CN111948215B - 基于光学成像的水下构筑物探伤方法 - Google Patents
基于光学成像的水下构筑物探伤方法 Download PDFInfo
- Publication number
- CN111948215B CN111948215B CN202010799539.3A CN202010799539A CN111948215B CN 111948215 B CN111948215 B CN 111948215B CN 202010799539 A CN202010799539 A CN 202010799539A CN 111948215 B CN111948215 B CN 111948215B
- Authority
- CN
- China
- Prior art keywords
- optical information
- underwater structure
- underwater
- wavelength optical
- point
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本发明公开了一种基于光学成像的水下构筑物探伤方法,通过分析水下光学成像获得的光谱信息,提取并融合多类型特征,发现并检测水下构筑物表面缺陷位置的方法。提取水下构筑物光学成像信息的谱间方差特征、长波长光学信息局部特征、短波长光学信息全局特征,综合获取水下构筑物表面缺陷与水下构筑物本体之间的距离及表观差异,耦合形成水下构筑物缺陷的高级特征图。通过特征图计算以实现水下构筑物探伤。本发明能够在不进行成像增强和恢复的条件下,有效提取并辨识水下构筑物表面缺陷特征,从而实现准确稳定的水下构筑物探伤。
Description
技术领域
本发明涉及水下构筑物监测方法,尤其涉及一种基于光学成像的水下构筑物探伤方法。
背景技术
水下构筑物表面缺陷是威胁水工构筑物运行安全的主要因素之一,具有隐蔽性和多样性。光学成像法探伤是近年来发展起来的先进技术,相比较声学法等其他技术手段,具有分辨率高、信息丰富等诸多优势。然而,限于江河湖库水体的高浑浊性,光学成像法在施测于水工构筑物时面临着强衰减,影响水下构筑物探伤的成效。针对这一问题,现有技术思路试图恢复或增强原始场景信息,以真实体现水下构筑物表面缺陷。然而,已有的研究成果业已证明,由于水下光学环境的时空多变性,成像恢复和增强技术的推广性较低,难以获得稳定的探伤结果。
发明内容
发明目的:针对浑浊水体对水下光学成像检测过程的影响,本发明的目的是提供一种快速、准确、稳定的基于光学成像的水下构筑物探伤方法。
技术方案:一种基于光学成像的水下构筑物探伤方法,包括如下内容:
(1)根据成像光线在传播过程中的衰减性,综合考虑缺陷与水下构筑物表面之间的距离和表观差异,提取水下光学信息的谱间方差特征、长波长光学信息局部特征和短波长光学信息全局特征,以所述水下光学信息的谱间方差特征表征缺陷与水下构筑物表面之间的距离差异,以所述长波长光学信息局部特征表征水下构筑物表面缺陷的边缘形态,以所述短波长光学信息全局特征表征水下构筑物表面缺陷的区域形态;
(2)计算所述水下光学信息的谱间方差特征、长波长光学信息局部特征和短波长光学信息全局特征的耦合系数,以耦合系数构建水下构筑物表面缺陷的高级特征,并形成高级特征图;
(3)通过对高级特征图的阈值分割实现水下构筑物探伤。
进一步的,提取所述水下光学信息的谱间方差特征的具体步骤为:
计算水下构筑物场景中每个点的红、绿、蓝光谱信道强度的方差:
其中,v(x)为水下构筑物场景中x点处的水下光学信息的谱间方差特征,Ir(x)为x点处红色信道光强度,Ig(x)为x点处绿色信道光强度,Ib(x)为x点处蓝色信道光强度。
进一步的,提取所述长波长光学信息局部特征的具体步骤为:
提取水下构筑物场景中长波长信息,建立滑动窗,以单像素为步长,滑动扫描整个构筑物表面;
计算每个滑动窗区域内长波长信息强度最大值与最小值的差:
其中,g(χ)为长波长光学信息局部特征,χ为滑动窗的中心点,Ωχ为以χ为中心点的滑动窗,y为该滑动窗区域中的点,IL(y)为y点上长波长信息强度值;扫描窗滑动整个构筑物图景。
进一步的,提取所述短波长光学信息全局特征的具体步骤为:
提取水下构筑物场景中短波长信息,计算短波长信息的全局对比度:
其中,c(x)为x点处短波长光学信息全局特征,Is(x)为x点处短波长光学信息,Is(y)为y点处短波长光学信息,Is为水下构筑物场景短波长光学信息。
更进一步的,计算所述水下光学信息的谱间方差特征、长波长光学信息局部特征和短波长光学信息全局特征的耦合系数的具体步骤为:
F=cor(V,G)×cor(V,C)×cor(C,G)
其中,F为耦合系数,cor()为特征图间相似性计算,V、G、C分别为由水下光学信息的谱间方差特征、长波长光学信息局部特征、短波长光学信息全局特征所构成的特征图。
有益效果:和现有技术相比,本发明具有如下显著效果:能够在不进行成像增强和恢复的条件下,有效提取并辨识水下构筑物表面缺陷特征,从而实现准确稳定的水下构筑物探伤。
附图说明
图1为基于光学成像的水下构筑物探伤方法流程。
具体实施方式
