CN113486896B - 一种道面图像断续裂缝的自动连接方法 - Google Patents

一种道面图像断续裂缝的自动连接方法 Download PDF

Info

Publication number
CN113486896B
CN113486896B CN202110824792.4A CN202110824792A CN113486896B CN 113486896 B CN113486896 B CN 113486896B CN 202110824792 A CN202110824792 A CN 202110824792A CN 113486896 B CN113486896 B CN 113486896B
Authority
CN
China
Prior art keywords
end point
pixel
crack
window
skeleton
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
Application number
CN202110824792.4A
Other languages
English (en)
Other versions
CN113486896A (zh
Inventor
费越
余世杰
黄敏
李海丰
桂仲成
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Chengdu Guimu Robot Co ltd
Original Assignee
Chengdu Guimu Robot Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Chengdu Guimu Robot Co ltd filed Critical Chengdu Guimu Robot Co ltd
Priority to CN202110824792.4A priority Critical patent/CN113486896B/zh
Publication of CN113486896A publication Critical patent/CN113486896A/zh
Application granted granted Critical
Publication of CN113486896B publication Critical patent/CN113486896B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A30/00—Adapting or protecting infrastructure or their operation
    • Y02A30/60—Planning or developing urban green infrastructure

Landscapes

  • Image Processing (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种道面图像断续裂缝的自动连接方法，包括：获取裂缝语义分割图像，并提取裂缝骨架；根据裂缝骨架线段两侧的端点位置，进行裂缝延长；采用连通域分析法求得裂缝骨架的数个连通域；预设延长像素距离d，并以大小为S的滑动窗沿着延长线的方向滑动d个像素距离，并进行任一滑动窗内裂缝骨架上的像素点判断：当滑动窗中存在端点像素，并且端点像素与裂缝骨架的起始端点像素在不同的连通域时；判断滑动窗内的端点像素与起始端点像素的延长线方向夹角，若夹角大于或等于135°、且小于或等于225°，则连接滑动窗内的端点像素和起始端点像素。

Description

一种道面图像断续裂缝的自动连接方法
技术领域
本发明涉及道面检测技术领域，尤其是一种道面图像断续裂缝的自动连接方法。
背景技术
本文所述的语义分割是指将一张图像中每个像素点进行分类的任务，例如：一张图像中属于人的所有像素被分作一类，而其它背景的所有像素则被分作另外一类。另外，本文所述的断续裂缝(Discontinuous Crack)是在道面图像的病害语义分割结果中，出现同一条裂缝由多个图像连通域来表示的情况(即图像中同一条裂缝上出现不连续的、断开的语义分割结果)。不仅如此，本实施例中所述的连通域分析(Blob Analysis)是在计算机视觉中，连通域分析方法旨在提取数字图像中与周围区域相比具有不同属性的区域。一般来讲，连通域是图像中某些属性恒定或近似恒定的区域；连通域中的所有点在某种意义上都可以被认为是彼此相似的。
在道面病害自动检测任务中，基于深度学习的语义分割模型能够对图像中每个像素所属类别进行预测(如背景像素、裂缝像素、灌缝像素、修补像素等)。但是，因为这些模型大都建立在图像卷积操作之上，其视野范围大多是局部的、有限的，导致其输出的语义分割结果往往是不连续、不均匀的。最典型的情况是，同一条裂缝的语义分割结果，往往被切割成多个不同的连通域，这对后续裂缝属性(如长度、宽度、破损程度)的分析工作造成了极大的阻碍。
目前，现有技术中的图像不连续线段的合并工作主要是利用膨胀操作，如专利申请号为“201510445611.1”、名称为“基于多帧雷达图像的动目标检测跟踪方法”的中国发明专利。但是，由于膨胀操作在各方向上的延伸是相同的，并不能体现道面裂缝特有的方向性。也就是说，各向同性的膨胀操作并不适合具有方向特性的道面裂缝的合并工作。
因此，急需要提出一种逻辑简单、准确可靠的道面图像断续裂缝的自动连接方法。
发明内容
针对上述问题，本发明的目的在于提供一种道面图像断续裂缝的自动连接方法，本发明采用的技术方案如下：
一种道面图像断续裂缝的自动连接方法，包括以下步骤：
获取深度学习模型输出的裂缝语义分割图像，并提取裂缝语义分割图像中的裂缝骨架；
根据裂缝骨架的提取结果，提取获得骨架线段两侧的端点位置，并根据两侧端点处裂缝骨架方向求得端点延长线；
采用连通域分析法标记任一裂缝骨架的连通域；
预设延长像素距离d，以任一端点为起点，将大小为S的窗口沿着延长线的方向滑动d个像素距离，任一滑动1个像素距离则进行以下判断：
(1)在当前的滑动距离上，判断窗口中存在端点像素，若有，则进入判断条件(2)，若没有，则继续在延长线上进行窗口滑动；
(2)窗口内的端点像素与起始端点像素是否在同一连通域中，若是，则返回(1)继续在延长线上进行窗口滑动，否则，则进入判断条件(3)；
(3)求得窗口内端点与起始端点的延长线夹角，若夹角大于或等于135°、且小于或等于225°，则连接滑动窗内的端点像素和起始端点像素，否则，则返回(1)继续在延长线上进行窗口滑动；所述S为大于0的自然数。
进一步地，所述道面图像断续裂缝的自动连接方法，还包括在进行两端点的连接时，分别以滑动窗内的端点像素、起始端点像素为起点，沿左上、上、右上、右、右下、下、左下、左其中之一的方向进行连接。
优选地，所述延长像素距离d为25mm，且所述S取值为9。
与现有技术相比，本发明具有以下有益效果：
(1)本发明巧妙地根据裂缝骨架提取获得骨架线段两侧的端点位置，并以端点位置为起点进行裂缝延长，获得裂缝的延长线，以自动判断裂缝自动连接的潜在方向。
(2)本发明将裂缝语义分割图像进行连通域分析法，并得到裂缝骨架的数个连通域，以实现端点的判断，即窗口内的端点像素与起始端点像素在同一连通域中，则不需要连接，以减少连接计算工作量；例如：有的细小裂缝骨架只有2个像素点A、B，那么该骨架的端点就分别是A、B，但是很显然地，端点A、B处于同一个连通域中，并不需要进行连接。
(3)本发明通过获取以当前像素为中心的滑动窗内的端点像素，当端点像素与起始端点像素不在同一连通域内时，并进行连接，其有效地判断任一连通域内的端点像素，并进行连接，其逻辑简单、连通可靠。
综上所述，本发明具有逻辑简单、准确可靠等优点，在道面检测技术领域具有很高的实用价值和推广价值。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需使用的附图作简单介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对保护范围的限定，对于本领域技术人员来说，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相关的附图。
图1为本发明中裂缝语义分割输出结果。
图2为本发明中骨架结构示意图。
图3为本发明中的裂缝骨架的端点示意图。
图4为本发明中的端点处的延长线示意图。
图5为本发明中的裂缝骨架的连通域示意图。
图6为本发明中的裂缝骨架示意图。
图7为本发明中的裂缝连接结构图。
具体实施方式
为使本申请的目的、技术方案和优点更为清楚，下面结合附图和实施例对本发明作进一步说明，本发明的实施方式包括但不限于下列实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。
实施例
如图1至图7所示，本实施例提供了一种道面图像断续裂缝的自动连接方法，包括以下步骤：
第一步，如图1至图2所示，首先根据裂缝的语义分割结果，将其转化为裂缝的骨架图；
第二步，如图3至图4所示，根据裂缝骨架，提取出骨架线段两侧的端点位置，并在端点处做裂缝的延长线。
第三步，如图5所示，根据连通域分析，求出裂缝骨架的不同连通域，以不同的标签来表示。
第四步，预设延长像素距离25，并以大小为9*9的滑动窗沿着延长线的方向滑动25个像素距离，每滑动1个像素距离就进行判断：
(1)在当前的滑动距离上，判断窗口中存在端点像素，若有，则进入判断条件(2)，若没有，则继续在延长线上进行窗口滑动；
(2)窗口内的端点像素与起始端点像素是否在同一连通域中，若是，则返回(1)继续在延长线上进行窗口滑动，否则，则进入判断条件(3)；
(3)求得窗口内端点与起始端点的延长线夹角，若夹角大于或等于135°、且小于或等于225°，则连接滑动窗内的端点像素和起始端点像素，否则，则返回(1)继续在延长线上进行窗口滑动。在本实施例中，分别以滑动窗内的端点像素、起始端点像素为起点，沿左上、上、右上、右、右下、下、左下、左其中之一的方向进行连接。
本发明的连通方式简便、计算工作量少，并且连接可靠，与现有技术相比，具有突出的实质性特点和显著的进步。
上述实施例仅为本发明的优选实施例，并非对本发明保护范围的限制，但凡采用本发明的设计原理，以及在此基础上进行非创造性劳动而作出的变化，均应属于本发明的保护范围之内。

Claims (3)

1.一种道面图像断续裂缝的自动连接方法，其特征在于，包括以下步骤：
获取深度学习模型输出的裂缝语义分割图像，并提取裂缝语义分割图像中的裂缝骨架；
根据裂缝骨架的提取结果，提取获得骨架线段两侧的端点位置，并根据两侧端点处裂缝骨架方向求得端点延长线；
采用连通域分析法标记任一裂缝骨架的连通域；
预设延长像素距离d，以任一端点为起点，将大小为S的窗口沿着延长线的方向滑动d个像素距离，任一滑动1个像素距离则进行以下判断：
(1)在当前的滑动距离上，判断窗口中存在端点像素，若有，则进入判断条件(2)，若没有，则继续在延长线上进行窗口滑动；
(2)窗口内的端点像素与起始端点像素是否在同一连通域中，若是，则返回(1)继续在延长线上进行窗口滑动，否则，则进入判断条件(3)；
(3)求得窗口内端点与起始端点的延长线夹角，若夹角大于或等于135°、且小于或等于225°，则连接滑动窗内的端点像素和起始端点像素，否则，则返回(1)继续在延长线上进行窗口滑动；所述S为大于0的自然数。
2.根据权利要求1所述的一种道面图像断续裂缝的自动连接方法，其特征在于，还包括在进行两端点的连接时，分别以滑动窗内的端点像素、起始端点像素为起点，沿左上、上、右上、右、右下、下、左下、左其中之一的方向进行连接。
3.根据权利要求1所述的一种道面图像断续裂缝的自动连接方法，其特征在于，所述延长像素距离d为25mm，且所述S取值为9。
CN202110824792.4A 2021-07-22 2021-07-22 一种道面图像断续裂缝的自动连接方法 Active CN113486896B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110824792.4A CN113486896B (zh) 2021-07-22 2021-07-22 一种道面图像断续裂缝的自动连接方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110824792.4A CN113486896B (zh) 2021-07-22 2021-07-22 一种道面图像断续裂缝的自动连接方法

Publications (2)

Publication Number Publication Date
CN113486896A CN113486896A (zh) 2021-10-08
CN113486896B true CN113486896B (zh) 2023-06-20

Family

ID=77942673

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110824792.4A Active CN113486896B (zh) 2021-07-22 2021-07-22 一种道面图像断续裂缝的自动连接方法

Country Status (1)

Country Link
CN (1) CN113486896B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102650317A (zh) * 2011-02-25 2012-08-29 日本精工株式会社 多列组合滚珠轴承
CN103870833A (zh) * 2014-03-31 2014-06-18 武汉工程大学 基于凹性测度的路面裂缝提取与测评方法
CN106150486A (zh) * 2015-04-21 2016-11-23 中国石油化工股份有限公司 识别裂缝油藏见水规律的方法
CN208782858U (zh) * 2018-10-18 2019-04-23 联想(北京)有限公司 一种电子设备
CN113096121A (zh) * 2021-05-06 2021-07-09 绍兴文理学院 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
CN113111830A (zh) * 2021-04-23 2021-07-13 浙江工业大学 一种葡萄藤冬剪点检测算法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102650317A (zh) * 2011-02-25 2012-08-29 日本精工株式会社 多列组合滚珠轴承
CN103870833A (zh) * 2014-03-31 2014-06-18 武汉工程大学 基于凹性测度的路面裂缝提取与测评方法
CN106150486A (zh) * 2015-04-21 2016-11-23 中国石油化工股份有限公司 识别裂缝油藏见水规律的方法
CN208782858U (zh) * 2018-10-18 2019-04-23 联想(北京)有限公司 一种电子设备
CN113111830A (zh) * 2021-04-23 2021-07-13 浙江工业大学 一种葡萄藤冬剪点检测算法
CN113096121A (zh) * 2021-05-06 2021-07-09 绍兴文理学院 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

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
Automatic subway tunnel crack detection system based on line scan camera;Qimin Gong等;《Structural Control and Health Monitoring》;1-22 *
基于Prim最小生成树的路面裂缝连接算法;任亮等;《计算机工程》;第41卷(第1期);31-36,43 *
基于形态学的SVM—Adaboost裂缝分类研究;王怡新;《中国优秀硕士学位论文全文数据库 (工程科技Ⅱ辑)》(第04期);C034-179 *

Also Published As

Publication number Publication date
CN113486896A (zh) 2021-10-08

Similar Documents

Publication Publication Date Title
CN111461114B (zh) 一种基于分割的多尺度特征金字塔文本检测方法
CN107392141B (zh) 一种基于显著性检测和lsd直线检测的机场提取方法
CN112560862B (zh) 文本识别方法、装置及电子设备
KR102361118B1 (ko) 딥러닝 기반 지능형 엔지니어링 도면 생성방법 및 장치
CN106682665B (zh) 一种基于计算机视觉的七段式数显仪表数字识别方法
US11443500B2 (en) Image processing apparatus, image processing method, and program for detecting defect from image
CN107527353B (zh) 一种基于视觉处理的投影画面外框检测方法
CN112364862B (zh) 一种基于直方图相似度的扰动变形汉字图片匹配的方法
CN111739043B (zh) 一种停车位绘制方法、装置、设备和存储介质
CN113361462B (zh) 视频处理和字幕检测模型的方法及装置
CN109146888A (zh) 一种基于差商分析的土裂隙分形维数计算方法
CN113486896B (zh) 一种道面图像断续裂缝的自动连接方法
CN104463126A (zh) 一种扫描文档图像的倾斜角自动检测方法
CN113506368B (zh) 地图数据融合方法、装置、电子设备、介质和程序产品
CN114283343A (zh) 基于遥感卫星图像的地图更新方法、训练方法和设备
CN116206326A (zh) 缺失检测模型的训练方法、导流区的缺失检测方法及装置
CN114399617B (zh) 一种遮挡图案识别方法、装置、设备和介质
CN105930847A (zh) 基于融合边缘检测的sar图像线性特征提取方法
CN114166238B (zh) 车道线的识别方法、装置及电子设备
CN112818972B (zh) 兴趣点图像的检测方法、装置、电子设备及存储介质
CN115035299A (zh) 一种基于深度学习的改进型城市街景图像分割方法
CN115049997A (zh) 边缘车道线的生成方法、装置、电子设备及存储介质
CN114005098A (zh) 高精地图车道线信息的检测方法、装置和电子设备
Shaikh et al. Segmentation of arabic text into characters for recognition
Lei et al. Fast Multi-Object Image Segmentation Algorithm Based on CV Model.

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