CN117853484B - 一种基于视觉的桥梁损伤智能监测方法及系统 - Google Patents

一种基于视觉的桥梁损伤智能监测方法及系统 Download PDF

Info

Publication number
CN117853484B
CN117853484B CN202410245742.4A CN202410245742A CN117853484B CN 117853484 B CN117853484 B CN 117853484B CN 202410245742 A CN202410245742 A CN 202410245742A CN 117853484 B CN117853484 B CN 117853484B
Authority
CN
China
Prior art keywords
pixel point
filtering
preset
window
texture
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
CN202410245742.4A
Other languages
English (en)
Other versions
CN117853484A (zh
Inventor
黄涛
彭曲波
王伟
龙文武
郭佳慧
周智兴
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.)
Hunan Construction Engineering Jiaotongjianhongte Technology Co ltd
Original Assignee
Hunan Construction Engineering Jiaotongjianhongte Technology 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 Hunan Construction Engineering Jiaotongjianhongte Technology Co ltd filed Critical Hunan Construction Engineering Jiaotongjianhongte Technology Co ltd
Priority to CN202410245742.4A priority Critical patent/CN117853484B/zh
Publication of CN117853484A publication Critical patent/CN117853484A/zh
Application granted granted Critical
Publication of CN117853484B publication Critical patent/CN117853484B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Landscapes

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

Abstract

本发明涉及图像分析领域,具体涉及一种基于视觉的桥梁损伤智能监测方法及系统。该方法以桥梁底座表面灰度图像中每个像素点为中心构建预设滤波窗口,分析预设滤波窗口中像素点的梯度方向和灰度值,并基于获取的滤波可能性筛选出目标像素点,获取预设滤波窗口的模板印记纹理以及其走向信息,结合预设滤波窗口内部和外部的模板印记纹理之间的相似程度、目标像素点的滤波可能性以及模板印记纹理的走向信息,对预设滤波窗口进行扩展调整,进而在调整后的滤波窗口中对目标像素点进行滤波,在滤波后的增强图像中监测桥梁损伤情况。本发明能够更好的去除桥梁表面模板印记,降低模板印记对裂缝识别的影响,提高对桥梁损伤情况监测的准确性。

