CN113096121B - 基于交叉断裂力学和图像处理的路面裂缝检测方法和系统 - Google Patents
基于交叉断裂力学和图像处理的路面裂缝检测方法和系统 Download PDFInfo
- Publication number
- CN113096121B CN113096121B CN202110489865.9A CN202110489865A CN113096121B CN 113096121 B CN113096121 B CN 113096121B CN 202110489865 A CN202110489865 A CN 202110489865A CN 113096121 B CN113096121 B CN 113096121B
- Authority
- CN
- China
- Prior art keywords
- crack
- image
- line
- endpoint
- skeleton image
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 130
- 238000012545 processing Methods 0.000 title claims abstract description 65
- 238000004364 calculation method Methods 0.000 claims abstract description 9
- 238000000034 method Methods 0.000 claims description 53
- 230000008569 process Effects 0.000 claims description 27
- 238000005452 bending Methods 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 10
- 238000010586 diagram Methods 0.000 description 16
- 238000004891 communication Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 238000011160 research Methods 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 3
- 230000007547 defect Effects 0.000 description 3
- 239000003086 colorant Substances 0.000 description 2
- 238000006073 displacement reaction Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000010191 image analysis Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 238000003672 processing method Methods 0.000 description 2
- 238000009958 sewing Methods 0.000 description 2
- 241001270131 Agaricus moelleri Species 0.000 description 1
- 244000025254 Cannabis sativa Species 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000012804 iterative process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/13—Architectural design, e.g. computer-aided architectural design [CAAD] related to design of buildings, bridges, landscapes, production plants or roads
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/90—Dynamic range modification of images or parts thereof
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30132—Masonry; Concrete
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- Computer Hardware Design (AREA)
- Mathematical Optimization (AREA)
- General Engineering & Computer Science (AREA)
- Structural Engineering (AREA)
- Mathematical Analysis (AREA)
- Civil Engineering (AREA)
- Pure & Applied Mathematics (AREA)
- Evolutionary Computation (AREA)
- Computational Mathematics (AREA)
- Architecture (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明提供的路面裂缝检测方法及系统,包括:将路面裂缝图像转换成二值裂缝图像;对其进行细线化处理,以获取初始裂缝骨架图像;对其进行短间隙缝合处理,以获取第一裂缝骨架图像;去除其中的分支线条,以获取第二裂缝骨架图像;对其进行长间隙缝合处理,以获取第三裂缝骨架图像;基于断裂力学检测方法,采用应力强度计算方法,根据第三裂缝骨架图像中的每条线条的多元有效信息的计算结果,输出裂缝检测结果。本发明提供的路面裂缝检测方法及系统,首次将断裂力学应用到图像处理中,能够同时兼顾二值图像中裂缝线条的直线长度、相对梯度等参数变量,进而能够有效地减少误检率和过检率,为学科交叉在线状目标的检测中开辟了新思路。
Description
技术领域
本发明涉及图像处理断裂力学技术领域,尤其涉及一种基于交叉断裂力学和图像处理的路面裂缝检测方法和系统。
背景技术
在公路路面裂缝检测技术中,虽然对于路面裂缝图像的处理研究已经开展多年了,但一直没有规范且统一的系统或算法,究其原因,除了道面裂缝太复杂之外,主要在于以下几点:
其一,现有技术中所记载的各种类型的裂缝提取算法仅仅局限于图像处理及图像分析的理论技术框架里,而并未涉及如何将图像处理及图像分析于实际的路面裂缝检测相结合,可能这是一个主要束缚因素;其二,没有充分利用路面裂缝图像中的多元有效信息及学科交叉的作用。
有鉴于此,亟需突破有的研究局限性,基于学科交叉开发出新的研发思路,以克服当前路面裂缝检测存在的误检率高、检测效率低、检测实施难度大等缺陷。
发明内容
针对现有技术存在的误检率高、检测效率低、检测实施难度大等缺陷,本发明实施例提供一种路面裂缝检测方法及系统,通过将断裂力学应用到图像处理中,能够同时兼顾二值图像中裂缝线条的绝对长度及宽度系数、线条的长度以及梯度、灰度及裂缝弯曲综合系数等多元有效信息,进而能够有效地减少误检率和过检率,为学科交叉在线状目标的检测中开辟了新思路。
本发明提供一种路面裂缝检测方法,包括:将待检测的路面裂缝图像转换成二值裂缝图像;对所述二值裂缝图像进行细线化处理,以获取初始裂缝骨架图像;对所述初始裂缝骨架图像进行短间隙缝合处理,以获取第一裂缝骨架图像;去除所述第一裂缝骨架图像中的分支线条,以获取第二裂缝骨架图像;对所述第二裂缝骨架图像进行长间隙缝合处理,以获取第三裂缝骨架图像;基于断裂力学检测方法,根据所述第三裂缝骨架图像中每条线条的多元有效信息对每条线条进行应力强度计算,以获取每条线条的应力强度值;根据每条线条的应力强度值确定每条线条的真伪性,以输出与所述路面裂缝图像相对应的裂缝检测结果。所述多元有效信息,包括线条的绝对长度及宽度系数、线条的长度以及梯度、灰度及裂缝弯曲综合系数。
根据本发明提供的一种路面裂缝检测方法,在获取初始裂缝骨架图像之后,还包括:确定所述初始裂缝骨架图像中的所有线条、每条所述线条的端点以及所有线条中交叉点,并确定每个端点的角度。
根据本发明提供的一种路面裂缝检测方法,在确定所述初始裂缝骨架图像中的所有线条、每条所述线条的端点以及所有线条中的交叉点之后,对所述初始裂缝骨架图像进行短间隙缝合处理,包括:针对所述初始裂缝骨架图像中的任一端点,若在预设范围内存在其它端点,则获取每个所述其它端点与所述任一端点之间的端点间距离;在所述端点间距离小于第一长度阈值的情况下,将所述端点间距离最小的一个其它端点与所述任一端点相连接进行短间隙缝合;遍历所有端点,直至完成对所述初始裂缝骨架图像中所有短间隙的缝合。
根据本发明提供的一种路面裂缝检测方法,所述确定每个端点的角度,包括:将所有端点中的任一端点作为目标端点;从所述目标端点开始,对在所述目标端点所在的线条回溯n个像素点;统计所述n个像素点的X轴坐标平均值和Y轴坐标平均值,以根据所述X轴坐标平均值和所述Y轴坐标平均值,确定所述目标端点的角度;遍历所有端点,以获取每个端点的角度。
根据本发明提供的一种路面裂缝检测方法,在从所述目标端点开始,对在所述目标端点所在的线条回溯n个像素点的过程中,若存在另一端点,则根据回溯短线条中的所有像素点的X轴坐标平均值和Y轴坐标平均值,确定所述目标端点和所述另一端点的角度;若所述目标端点为孤立端点,则确定所述目标端点的角度为0。
根据本发明提供的一种路面裂缝检测方法,对所述第二裂缝骨架图像进行长间隙缝合处理,包括:针对所述第二裂缝骨架图像中的任一端点,若在预设范围内存在其它端点,则获取每个所述其它端点与所述任一端点之间的距离和端点间角度差;在所述端点间距离小于第三长度阈值,且所述端点间角度差小于第一角度阈值的情况下,将所述端点间距离最小的一个其它端点与所述任一端点相连接进行长间隙缝合;遍历所有端点,直至完成对所述初始裂缝骨架图像中所有长间隙的缝合。
根据本发明提供的一种路面裂缝检测方法,在所述多元有效信息,包括线条的绝对长度及宽度系数、线条的长度以及梯度、灰度及裂缝弯曲综合系数的情况下,所述基于断裂力学检测方法,根据所述第三裂缝骨架图像中每条线条的多元有效信息对每条线条进行应力强度计算的计算公式为:
T=cσ√a=(100β)(Mav/(Gav+1))√ba;
其中,T为线条两个端点处的应力强度值;c为线条的绝对长度及宽度系数;σ为梯度、灰度及裂缝弯曲综合系数;a为线条的长度的一半;β为图像中边缘像素占图像的百分比;Mav为线条的平均灰度值;Gav为线条的平均梯度幅度值;b为二值裂缝图像的缩放比例系数。
本发明还提供一种路面裂缝检测系统,包括:第一图像处理单元,用于将待检测的路面裂缝图像转换成二值裂缝图像;第二图像处理单元,用于对所述二值裂缝图像进行细线化处理,以获取初始裂缝骨架图像;第三图像处理单元,用于对所述初始裂缝骨架图像进行短间隙缝合处理,以获取第一裂缝骨架图像;第四图像处理单元,用于去除所述第一裂缝骨架图像中的分支线条,以获取第二裂缝骨架图像;第五图像处理单元,用于对所述第二裂缝骨架图像进行长间隙缝合处理,以获取第三裂缝骨架图像;检测运算处理单元,基于断裂力学检测方法,根据所述第三裂缝骨架图像中每条线条的多元有效信息对每条线条进行应力强度计算,以获取每条线条的应力强度值;检测结果输出单元用于根据每条线条的应力强度值确定每条线条的真伪性,以输出与所述路面裂缝图像相对应的裂缝检测结果。
还提供一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如上述任一种所述路面裂缝检测方法的步骤。
本发明还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现如上述任一种所述路面裂缝检测方法的步骤。
本发明提供的路面裂缝检测方法及系统,首次将断裂力学应用到图像处理中,能够同时兼顾二值图像中裂缝线条的直线长度、相对梯度等参数变量,进而能够有效地减少误检率和过检率,为学科交叉在线状目标的检测中开辟了新思路。
附图说明
为了更清楚地说明本发明或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍,显而易见,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明提供的路面裂缝检测方法的流程示意图;
图2是本发明提供的一种二值裂缝图像的示意图;
图3是本发明提供的一种初始裂缝骨架图像的示意图;
图4是本发明提供的一种第一裂缝骨架图像的示意图;
图5是本发明提供的一种第三裂缝骨架图像的示意图;
图6是本发明提供的一种裂缝谷点图的示意图;
图7是本发明提供的另一种初始裂缝骨架图像的示意图;
图8是本发明提供的另一种第三裂缝骨架图像;
图9是本发明提供的路面裂缝检测系统的结构示意图;
图10是本发明提供的电子设备的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合本发明中的附图,对本发明中的技术方案进行清楚、完整地描述,显然,所描述的实施例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作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。
