异物,从而通过前景图像的分析可以初步进行是否存在渗水的检测。具体来说,(|I-B|>θ)实现的过程即为:将I和B中对应位置的像素进行作差运算,所得差的绝对值如果大于阈值θ,则将D中此位置的像素值置为1,否则,则将D中此位置的像素置为0,以此类推,遍历所有的像素位置,得到完整的D。其中I和B中对应位置的像素具体可以理解为:由于B是由I得到的,因此这两者具有映射关系,I上的任一位置均在B上均具有对应的位置。
本发明实施例提供的一种隧道墙体的渗水检测方法,基于正样本及负样本的轮廓及对应标注训练分类器,包括:
使用支持向量机基于正样本及负样本的轮廓及对应标注训练分类器。
需要说明的是,本申请中可以使用支持向量机实现分类器的训练,保证了训练过程的简便有效。当然还可以根据实际需要进行其他设定,均在本发明的保护范围之内。
本发明实施例提供的一种隧道墙体的渗水检测方法,获取待检测图像,可以包括:
利用补光灯照射需要被检测的区域,并由需要被检测的区域中获取待检测图像。
本申请中可以设置有补光灯,如果需要被检测的区域较暗,则可以自动开启补光灯,利用补光灯实现光照补给,从而保证了获取的待检测图像的清晰度,进而保证了待检测图像的分类精确度。另外在采集样本图像时也可以利用补光灯实现光照补给后再采集对应样本图像,保证样本图像清晰、进一步保证分类器的分类精度。
本发明实施例还提供了一种隧道墙体的渗水检测装置,如图2所示,可以包括:
样本图像采集模块11,用于:采集预设量的存在渗水的图像及不存在渗水的图像作为样本图像;
样本图像处理模块12,用于:基于样本图像进行中值背景建模得到对应的中值图像,并基于中值图像及对应的样本图像计算出前景图像;
样本对象确定模块13,用于:提取前景图像的轮廓,并基于提取出的轮廓筛选出样本对象,样本对象包括标注为渗水的正样本及标注为未渗水的负样本;
训练模块14,用于:基于所述正样本及所述负样本的轮廓及对应标注训练分类器;
分类模块15,用于:利用训练得到的分类器基于获取的待检测图像的轮廓得到该待检测图像中是否存在渗水的分类结果。
本发明实施例提供的一种隧道墙体的渗水检测装置,样本图像处理模块可以包括:
中值背景建模单元,用于:按照下列公式基于样本图像进行中值背景建模得到对应中值图像:
B=MEDIAN (I)
其中,I表示所述样本图像,B表示对应的中值图像,MEDIAN表示I中每个像素计算对应的中值。
本发明实施例提供的一种隧道墙体的渗水检测装置,样本图像处理模块可以包括:
前景图像计算模块,用于:按照下列公式基于中值图像及对应样本图像计算出前景图像:
D=(|I-B|>θ)
其中,D为对应的前景图像,θ为预先设定的正数阈值,(|I-B|>θ)表示将I中每个像素的值和B中对应位置的像素的值进行作差运算,得到的差的绝对值如果大于θ,则D中对应位置的像素的值置为1,否则,则D中对应位置的像素的值置为0。
本发明实施例提供的一种隧道墙体的渗水检测装置,训练模块可以包括:
训练单元,用于:使用支持向量机基于正样本及负样本的轮廓及对应标注训练分类器。
本发明实施例提供的一种隧道墙体的渗水检测装置,还可以包括:
待检测图像获取模块,用于:利用补光灯照射需要被检测的区域,并由需要被检测的区域中获取待检测图像。
本发明实施例提供的一种隧道墙体的渗水检测装置中相关部分的说明请参见本发明实施例提供的一种隧道墙体的渗水检测方法中对应部分的详细说明,在此不再赘述。另外本发明实施例提供的上述技术方案中与现有技术中对应技术方案实现原理一致的部分并未详细说明,以免过多赘述。
对所公开的实施例的上述说明,使本领域技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。