Description

一种基于视觉的桥梁损伤智能监测方法及系统
技术领域
本发明涉及图像分析领域,具体涉及一种基于视觉的桥梁损伤智能监测方法及系统。
背景技术
桥梁在使用过程中,由于长期承受压力的原因,导致其底座出现裂缝等损伤情况,存在极大的安全隐患,定期对桥梁损伤情况进行监测往往能揭示桥梁结构的受力机理,同时可以评估桥梁的刚度损失和剩余承载力,进而可提示相关人员进行及时的修复工作,消除存在的安全隐患。
相关技术中通常使用边缘检测或阈值分割等视觉检测技术对桥梁底座表面图像进行处理,从而提取出桥梁底座表面的裂缝区域,但由于桥梁底座在筑造过程中,是通过向拼接的模板中浇筑混凝土,导致其表面存在拼接缝隙相关的模板印记,通过现有技术会将模板印记误检为裂缝,进而降低对桥梁损伤情况监测的准确性。
发明内容
为了解决现有技术会将桥梁底座表面的模板印记误检为裂缝,进而降低对桥梁损伤情况监测的准确性的技术问题,本发明的目的在于提供一种基于视觉的桥梁损伤智能监测方法及系统,所采用的技术方案具体如下:
本发明提出了一种基于视觉的桥梁损伤智能监测方法,所述方法包括:
获取桥梁底座表面的灰度图像;
根据以每个像素点为中心的预设滤波窗口中像素点的梯度方向的分布和灰度值的分布,获得对应像素点的滤波可能性;基于所述滤波可能性,从灰度图像中的所有像素点中筛选出进行滤波的目标像素点;
对每个目标像素点的预设滤波窗口所在行或列上的像素点进行直线检测,获得对应预设滤波窗口的模板印记纹理以及模板印记纹理的走向信息;将所述模板印记纹理处于预设滤波窗口之内的部分作为内部纹理,将所述模板印记纹理处于预设滤波窗口之外的部分作为外部纹理,根据所述内部纹理和所述外部纹理之间像素点的梯度方向的差异,获得预设邻域窗口的内部纹理和外部纹理之间的相似程度;根据所述滤波可能性、所述相似程度和模板印记纹理的所述走向信息,对目标像素点的预设滤波窗口进行扩展,获得调整滤波窗口;基于调整滤波窗口对灰度图像中对应目标像素点进行滤波,获得增强图像;
根据所述增强图像对桥梁损伤情况进行监测。
进一步地,所述根据以每个像素点为中心的预设滤波窗口中像素点的梯度方向的分布和灰度值的分布,获得对应像素点的滤波可能性包括:
统计每个像素点对应的预设滤波窗口中同一梯度方向的像素点的数量,将数量的最大值对应的梯度方向,作为参考方向;
将预设滤波窗口中梯度方向等于所述参考方向的像素点,作为预设滤波窗口中的参考像素点;
在预设滤波窗口中,将任意选取的两个参考像素点作为参考像素点组,将参考像素点组中两个参考像素点灰度值的差值的绝对值,作为对应参考像素点组的灰度差异,将参考像素点组的所述灰度差异乘以对应参考像素点组中两个参考像素点之间的距离,获得对应参考像素点组的初始判断参数;
将预设滤波窗口中所有参考像素点组的初始判断参数的平均值,作为预设滤波窗口的整体判断参数;
获取每个像素点的滤波可能性,其中所述滤波可能性与预设滤波窗口中参考像素点的数量呈正相关,所述滤波可能性与所述整体判断参数呈负相关,所述滤波可能性的取值为归一化后的数值。
进一步地,所述基于所述滤波可能性,从灰度图像中的所有像素点中筛选出进行滤波的目标像素点包括:
将所述滤波可能性大于预设可能性阈值的像素点,作为目标像素点。
进一步地,所述走向信息包括水平方向和竖直方向,所述对每个目标像素点的预设滤波窗口所在行或列上的像素点进行直线检测,获得对应预设滤波窗口的模板印记纹理以及模板印记纹理的走向信息包括:
基于霍夫直线检测算法,将每个目标像素点的预设滤波窗口所在的每行或每列的像素点的位置,映射到霍夫空间,获得对应行或列上的像素点在霍夫空间对应的曲线,并将霍夫空间中相交于一点的曲线的数量,作为对应行或列的霍夫响应参数;
将所述霍夫响应参数的最大值对应的行或列上的像素点所组成的区域,作为模板印记纹理;
若所述模板印记纹理由行像素点组成,则对应模板印记纹理的走向信息为水平走向;若所述模板印记纹理由列像素点组成,则对应模板印记纹理的走向信息为竖直走向。
进一步地,所述根据所述内部纹理和所述外部纹理之间像素点的梯度方向的差异,获得预设邻域窗口的内部纹理和外部纹理之间的相似程度包括:
将所述内部纹理上每个像素点与相邻的下一个像素点之间梯度方向的差值的绝对值,作为对应两个像素点之间的第一梯度差异,将所有所述第一梯度差异的平均值,作为内部纹理的第一梯度分布参数;
将所述外部纹理上每个像素点与相邻的下一个像素点之间梯度方向的差值的绝对值,作为对应两个像素点之间的第二梯度差异,将所有所述第二梯度差异的平均值,作为外部纹理的第二梯度分布参数;
将所述第一梯度分布参数和所述第二梯度分布参数的差值的绝对值进行负相关映射,获得预设邻域窗口的内部纹理和外部纹理之间的相似程度。
进一步地,所述根据所述滤波可能性、所述相似程度和模板印记纹理的所述走向信息,对目标像素点的预设滤波窗口进行扩展,获得调整滤波窗口包括:
将每个目标像素点的滤波可能性和对应目标像素点的预设滤波窗口的内部纹理和外部纹理之间的相似程度的乘积值进行归一化,获得对应目标像素点的预设滤波窗口的调整尺度;
将所述调整尺度与对应预设滤波窗口的边长的乘积值,作为对应预设滤波窗口的边长调整量;
将预设滤波窗口的边长和所述边长调整量的和值向上取最小奇数,获得对应预设滤波窗口的调整边长;
根据预设滤波窗口的所述调整边长和对应预设滤波窗口的模板印记纹理的所述走向信息,对目标像素点的预设滤波窗口进行扩展,获得对应目标像素点的调整滤波窗口。
进一步地,所述根据预设滤波窗口的所述调整边长和对应预设滤波窗口的模板印记纹理的所述走向信息,对目标像素点的预设滤波窗口进行扩展,获得对应目标像素点的调整滤波窗口包括:
若目标像素点的预设滤波窗口的模板印记纹理的走向信息为水平走向,则将预设滤波窗口竖直方向的边长调整为所述调整边长,水平方向的边长保持不变,并将调整后的预设滤波窗口作为对应目标像素点的调整滤波窗口;
若目标像素点的预设滤波窗口的模板印记纹理的走向信息为竖直走向,则将预设滤波窗口水平方向的边长调整为所述调整边长,竖直方向的边长保持不变,并将调整后的预设滤波窗口作为对应目标像素点的调整滤波窗口。
进一步地,所述基于调整滤波窗口对灰度图像中对应目标像素点进行滤波,获得增强图像包括:
在灰度图像中,基于中值滤波算法,在每个目标像素点的调整滤波窗口中对对应目标像素点进行滤波;
遍历灰度图像中所有的目标像素点并进行滤波,获得增强图像。
进一步地,所述根据所述增强图像对桥梁损伤情况进行监测包括:
对所述增强图像进行边缘检测,若在增强图像中检测出边缘信息,则发出预警信号。
本发明还提出了一种基于视觉的桥梁损伤智能监测系统,所述系统包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现任意一项一种基于视觉的桥梁损伤智能监测方法的步骤。
本发明具有如下有益效果:
本发明考虑到现有的视觉检测技术会将桥梁底座表面存在的模板印记误检为裂缝,从而降低对桥梁损伤情况监测的准确性,因此本发明通过对桥梁底座表面的灰度图像进行滤波,平滑掉模板印记,以此提高对桥梁损伤监测的准确性,考虑到现有的滤波算法通常是对整个图像进行处理,计算量过大,同时相对于裂缝,模板印记呈直线状纹理,模板印记上的像素点的梯度方向一致性较强,且灰度值差异较小,因此本发明通过获取的滤波可能性反映像素点的预设滤波窗口中存在模板印记的可能性,并在后续中仅对预设滤波窗口中存在模板印记的目标像素点进行滤波,降低滤波的计算量,同时避免裂缝被平滑掉,考虑到滤波算法是通过滤波窗口中各像素点灰度值对窗口中心像素点灰度值进行调整,而当预设滤波窗口中存在模板印记时,滤波后的像素点灰度值仍然会表现为模板印记特征,导致模板印记的去除效果较差,因此本发明基于获取的相似程度和目标像素点的滤波可能性,同时结合模板印记纹理的走向信息,对滤波窗口进行扩展,并在调整滤波窗口中进行滤波,从而可更好的平滑掉桥梁表面的模板印记,提高后续对桥梁裂缝监测的准确性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案和优点,下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍,显而易见地,下面描述中的附图仅仅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它附图。