需要说明的是,在本发明实施例的描述中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。术语“上”、“下”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。对于本领域的普通技术人员而言,可以根据具体情况理解上述术语在本发明中的具体含义。
下面结合图1-图10描述本发明实施例所提供的路面裂缝检测方法和系统。
图1是本发明提供的路面裂缝检测方法的流程示意图,如图1所示,包括但不限于以下步骤:
步骤S101:将待检测的路面裂缝图像转换成二值裂缝图像;
步骤S102:对二值裂缝图像进行细线化处理,以获取初始裂缝骨架图像;
步骤S103:对初始裂缝骨架图像进行短间隙缝合处理,以获取第一裂缝骨架图像;
步骤S104:去除第一裂缝骨架图像中的分支线条,以获取第二裂缝骨架图像;
步骤S105:对第二裂缝骨架图像进行长间隙缝合处理,以获取第三裂缝骨架图像;
步骤S106:基于断裂力学检测方法,根据第三裂缝骨架图像中每条线条的多元有效信息对每条线条进行应力强度计算,以获取每条线条的应力强度值;
步骤S107,根据每条线条的应力强度值确定每条线条的真伪性,以输出与路面裂缝图像相对应的裂缝检测结果。
需要说明的是,本发明提供的路面裂缝检测方法可以运行于计算机系统中,即执行主体可以视为运行于计算机系统的路面裂缝检测模块。
拍摄包含待检测路面的图像,并采用图像预处理方法,从中裁剪出待检测的路面裂缝图像。其中,上述图像预处理可以包括旋转、裁剪、归一化、去除图像中噪点等处理,对此本发明不作具体地限定。
在图像处理中,图像的二值化能使图像中的数据量大为减少,从而能凸显出目标的轮廓。为了准确的提取出路面裂缝图像中的裂缝信息,步骤S101在获取到待检测的路面裂缝图像之后,对其进行全局阈值的图像二值化处理,即将所有灰度大于或等于阈值的像素点判定为有效像素点。
图2是本发明提供的一种二值裂缝图像的示意图,如图2所示,在将路面裂缝图像转换成二值裂缝图像后,二值裂缝图像中所有的像素点的灰度值为0-255。
步骤S102中所述的,对二值裂缝图像进行细线化处理,是对二值裂缝图像中所包含的所有线条的宽度进行处理的图像处理方法,细线化处理的目的是将二值裂缝图像中的所有线条从多像素宽度减少到单位像素宽度,以有效的减少二值裂缝图像中的像素数。
图3是本发明提供的一种初始裂缝骨架图像的示意图,在对图2所示的二值裂缝图像进行细线化处理,则可以获取到如图3所示的初始裂缝骨架图像。本发明模拟烧草模型的过程,提供了一种细线化处理方法,其主要思路是由二值裂缝图像的图像边界开始向图像内部演化,逐渐搜索到中轴骨架的部位。其基本思想是通过均匀的剥离二值裂缝图像中的边界点,在不影响细化后骨架的连通性的基础上,剩下最里面的不能再剥离的像素点就可以得到最终的目标骨架。
本发明所提供的细线化处理是通过给出一类简单点的定义,这类简单点的移除不会影响原二值裂缝图像的连通性,而简单点的判断是通过考察简单点与其领域点之间的连通关系来实现的。在在每次剥离的迭代过程中,会去除本轮迭代过程中的那部分简单点;然后,循环执行这一迭代过程,直至去除所有的简单点(即非骨架点),结果是剩余的所有点集就构成了目标骨架的点集。
为便于表述,本发明将经细线化处理后,所获取的仅包含目标骨架的二值图像,称作初始裂缝骨架图像。
如图3所示的初始裂缝骨架图像,由于图像拍摄的光线、角度等因素影响,在所获取到的初始裂缝骨架图像中,目标骨架中的各线条,特别是明显可以相连构成一条完整线条的多个短的线条之间往往存在着短间隙(可视为一条线条上存在一个或多个断点),若不对这些短间隙进行处理,往往会影响最终识别结果的精准性。
有鉴于此,在本发明提供的路面裂缝检测方法的步骤S104中,通过将初始裂缝骨架图像中,将明显可以相连接的短间隙均用实线连接,则可以获取到新的裂缝骨架图像。为了便于表述,将此时所获取到的新的裂缝骨架图像称作第一裂缝骨架图像。
图4是本发明提供的一种第一裂缝骨架图像的示意图,如图4所示,是对图3所示的初始裂缝骨架图像进行短间隙缝合处理后所获取到的第一裂缝骨架图像。
如图4所示的第一裂缝骨架图像中,在每一线条上均存在若干条分支线条或毛刺(分支线条与真实的线条之间往往存在较大的夹角),在实际图像处理及识别的过程中,有可能会因为分支线条的存在而影响最终的识别结果的精度。
在本发明所提供的路面裂缝检测方法中,步骤105包括对第一裂缝骨架图像中相关的分支线条进行去除,以获取相对光滑的仅包含有效裂缝信息的第二裂缝骨架图像。
由于分支线条或毛刺的长度相对于有效的线条来说,其长度往往较短,故在本发明去除分支线条的方法,可以是:设定一个长度阈值,进而通过图像识别方法统计出第一裂缝骨架图像中所有线条的长度,并从中删除长度小于该长度阈值的线条,则可以获取到第二裂缝骨架图像。
在获取到的第二裂缝骨架图像中,构成目标骨架的所有线条往往是不连续的,即各线条之间是存在间隙的,由于这一间隙相对于步骤S103中所缝合的短间隙来说距离更大,故称作长间隙。
同理,为了有效地提高路面裂缝检测的精度,在确定两条线条之间的长间隙其实是一条线条之间的断点,那么可以将这两条线条的相邻端点进行长间隙缝合处理。对上述第二裂缝骨架图像中的所有线条按上述方法进行迭代判断,直至任一两个端点之间的长度小于第二长度阈值为止(其中,第二长度阈值应大于步骤S102中的第一长度阈值T1),则可以获取到第三裂缝骨架图像,而构成第三裂缝骨架图像中的目标骨架的所有线条均是连续光滑的线条。
图5是本发明提供的一种第三裂缝骨架图像的示意图,如图5所示,是对图4所示的第二裂缝骨架图像先进行去除分支线条(和毛刺)处理,再进行长间隙缝合处理后所获取到的第三裂缝骨架图像。
由于现有的路面裂缝检测技术存在诸多不足,为突破当前的研究局限,本发明提供的路面裂缝检测方法,创造性的将断裂力学的思想应用到路面裂缝目标的识别中。
本发明提供的路面裂缝检测方法,基于断裂力学的反向研究,针对在路面裂缝图像中通过图像处理可以获取到的那些裂缝或裂缝网路进行反向推演,以确定出准确的路面裂缝检测结果。
假设在检测之前,仅仅从待检测的路面裂缝图像中不能准确的确定裂缝的具体位置,但可以将由该帧路面裂缝图像所转换成的第三裂缝骨架图像,看作是一块脆性材料板,进而可以根据灰度、梯度、平滑度及它们之间的关系等参数,将第三裂缝骨架图像转换成应力分布图,则可以估算出受力强度最弱的部位或是应力最集中的部位。
这样,若某个条状带或网路带的应力大小明显高于其它部分,这样就标定出可能的裂缝位置和面积大小。
根据上述原理,在步骤106中,首先在第三裂缝骨架图像定位到每条线条的所在,并采用图像识别方法,获取每条线条的多元有效信息。如:线条的长度、宽度、平均灰度值、弯曲度、平均梯度幅度值等。进而利用应力强度计算方法,分别计算出每条线条的应力强度值(即该线条两个端点的应力强度值)。
在步骤107中,主要包括:在确定了第三裂缝骨架图像中每条线条的应力强度值之后,可以根据实际检测精度的需要设定一个应力强度值阈值。
然后将每条线条的应力强度值分别与应力强度值阈值进行比较;若任一线条的应力强度值大于应力强度值阈值,则确定这一线条的真伪性为“真实裂缝”;相应地,若任一线条的应力强度值不大于应力强度值阈值,则确定这一线条的真伪性为“虚假裂缝”。
最终,在确定了第三裂缝骨架图像中每条线条的真伪性之后,则输出裂缝检测结果。上述裂缝检测结果可以是路面裂缝图像中是否包含裂缝,以及包含裂缝条数信息,也可以采用应力图的形式对裂缝的真实信息(包括裂缝的位置、长度等信息)进行展示。本发明提供的路面裂缝检测方法,首次将断裂力学应用到图像处理中,能够同时兼顾二值图像中裂缝线条的直线长度、相对梯度等参数变量,进而能够有效地减少误检率和过检率,为学科交叉在线状目标的检测中开辟了新思路。
基于上述实施例的内容,作为一种可选实施例,在对所述二值裂缝图像进行细线化处理之前,还包括:
去除所述二值裂缝图像中的噪声点;所述噪声点为像素值小于第一像素阈值的点。
图6是本发明提供的一种裂缝谷点图的示意图,如图6所示,本发明所提供的路面裂缝检测方法,对路面裂缝图像进行二值化处理的方法,可以是:通过对待检测的路面裂缝图像采用基于谷点边界扫描处理,以获取到相应的裂缝谷点图。
然后,对裂缝谷点图进行取反(即对每个像素点的灰度值进行取反处理),以获取到对应的二值裂缝图像。
在获取到对应的二值裂缝图像后,对于路面上所存在的对检测结果可能产生影响的障碍物(如路面上的石块、砂砾等),也一并进行了二值化处理。故本发明提供的路面裂缝检测方法,还包括对获取到二值裂缝图像进行去噪处理,包括:将二值裂缝图像的每个像素点的像素值小于第一像素阈值的像素点进行删除处理。其中,对于第一像素阈值可以根据实际检测精度的需求进行自主设置。
最后,再对去除噪声点的二值裂缝图像依次进行细线化处理、间隙缝合处理、去除分支线条处理以及长间隙缝合处理,则可以获取到对应的第三裂缝骨架图像。
图7是本发明提供的另一种初始裂缝骨架图像的示意图,如图7所示,该第三裂缝骨架图像是对图6所示的裂缝谷点图进行处理后获取的。
本发明提供的路面裂缝检测方法,通过对检测的路面裂缝图像进行去除噪声点处理,有效地浓缩了图像中的有效裂缝信息,减小了后期进行出现处理的工作量和难度,且大大地提高了检测的精度。
基于上述实施例的内容,作为一种可选实施例,在获取初始裂缝骨架图像之后,还包括:确定所述初始裂缝骨架图像中的所有线条、每条所述线条的端点以及所有线条中交叉点,并确定每个端点的角度。
以图2所示的初始裂缝骨架图像为例,此处所提出的所有线条可能由两个端点所确定的、可能由一个端点与一个交叉点所确定的、也可能是由两个交叉点所确定的。
需要说明的是,本发明提供的路面裂缝检测方法,在执行短间隙缝合处理、分支线条去除以及长间隙缝合处理的过程中,均可以建立在获取到相应的裂缝图像中的所有线条的端点的基础上进行的。即本发明所提供的路面裂缝检测方法,可以根据所有端点中的两两端点之间的距离、两两端点之间的角度,来判断是否需要将两个端点进行连接或者将端点所在的线条进行去除处理。
本发明提供的路面裂缝检测方法,在进行图像处理的过程中,通过确定裂缝骨架图像中所有线条、线条的端点、线条的交叉点以及确定线条中每个端点的角度,为后面的图像处理提供了一种渠道、有效地提高了图像处理的效率和图像处理的精度。
基于上述实施例的内容,作为一种可选实施例,在确定初始裂缝骨架图像中的所有线条、每条线条的端点以及所有线条中的交叉点之后,上述对初始裂缝骨架图像进行短间隙缝合处理,包括:针对初始裂缝骨架图像中的任一端点,若在预设范围内存在其它端点,则获取每个其它端点与任一端点之间的端点间距离;在端点间距离小于第一长度阈值T1的情况下,将端点间距离最小的一个其它端点与任一端点相连接进行短间隙缝合;遍历所有端点,直至完成对初始裂缝骨架图像中所有短间隙的缝合。
如图3所示,在初始裂缝骨架图像中构成目标骨架的线条往往是不连续的,线条中间偶尔会存在短间隙,如果连接两个短间隙则可以将原本独立的两条线条合并成一条,能够更清晰的凸显出裂缝图像中的图像特征(主要是裂缝特征)。但再在此之前,需要准确的区分出两两端点之间的断开是可以连接的短间隙,而避免将本来就是不相关的两条线条错误的连接,而最终影响识别的准确性(这样可能会导致将某两条假裂缝对应的线条,错误的识别成了一条真裂缝)。
在本发明提供了一种对初始裂缝骨架图像进行短间隙缝合处理的方法,包括:
首先,获取初始裂缝骨架图像中所有线条的端点。由于短间隙连接的目标是对线条中的断点进行连接处理,例如:线条A(其端点设为a和a’)和线条B(其端点设为b和b’)反映在初始裂缝骨架图像中是两条孤立的线条。
然后,计算两两端点之间的长度。以上述线条A与线条B为例,获取端点a与端点b的距离l1、端点a’与端点b的距离l2、端点a与端点b’的距离l3以及端点a’与端点b’的距离l4。
若l3小于第一长度阈值T1,则认为应当将线条A的端点a与线条B的端点b’进行短间隙缝合。
按照上述步骤,遍历初始裂缝骨架图像中的所有端点,直至两两端点之间的距离不小于第一长度阈值T1为止,则可以获取到相应的第一裂缝骨架图像。
基于上述实施例的内容,作为一种可选实施例,在对所述初始裂缝骨架图像进行短间隙缝合处理之前,还包括:去除初始裂缝骨架图像中的毛刺;毛刺为在初始裂缝骨架图像中的所有线条里,两端点之间的长度小于第二长度阈值的线条,或者端点至交叉点之间的长度小于第二长度阈值的线条。
如图3所示,在获取的初始裂缝骨架图像还是存在包含裂缝信息的线条和无关的噪声线条(或者是分支线条),但他们都是不光滑的具有一些分支线,这些分支线会影响后续裂缝的检测。故此,本发明提供的路面裂缝检测方法,通过设置第二长度阈值以去除初始裂缝骨架图像中的这些噪声线条。
将每条线条的两个端点(或者端点与交叉点、或者交叉点与交叉点)之间的距离分别与第二长度阈值进行比对,可以视作:将某一线条的长度分别与第二长度阈值进行比对。若线条的长度大于或等于第二长度阈值,则说明该线条是具有裂缝特征的不能删除;若线条的长度小于第二长度阈值,则说明该线条是毛刺或者分支线条,需进行去除处理。
作为一种可选实施例,首先,设第二长度阈值为T2,即:将小于T2的线条定为毛刺或者分支;然后遍历扫描整个初始裂缝骨架图像,再检测出所有的线条端点,每个线条端点的灰度值fdn(x,y)=200及交叉线的交叉点的灰度值fjm(x,y)=200。
然后,分别以每个端点为检测点,在该点的八邻域内找到该点的连接点,若仅有一个连接点,则将该端点的灰度值赋值f(xi,yj)=50,再进入下一个检测点;否则,删除该端点所在的连接线条,即将该端点所在的线条的灰度值为50的点均置0。
最后,以f(xi,yj)为端点,重复下面执行上述操作,直至遍历所有的线条为止。
通过上述操作可以删除从端点到交叉点或者从端点至端点的所有长度小于T2的线条。
基于上述实施例的内容,作为一种可选实施例,上述确定每个端点的角度,主要包括:将所有端点中的任一端点作为目标端点;从该目标端点开始,延该目标端点所在的线条回溯n个像素点;统计n个像素点的X轴坐标平均值和Y轴坐标平均值,以根据X轴坐标平均值和Y轴坐标平均值,确定目标端点的角度;遍历所有端点,以获取每个端点的角度。
步骤(1),设置一个图像数组g(xi,yj),i=1,...,I;j=1,...,J,该图像数组中存储初始裂缝骨架图像中每个端点的角度,角度的取值在-PI到PI,并赋予该图像数组的每个元素初始值为0。
步骤(2),确定出初始裂缝骨架图像f(x,y)中的所有线条的端点,并计算每个端点的角度,分别存入至步骤(1)中所构建的g(xi,yj)中。
本发明所提供的端点的角度的计算过程包括:
假设所有端点中的任一目标端点的坐标为(x,y),沿着其所在的线条回溯n个像素点,并统计出这n个像素点的X坐标的平均值和Y坐标的平均值/>然后计算的角度,将结果存入图像数组g(xi,yj)中。
需要说明的是,作为一种可选的实施例,从所述目标端点开始,延所述目标端点所在的线条回溯n个像素点的过程中,若存在另一端点,则根据回溯短线条中的所有像素点的X轴坐标平均值和Y轴坐标平均值,确定所述目标端点和所述另一端点的角度;若所述目标端点为孤立端点,则确定所述目标端点的角度为0。
具体地,如果发现检测的端点是一个孤立点,则直接赋其角值为度0;当回溯过程中遇到了另一个端点,则利用短线条(所述另一个端点与目标端点构成的线条)上的所有像素,以计算短线条上这两个端点的角度。
基于上述实施例的内容,作为一种可选实施例,上述对第二裂缝骨架图像进行长间隙缝合处理,主要包括:针对第二裂缝骨架图像中的任一端点,若在预设范围内存在其它端点,则获取每个其它端点与所述任一端点之间的端点间距离和端点间角度差;在端点间距离小于第三长度阈值,且端点间角度差小于第一角度阈值的情况下,将端点间距离最小的一个其它端点与任一端点相连接进行长间隙缝合;遍历所有端点,直至完成对初始裂缝骨架图像中所有短间隙的缝合。
需要说明的是,第三长度阈值是大于第一长度阈值T1的。
具体地,在执行步骤(2)之后,可以获取到每个端点的角度,以完成对图像数值g(xi,yj)的赋值之后,执行下列在步骤(3)。
步骤(3),对任一端点,搜索其所在的预设范围内是否有其它端点。这里的预设范围为:假设任一端点d的坐标为(x1,y1),则搜索的预设范围为:横坐标区域x1-cl:x1+cl,纵坐标区域为y1-cl:y1+cl,这里的cl则表示缝隙长度阀值。
如果其周围有其它端点,则计算所有的其它端点到该端点d的距离和角度。
需要说明的是,仅在确认其它端点到该端点d的距离和角度差,符合长度阀值和角度差阀值的情况下(端点间距离小于第三长度阈值T3,且端点间角度差小于第一角度阈值θ1),进而计算出所有端点间距离中最短一个所对应的端点p,然后在d,p之间用直线连接。
基于上述方法,遍历所有端点,直至完成对初始裂缝骨架图像中所有长间隙的缝合,获取到第三裂缝骨架图像。
本发明提供的路面裂缝检测方法,通过对路面裂缝图像依次进行二值化处理、细线化处理、短间隙缝合处理、去除毛刺以及长间隙缝合处理,能够获取到光滑的、连续的路面裂缝线条,为后期进行路面裂缝检测提供了基础,有效地提高了检测的精度。
基于上述实施例的内容,步骤106中所述的在所述多元有效信息,包括线条的绝对长度及宽度系数、线条的长度以及梯度、灰度及裂缝弯曲综合系数的情况下,所述基于断裂力学检测方法,根据所述第三裂缝骨架图像中每条线条的多元有效信息对每条线条进行应力强度计算的计算公式具体为:
T=cσ√a=(100β)(Mav/(Gav+1))√ba;
其中,T为线条两个端点处的应力强度值;c为线条的绝对长度及宽度系数;σ为梯度、灰度及裂缝弯曲综合系数;a为线条的长度的一半;β为线条的边缘像素占图像的百分比;Mav为线条的平均灰度值;Gav为线条的平均梯度幅度值;b为二值裂缝图像的缩放比例系数。
需要说明的是,本发明所提供的路面裂缝检测方法,创造性提出基于断裂力学的应力因子来判断每条线条的真伪,从而检测出裂缝。这种方法可以减少裂缝检测的误检率和过检率。
在断裂力学中,对一个固体平面材料物件,设每一点的x、y轴方向的应力及剪切应力分别为σx,σy,τxy,可以得到如下方程:
如果设水平方向的位移为u,垂直方向的位移为v,对应生成的应力为εx,εy,γxy,有下面的公式:
设μ为剪切模量,E为杨氏模量,ν为泊松比,可以得到:
如果下列公式4成立,
则上面的平衡方程,即公式1自动满足。
将公式2和公式4代入至公式3,并进行两次微分运算,可导出协调方程为:
因此,仅需要确定一个φ函数,使其满足上述公式5,即可求解出线弹性平面问题。
作为一种可选的实施例,以公式5为基础,通过复变函数的推导及一些条件的假设,对于2a长的裂纹,若给定一个拉伸应力σ,其两端点处的应力强度记为T,则T与2a及σ均成正比,假设最简单的情况,则可以获取到公式6:
对于上述实施例中所确定的任一第三裂缝骨架图像来说,采用常规的边界扫描方法,即可以确定其中的任一线条的长度2a;而σ可以根据该裂缝周围的梯度和灰度及裂缝的弯曲度等信息来确定,c可以简单地根据裂缝的绝对长度和宽度等来确定。T的大小能够判定该裂缝是否为伪裂缝,并可断定是否能够与附近的其它裂缝连接成为一条裂缝。
对于复杂的裂缝图像,断裂力学可以应用于裂缝段的识别。对于任一帧第三裂缝骨架图像,可以先通过中线检测算法和简单的后处理函数,计算出图中裂缝段的长度(图5中的处于所有线条中间的线条),然后结合梯度幅度和灰度信息及弯曲程度等相关参数σ,确定出裂缝段长度2a。对于其他参数,c可以简单地通过图像中边缘像素占图像的百分比β来确定,σ强度与弯曲程度区域的梯度幅度和灰度值有关;裂缝越深(灰度值越低),裂缝梯度幅度越大,σ强度越高。最后,根据T值的大小可以判断裂纹是否为伪裂缝及图像是否有裂缝。
作为一种可选实施例,针对一帧路面裂缝图像,假设采集图像所采用的光强电和相机设置不会变化,即不考虑光照和其他硬件的影响。
对于一幅待检测的路面裂缝图像,其分辨率为2048x4096像素(1840mmx3700mm),当将其收缩k次(k=0,1,2,3,4,5)时,设置b=2k。
对于最终获取的第三裂缝骨架图像中的裂缝,如果其平均灰度值为Gav,,且其平均梯度幅度值为Mav,则可以设置:
σ=Mav/(Gav+1) 公式7
此时,可以确定0≤Mav≤255,0≤Gav≤255;因此,对于长度为2a的裂缝(欧几里得距离),可以将公式6变换为:
其中,若将原始图像缩小了4倍,则第三裂缝骨架图像的宽度为256像素,最短的裂缝有10像素的欧几里得距离,设置5≤a≤128,而其他变量范围为:0≤(100β)≤100;0≤(Mav/(Gav+1))≤255;T≥0。
在公式8中,如果Mav=0,则T=0表示如果裂缝上没有梯度值或梯度值很低,则裂缝为假裂缝,可能是由于某些错误的边缘跟踪或噪声点连接引起的;T不随k的变化而变化,因为(100β)越大,图像中裂缝越多或裂缝像素越多;在大多数情况下,(Mav/(Gav+1))可以支配T值。本发明提供的路面裂缝检测方法,首次将断裂力学应用到图像处理中,能够同时兼顾二值图像中裂缝线条的直线长度、相对梯度等参数变量,进而能够有效地减少误检率和过检率,为学科交叉在线状目标的检测中开辟了新思路。
图8是本发明提供的另一种第三裂缝骨架图像,如图8所示,是基于断裂力学对图7所示的初始裂缝骨架图像进行分析处理后所获取的。图8中共存在4条线条,对于每一线条,由于边界密度较高,T值较大,详细计算结果如公式9、公式10、公式11以及公式12所示。
Tgreen=(100β)(Mav/(Gav+1))√2ka=(1.8)(48/85)√24x78=35.9 公式10
如图8所示,还可以采用不同的颜色,根据所计算出的每条线条的长度大小,在第三裂缝骨架图像中采用不同的颜色标注出不同的颜色,以获取到对应的裂缝应力示意图。
例如:经Tlightblue对应的线条a标注为高亮蓝色,将Tred对应的线条b标注为红色;将Tgreen对应的线条c标注为绿色,将Tblue对应的线条d标注为深蓝色。
通过上述设置所生成的裂缝应力示意图,用户可以直观的确定出每条裂缝的分布以及每条裂缝的大致长度。
需要说明的是,本发明所提供的路面裂缝检测方法,当在同一裂缝骨架图像中的裂缝的粗细不一致时(即宽度不一致),可以对图像进行多尺度(不同精度的图像)处理。
对任一精度处理的裂缝骨架图像(由粗精度到高精度)进行边界扫描后,若平均梯度值太低或没有一定量的超过一定长度的曲线,就不对这一精度下的裂缝骨架图像进行检测,而直接认为该裂缝骨架图像中没有裂缝。
假设我们将待识别的第三裂缝骨架图像,设为A;设将其缩小一倍的图像设为B,将再次缩小一倍的图像设置为C;若判断C中无裂缝,则按上述实施例所提供的方法,先检测有裂隙存在的B图像,并把检测结果(即获取到的裂缝骨架图像)再放进A图像中,再检测A图像(不包括在B图像中检测到的裂缝区域)。最后,将A,B图像的处理结果合并,并进行验证后,可以发现以及处理那些漏检或者过检的部分裂缝,能够有效的提高路面裂缝检测精度。
图9是本发明提供的路面裂缝检测系统的结构示意图,如图9所示,包括但不限于第一图像处理单元901、第二图像处理单元902、第三图像处理单元903、第四图像处理单元904、第五图像处理单元905和检测运算处理单元906和检测结果输出单元907,其中:
第一图像处理单元901主要用于将待检测的路面裂缝图像转换成二值裂缝图像;第二图像处理单元902主要用于对所述二值裂缝图像进行细线化处理,以获取初始裂缝骨架图像;第三图像处理单元903主要用于对所述初始裂缝骨架图像进行短间隙缝合处理,以获取第一裂缝骨架图像;第四图像处理单元904主要用于去除所述第一裂缝骨架图像中的分支线条,以获取第二裂缝骨架图像;第五图像处理单元905主要用于对所述第二裂缝骨架图像进行长间隙缝合处理,以获取第三裂缝骨架图像;检测运算处理单元906主要用于基于断裂力学检测方法,根据所述第三裂缝骨架图像中每条线条的多元有效信息对每条线条进行应力强度计算,以获取每条线条的应力强度值;检测结果输出单元907主要用于根据每条线条的应力强度值确定每条线条的真伪性,以输出与路面裂缝图像相对应的裂缝检测结果。
需要说明的是,本发明实施例提供的路面裂缝检测系统,在具体执行时,可以基于上述任一实施例所述的路面裂缝检测方法来实现,对此本实施例不作赘述。
本发明提供的路面裂缝检测系统,首次将断裂力学应用到图像处理中,能够同时兼顾二值图像中裂缝线条的直线长度、相对梯度等参数变量,进而能够有效地减少误检率和过检率,为学科交叉在线状目标的检测中开辟了新思路。
图10是本发明提供的电子设备的结构示意图,如图10所示,该电子设备可以包括:处理器(processor)1010、通信接口(CommunicationsInterface)1020、存储器(memory)1030和通信总线1040,其中,处理器1010,通信接口1020,存储器1030通过通信总线1040完成相互间的通信。处理器1010可以调用存储器1030中的逻辑指令,以执行路面裂缝检测方法,该方法包括:将待检测的路面裂缝图像转换成二值裂缝图像;对所述二值裂缝图像进行细线化处理,以获取初始裂缝骨架图像;对所述初始裂缝骨架图像进行短间隙缝合处理,以获取第一裂缝骨架图像;去除所述第一裂缝骨架图像中的分支线条,以获取第二裂缝骨架图像;对所述第二裂缝骨架图像进行长间隙缝合处理,以获取第三裂缝骨架图像;基于断裂力学检测方法,根据所述第三裂缝骨架图像中每条线条的多元有效信息对每条线条进行应力强度计算,以获取每条线条的应力强度值;根据每条线条的应力强度值确定每条线条的真伪性,以输出与所述路面裂缝图像相对应的裂缝检测结果。
此外,上述的存储器1030中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-OnlyMemory)、随机存取存储器(RAM,RandomAccessMemory)、磁碟或者光盘等各种可以存储程序代码的介质。
另一方面,本发明还提供一种计算机程序产品,所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序,所述计算机程序包括程序指令,当所述程序指令被计算机执行时,计算机能够执行上述各方法所提供的路面裂缝检测方法,该方法包括:将待检测的路面裂缝图像转换成二值裂缝图像;对所述二值裂缝图像进行细线化处理,以获取初始裂缝骨架图像;对所述初始裂缝骨架图像进行短间隙缝合处理,以获取第一裂缝骨架图像;去除所述第一裂缝骨架图像中的分支线条,以获取第二裂缝骨架图像;对所述第二裂缝骨架图像进行长间隙缝合处理,以获取第三裂缝骨架图像;基于断裂力学检测方法,根据所述第三裂缝骨架图像中每条线条的多元有效信息对每条线条进行应力强度计算,以获取每条线条的应力强度值;根据每条线条的应力强度值确定每条线条的真伪性,以输出与所述路面裂缝图像相对应的裂缝检测结果。
又一方面,本发明还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现以执行上述各实施例提供的路面裂缝检测方法,该方法包括:将待检测的路面裂缝图像转换成二值裂缝图像;对所述二值裂缝图像进行细线化处理,以获取初始裂缝骨架图像;对所述初始裂缝骨架图像进行短间隙缝合处理,以获取第一裂缝骨架图像;去除所述第一裂缝骨架图像中的分支线条,以获取第二裂缝骨架图像;对所述第二裂缝骨架图像进行长间隙缝合处理,以获取第三裂缝骨架图像;基于断裂力学检测方法,根据所述第三裂缝骨架图像中每条线条的多元有效信息对每条线条进行应力强度计算,以获取每条线条的应力强度值;根据每条线条的应力强度值确定每条线条的真伪性,以输出与所述路面裂缝图像相对应的裂缝检测结果。
以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种基于交叉断裂力学和图像处理的路面裂缝检测方法,其特征在于,包括:
将待检测的路面裂缝图像转换成二值裂缝图像;
对所述二值裂缝图像进行细线化处理,以获取初始裂缝骨架图像;
对所述初始裂缝骨架图像进行短间隙缝合处理,以获取第一裂缝骨架图像;
去除所述第一裂缝骨架图像中的分支线条,以获取第二裂缝骨架图像;
对所述第二裂缝骨架图像进行长间隙缝合处理,以获取第三裂缝骨架图像;
基于断裂力学检测方法,根据所述第三裂缝骨架图像中每条线条的多元有效信息对每条线条进行应力强度计算,以获取每条线条的应力强度值;所述多元有效信息包括绝对长度及宽度系数、线条的长度以及梯度、灰度及裂缝弯曲综合系数;
根据每条线条的应力强度值确定每条线条的真伪性,以输出与所述路面裂缝图像相对应的裂缝检测结果。
2.根据权利要求1所述的路面裂缝检测方法,其特征在于,在获取初始裂缝骨架图像之后,还包括:
确定所述初始裂缝骨架图像中的所有线条、每条所述线条的端点以及所有线条中交叉点,并确定每个端点的角度。
3.根据权利要求2所述的路面裂缝检测方法,其特征在于,在确定所述初始裂缝骨架图像中的所有线条、每条所述线条的端点以及所有线条中的交叉点之后,所述对所述初始裂缝骨架图像进行短间隙缝合处理,包括:
针对所述初始裂缝骨架图像中的任一端点,若在预设范围内存在其它端点,则获取每个所述其它端点与所述任一端点之间的端点间距离;
在所述端点间距离小于第一长度阈值的情况下,将所述端点间距离最小的一个其它端点与所述任一端点相连接进行短间隙缝合;
遍历所有端点,直至完成对所述初始裂缝骨架图像中所有短间隙的缝合。
4.根据权利要求2所述的路面裂缝检测方法,其特征在于,所述确定每个端点的角度,包括:
将所有端点中的任一端点作为目标端点;
从所述目标端点开始,延所述目标端点所在的线条回溯n个像素点;
统计所述n个像素点的X轴坐标平均值和Y轴坐标平均值,以根据所述X轴坐标平均值和所述Y轴坐标平均值,确定所述目标端点的角度;
遍历所有端点,以获取每个端点的角度。
5.根据权利要求4所述的路面裂缝检测方法,其特征在于,在从所述目标端点开始,延所述目标端点所在的线条回溯n个像素点的过程中,
若存在另一端点,则根据回溯短线条中的所有像素点的X轴坐标平均值和Y轴坐标平均值,确定所述目标端点和所述另一端点的角度;
若所述目标端点为孤立端点,则确定所述目标端点的角度为0。
6.根据权利要求2所述的路面裂缝检测方法,其特征在于,对所述第二裂缝骨架图像进行长间隙缝合处理,包括:
针对所述第二裂缝骨架图像中的任一端点,若在预设范围内存在其它端点,则获取每个所述其它端点与所述任一端点之间的端点间距离和端点间角度差;
在所述端点间距离小于第三长度阈值,且所述端点间角度差小于第一角度阈值的情况下,将所述端点间距离最小的一个其它端点与所述任一端点相连接进行长间隙缝合;
遍历所有端点,直至完成对所述初始裂缝骨架图像中所有长间隙的缝合。
7.根据权利要求1所述的路面裂缝检测方法,其特征在于,在所述多元有效信息,包括线条的绝对长度及宽度系数、线条的长度以及梯度、灰度及裂缝弯曲综合系数的情况下,所述基于断裂力学检测方法,根据所述第三裂缝骨架图像中每条线条的多元有效信息对每条线条进行应力强度计算的计算公式为:
其中,T为线条两个端点处的应力强度值;c为线条的绝对长度及宽度系数;σ为梯度、灰度及裂缝弯曲综合系数;a为线条的长度的一半;β为图像中边缘像素占图像的百分比;Mav为线条的平均灰度值;Gav为线条的平均梯度幅度值;b为二值裂缝图像的缩放比例系数。
8.一种基于交叉断裂力学和图像处理的路面裂缝检测,其特征在于,包括:
第一图像处理单元,用于将待检测的路面裂缝图像转换成二值裂缝图像;
第二图像处理单元,用于对所述二值裂缝图像进行细线化处理,以获取初始裂缝骨架图像;
第三图像处理单元,用于对所述初始裂缝骨架图像进行短间隙缝合处理,以获取第一裂缝骨架图像;
第四图像处理单元,用于去除所述第一裂缝骨架图像中的分支线条,以获取第二裂缝骨架图像;
第五图像处理单元,用于对所述第二裂缝骨架图像进行长间隙缝合处理,以获取第三裂缝骨架图像;
检测运算处理单元,用于基于断裂力学检测方法,根据所述第三裂缝骨架图像中每条线条的多元有效信息对每条线条进行应力强度计算,以获取每条线条的应力强度值;
检测结果输出单元,用于根据每条线条的应力强度值确定每条线条的真伪性,以输出与所述路面裂缝图像相对应的裂缝检测结果。
9.一种电子设备,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述路面裂缝检测方法步骤。
10.一种非暂态计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至7任一项所述路面裂缝检测方法步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110489865.9A CN113096121B (zh) | 2021-05-06 | 2021-05-06 | 基于交叉断裂力学和图像处理的路面裂缝检测方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110489865.9A CN113096121B (zh) | 2021-05-06 | 2021-05-06 | 基于交叉断裂力学和图像处理的路面裂缝检测方法和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113096121A CN113096121A (zh) | 2021-07-09 |
CN113096121B true CN113096121B (zh) | 2024-03-08 |
Family
ID=76681481
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110489865.9A Active CN113096121B (zh) | 2021-05-06 | 2021-05-06 | 基于交叉断裂力学和图像处理的路面裂缝检测方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113096121B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113486896B (zh) * | 2021-07-22 | 2023-06-20 | 成都圭目机器人有限公司 | 一种道面图像断续裂缝的自动连接方法 |
CN116309557B (zh) * | 2023-05-16 | 2023-08-01 | 山东聚宁机械有限公司 | 一种挖掘机履带板断裂检测方法 |
CN117308794B (zh) * | 2023-11-30 | 2024-04-19 | 杭州汇萃智能科技有限公司 | 一种线宽量测方法、系统及计算机存储介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110207592A (zh) * | 2019-04-15 | 2019-09-06 | 深圳高速工程检测有限公司 | 建筑裂缝测量方法、装置、计算机设备和存储介质 |
CN111734380A (zh) * | 2020-07-30 | 2020-10-02 | 西南石油大学 | 一种水平井多级压裂裂缝扩展形态的快速预测方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2011099081A1 (ja) * | 2010-02-15 | 2011-08-18 | 株式会社 日立製作所 | 破面解析システム及び破面解析方法 |
WO2014193966A1 (en) * | 2013-05-29 | 2014-12-04 | Conocophillips Company | Integrating rock ductility with fracture propagation mechanics for hydraulic fracture design |
-
2021
- 2021-05-06 CN CN202110489865.9A patent/CN113096121B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110207592A (zh) * | 2019-04-15 | 2019-09-06 | 深圳高速工程检测有限公司 | 建筑裂缝测量方法、装置、计算机设备和存储介质 |
CN111734380A (zh) * | 2020-07-30 | 2020-10-02 | 西南石油大学 | 一种水平井多级压裂裂缝扩展形态的快速预测方法 |
Non-Patent Citations (1)
Title |
---|
基于断裂力学的带裂缝半刚性基层路面数值研究;聂丹;;福建建材;20200320(第03期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN113096121A (zh) | 2021-07-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113096121B (zh) | 基于交叉断裂力学和图像处理的路面裂缝检测方法和系统 | |
CN108364280B (zh) | 结构裂缝自动化描绘及宽度精准测量方法与设备 | |
Reid et al. | A semi-automated methodology for discontinuity trace detection in digital images of rock mass exposures | |
JP6660313B2 (ja) | 画像解析を用いた核のエッジの検出 | |
CN110390669B (zh) | 一种桥梁图像中裂缝的检测方法 | |
Malambo et al. | Automated detection and measurement of individual sorghum panicles using density-based clustering of terrestrial lidar data | |
CN103077529B (zh) | 基于图像扫描的植物叶片特征分析系统 | |
CN111256594B (zh) | 一种飞机蒙皮表面状态物理特征的测量方法 | |
CN106203377B (zh) | 一种煤粉尘图像识别方法 | |
Chopin et al. | RootAnalyzer: a cross-section image analysis tool for automated characterization of root cells and tissues | |
Gottschlich et al. | Robust orientation field estimation and extrapolation using semilocal line sensors | |
Arachchige et al. | An image processing algorithm for accurate extraction of the centerline from human metaphase chromosomes | |
Laga et al. | Image-based plant stornata phenotyping | |
CN108052886A (zh) | 一种小麦条锈病菌夏孢子自动统计计数方法 | |
CN115597494B (zh) | 一种基于点云的预制构件预留孔的精度检测方法、系统 | |
CN108052909A (zh) | 一种基于心血管oct影像的薄纤维帽斑块自动检测方法和装置 | |
Chopin et al. | A hybrid approach for improving image segmentation: application to phenotyping of wheat leaves | |
CN106529552A (zh) | 一种扇贝贝壳生长纹路的分割与识别方法 | |
Tang et al. | Leaf extraction from complicated background | |
CN104268550A (zh) | 特征提取方法及装置 | |
CN110648312A (zh) | 一种基于鳞片形态特征分析的羊毛与羊绒纤维识别方法 | |
Wang et al. | Cell cluster image segmentation on form analysis | |
CN107507192B (zh) | 一种水稻剑叶夹角在体测量便携装置及在体测量方法 | |
Nguyen et al. | Pavement crack detection and segmentation based on deep neural network | |
Entacher et al. | Towards an automated generation of tree ring profiles from CT-images |
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 |