不同于大气环境中的光学成像,水下成像光线在传播过程中会发生严重的光谱选择性衰减。具体而言,随着光线传播距离的延伸,长波长的光线面临的衰减性最强,短波长光线的衰减性最弱。在此情况下,会形成三种现象:
(1)成像距离越远,不同波段间的强度差异逐渐增加,形成了光谱谱间强度差异。
(2)成像距离越远,长波长信息强度衰减程度逐渐增加,形成了不同距离条件下前度差异。
(3)短波长光学信息的衰减性最弱,短波长信息能够较好表征水下构筑物表面缺陷,形成了显著的全局差异。
鉴于缺陷与构筑物表面之间的距离差异,上述三种现象为基于光学成像的水下构筑物探伤提供了一种有价值的线索。
下面结合附图1和具体实施,进一步阐明本发明的技术方案。
一种基于光学成像的水下构筑物探伤方法,包括如下步骤:
步骤一、提取光学成像过程红、绿、蓝三个光谱信道特征;根据成像光线在传播过程中的衰减性,综合考虑缺陷与水下构筑物表面之间的距离和表观差异,提取如下三种特征:①水下光学信息的谱间方差特征、②长波长光学信息局部特征、③短波长光学信息全局特征。其中,水下光学信息的谱间方差特征能够表征缺陷与水下构筑物表面之间的距离差异,长波长光学信息局部特征能够表征水下构筑物表面缺陷的边缘形态,短波长光学信息全局特征能够表征水下构筑物表面缺陷的区域形态。
①水下光学信息的谱间方差特征提取:计算水下构筑物场景中每个点x红、绿、蓝光谱信道强度的方差:
其中,v(x)为x点处水下光学信息的谱间方差,Ir(x)为红色信道的强度,Ig(x)为绿色信道的强度,Ib(x)为蓝色信道的强度。
②长波长光学信息局部特征:提取水下构筑物场景中长波长信息,建立滑动窗(典型窗口大小3×3),以单像素为步长,滑动扫描整个构筑物表面计算每个滑动窗区域内长波长信息强度最大值与最小值的差:
其中,g(χ)为长波长光学信息局部特征,χ为滑动窗的中心点,Ωχ为以χ为中心点的滑动窗,y为该滑动窗区域中的点,IL(y)为y点上长波长信息强度值;扫描窗滑动整个构筑物图景。
③短波长光学信息全局特征:提取水下构筑物场景中短波长信息,计算短波长信息的全局对比度:
其中,c(x)为x点处短波长光学信息全局特征,Is(x)为x点处短波长光学信息,Is(y)为环境中任意一点处光强度,I为水下构筑物场景;
步骤二、计算三种特征的耦合系数,将耦合系数作为水下构筑物表面缺陷的高级特征,并形成高级特征图,通过对特征图的阈值分割实现水下构筑物探伤。
三种特征的耦合系数为:
F=cor(V,G)×cor(V,C)×cor(C,G)
其中,F为耦合系数,cor()为特征图间相似性计算,V、G、C分别为由v(x)、g(x)、c(x)所构成的特征图。
步骤三、对由F构成的高级特征图进行阈值滤波:
其中,T为阈值滤波器的阈值,本发明采用OTSU方法计算得到,典型值T=0.72;
Claims (6)
1.一种基于光学成像的水下构筑物探伤方法,其特征在于,包括如下内容:
(1)提取光学成像过程红、绿、蓝三个光谱信道特征;提取水下光学信息的谱间方差特征、长波长光学信息局部特征和短波长光学信息全局特征,以所述水下光学信息的谱间方差特征表征缺陷与水下构筑物表面之间的距离差异,以所述长波长光学信息局部特征表征水下构筑物表面缺陷的边缘形态,以所述短波长光学信息全局特征表征水下构筑物表面缺陷的区域形态;
(2)计算所述水下光学信息的谱间方差特征、长波长光学信息局部特征和短波长光学信息全局特征的耦合系数,以耦合系数构建水下构筑物表面缺陷的高级特征,并形成高级特征图;
(3)通过对高级特征图的阈值分割实现水下构筑物探伤。
5.根据权利要求1所述的一种基于光学成像的水下构筑物探伤方法,其特征在于,计算所述水下光学信息的谱间方差特征、长波长光学信息局部特征和短波长光学信息全局特征的耦合系数的具体步骤为:
F=cor(V,G)×cor(V,C)×cor(C,G)
其中,F为耦合系数,cor()为特征图间相似性计算,V、G、C分别为由水下光学信息的谱间方差特征、长波长光学信息局部特征、短波长光学信息全局特征所构成的特征图。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010799539.3A CN111948215B (zh) | 2020-08-11 | 2020-08-11 | 基于光学成像的水下构筑物探伤方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010799539.3A CN111948215B (zh) | 2020-08-11 | 2020-08-11 | 基于光学成像的水下构筑物探伤方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111948215A CN111948215A (zh) | 2020-11-17 |
CN111948215B true CN111948215B (zh) | 2021-07-16 |
Family
ID=73332868