图1为本发明一个实施例所提供的一种基于视觉的桥梁损伤智能监测方法流程图。
具体实施方式
为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效,以下结合附图及较佳实施例,对依据本发明提出的一种基于视觉的桥梁损伤智能监测方法及系统,其具体实施方式、结构、特征及其功效,详细说明如下。在下述说明中,不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外,一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
一种基于视觉的桥梁损伤智能监测方法及系统实施例:
下面结合附图具体的说明本发明所提供的一种基于视觉的桥梁损伤智能监测方法及系统的具体方案。
请参阅图1,其示出了本发明一个实施例提供的一种基于视觉的桥梁损伤智能监测方法流程图,该方法包括:
步骤S1:获取桥梁底座表面的灰度图像。
桥梁在使用过程中,由于长期承受压力的原因,导致其底座出现损伤情况,例如会产生裂缝,存在极大的安全隐患,定期对桥梁损伤情况进行监测可及时提示相关人员进行相关修复工作,消除存在的安全隐患,相关技术中通常使用边缘检测或阈值分割等视觉检测技术对桥梁底座表面图像进行处理,从而提取出桥梁底座表面的裂缝区域,但由于桥梁底座在筑造过程中,是通过向拼接的模板中浇筑混凝土,导致其表面在模板拼接处往往会出现模板印记,容易将模板印记误检为裂缝,降低对桥梁损伤情况监测的准确性,因此本发明实施例提出一种基于视觉的桥梁损伤智能监测方法以解决该问题。
本发明实施例首先利用搭载相机组的桥梁检测车对待测桥梁的底座进行拍摄,采集到桥梁底座的原始图像,考虑到采集的原始图像通常为多通道的RGB图像,为了降低后续图像处理的计算量,提高处理速度,在本发明的一个实施例中将采集的桥梁底座的原始图像进行灰度化处理,转化为单通道的灰度图像。需要说明的是,灰度化处理是本领域技术人员熟知的技术手段,在此不再赘述。
获取到桥梁底座表面的灰度图像后,在后续中便可对灰度图像进行视觉分析,从而监测桥梁底座表面是否出现裂缝。
步骤S2:根据以每个像素点为中心的预设滤波窗口中像素点的梯度方向的分布和灰度值的分布,获得每个像素点的滤波可能性;基于滤波可能性,从灰度图像中的所有像素点中筛选出进行滤波的目标像素点。
由于桥梁底座筑造过程是向多个相互拼接的模板中注入混凝土,导致桥梁底座表面在模板拼接处往往会形成模板印记,若直接通过边缘检测或阈值分割等视觉检测技术进行裂缝检测,会将模板印记误检为裂缝,因此本发明实施例通过对桥梁底座表面的灰度图像进行滤波,平滑掉其表面的模板印记,以此提高对桥梁损伤监测的准确性,考虑到现有的滤波算法通常是对整个图像进行处理,计算量过大,而本发明仅需要平滑掉桥梁底座表面的模板印记,同时需要尽可能保留其表面的裂缝特征,考虑到相对于裂缝纹理,模板印记通常呈直线状纹理,模板印记上像素点的梯度方向的一致性较强,并且裂缝纹理上的像素点灰度值分布较为混乱,而模板印记上的各像素点之间的灰度值差异较小,因此可首先在灰度图像中以每个像素点为中心构建预设滤波窗口,并对预设滤波窗口中像素点的梯度方向的分布和灰度值的分布进行分析,通过获取的滤波可能性反映像素点的预设滤波窗口中存在模板印记的可能性,并在后续中仅对预设滤波窗口中存在模板印记的目标像素点进行滤波,降低滤波的计算量,提高滤波效率,同时还能避免灰度图像中的裂缝特征被平滑掉,预设滤波窗口的尺寸设置为,预设滤波窗口的具体尺寸也可根据具体实施场景由实施者自行设置,在此不作限定。
优选地,在本发明的一个实施例中每个像素点的滤波可能性的获取方法具体包括:
由于模板印记上的像素点的梯度方向的一致性较强,因此为了检测每个像素点的预设滤波窗口中是否存在模板印记,可首先通过sobel梯度算子计算出预设滤波窗口中每个像素点的梯度方向,sobel梯度算子是本领域技术人员熟知的技术手段,在此不做赘述,统计每个像素点对应的预设滤波窗口中同一梯度方向的像素点的数量,并将像素点数量最大值对应的梯度方向,作为参考方向,将预设滤波窗口中梯度方向等于参考方向的像素点,作为预设滤波窗口中的参考像素点;在预设滤波窗口中,将任意选取的两个参考像素点作为参考像素点组,将参考像素点组中两个参考像素点灰度值的差值的绝对值,作为对应参考像素点组的灰度差异,将参考像素点组的灰度差异乘以对应参考像素点组中两个参考像素点之间的距离,获得对应参考像素点组的初始判断参数;将预设滤波窗口中所有参考像素点组的初始判断参数的平均值,作为预设滤波窗口的整体判断参数;获取每个像素点的滤波可能性,其中滤波可能性与预设滤波窗口中参考像素点的数量呈正相关,滤波可能性与整体判断参数呈负相关,滤波可能性的取值为归一化后的数值。滤波可能性的表达式可以具体例如为:
其中,表示第/>个像素点的滤波可能性;/>表示第/>个像素点的预设滤波窗口中参考像素点的数量;/>和/>分别表示第/>个像素点的预设滤波窗口中第/>个参考像素点组中两个参考像素点的灰度值;/>表示第/>个像素点的预设滤波窗口中第/>个参考像素点组中两个参考像素点距离;/>表示排列组合函数,其中/>为从预设滤波窗口中的所有参考像素点任取两个参考像素点的组合数量,即/>表示第/>个像素点的预设滤波窗口中参考像素点组的数量;/>表示归一化函数;/>表示第一调节参数,用于防止分母为0,在本发明的一个实施例中/>设置为0.01,/>具体数值也可根据具体实施场景由实施者自行设置,在此不作限定。
在每个像素点的滤波可能性的获取过程中,滤波可能性越大,说明该像素点的预设滤波窗口中越可能存在模板印记,进而说明越需要对该像素点进行滤波平滑,由于模板印记呈直线状纹理分布,其像素点的梯度方向一致性较强,因此像素点的预设滤波窗口中参考像素点的数量/>越大,说明预设滤波窗口中梯度方向一致的像素点的数量越多,进而说明该像素点的预设滤波窗口中越可能存在模板印记的特征,则该像素点的滤波可能性就越大,同时由于模板印记上的像素点的灰度值分布比较均匀,因此灰度差异越小,说明梯度方向一致的参考像素点的灰度值越接近,同时参考像素点之间的距离/>越小,说明梯度方向一致的参考像素点分布的越聚集,因此参考像素点组的初始判断参数/>越小,说明该像素点的预设滤波窗口中越可能存在模板印记的特征,因此所有考像素点组的初始判断参数的平均值,即整体判断参数越小,说明该像素点的预设滤波窗口中越可能存在模板印记的特征,则该像素点的滤波可能性/>就越大,进而通过归一化函数将滤波可能性/>限定在/>范围内,便于后续的评估分析。
在本发明的一个实施例中,归一化处理可以具体例如为最大最小值归一化处理,并且,后续步骤中的归一化均可以采用最大最小值归一化处理,在本发明的其他实施例中可以根据数值具体范围选择其他归一化方法,对此不再赘述。
由于本发明实施例为了提高后续滤波效率,仅需要对桥梁底座表面灰度图像中的模板印记进行滤波平滑,从而去除灰度图像中的模板印记,并保留其中的裂缝特征,而滤波可能性能够反映每个像素点的预设滤波窗口中存在模板印记的可能性,同时滤波可能性越大,说明对应的像素点越需要滤波平滑,因此可基于滤波可能性筛选出灰度图像中的目标像素点,后续中仅对预设滤波窗口中存在模板印记的目标像素点进行滤波,降低滤波的计算量,同时避免裂缝被平滑掉。
优选地,在本发明的一个实施例将滤波可能性大于预设可能性阈值的像素点,作为目标像素点,预设可能性阈值设置为0.6,预设可能性阈值的具体数值也可根据具体实施场景,由实施者自行设置,在此不作限定。
步骤S3:对每个目标像素点的预设滤波窗口所在行或列上的像素点进行直线检测,获得对应预设滤波窗口的模板印记纹理以及模板印记纹理的走向信息;将模板印记纹理处于预设滤波窗口之内的部分作为内部纹理,将模板印记纹理处于预设滤波窗口之外的部分作为外部纹理,根据内部纹理和外部纹理之间像素点的梯度方向的差异,获得预设邻域窗口的内部纹理和外部纹理之间的相似程度;根据滤波可能性、相似程度和模板印记纹理的走向信息,对目标像素点的预设滤波窗口进行扩展,获得调整滤波窗口;基于调整滤波窗口对灰度图像中对应目标像素点进行滤波,获得增强图像。
本发明实施例使用滤波算法对桥梁底座表面的模板印记进行平滑去除,考虑到滤波算法是通过滤波窗口中各像素点灰度值对窗口中心像素点灰度值进行调整,并且滤波窗口的尺寸固定,但由于桥梁底座表面的模板印记比较明显,对于预设滤波窗口中存在模板印记的目标像素点来说,使用传统的滤波算法对目标像素点进行滤波平滑时,滤波后的目标像素点的灰度值可能仍然会表现为模板印记的特征,导致对模板印记的去除效果较差,因此本发明通过对目标像素点的预设滤波窗口的尺寸进行扩大调整,减少调整后的预设滤波窗口中的模板印记像素点的相对数量,以减弱预设滤波窗口中的像素点灰度值对模板印记的表现,从而提高对模板印记的去除效果,由于桥梁表面的模板印记通常表现为走向为水平方向或竖直方向的直线状纹理,且一般是从灰度图像的左边界延长至右边界或从上边界延长至下边界,为了更好的减弱预设滤波窗口中模板印记的表现,需要根据模板印记的走向对预设滤波窗口进行调整,因此本发明首先对目标像素点的预设滤波窗口所在行或列上的像素点进行直线检测,获得预设滤波窗口的模板印记纹理以及模板印记纹理的走向信息,后续便于对模板印记纹理进一步的分析,并结合其走向信息,对预设滤波窗口在某个方向上进行调整,提高对模板印记滤波平滑的效果,霍夫直线检测是本领域技术人员熟知的技术手段,在此不做赘述。
优选地,在本发明的一个实施例中预设滤波窗口的模板印记纹理以及模板印记纹理的走向信息的获取方法具体包括:
基于霍夫直线检测算法,将每个目标像素点的预设滤波窗口所在的每行或每列的像素点的位置,映射到霍夫空间,获得对应行或列上的像素点在霍夫空间对应的曲线,由于像素点的位置映射到霍夫空间中为一条曲线,且霍夫空间中各曲线之间的交点表示对应的各像素点所在的同一条直线,并且相交于一点的曲线的数量越多,说明像素点在同一直线上的可能性越大,即模板印记在该行或列的可能性越大,因此可将霍夫空间中相交于一点的曲线的数量,作为对应行或列的霍夫响应参数,并将霍夫响应参数的最大值对应的行或列上的像素点所组成的区域,作为模板印记纹理,举例说明:在灰度图像中,若某个目标像素点的滤波预设窗口所在的行的范围为1~7行,所在的列为1~7列,即此时预设滤波窗口处于灰度图像左上角的位置,此时可首先将灰度图像中的第一行各像素点的位置映射到霍夫空间中,从而得到第一行的霍夫响应参数,对其他行或列的像素点也做同样的处理,从而可得到预设滤波窗口所在的每一行的霍夫响应参数和每一列的霍夫响应参数,若该目标像素点的预设滤波窗口所在的第1行的霍夫响应参数为最大值,则将第1行所有的像素点作为模板印记纹理;若模板印记纹理由行像素点组成,则对应模板印记纹理的走向信息为水平走向;若模板印记纹理由列像素点组成,则对应模板印记纹理的走向信息为竖直走向。
获取到每个目标像素点的预设滤波窗口对应的模板印记纹理,此时可能是多个不同的目标像素点的预设滤波窗口对应同一个模板印记纹理,同时此时模板印记纹理表现为穿过预设滤波窗口的直线纹理,此时对于该预设滤波窗口的模板印记纹理来说,其处于预设滤波窗口内部的部分和外部的部分之间存在差异,主要表现为模板印记纹理处于预设滤波窗口之外的部分与处于预设滤波窗口之内的部分之间像素点梯度方向的不同,因此本发明首先将模板印记纹理处于预设滤波窗口之内的部分作为内部纹理,将模板印记纹理处于预设滤波窗口之外的部分作为外部纹理,由于模板印记纹理表现为穿过预设滤波窗口,因此外部纹理被预设滤波窗口分为两段,同时本发明实施例利用内部纹理和外部纹理之间像素点的梯度方向的差异,获得内部纹理和外部纹理之间的相似程度,后续中可通过结合相似程度和上述获取的滤波可能性对不同目标像素点的预设滤波窗口进行不同程度的调整。
优选地,在本发明的一个实施例中预设邻域窗口的内部纹理和外部纹理之间的相似程度的获取方法具体包括:
将内部纹理上每个像素点与相邻的下一个像素点之间梯度方向的差值的绝对值,作为对应两个像素点之间的第一梯度差异,将所有第一梯度差异的平均值,作为内部纹理的第一梯度分布参数;将外部纹理上每个像素点与相邻的下一个像素点之间梯度方向的差值的绝对值,作为对应两个像素点之间的第二梯度差异,需要说明的是,由于外部纹理被预设滤波窗口分为两部分,即外部纹理在预设滤波窗口的边界上存在两个像素点,例如若模板印记纹理为水平方向,此时外部纹理分别在预设滤波窗口的左边界和右边界上存在一个像素点,则将这两个像素点也认为是外部纹理上相邻的两个像素点,将所有第二梯度差异的平均值,作为外部纹理的第二梯度分布参数;将第一梯度分布参数和第二梯度分布参数的差值的绝对值进行负相关映射,获得预设邻域窗口的内部纹理和外部纹理之间的相似程度。相似程度的表达式可以具体例如为:
其中,表示第/>个目标像素点的预设滤波窗口的内部纹理和外部纹理之间的相似程度;/>表示第/>个目标像素点的预设滤波窗口的内部纹理上第/>个像素点的梯度方向;/>表示第/>个目标像素点的预设滤波窗口的外部纹理上第/>个像素点的梯度方向,即内部纹理上的第/>个像素点是第/>个像素点相邻的下一个像素点;/>表示第个目标像素点的预设滤波窗口的内部纹理上像素点的数量;/>表示第/>个目标像素点的预设滤波窗口的外部纹理上第/>个像素点的梯度方向;/>表示第/>个目标像素点的预设滤波窗口的外部纹理上第/>个像素点的梯度方向,即外部纹理上的第个像素点是第/>个像素点相邻的下一个像素点;/>表示第/>个目标像素点的预设滤波窗口的外部纹理上像素点的数量;/>表示第二调节参数,用于防止分母为0,在本发明的一个实施例中/>设置为0.01,/>具体数值也可根据具体实施场景由实施者自行设置,在此不作限定。
在预设滤波窗口的内部纹理和外部纹理的相似程度的获取过程中,相似程度越大,说明该目标像素点的预设滤波窗口的内部纹理和外部纹理之间像素点梯度方向的分布差异越小,进而说明内部纹理和外部纹理的相似性越高,且内部纹理的可信程度越高,进而在后续中需要对该目标像素点的预设滤波窗口进行更大程度的扩大调整,其中,用内部纹理上所有相邻的像素点的第一梯度差异/>的平均值,即第一梯度分布参数/>反映内部纹理上像素点梯度方向分布的特征,用外部纹理上所有相邻的像素点的第二梯度差异/>的平均值,即第二梯度分布参数/>反映内部纹理上像素点梯度方向分布的特征,因此第一梯度分布参数和第二分布参数的差异越小,说明内部纹理于外部纹理之间梯度分布的特征越相似,则相似程度/>就越大,则在后续中就需要更大程度的扩大该目标像素点的预设滤波窗口的尺寸。
由于桥梁底座表面的模板印记比较明显,传统的滤波算法中滤波窗口为固定尺寸,滤波后的目标像素点的灰度值仍然会表现为模板印记的特征,导致对模板印记的去除效果较差,同时考虑到模板印记通常表现为走向为水平方向或竖直方向的直线状纹理,因此本发明基于预设滤波窗口对应的模板印记纹理的走向信息,仅在某一方向上对目标像素点的预设滤波窗口的尺寸进行扩大调整,减少调整后的预设滤波窗口中的模板印记像素点的相对数量,以减弱预设滤波窗口中的像素点灰度值对模板印记的表现,从而提高对模板印记的去除效果,同时目标像素点的滤波可能性以及该目标像素点的预设滤波窗口的内部纹理和外部纹理之间的相似程度,能够间接反映对该目标像素点滤波的程度,因此可结合滤波可能性和相似程度对不同目标像素点的预设滤波窗口进行不同程度的调整,提高预设滤波窗口的自适应性,在后续中在获取的调整滤波窗口中对对应的目标像素点进行滤波,提高对模板印记去除的效果。
优选地,在本发明的一个实施例中每个目标像素点的调整滤波窗口的获取方法具体包括:
将每个目标像素点的滤波可能性和对应目标像素点的预设滤波窗口的内部纹理和外部纹理之间的相似程度的乘积值进行归一化,获得对应目标像素点的预设滤波窗口的调整尺度;将调整尺度与对应预设滤波窗口的边长的乘积值,作为对应预设滤波窗口的边长调整量;将预设滤波窗口的边长和边长调整量的和值向上取最小奇数,获得对应预设滤波窗口的调整边长;若目标像素点的预设滤波窗口的模板印记纹理的走向信息为水平走向,则将预设滤波窗口竖直方向的边长调整为调整边长,水平方向的边长保持不变,并将调整后的预设滤波窗口作为对应目标像素点的调整滤波窗口;若目标像素点的预设滤波窗口的模板印记纹理的走向信息为竖直走向,则将预设滤波窗口水平方向的边长调整为调整边长,竖直方向的边长保持不变,并将调整后的预设滤波窗口作为对应目标像素点的调整滤波窗口,通过这种调整方式可以减少调整后的预设滤波窗口中的模板印记像素点的相对数量,减弱预设滤波窗口中的像素点灰度值对模板印记的表现。其中,调整边长的表达式可以具体例如为:
其中,表示第/>个目标像素点的预设滤波窗口的调整边长;/>表示第/>个目标像素点的预设滤波窗口的边长;/>表示第/>个目标像素点的滤波可能性;/>表示第/>个目标像素点的预设滤波窗口的内部纹理和外部纹理之间的相似程度;/>表示归一化函数;/>表示向上取最小奇数的函数;
在每个目标像素点的预设滤波窗口的调整边长的获取过程中,调整边长为对预设滤波窗口进行调整后的边长,其中/>越大,说明该目标像素点的预设滤波窗口中的模板印记特征越明显,进而说明在滤波过程中需要对预设滤波窗口的尺寸进行更大程度的扩展,从而减少调整滤波窗口中的模板印记像素点的相对数量,并减弱调整滤波窗口中的像素点灰度值对模板印记的表现,相似程度/>越大,说明内部纹理于外部纹理之间梯度分布的特征越相似,进而说明内部纹理越可能表现为模板印记,同样需要对预设滤波窗口的尺寸进行更大程度的扩展,则调整边长/>就越大,因此对/>进行归一化后的结果作为预设滤波窗口的调整尺度/>,调整尺度越大,说明对预设滤波窗口调整的程度越大,并将预设滤波窗口的边长/>与调整尺度的乘积值作为边长调整量,同时为了保证目标像素点处于调整滤波窗口的中心位置,将预设滤波窗口的边长与边长调整量的和值向上取最小奇数的结果,作为调整边长/>,进而可结合调整边长和模板印记纹理的走向信息对目标像素点的预设滤波窗口进行调整。
对每个目标像素点的预设滤波窗口进行扩展后,其调整滤波窗口中模板印记像素点的数量相对与整个调整滤波窗口中的像素点数量得到减少,调整滤波窗口中的模板印记的表现得到减弱,因此可在每个目标像素点的调整滤波窗口中对目标像素点进行滤波平滑,从而可更有效的去除桥梁底座表面的模板印记。
优选地,在本发明的一个实施例中基于中值滤波算法,遍历灰度图像中所有的目标像素点,在每个目标像素点的调整滤波窗口中对对应目标像素点进行滤波,从而获得增强图像,中值滤波算法是本领域技术人员熟知的技术手段,在此不做赘述,在本发明的其他实施例中也可基于均值滤波等滤波算法对目标像素点进行滤波,在此不作限定。
步骤S4:根据增强图像对桥梁损伤进行监测。
通过上述的滤波平滑过程,增强图像中的模板印记得到了去除,消除了桥梁底座表面的模板印记对裂缝检测的影响,因此可利用视觉检测技术对增强图像进行裂缝检测,从而实现对桥梁损伤的监测。
优选地,在本发明的一个实施例中对桥梁损伤情况进行监测的方法具体包括:
由于增强图像中的模板印记得到了去除,因此可基于Canny边缘检测算法对增强图像进行边缘检测,若在增强图像中检测出边缘信息,说明桥梁底座表面存在裂缝,则发出预警信号,提示相关人员需要进行桥梁修复工作,其中预警信号可以通过声音或指示灯的形式进行预警,Canny边缘检测算法是本领域技术人员熟知的技术手段,在此不做赘述,在本发明的其他实施例中也可使用Roberts边缘检测算法或拉普拉斯边缘检测算法等进行边缘检测,在此不作限定。
本发明一个实施例提供了一种基于视觉的桥梁损伤智能监测系统,该系统包括存储器、处理器和计算机程序,其中存储器用于存储相应的计算机程序,处理器用于运行相应的计算机程序,计算机程序在处理器中运行时能够实现步骤S1~S4所描述的方法。
综上所述,本发明实施例首先在桥梁底座表面的灰度图像中,以每个像素点为中心构建预设滤波窗口,根据预设滤波窗口中像素点的梯度方向的分布和灰度值的分布,获得对应像素点的滤波可能性,进而基于滤波可能性筛选出目标像素点,对每个目标像素点的预设滤波窗口所在行或列上的像素点进行直线检测,获得对应预设滤波窗口的模板印记纹理以及模板印记纹理的走向信息;将模板印记纹理处于预设滤波窗口之内的部分作为内部纹理,将模板印记纹理处于预设滤波窗口之外的部分作为外部纹理,根据内部纹理和外部纹理之间像素点的梯度方向的差异,获得预设邻域窗口的内部纹理和外部纹理之间的相似程度;根据滤波可能性、相似程度和模板印记纹理的走向信息,对目标像素点的预设滤波窗口进行扩展,获得调整滤波窗口;基于调整滤波窗口对灰度图像中对应目标像素点进行滤波,并在滤波后的增强图像中进行裂缝检测,从而实现对桥梁损伤的监测。
一种用于桥梁损伤检测的图像滤波增强方法实施例:
由于桥梁底座表面的模板印记会影响对裂缝的识别,而相关技术中通常利用滤波算法对桥梁表面图像平滑,以去除图像中的模板印记,但由于现有的滤波算法通常是对整个图像进行处理,滤波效率较低,并且容易去除图像中的裂缝特征,同时现有滤波算法中滤波窗口的尺寸固定,导致滤波后的像素点灰度值仍会表现为模板印记特征,进而导致对模板印记的去除效果较差,降低对桥梁表面图像的增强效果。
为了解决该问题,本实施例提供了一种用于桥梁损伤检测的图像滤波增强方法,包括:
步骤S1:获取桥梁底座表面的灰度图像。
步骤S2:根据以每个像素点为中心的预设滤波窗口中像素点的梯度方向的分布和灰度值的分布,获得对应像素点的滤波可能性;基于滤波可能性,从灰度图像中的所有像素点中筛选出目标像素点。
步骤S3:对每个目标像素点的预设滤波窗口所在行或列上的像素点进行霍夫检测,获得对应预设滤波窗口的模板印记纹理以及模板印记纹理的走向信息;将模板印记纹理处于预设滤波窗口之内的部分作为内部纹理,将模板印记纹理处于预设滤波窗口之外的部分作为外部纹理,根据内部纹理和外部纹理之间像素点的梯度方向的差异,获得预设邻域窗口的内部纹理和外部纹理之间的相似程度;根据滤波可能性、相似程度和模板印记纹理的走向信息,对目标像素点的预设滤波窗口进行扩展,获得调整滤波窗口;基于调整滤波窗口对灰度图像中对应目标像素点进行滤波,获得增强图像。
其中,步骤S1~步骤S3在上述一种基于视觉的桥梁损伤智能监测方法及系统实施例中已给出了详细说明,在此不再赘述。
本实施例带来的有益效果为:本发明考虑到现有的滤波算法通常是对整个图像进行处理,计算量过大,而本发明仅需要平滑掉表面的模板印记,同时考虑到相对于裂缝,模板印记呈直线状纹理,模板印记上的像素点的梯度方向一致性较强,且灰度值差异较小,因此本发明首先通过获取的滤波可能性反映像素点的预设滤波窗口中存在模板印记的可能性,并在后续中仅对预设滤波窗口中存在模板印记的目标像素点进行滤波,降低滤波的计算量,同时避免裂缝被平滑掉,考虑到滤波算法是通过滤波窗口中各像素点灰度值对窗口中心像素点灰度值进行调整,而当预设滤波窗口中存在模板印记时,滤波后的像素点灰度值仍然会表现为模板印记的特征,导致模板印记的去除效果较差,因此本发明对预设滤波窗口内外的模板印记纹理的相似程度进行分析,基于相似程度和目标像素点的滤波可能性,同时结合模板印记纹理的走向信息,对滤波窗口进行不同方向的扩展,并在调整滤波窗口中进行滤波,从而可更好的平滑掉桥梁表面的模板印记,得到桥梁表面效果更好的增强图像。
需要说明的是:上述本发明实施例先后顺序仅仅为了描述,不代表实施例的优劣。在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。

Claims (7)

1.一种基于视觉的桥梁损伤智能监测方法,其特征在于,所述方法包括:
获取桥梁底座表面的灰度图像;
根据以每个像素点为中心的预设滤波窗口中像素点的梯度方向的分布和灰度值的分布,获得对应像素点的滤波可能性;基于所述滤波可能性,从灰度图像中的所有像素点中筛选出进行滤波的目标像素点;
对每个目标像素点的预设滤波窗口所在行或列上的像素点进行直线检测,获得对应预设滤波窗口的模板印记纹理以及模板印记纹理的走向信息;将所述模板印记纹理处于预设滤波窗口之内的部分作为内部纹理,将所述模板印记纹理处于预设滤波窗口之外的部分作为外部纹理,根据所述内部纹理和所述外部纹理之间像素点的梯度方向的差异,获得预设邻域窗口的内部纹理和外部纹理之间的相似程度;根据所述滤波可能性、所述相似程度和模板印记纹理的所述走向信息,对目标像素点的预设滤波窗口进行扩展,获得调整滤波窗口;基于调整滤波窗口对灰度图像中对应目标像素点进行滤波,获得增强图像;
根据所述增强图像对桥梁损伤情况进行监测;
所述根据以每个像素点为中心的预设滤波窗口中像素点的梯度方向的分布和灰度值的分布,获得对应像素点的滤波可能性包括:
统计每个像素点对应的预设滤波窗口中同一梯度方向的像素点的数量,将数量的最大值对应的梯度方向,作为参考方向;
将预设滤波窗口中梯度方向等于所述参考方向的像素点,作为预设滤波窗口中的参考像素点;
在预设滤波窗口中,将任意选取的两个参考像素点作为参考像素点组,将参考像素点组中两个参考像素点灰度值的差值的绝对值,作为对应参考像素点组的灰度差异,将参考像素点组的所述灰度差异乘以对应参考像素点组中两个参考像素点之间的距离,获得对应参考像素点组的初始判断参数;
将预设滤波窗口中所有参考像素点组的初始判断参数的平均值,作为预设滤波窗口的整体判断参数;
获取每个像素点的滤波可能性,其中所述滤波可能性与预设滤波窗口中参考像素点的数量呈正相关,所述滤波可能性与所述整体判断参数呈负相关,所述滤波可能性的取值为归一化后的数值;
所述根据所述滤波可能性、所述相似程度和模板印记纹理的所述走向信息,对目标像素点的预设滤波窗口进行扩展,获得调整滤波窗口包括:
将每个目标像素点的滤波可能性和对应目标像素点的预设滤波窗口的内部纹理和外部纹理之间的相似程度的乘积值进行归一化,获得对应目标像素点的预设滤波窗口的调整尺度;
将所述调整尺度与对应预设滤波窗口的边长的乘积值,作为对应预设滤波窗口的边长调整量;
将预设滤波窗口的边长和所述边长调整量的和值向上取最小奇数,获得对应预设滤波窗口的调整边长;
若目标像素点的预设滤波窗口的模板印记纹理的走向信息为水平走向,则将预设滤波窗口竖直方向的边长调整为所述调整边长,水平方向的边长保持不变,并将调整后的预设滤波窗口作为对应目标像素点的调整滤波窗口;
若目标像素点的预设滤波窗口的模板印记纹理的走向信息为竖直走向,则将预设滤波窗口水平方向的边长调整为所述调整边长,竖直方向的边长保持不变,并将调整后的预设滤波窗口作为对应目标像素点的调整滤波窗口。
2.根据权利要求1所述的一种基于视觉的桥梁损伤智能监测方法,其特征在于,所述基于所述滤波可能性,从灰度图像中的所有像素点中筛选出进行滤波的目标像素点包括:
将所述滤波可能性大于预设可能性阈值的像素点,作为目标像素点。
3.根据权利要求1所述的一种基于视觉的桥梁损伤智能监测方法,其特征在于,其中,所述走向信息包括水平方向和竖直方向,所述对每个目标像素点的预设滤波窗口所在行或列上的像素点进行直线检测,获得对应预设滤波窗口的模板印记纹理以及模板印记纹理的走向信息包括:
基于霍夫直线检测算法,将每个目标像素点的预设滤波窗口所在的每行或每列的像素点的位置,映射到霍夫空间,获得对应行或列上的像素点在霍夫空间对应的曲线,并将霍夫空间中相交于一点的曲线的数量,作为对应行或列的霍夫响应参数;
将所述霍夫响应参数的最大值对应的行或列上的像素点所组成的区域,作为模板印记纹理;
若所述模板印记纹理由行像素点组成,则对应模板印记纹理的走向信息为水平走向;若所述模板印记纹理由列像素点组成,则对应模板印记纹理的走向信息为竖直走向。
4.根据权利要求1所述的一种基于视觉的桥梁损伤智能监测方法,其特征在于,所述根据所述内部纹理和所述外部纹理之间像素点的梯度方向的差异,获得预设邻域窗口的内部纹理和外部纹理之间的相似程度包括:
将所述内部纹理上每个像素点与相邻的下一个像素点之间梯度方向的差值的绝对值,作为对应两个像素点之间的第一梯度差异,将所有所述第一梯度差异的平均值,作为内部纹理的第一梯度分布参数;
将所述外部纹理上每个像素点与相邻的下一个像素点之间梯度方向的差值的绝对值,作为对应两个像素点之间的第二梯度差异,将所有所述第二梯度差异的平均值,作为外部纹理的第二梯度分布参数;
将所述第一梯度分布参数和所述第二梯度分布参数的差值的绝对值进行负相关映射,获得预设邻域窗口的内部纹理和外部纹理之间的相似程度。
5.根据权利要求1所述的一种基于视觉的桥梁损伤智能监测方法,其特征在于,所述基于调整滤波窗口对灰度图像中对应目标像素点进行滤波,获得增强图像包括:
在灰度图像中,基于中值滤波算法,在每个目标像素点的调整滤波窗口中对对应目标像素点进行滤波;
遍历灰度图像中所有的目标像素点并进行滤波,获得增强图像。
6.根据权利要求1所述的一种基于视觉的桥梁损伤智能监测方法,其特征在于,所述根据所述增强图像对桥梁损伤情况进行监测包括:
对所述增强图像进行边缘检测,若在增强图像中检测出边缘信息,则发出预警信号。
7.一种基于视觉的桥梁损伤智能监测系统,所述系统包括存储器、处理器以及存储在所述存储器中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1~6任意一项所述方法的步骤。
CN202410245742.4A 2024-03-05 2024-03-05 一种基于视觉的桥梁损伤智能监测方法及系统 Active CN117853484B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202410245742.4A CN117853484B (zh) 2024-03-05 2024-03-05 一种基于视觉的桥梁损伤智能监测方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202410245742.4A CN117853484B (zh) 2024-03-05 2024-03-05 一种基于视觉的桥梁损伤智能监测方法及系统

Publications (2)

Publication Number Publication Date
CN117853484A CN117853484A (zh) 2024-04-09
CN117853484B true CN117853484B (zh) 2024-05-28

Family

ID=90544325

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202410245742.4A Active CN117853484B (zh) 2024-03-05 2024-03-05 一种基于视觉的桥梁损伤智能监测方法及系统

Country Status (1)

Country Link
CN (1) CN117853484B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN118096582A (zh) * 2024-04-25 2024-05-28 汉中群峰机械制造有限公司 一种智能化的金属锻件质量检测方法

Citations (29)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5164997A (en) * 1990-01-30 1992-11-17 Ezel, Inc. Method and apparatus for aligning images using pixels of closed contours
US6160913A (en) * 1998-03-25 2000-12-12 Eastman Kodak Company Method and apparatus for digital halftone dots detection and removal in business documents
DE10058858A1 (de) * 2000-11-27 2002-06-06 Dengler Joachim Effiziente informationserhaltende Kodierung von Bildern mit Linienstrukturen
CN1945596A (zh) * 2006-11-02 2007-04-11 东南大学 用于车道偏离报警的车道线鲁棒识别方法
TW200923834A (en) * 2007-11-16 2009-06-01 Hon Hai Prec Ind Co Ltd Method for detecting a specified part on a curved surface of an object
CN101482970A (zh) * 2009-01-08 2009-07-15 上海交通大学 图像处理中的改进形态学滤波方法
CN103226829A (zh) * 2013-04-25 2013-07-31 广州中国科学院软件应用技术研究所 基于边缘增强算子的图像边缘检测方法
CN104574363A (zh) * 2014-12-12 2015-04-29 南京邮电大学 一种考虑梯度方向差异的全参考图像质量评价方法
CN105631833A (zh) * 2014-10-27 2016-06-01 陕西启源科技发展有限责任公司 一种局部线性全变差滤波方法
CN107507167A (zh) * 2017-07-25 2017-12-22 上海交通大学 一种基于点云平面轮廓匹配的货物托盘检测方法及系统
CN107784639A (zh) * 2017-11-02 2018-03-09 长安大学 一种无人机遥感图像改进多边滤波去噪方法
EP3373583A1 (en) * 2017-03-07 2018-09-12 Thomson Licensing Quality metric for point clouds
CN109272018A (zh) * 2018-08-16 2019-01-25 国网浙江省电力有限公司温州供电公司 一种红外图片识别方法
CN109459443A (zh) * 2018-11-08 2019-03-12 青海民族大学 一种基于机器视觉的高寒地区桥梁裂缝检测与解析方法
CN109754368A (zh) * 2019-01-23 2019-05-14 郑州工程技术学院 一种桥梁质量检测中的裂缝拼接方法
EP3556576A1 (en) * 2018-04-18 2019-10-23 Bridgestone Europe NV/SA Process and system for the detection of defects in a tyre
JP2020004141A (ja) * 2018-06-29 2020-01-09 株式会社デンソー 勾配方向算出装置
CN111027530A (zh) * 2019-12-09 2020-04-17 南京工程学院 基于轮胎压印字符识别的预处理方法
CN111444778A (zh) * 2020-03-04 2020-07-24 武汉理工大学 一种车道线检测方法
WO2021004180A1 (zh) * 2019-07-09 2021-01-14 平安科技(深圳)有限公司 一种纹理特征提取方法、纹理特征提取装置及终端设备
CN112602121A (zh) * 2019-08-01 2021-04-02 西门子(中国)有限公司 重构点云模型的方法、装置和系统
CN115170669A (zh) * 2022-09-05 2022-10-11 合肥安迅精密技术有限公司 基于边缘特征点集配准的识别定位方法及系统、存储介质
CN116012346A (zh) * 2023-02-01 2023-04-25 江苏天南电力股份有限公司 一种输电线路监测方法及系统
WO2023093824A1 (zh) * 2021-11-26 2023-06-01 中兴通讯股份有限公司 点云质量评价方法、设备和存储介质
CN116645446A (zh) * 2023-05-25 2023-08-25 湖南建工交建宏特科技有限公司 一种道路桥梁安全检测系统及检测方法
WO2023197601A1 (zh) * 2022-04-14 2023-10-19 北京大学 一种基于梯度场的点云修复方法
CN116977329A (zh) * 2023-09-21 2023-10-31 江苏惠汕新能源集团有限公司 一种基于机器视觉的光伏板栅线检测方法
CN117152163A (zh) * 2023-11-01 2023-12-01 安徽乾劲企业管理有限公司 一种桥梁施工质量视觉检测方法
CN117237368A (zh) * 2023-11-16 2023-12-15 临沂市公路事业发展中心兰陵县中心 一种桥梁裂缝检测方法及系统

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
ITVA20040038A1 (it) * 2004-10-04 2005-01-04 St Microelectronics Srl Metodo di interpolazione del colore di una immagine acquisita da un sensore digitale mediante il filtraggio direzionale
US8983141B2 (en) * 2011-03-17 2015-03-17 Exxonmobile Upstream Research Company Geophysical data texture segmentation using double-windowed clustering analysis
TWI497450B (zh) * 2013-10-28 2015-08-21 Univ Ming Chuan 視訊物件追蹤方法
US20230136329A1 (en) * 2021-10-28 2023-05-04 Emesent Pty Ltd Target detection in a point cloud

Patent Citations (29)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5164997A (en) * 1990-01-30 1992-11-17 Ezel, Inc. Method and apparatus for aligning images using pixels of closed contours
US6160913A (en) * 1998-03-25 2000-12-12 Eastman Kodak Company Method and apparatus for digital halftone dots detection and removal in business documents
DE10058858A1 (de) * 2000-11-27 2002-06-06 Dengler Joachim Effiziente informationserhaltende Kodierung von Bildern mit Linienstrukturen
CN1945596A (zh) * 2006-11-02 2007-04-11 东南大学 用于车道偏离报警的车道线鲁棒识别方法
TW200923834A (en) * 2007-11-16 2009-06-01 Hon Hai Prec Ind Co Ltd Method for detecting a specified part on a curved surface of an object
CN101482970A (zh) * 2009-01-08 2009-07-15 上海交通大学 图像处理中的改进形态学滤波方法
CN103226829A (zh) * 2013-04-25 2013-07-31 广州中国科学院软件应用技术研究所 基于边缘增强算子的图像边缘检测方法
CN105631833A (zh) * 2014-10-27 2016-06-01 陕西启源科技发展有限责任公司 一种局部线性全变差滤波方法
CN104574363A (zh) * 2014-12-12 2015-04-29 南京邮电大学 一种考虑梯度方向差异的全参考图像质量评价方法
EP3373583A1 (en) * 2017-03-07 2018-09-12 Thomson Licensing Quality metric for point clouds
CN107507167A (zh) * 2017-07-25 2017-12-22 上海交通大学 一种基于点云平面轮廓匹配的货物托盘检测方法及系统
CN107784639A (zh) * 2017-11-02 2018-03-09 长安大学 一种无人机遥感图像改进多边滤波去噪方法
EP3556576A1 (en) * 2018-04-18 2019-10-23 Bridgestone Europe NV/SA Process and system for the detection of defects in a tyre
JP2020004141A (ja) * 2018-06-29 2020-01-09 株式会社デンソー 勾配方向算出装置
CN109272018A (zh) * 2018-08-16 2019-01-25 国网浙江省电力有限公司温州供电公司 一种红外图片识别方法
CN109459443A (zh) * 2018-11-08 2019-03-12 青海民族大学 一种基于机器视觉的高寒地区桥梁裂缝检测与解析方法
CN109754368A (zh) * 2019-01-23 2019-05-14 郑州工程技术学院 一种桥梁质量检测中的裂缝拼接方法
WO2021004180A1 (zh) * 2019-07-09 2021-01-14 平安科技(深圳)有限公司 一种纹理特征提取方法、纹理特征提取装置及终端设备
CN112602121A (zh) * 2019-08-01 2021-04-02 西门子(中国)有限公司 重构点云模型的方法、装置和系统
CN111027530A (zh) * 2019-12-09 2020-04-17 南京工程学院 基于轮胎压印字符识别的预处理方法
CN111444778A (zh) * 2020-03-04 2020-07-24 武汉理工大学 一种车道线检测方法
WO2023093824A1 (zh) * 2021-11-26 2023-06-01 中兴通讯股份有限公司 点云质量评价方法、设备和存储介质
WO2023197601A1 (zh) * 2022-04-14 2023-10-19 北京大学 一种基于梯度场的点云修复方法
CN115170669A (zh) * 2022-09-05 2022-10-11 合肥安迅精密技术有限公司 基于边缘特征点集配准的识别定位方法及系统、存储介质
CN116012346A (zh) * 2023-02-01 2023-04-25 江苏天南电力股份有限公司 一种输电线路监测方法及系统
CN116645446A (zh) * 2023-05-25 2023-08-25 湖南建工交建宏特科技有限公司 一种道路桥梁安全检测系统及检测方法
CN116977329A (zh) * 2023-09-21 2023-10-31 江苏惠汕新能源集团有限公司 一种基于机器视觉的光伏板栅线检测方法
CN117152163A (zh) * 2023-11-01 2023-12-01 安徽乾劲企业管理有限公司 一种桥梁施工质量视觉检测方法
CN117237368A (zh) * 2023-11-16 2023-12-15 临沂市公路事业发展中心兰陵县中心 一种桥梁裂缝检测方法及系统

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
一种改进的Lee滤波相干斑噪声抑制方法;刘晨;张宗虎;;新疆师范大学学报(自然科学版);20150330(第01期) *
刘晨 ; 张宗虎 ; .一种改进的Lee滤波相干斑噪声抑制方法.新疆师范大学学报(自然科学版).2015,(第01期), *
改进的Canny算子在裂缝检测中的应用;赵芳;周旺辉;陈岳涛;彭红春;;电子测量技术;20181023(第20期) *

Also Published As

Publication number Publication date
CN117853484A (zh) 2024-04-09

Similar Documents

Publication Publication Date Title
CN117853484B (zh) 一种基于视觉的桥梁损伤智能监测方法及系统
US11580647B1 (en) Global and local binary pattern image crack segmentation method based on robot vision
CN108182383B (zh) 一种车窗检测的方法及设备
JP4930046B2 (ja) 路面判別方法および路面判別装置
US10043090B2 (en) Information processing device, information processing method, computer-readable recording medium, and inspection system
CN111242065B (zh) 一种便携式车载智能驾驶系统
CN107944388A (zh) 一种车道线检测方法、装置及终端
CN115082462A (zh) 一种流体输送管外观质量检测方法及系统
CN110427979B (zh) 基于K-Means聚类算法的道路水坑识别方法
CN114820625B (zh) 一种汽车顶块缺陷检测方法
KR20160037305A (ko) 지문 인식을 이용한 사용자 인증 방법
CN115359053A (zh) 一种金属板材缺陷智能检测方法及系统
JP4864043B2 (ja) 画像処理装置、方法及びプログラム
CN114140384A (zh) 基于轮廓拟合与形心跟踪的提升钢丝绳横向振动图像识别算法
CN115311275A (zh) 一种电子元器件表面缺陷检测方法及系统
WO2021000948A1 (zh) 配重重量的检测方法与系统、获取方法与系统及起重机
CN115018785A (zh) 基于视觉振频识别的提升钢丝绳张力检测方法
CN117893527B (zh) 一种新能源储能箱体表面缺陷检测方法
JP6432296B2 (ja) 画像中のゼブラクロッシングの検出装置及び方法
CN107977608B (zh) 一种应用于公路视频图像道路区域提取的方法
CN112258532B (zh) 一种超声图像中胼胝体的定位及分割方法
CN113053164A (zh) 一种利用环视图像的车位识别方法
CN115359449B (zh) 一种转辙机道岔缺口图像的自动识别方法和系统
JP2000306104A (ja) 画像領域分割方法及び装置
CN111611930B (zh) 一种基于光照一致的车位线检测方法

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