发明内容
本发明提供一种基于建筑物基柱的混凝土裂纹识别方法,以解决现有的裂纹识别不准确的问题。
本发明的一种基于建筑物基柱的混凝土裂纹识别方法采用如下技术方案:
获取待检测建筑物基柱的混凝土表面图像;
构建不同方向上的卷积模板;利用不同方向上的卷积模板对混凝土表面图像中的像素点与其邻域像素点进行卷积处理获取在像素点对应方向上的卷积值;
根据卷积值获取结构矩阵,获取结构矩阵的两个特征值,根据两个特征值获取像素点中的疑似裂纹像素点;
根据疑似裂纹像素点得到疑似裂纹连通域,获取疑似裂纹连通域的纹理杂乱度;
过疑似裂纹连通域内每个疑似裂纹像素点作垂直于疑似裂纹连通域的垂线,获取每个疑似裂纹像素点与其所在垂线上的第一个非疑似裂纹像素点的灰度差值,将所有差值的和值作为疑似裂纹连通域的特征指标值;
根据每个疑似裂纹连通域对应的特征指标值及纹理杂乱度获取疑似裂纹连通域中的真实裂纹连通域。
优选的,获取像素点在不同方向上的卷积值包括:
设定初始卷积尺寸;
以每个像素点为中心像素点,获取中心点在不同邻域大小下对应的邻域范围,其中,初始邻域范围与初始卷积尺寸相同;
根据每个邻域范围内像素点与邻域范围内中心像素点的灰度差值获取每个邻域范围的梯度指标;
按照邻域范围的大小从小到大进行排序得到邻域范围集合;
当邻域范围集合内连续且相邻的多个邻域范围对应的梯度指标均小于或者等于预设梯度指标阈值时,则将初始卷积尺寸作为卷积尺寸;
在邻域范围集合内连续且相邻的多个邻域范围对应的梯度指标均大于预设梯度指标阈值时,则将初始卷积尺寸的长度加2或者加4得到尺寸作为卷积尺寸;
利用卷积模板与卷积尺寸对应的像素点的邻域范围进行卷积处理获取中心像素点在不同方向上的卷积值。
优选的,每个邻域范围的梯度指标为邻域范围内所有像素点的灰度值与邻域范围内中心像素点的灰度差值的绝对值之和。
优选的,获取像素点中的疑似裂纹像素点包括:
获取两个特征值的绝对值及两个绝对值中的最大绝对值和最小绝对值;
设定绝对值的第一阈值和第二阈值,且第一阈值小于第二阈值;
当最大绝对值大于第二阈值,且最小绝对值小于第一阈值时,则两个特征值对应的结构矩阵所对应的像素点为疑似裂纹像素点。
优选的,获取疑似裂纹连通域的纹理杂乱度包括:
获取疑似裂纹连通域中每个疑似裂纹像素点所在的疑似裂纹轮廓处的曲率,并得到曲率方差;
对疑似裂纹连通域内疑似裂纹像素点的进行直线拟合得到拟合直线;
根据拟合直线上的疑似裂纹像素点数量、疑似裂纹连通域内疑似裂纹像素点的数量、曲率方差获取疑似裂纹连通域的纹理杂乱度。
优选的,构建不同方向上的卷积模板包括:
获取二维高斯模型在x方向上的二阶偏导卷积模板;
获取二维高斯模型在y方向上的二阶偏导卷积模板;
获取二维高斯模型在xy方向上的混合偏导卷积模板;
获取二维高斯模型在yx方向上的混合偏导卷积模板;
其中,xy方向上对应的混合偏导卷积模板与yx方向上对应的混合偏导卷积模板相同。
优选的,获取疑似裂纹连通域中的真实裂纹连通域包括:
获取每个疑似裂纹连通域对应的纹理杂乱度与特征指标值的乘积;
根据每个疑似裂纹连通域对应的纹理杂乱度与特征指标值获取疑似裂纹连通域的裂纹真实度;
根据预设的真实度阈值与裂纹真实度获取疑似裂纹连通域中的真实裂纹连通域。
优选的,疑似裂纹连通域的裂纹真实度的计算公式为:
式中,表示疑似裂纹连通域的裂纹真实度;
表示疑似裂纹连通域的纹理杂乱度;
表示疑似裂纹连通域的特征指标值;
表示自然常数。
优选的,还包括:
获取每个真实裂纹连通域的面积、真实裂纹连通域内所有像素点的第一灰度均值;
获取真实裂纹连通域内非裂纹像素点的第二灰度均值;
获取第一灰度均值与第二灰度均值的差值绝对值;
对真实裂纹连通域的面积与差值绝对值的乘积进行归一化得到归一化值;
将1减去归一化值作为真实裂纹连通域对应的裂纹程度;
根据每个真实裂纹连通域对应的裂纹程度与预设的裂纹程度阈值判断是否对建筑物基柱的混凝土表面的裂纹进行修复。
本发明的一种基于建筑物基柱的混凝土裂纹识别方法的有益效果是:
1、通过自适应获取卷积尺寸,然后根据自适应获取的卷积尺寸实现对每个像素点的邻域的灰度变化的进行分析,进而实现了对像素点的结构特征精确判断,以利用像素点对应的结构矩阵的特征值将疑似裂纹像素点从像素点中精确确定出来;由于,传统的边缘检测技术,受图像纹理的影响,故基于疑似裂纹像素点构成的疑似裂纹连通域对疑似裂纹连通域进行纹理分析来获得疑似裂纹连通域的纹理复杂度,同时结合纹理复杂度与实际裂纹区域的灰度值和正常区域的灰度值的区别对疑似裂纹连通域进行分析,从而从疑似裂纹连通域中获取真实裂纹连通域,实现了对建筑物基柱的混凝土上的真实裂纹区域进行准确识别。
2、在卷积处理时,采用自适应获取卷积尺寸的方式,避免了卷积处理过程中窗口尺寸过大出现的细节结构信息丢失的问题;同时避免了窗口过小时,基于较小窗口内的局部信息对待分析像素点的结构进行分析时将会出现误判的问题,即实现了疑似裂纹像素点的精确确定,以便后续精确提取裂纹区域。
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。
本发明的一种基于建筑物基柱的混凝土裂纹识别方法的实施例,如图1所示,该方法包括:
S1、获取待检测建筑物基柱的混凝土表面图像;
具体的,本实施例中利用图像采集设备对建筑物基柱的混凝土表面进行混凝土表面图像的采集,其中,图像采集设备在实际应用场景中可以是安装的现有摄像头,实施者可根据实际情况自行选择图像采集设备,本实施例利用摄像头对混凝土表面进行混凝土表面图像采集,摄像头的具体部署及视角实施者可根据实际情况自行设定,同时,为保证对混凝土裂纹状况的全面识别,对混凝土表面图像的全面采集,实施者可以设置不同视角的多个摄像头完成对待检测建筑物基柱的混凝土表面图像进行采集,得到待检测建筑物基柱的混凝土表面图像。
需要说明的是,为了避免噪声数据对混凝土表面裂纹识别的影响,本实施例还可以对得到混凝土表面图像进行去噪预处理,从而避免噪声数据对混凝土表面裂纹识别的影响,为提高后续对混凝土裂纹检测的精度,并将去噪预处理后的混凝土表面图像作为后续检测混凝土裂纹的图像。
S2、获取疑似裂纹像素点;
由于,在进行卷积处理时,每个像素点对应位置处的卷积值即可表征图像中该位置处像素点的灰度值的二阶变化,考虑到高斯模型的特性可以将待分析像素点周围的像素点的信息都包含在内,以便准确分析待分析像素点在各个方向的特征变化。
故,构建不同方向上的卷积模板,具体的,本实施例中,获取二维高斯模型在x方向上的二阶偏导卷积模板;获取二维高斯模型在y方向上的二阶偏导卷积模板;获取二维高斯模型在xy方向上的混合偏导卷积模板;获取二维高斯模型在yx方向上的混合偏导卷积模板;其中,xy方向上对应的混合偏导卷积模板与yx方向上对应的混合偏导卷积模板相同。
其中,在x方向上的二阶偏导卷积模板为:
在y方向上的二阶偏导卷积模板为:
在xy方向上对应的混合偏导卷积模板与yx方向上对应的混合偏导卷积模板为:
式中,表示尺度因子,实施者可自行设置,本实施例尺度因子取2;
表示像素点的横坐标;
表示像素点的纵坐标;
表示二维高斯模型在方向上对应的混合偏导卷积模板;
表示二维高斯模型在方向上对应的混合偏导卷积模板和方向上对应的混合偏导卷积模板;
表示二维高斯模型在方向上对应的混合偏导卷积模板,需要说明的是卷积模板即为卷积处理时的卷积核,获取卷积模板的过程为现有技术,本实施例不再赘述;
具体的,基于得到的二维高斯模型在不同方向上的卷积模板对混凝土表面图像中的像素点与其邻域像素点进行卷积处理获取在像素点对应方向上的卷积值。
由于传统的卷积尺寸是根据人为经验自行设定,该方法没有根据混凝土图像中待分析像素点的实际情况以及待分析像素点的实际局部特征进行自适应调节,具有较大的主观性,从而会影响待分析像素点结构特征的判断精度,即当所选卷积尺寸过大时,将会出现细节结构信息丢失的情况;卷积尺寸过小时,考虑到实际裂纹会存在一定的宽度,如果窗口过小基于较小窗口内的局部信息对待分析像素点的结构进行分析时将会出现误判的情况。
故,为了避免待分析像素点结构特征的判断精度,本实施例将基于待分析像素点的局部梯度指标信息对卷积尺寸进行设定,具体的,在进行卷积处理时,先获取卷积尺寸,即先设定初始卷积尺寸,本实施例以大小尺寸为初始卷积尺寸,以每个像素点为中心像素点,获取中心点在不同邻域大小下对应的邻域范围,其中,初始邻域范围与初始卷积尺寸相同;根据每个邻域范围内像素点与邻域范围内中心像素点的灰度差值获取每个邻域范围的梯度指标,其中,邻域范围的梯度指标为邻域范围内所有像素点的灰度值与邻域范围内中心像素点的灰度差值的绝对值之和;按照邻域范围的大小从小到大进行排序得到邻域范围集合;当邻域范围集合内连续且相邻的多个邻域范围对应的梯度指标均小于或者等于预设梯度指标阈值时,则将初始卷积尺寸作为卷积尺寸,本实施例中,梯度指标阈值取5,实施者也可自行设定梯度指标阈值,以邻域范围集合内连续且相邻的3个邻域范围对应的梯度指标均小于或者等于预设梯度指标阈值时,则将初始卷积尺寸作为卷积尺寸;在邻域范围集合内连续且相邻的3个邻域范围对应的梯度指标均大于预设梯度指标阈值时,则将初始卷积尺寸的长度加2或者加4得到尺寸作为卷积尺寸,即尺寸作为卷积尺寸或者尺寸作为卷积尺寸,即认为在尺寸或者尺寸对应的局部范围内的邻域像素点足以用于分析尺寸或者尺寸的中心像素点的局部灰度变化状况,从而避免窗口尺寸过大导致计算量加大的问题,即本实施例的自适应获取卷积尺寸的方法,避免人为设置卷积尺寸的主观性,在一定程度上提高待分析像素点的结构特征的判定精度,同时降低系统计算量。
具体的,根据不同方向的卷积模板与卷积尺寸对应的像素点的邻域范围进行卷积处理获取中心像素点在不同方向上的卷积值,即将像素点作为待分析像素点,则像素点在不同方向上的卷积值为:在方向上对应的卷积值;在方向上对应的卷积值,在方向上对应的卷积值,在方向上对应的卷积值;其中,为以像素点k为中心的邻域范围窗口,为像素点的位置坐标。
具体的,根据卷积值获取结构矩阵:结构矩阵具体为:,并计算结构矩阵的第一特征值、第二特征值,特征值也即在特征向量所对应的方向上像素点灰度梯度的变化程度,然后得到两个特征值的绝对值、,当第一特征值、第二特征值都特别小时,将认为待分析像素点的局部灰度几乎不存在变化;当第一特征值、第二特征值都特别大时,将认为待分析像素点每个方向的灰度变化都较大,因此,本发明设置设定绝对值的第一阈值为0.1和第二阈值为10,且第一阈值小于第二阈值,当时,本发明中,则认为该待分析像素点处于变化较为平缓的区域,处于亮度值分布均匀的混凝土图像中,该点不可能为裂纹像素点;当时,本发明中,则认为该待分析像素点在各个方向上的亮度变化都较大,也即该待分析像素点与局部范围内像素点的相似度低,对应待分析像素点为孤立点的结构特征;当待分析像素点结构矩阵的两个特征值得绝对值满足,待分析像素点在绝对值大的特征值所对应特征向量的方向上的亮度变化程度较高,在绝对值小的特征值所对应的特征向量的方向上的亮度变化程度小,也即待分析像素点在混凝土图像中为线状的结构特征,将满足该情况时的待分析像素点为疑似裂纹像素点,即初步实现对疑似裂纹像素点提取。
S3、获取疑似裂纹连通域,并获取疑似裂纹连通域的纹理杂乱度;
基于步骤S2获取混凝土图像中像素点的结构特征矩阵,实现了对疑似裂纹像素点的初步提取,然后基于疑似裂纹像素点来获取疑似裂纹连通域,考虑到混凝土表面的正常纹理极易被误认为是裂纹区域,为提高建筑物基柱混凝土表面裂纹识别精度,本实施例需要对疑似裂纹连通域的纹理杂乱度进行分析,即获取疑似裂纹连通域中每个疑似裂纹像素点所在的疑似裂纹轮廓处的曲率,并得到曲率方差,曲率的获取为现有技术本实施例不再赘述;对疑似裂纹连通域内疑似裂纹像素点的进行直线拟合得到拟合直线;根据拟合直线上的疑似裂纹像素点数量、疑似裂纹连通域内疑似裂纹像素点的数量、曲率方差获取疑似裂纹连通域的纹理杂乱度,其中,以疑似裂纹连通域为例,疑似裂纹连通域的纹理杂乱度的计算公式为:
式中,为疑似裂纹连通域中疑似裂纹像素点所在的疑似裂纹轮廓处的曲率方差;
为疑似裂纹连通域内处于拟合直线上的疑似裂纹像素点的数量;
为疑似裂纹连通域内所有疑似裂纹像素点的总数量;
需要说明的是,对于裂纹来说,其形态不规则,由于在曲率方差越大时,疑似裂纹连通域内的各个疑似裂纹像素点的曲率变化越杂乱,对应疑似裂纹连通域的形态越不规则,同样的表明不处于拟合直线上的疑似裂纹像素点数量的占比,即越多疑似裂纹像素点不在拟合直线上,越认为对应疑似裂纹连通域的结构越不规律,越能反映其是裂纹:
S4、获取疑似裂纹连通域的特征指标值;
过疑似裂纹连通域内每个疑似裂纹像素点作垂直于疑似裂纹连通域的垂线,获取每个疑似裂纹像素点与其所在垂线上的第一个非疑似裂纹像素点的灰度差值,将所有差值的和值作为疑似裂纹连通域的特征指标值。
具体的,对于疑似裂纹连通域,考虑到当混凝土表面出现裂纹时,视觉上裂纹处较其两边其他区域较暗,也即裂纹处灰度值相对其他正常区域而言较小,因此,本实施例先提取疑似裂纹连通域的特征指标值,用于对疑似裂纹连通域的视觉成像特征进行检测表征,同样的以疑似裂纹连通域为例,疑似裂纹连通域的特征指标值的计算公式为:
式中,为疑似裂纹连通域内所有疑似裂纹像素点的总数量;
为疑似裂纹连通域中的疑似裂纹像素点的灰度值;
表示疑似裂纹连通域中疑似裂纹像素点所在垂线上的第一个非疑似裂纹像素点,需要说明的是,第一个非疑似裂纹像素点为在垂线的两端靠近的疑似裂纹像素点任意一个;
需要说明的是,特征指标值小于零时,将认为疑似裂纹连通域为真实裂纹连通域的可能性越高,当混凝土表面出现裂纹时,视觉上裂纹处较其两边其他区域较暗,也即裂纹处灰度值相对其他正常区域而言较小,即当疑似裂纹像素点的灰度值小于非疑似裂纹像素点的灰度值时,其为真实裂纹的可能性越高。
S5、获取疑似裂纹连通域中的真实裂纹连通域;
根据每个疑似裂纹连通域对应的特征指标值及纹理杂乱度获取疑似裂纹连通域中的真实裂纹连通域。
具体的,获取每个疑似裂纹连通域对应的纹理杂乱度与特征指标值的乘积;根据每个疑似裂纹连通域对应的纹理杂乱度与特征指标值获取疑似裂纹连通域的裂纹真实度;根据预设的真实度阈值与裂纹真实度获取疑似裂纹连通域中的真实裂纹连通域,其中,疑似裂纹连通域的裂纹真实度的计算公式为:
式中,表示疑似裂纹连通域的裂纹真实度;
表示疑似裂纹连通域的纹理杂乱度;
表示疑似裂纹连通域的特征指标值;
表示自然常数;
需要说明的是,对于裂纹来说,其纹理是越杂乱,故纹理杂乱度越大,越能说明其为真实裂纹连通域的可能性越大,对于特征指标值,当混凝土表面出现裂纹时,视觉上裂纹处较其两边其他区域较暗,也即裂纹处灰度值相对其他正常区域而言较小,即当疑似裂纹像素点的灰度值小于非疑似裂纹像素点的灰度值时,其为真实裂纹的可能性越高,故特征指标值在小于0时,对特征指标值取绝对值,特征指标值取绝对值越大越说明其为真实裂纹的可能性越高,当特征指标值在大于或者等于0时,特征指标值越大越不是裂纹,由于,疑似裂纹连通域的裂纹真实度的计算公式将裂纹真实度的值限定于(0,1),故本实施例中设置裂纹真实度阈值为0.5,实施者可自行设置,当疑似裂纹连通域的裂纹真实度高于裂纹真实度阈值时,则对应疑似裂纹连通域为真实裂纹连通域,从而实现对真实裂纹连通域的识别,进而实现精确对裂纹的提取。
为了方便后续的裂纹修复,还包括:获取每个真实裂纹连通域的面积、真实裂纹连通域内所有像素点的第一灰度均值;获取真实裂纹连通域内非裂纹像素点的第二灰度均值;获取第一灰度均值与第二灰度均值的差值绝对值;对真实裂纹连通域的面积与差值绝对值的乘积进行归一化得到归一化值;将1减去归一化值作为真实裂纹连通域对应的裂纹程度;根据每个真实裂纹连通域对应的裂纹程度与预设的裂纹程度阈值判断是否对建筑物基柱的混凝土表面的裂纹进行修复,具体的,真实裂纹连通域对应的裂纹程度的计算公式为:
式中,表示真实裂纹连通域对应的裂纹程度;
表示真实裂纹连通域对应的面积;
表示真实裂纹连通域内所有像素点的第一灰度均值;
表示混凝土表面图像中去除所有真实裂纹连通域之外的其他所有像素点的第二灰度均值。
表示以自然常数为底的指数函数;
需要说明的是,真实裂纹连通域的面积越大,即其与正常区域的灰度均值差异越高,则对应的真实裂纹连通域的裂纹程度越大,对应的裂纹越严重,本实施例中认为裂纹不明显的可以不进行修复,故本实施例设定裂纹程度阈值为0.3,当裂纹程度大于或者等于0.3则对裂纹进行修复,反之,则不进行修复。
本发明公开的一种基于建筑物基柱的混凝土裂纹识别方法,通过自适应获取卷积尺寸,然后根据卷积尺寸实现对每个像素点的邻域的灰度变化的进行分析,进而实现了对像素点的结构特征精确判断,以利用像素点对应的结构矩阵的特征值将疑似裂纹像素点从像素点中精确确定出来,以便后续精确提取裂纹区域;由于,传统的边缘检测技术,受图像纹理的影响,故基于疑似裂纹像素点构成的疑似裂纹连通域对疑似裂纹连通域进行纹理分析来获得疑似裂纹连通域的纹理复杂度,同时结合纹理复杂度与实际裂纹区域的灰度值和正常区域的灰度值的区别来精确区分出疑似裂纹连通域中的真实裂纹连通域,实现了对建筑物基柱的混凝土上的真实裂纹区域进行准确识别。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。