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010799539.3A Active CN111948215B (zh) | 2020-08-11 | 2020-08-11 | 基于光学成像的水下构筑物探伤方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111948215B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116630225B (zh) * | 2023-03-13 | 2024-05-14 | 中铁大桥局集团有限公司 | 一种铁路桥梁水下基础损伤识别方法、装置以及处理设备 |
CN117053852B (zh) * | 2023-10-11 | 2024-01-12 | 中交第一航务工程局有限公司 | 一种水下结构的光学测量矫正方法及系统 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106981053A (zh) * | 2017-03-02 | 2017-07-25 | 天津大学 | 一种基于加权融合的水下图像增强方法 |
CN106909925B (zh) * | 2017-03-03 | 2020-04-03 | 河海大学 | 一种水下图像目标检测方法 |
CN107239780A (zh) * | 2017-04-29 | 2017-10-10 | 安徽慧视金瞳科技有限公司 | 一种多特征融合的图像匹配方法 |
CN109584192B (zh) * | 2018-10-19 | 2021-05-25 | 中国人民解放军海军工程大学 | 基于多光谱融合的目标特征增强方法、装置与电子设备 |
-
2020
- 2020-08-11 CN CN202010799539.3A patent/CN111948215B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN111948215A (zh) | 2020-11-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111948215B (zh) | 基于光学成像的水下构筑物探伤方法 | |
CN109785285B (zh) | 一种基于椭圆特征拟合的绝缘子破损检测方法 | |
CN104616268A (zh) | 一种基于湍流模型的水下图像复原方法 | |
WO2018076138A1 (zh) | 基于大尺度高分辨率高光谱图像的目标探测方法及装置 | |
CN110310238B (zh) | 一种基于重用原始信息的压缩奖惩神经网络的单幅图像去雨方法 | |
CN110838117B (zh) | 一种基于孔壁图像的岩石面孔隙度识别方法 | |
CN109034026B (zh) | 一种遥感影像中水陆区域的红树林提取方法及系统 | |
CN105205792A (zh) | 一种基于亮度色度分离的水下图像增强方法 | |
CN111862143A (zh) | 一种河堤坍塌自动监测方法 | |
CN113538559B (zh) | 一种基于高光谱遥感影像的近海养殖筏提取指数的提取方法 | |
CN106875407B (zh) | 一种结合形态学和标记控制的无人机影像林冠分割方法 | |
CN112200787A (zh) | 光学遥感影像的云检测方法、存储介质及系统 | |
CN112070688A (zh) | 一种基于上下文引导生成对抗网络的单幅图像去雾方法 | |
CN114724045A (zh) | 一种濒陆浅海水下地形反演方法 | |
CN113887324A (zh) | 基于卫星遥感数据的火点检测方法 | |
WO2019184269A1 (zh) | 基于Landsat8含雪影像的云检测方法 | |
CN116758049A (zh) | 一种基于主被动卫星遥感的城市洪涝立体监测方法 | |
Elhabiby et al. | Second generation curvelet transforms Vs Wavelet transforms and Canny edge detector for edge detection from worldview-2 data | |
CN109118450A (zh) | 一种沙尘天气条件下的低质图像增强方法 | |
CN109741337B (zh) | 基于Lab色彩空间的区域合并分水岭彩色遥感影像分割方法 | |
CN105139034A (zh) | 一种结合光谱滤除的船舶检测方法 | |
CN116645593B (zh) | 监测海草床分布的遥感方法、装置 | |
CN106355613B (zh) | 基于最小二乘拟合迭代自动提取十字图形中心的方法 | |
CN108985307B (zh) | 一种基于遥感影像的水体提取方法及系统 | |
CN103632373A (zh) | 一种三帧差分高阶统计量结合otsu算法的絮体检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |