CN118038280A - 基于航拍影像的建筑施工进度监测及预警方法 - Google Patents

Abstract

本发明涉及建筑施工航拍图像增强技术领域，具体涉及一种基于航拍影像的建筑施工进度监测及预警方法。该方法根据建筑施工航拍图像中的灰度分布情况，获得每个预设窗口的灰尘影响程度，进而对图像进行区域划分，获得所有灰尘区域；根据灰尘区域内像素点点的梯度分布获得灰尘区域中每个像素点的显著程度，利用灰尘区域中的整体灰尘影响程度与每个像素点的显著程度获得灰尘区域中像素点的调整像素范围域权重，并进行双边滤波，获得图像增强结果；利用图像增强结果对建筑施工进度进行监测预警。本发明通过调整像素范围域权重，提高了双边滤波的鲁棒性，能够获得理想的建筑施工图像的图像增强结果，使建筑施工进度监测预警的准确性。

Description

基于航拍影像的建筑施工进度监测及预警方法

技术领域

本发明涉及建筑施工航拍图像增强技术领域，具体涉及一种基于航拍影像的建筑施工进度监测及预警方法。

背景技术

在进行建筑施工时，需要根据建筑的施工进度进行监测，避免建筑施工时由于施工问题导致其逾期，影响后续的各项工程和收益情况。在建筑施工过程中通过航拍获取到施工过程中的建筑影像信息，分析采集的影像信息中的施工进度和预计设定的施工进度，分析两者之间进度的差异性，对现在施工的情况进行判断对其进行预警，避免施工进度导致逾期问题。

在现有技术中，常使用双边滤波算法对采集到的图像进行图像增强以保留更多的图像信息。对采集图像进行增强的过程中，由于建筑会产生烟尘，进而导致获取的建筑施工航拍图像边缘过于平滑，导致双边滤波中的空间域权重过大，而像素范围域权重过小，进而导致增强后的建筑施工航拍图像会损失大量边缘信息，无法获得理想的图像增强结果，进而影响建筑施工进度监测的准确性。

发明内容

为了解决由于建筑产生烟尘导致获取的图像边缘过于平滑，导致双边滤波中的空间域权重过大，而像素范围域权重过小，进而导致增强后的图像会损失大量边缘信息，无法获得理想的图像增强结果，进而影响建筑施工进度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航拍影像的建筑施工进度监测及预警方法，所采用的技术方案具体如下：

一种基于航拍影像的建筑施工进度监测及预警方法，所述方法包括：

获取建筑施工航拍图像；

根据所述建筑施工航拍图像中每个预设窗口及其预设第一邻域范围内的邻域窗口内的灰度分布情况，获得所述建筑施工航拍图像中每个窗口的灰尘影响程度；依据所有窗口之间的距离与每个窗口的所述灰尘影响程度对所述建筑施工航拍图像中的窗口进行区域划分，获得所有灰尘区域；根据每个所述灰尘区域内所有窗口的所述灰尘影响程度获取每个所述灰尘区域的整体灰尘影响程度；

根据每个所述灰尘区域内像素点的梯度分布特征，获得每个所述灰尘区域内每个像素点的显著程度；根据每个所述灰尘区域的整体灰尘影响程度与每个所述灰尘区域内每个像素点的所述显著程度，获得每个灰尘区域内每个像素点的调整像素范围域权重；

利用所述调整像素范围域权重与空间域权重对所述建筑施工航拍图像进行双边滤波，获得图像增强结果；

利用所述图像增强结果对建筑施工进度进行监测预警。

进一步地，所述灰尘影响程度的获取方法包括：

将每个窗口内像素点的灰度方差的倒数作为每个窗口内的灰度平缓程度；

根据每个窗口内像素点的灰度位置分布特征获得每个窗口内的灰度混乱程度；

根据每个窗口与所有邻域窗口内的所述灰度混乱程度，获得每个窗口与所有邻域窗口之间的灰度混乱差异程度；

根据所述灰度平缓程度、所述灰度混乱程度与所述灰度混乱差异程度获得每个窗口的灰尘影响程度。

进一步地，所述灰度混乱程度的获取方法包括：

对每个窗口进行阈值分割，获得每个窗口受到灰尘影响的连通域；计算获取连通域的周长与面积；

将每个窗口内的连通域周长与连通域面积之间的比值作为每个窗口内的灰度混乱程度。

进一步地，所述灰度混乱差异程度获取方法包括：

将每个窗口的连通域数量与所述灰度混乱程度之间的乘积作为窗口混乱程度，将每个窗口及其对应的所有邻域窗口的所述窗口混乱程度进行累加求和获得第一混乱程度；

计算每个窗口与所有邻域窗口组成的整体中连通域的数量与所述灰度混乱程度之间的乘积作为第二混乱程度；

将所述第一混乱程度与所述第二混乱程度之间的比值进行归一化，作为每个窗口与所有邻域窗口之间的灰度混乱差异程度。

进一步地，根据所述灰度平缓程度、所述灰度混乱程度与所述灰度混乱差异程度获得每个窗口的灰尘影响程度，包括：

将所述灰度平缓程度、所述灰度混乱程度与所述灰度混乱差异程度的乘积归一化处理，获得每个窗口的灰尘影响程度。

进一步地，所述显著程度的获取方法包括：

获取每个像素点预设第二邻域范围内的所有邻域像素点；

根据每个像素点所有方向上的梯度幅值变化程度获得每个像素点的梯度变化程度；

根据每个像素点的所有邻域像素点的所述梯度变化程度，及每个像素点与所有邻域像素点的梯度特征，获得每个像素点与所有邻域像素点之间的梯度关联程度；

根据每个像素点的所述梯度变化程度及每个像素点与所有邻域像素点之间的梯度关联程度，获得每个像素点的显著程度。

进一步地，所述梯度变化程度的获取方法包括：

将每个像素点在所有方向中每两个方向之间的梯度幅值差异最大值进行归一化处理，获得每个像素点的梯度变化程度。

进一步地，所述梯度关联程度的获取方法包括：

将每个像素点的梯度方向与梯度方向上的梯度幅值之间的乘积作为每个像素点的梯度特征；

将每个像素点的梯度特征与每个像素点的每个邻域像素点的梯度特征之间的比值进行归一化处理，并与每个邻域像素点的所述梯度变化程度相乘获得第一乘积，将每个邻域像素点的所述第一乘积累加求和，获得每个像素点与所有邻域像素点之间的梯度关联程度。

进一步地，根据每个像素点的所述梯度变化程度及每个像素点与所有邻域像素点之间的梯度关联程度，获得每个像素点的显著程度，包括：

将每个像素点的所述梯度变化程度，和每个像素点与所有邻域像素点之间的梯度关联程度的乘积进行归一化处理，作为每个像素点的显著程度。

进一步地，所述调整像素范围域权重的获取方法包括：

将每个像素点的所述显著程度与每个像素点所在灰尘区域的整体灰尘影响程度之间的和进行归一化处理，获得每个像素点的所述调整像素范围域权重。

本发明具有如下有益效果：

本发明获取建筑施工航拍图像，为了后续对建筑施工进度进行监测；根据建筑施工航拍图像中每个窗口与每个窗口的所有邻域窗口内的灰度分布情况，获得建筑施工航拍图像中每个窗口的灰尘影响程度，反映了不同窗口内细小边缘信息需要保留的程度；依据所有窗口之间的距离与每个窗口的灰尘影响程度对建筑施工航拍图像中的窗口进行区域划分，获得所有灰尘区域，灰尘区域内包含这灰尘影响程度相似的窗口，这些窗口内对细小边缘的保留程度相同；根据每个灰尘区域内所有窗口的灰尘影响程度获取每个灰尘区域的整体灰尘影响程度；根据每个灰尘区域内像素点的梯度分布特征，获得每个灰尘区域内每个像素点的显著程度，显著程度可以区分边缘信息是否为建筑施工航拍图像背景区域的有效边缘信息；由于相同显著程度的像素点由于所在灰尘区域的整体灰尘影响程度不同，对像素范围域权重的调整情况也不相同，根据每个灰尘区域的整体灰尘影响程度与每个灰尘区域内每个像素点的显著程度，获得每个灰尘区域内每个像素点的调整像素范围域权重；利用调整像素范围域权重与空间域权重对建筑施工航拍图像进行双边滤波，获得图像增强结果；利用图像增强结果对建筑施工进度进行监测预警。本发明通过调整像素范围域权重，提高了双边滤波的鲁棒性，能够获得理想的建筑施工图像的图像增强结果，使建筑施工进度监测预警的准确性。

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航拍影像的建筑施工进度监测及预警方法流程图。

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航拍影像的建筑施工进度监测及预警方法，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。

一种基于航拍影像的建筑施工进度监测及预警方法实施例：

下面结合附图具体的说明本发明所提供的一种基于航拍影像的建筑施工进度监测及预警方法的具体方案。

请参阅图1，其示出了本发明一个实施例提供的一种基于航拍影像的建筑施工进度监测及预警方法流程图，该方法包括：

步骤S1：获取建筑施工航拍图像。

本发明实施例提供了一种基于航拍影像的建筑施工进度监测及预警方法，针对于建筑施工进度进行监测，首先需要获取建筑施工场所的图像，再进行后续的图像分析。为了使图像能够更加完整的反映建筑施工场所的实际情况，本发明一个实施例中，利用无人机携带的可见光摄像头拍摄建筑施工场所的图像，并对采集到的图像进行预处理操作，将采集到的图像通过无线设备传输到数据处理终端中，获得建筑施工航拍图像。

本发明实施例中，对采集图像进行灰度化处理的预处理操作。

需要说明的是，图像采集过程可以由实施人员依据具体实施场景自行设置，在此不做限定。

步骤S2：根据建筑施工航拍图像中每个预设窗口及其预设第一邻域范围内的邻域窗口内的灰度分布情况，获得建筑施工航拍图像中每个窗口的灰尘影响程度；依据所有窗口之间的距离与每个窗口的灰尘影响程度对建筑施工航拍图像中的窗口进行区域划分，获得所有灰尘区域；根据每个灰尘区域内所有窗口的灰尘影响程度获取每个灰尘区域的整体灰尘影响程度。

由于在进行建筑施工的过程中会产生大量灰尘，会导致建筑施工航拍图像中很多边缘被灰尘影响，使得边缘信息不清晰。因为灰尘出现位置具有随机性，在建筑航拍图像中不同区域受到灰尘的影响可能不同，即灰度分布可能在不同的局部区域有较为明显的变化，为了研究不同区域受到灰尘的影响，需要将建筑施工航拍图像分割成许多窗口以保留图像中受到灰尘影响后的更多局部灰度特征。不同窗口受到灰尘影响的程度不同，此时不同窗口内细小边缘信息需要保留的程度不同，为了对灰尘影响的图像窗口内的边缘信息进行保留，需要获取窗口受到的灰尘影响程度，由于不同灰尘影响程度的窗口内灰度分布情况有很大不同，所以需要首先分析窗口内像素点灰度分布情况。故本发明实施例中，根据建筑施工航拍图像中每个窗口及其预设第一邻域范围内的邻域窗口内的灰度分布情况，获得建筑施工航拍图像中每个窗口的灰尘影响程度。

优选地，本发明一个实施例中，灰尘影响程度的获取方法包括：

将每个窗口内像素点的灰度方差的倒数作为每个窗口内的灰度平缓程度，由于受灰尘影响较大的窗口内灰度变化较为平缓，灰度方差越大，此时窗口内灰度变化越剧烈，说明窗口内灰尘影响程度越低，此时窗口内的灰度平缓程度越小；根据每个窗口内像素点的灰度位置分布特征获得每个窗口内的灰度混乱程度，若窗口内相似灰度值的分布越混乱，越有可能受到灰尘影响，此时灰度混乱程度越大；根据每个窗口与所有邻域窗口内的灰度混乱程度，获得每个窗口与所有邻域窗口之间的灰度混乱差异程度，灰度混乱差异程度越大，每个窗口与所有邻域窗口之间的灰度关联性越差，越有可能受到灰尘影响；根据灰度平缓程度、灰度混乱程度与灰度混乱差异程度获得每个窗口的灰尘影响程度。

本发明一个实施例中，预设窗口设置为边长为的正方形。需要说明的是，在本发明其他实施例中，窗口的参数可以由实施人员依据具体实施场景自行设置，在此不做限定。

本发明一个实施例中，预设第一邻域范围设置为以预设窗口中心点为圆心，半径为6的圆形，则邻域窗口为预设窗口在第一邻域范围内除自身外的所有窗口，且邻域窗口的参数与预设窗口相同。需要说明的是，在本发明其他实施例中，第一邻域范围与邻域窗口的设置可以由实施人员依据具体实施场景自行设置，在此不做限定。

优选地，本发明一个实施例中，灰度混乱程度的获取方法包括：

对每个窗口进行阈值分割，由于灰尘影响区域灰度值变化较为平缓，而建筑施工的背景区域灰度值会发生较大改变，阈值分割可以获得灰度值相似的区域，即灰尘影响的区域，获得每个窗口受到灰尘影响的连通域；计算获取连通域的周长与面积，连通域的周长和面积反映出窗口内受到灰尘影响的区域特征；将每个窗口内的连通域周长与连通域面积之间的比值作为每个窗口内的灰度混乱程度，比值越大，说明连通域组成的形状越复杂，灰度混乱程度越大。

优选地，本发明一个实施例中，灰度混乱差异程度获取方法包括：

将每个窗口的连通域数量与所述灰度混乱程度之间的乘积作为窗口混乱程度，将每个窗口及其对应的所有邻域窗口的所述窗口混乱程度进行累加求和获得第一混乱程度；计算每个窗口与所有邻域窗口组成的整体中连通域的数量与所述灰度混乱程度之间的乘积作为第二混乱程度，若每个窗口与所有邻域窗口组成的整体中连通域数量与分开时的连通域数量越接近，说明窗口与邻域窗口之间关联性越差，此时整体的连通域的复杂情况越高，此时受到的灰尘影响程度越大；将所述第一混乱程度与所述第二混乱程度之间的比值进行归一化，作为每个窗口与所有邻域窗口之间的灰度混乱差异程度，灰度混乱差异程度越大，说明窗口与邻域窗口之间的灰度分布越混乱，灰度分布关联性越差，此时窗口受到的灰尘影响程度越大。

优选地，本发明一个实施例中，将灰度平缓程度、灰度混乱程度与灰度混乱差异程度的乘积归一化处理，获得每个窗口的灰尘影响程度。本发明一个实施例中，灰尘影响程度计算公式如下所示：

式中，表示第/>个窗口内的灰尘影响程度；/>表示第/>个窗口内像素点的灰度方差；/>表示第/>个窗口内受到灰尘影响的连通域的周长；/>表示第/>个窗口内受到灰尘影响的连通域的面积；/>表示第/>个窗口与所有邻域窗口的数量；/>表示第/>个窗口与所有邻域窗口的序号；/>表示第/>个窗口与所有邻域窗口内第/>个窗口中连通域的数量；/>表示第/>个窗口与所有邻域窗口内第/>个窗口中连通域的周长；/>表示第/>个窗口与所有邻域窗口内第/>个窗口中连通域的面积；/>表示第/>个窗口与所有邻域窗口组成的整体内连通域的数量；表示第/>个窗口与所有邻域窗口组成的整体内连通域的周长；/>表示第/>个窗口与所有邻域窗口组成的整体内连通域的面积；/>表示第/>个窗口的灰度平缓程度；/>表示第/>个窗口的灰度混乱程度；/>表示第/>个窗口与所有邻域窗口之间的灰度混乱差异程度；/>表示以自然常数为底数的指数函数；/>表示归一化函数。

在灰尘影响程度计算公式中，越大，第/>个窗口的灰度平缓程度越大，说明此时第个窗口内建筑施工场所的背景区域越不明显，第/>个窗口受到的灰尘影响程度越大；由于灰尘出现位置是随机的，相较于建筑施工航拍图像的背景区域而言，灰尘影响下窗口的灰度分布要更加混乱，/>越大，第/>个窗口内的连通域周长相对于连通域面积越大，此时连通域的边缘越复杂，说明此时第/>个窗口的灰度混乱程度越大，第/>个窗口受到的灰尘影响程度越大；在实际情况中，第/>个窗口与所有邻域窗口组成的整体内的连通域数量、连通域周长和连通域面积的最大值等于第/>个窗口与所有邻域窗口每个窗口内连通域数量、连通域周长和连通域面积，/>越大，第/>个窗口与所有邻域窗口之间的灰度混乱差异程度越大，此时第/>个窗口与所有邻域窗口的第一混乱程度与第/>个窗口与所有邻域窗口整体的第二混乱程度越接近，说明此时第/>个窗口与所有邻域窗口分开时的连通域数量和连通域的区域分布，和第/>个窗口与所有邻域窗口组成的整体内的连通域数量和连通域的区域分布越接近，说明第/>个窗口与所有邻域窗口之间的灰度分布关联性越差，第个窗口受到的灰尘影响程度越大。

由于在受到不同灰尘影响程度的窗口内，对细小边缘信息的保留程度不同，所以需要对受到不同灰尘影响程度的窗口进行分类，所以本发明实施例中，依据灰尘影响程度与窗口之间的距离对建筑施工航拍图像进行区域划分，获得所有灰尘区域，并获得每个灰尘区域的整体灰尘影响程度。

本发明一个实施例中，利用窗口的灰尘影响程度与窗口间的距离对每个窗口进行聚类，聚类结果可以将灰尘影响程度相似且距离较为接近的窗口分为一类，根据聚类结果将建筑施工航拍图像进行区域划分，获得建筑施工航拍图像中的所有灰尘区域，将每个灰尘区域中所有窗口的灰尘影响程度求平均，获得每个灰尘区域的整体灰尘影响程度。

需要说明的是，聚类算法可以采用K-Means聚类算法、DBSCAN聚类算法等多种聚类算法，在此不做限定，由于各种聚类算法均为本领域技术人员所熟知的技术手段，在此不做赘述。

步骤S3：根据每个灰尘区域内像素点的梯度分布特征，获得每个灰尘区域内每个像素点的显著程度；根据每个灰尘区域的整体灰尘影响程度与每个灰尘区域内每个像素点的显著程度，获得每个灰尘区域内每个像素点的调整像素范围域权重。

由于后续利用双边滤波对建筑施工航拍图像进行图像增强时要保留边缘信息，然而在建筑施工航拍图像中的某些区域内细小边缘信息是由噪声或其他因素引起的，实际情况中并不需要由噪声或其他因素引起的细小边缘信息，由于在建筑施工航拍图像中建筑施工场所的背景包含的有效边缘信息，其梯度分布特征与噪声或其他因素引起的无效边缘信息的梯度分布特征不同，即有效边缘信息与无效边缘信息包含的像素点的显著程度不同。所以本发明实施例中，根据每个灰尘区域内像素点的梯度分布程度，获得每个灰尘区域内每个像素点的显著程度。

优选地，本发明一个实施例中，显著程度的获取方法包括：

获取每个像素点预设第二邻域范围内的所有邻域像素点，通过每个像素点与第二邻域范围内邻域像素点的梯度特征可以反映出每个边缘像素点是否属于有效的边缘信息；根据每个像素点所有方向上的梯度幅值获得每个像素点的梯度变化程度，每个方向的梯度幅值可以反映出每个像素点在所有方向的纹理特征；每个像素点的梯度方向与梯度幅值反映出每个像素点的梯度特征，根据每个像素点的所有邻域像素点的梯度变化程度，及每个像素点与所有邻域像素点的梯度特征，获得每个像素点与所有邻域像素点之间的梯度关联程度，梯度关联程度越大，说明每个像素点与邻域像素点的梯度特征越相似；根据每个像素点的梯度变化程度及每个像素点与所有邻域像素点之间的梯度关联程度，获得每个像素点的显著程度。

本发明一个实施例中，预设第二邻域范围设置为以像素点为中心，半径为5的圆形。需要说明的是，在本发明其他实施例中，预设第二邻域范围的参数可以由实施人员依据具体实施场景自行设置，在此不做限定。

优选地，本发明一个实施例中，梯度变化程度的获取方法包括：

将每个像素点在所有方向中每两个方向之间的梯度幅值差异最大值进行归一化处理，获得每个像素点的梯度变化程度，像素点的梯度幅值差异越大，说明该像素点越不可能是灰尘影响造成的梯度变化，此时的梯度变化程度越大，像素点的显著程度越高。

优选地，本发明一个实施例中，梯度关联程度的获取方法包括：

将每个像素点的梯度方向与梯度方向上的梯度幅值之间的乘积作为每个像素点的梯度特征；将每个像素点的梯度特征与每个像素点的每个邻域像素点的梯度特征之间的比值进行归一化处理，并与每个邻域像素点的梯度变化程度相乘获得第一乘积，将每个邻域像素点的第一乘积累加求和，获得每个像素点与所有邻域像素点之间的梯度关联程度。

本发明一个实施例中，对建筑施工航拍图像建立笛卡尔坐标系，梯度方向则为建筑施工航拍图像中每个像素点的梯度方向向量与坐标横轴之间夹角的余弦值。需要说明的是，在本发明其他实施例中，梯度方向可以由其他数学运算形式进行表达，在此不做限定。

优选地，本发明一个实施例中，将每个像素点的梯度变化程度，和每个像素点与所有邻域像素点之间的梯度关联程度的乘积进行归一化处理，作为每个像素点的显著程度。本发明一个实施例中，显著程度计算公式如下所示：

式中，表示第/>个像素点的显著程度；/>表示第/>个像素点的梯度变化程度；/>表示第/>个像素点的邻域像素点的数量；/>表示第/>个像素点的邻域像素点的序号；/>表示第/>个像素点的第/>个邻域像素点的梯度变化程度；/>表示第/>个像素点的梯度方向；/>表示第/>个像素点的梯度幅值；/>表示第/>个像素点的第/>个邻域像素点的梯度方向；表示第/>个像素点的第/>个邻域像素点的梯度幅值；表示第/>个像素点与所有邻域像素点之间的梯度关联程度；/>表示归一化函数；/>表示以自然常数为底数的指数函数。

在显著程度计算公式中，第个像素点的梯度变化程度越大，说明第/>个像素点在某两个方向上梯度幅值差异越明显，说明第/>个像素点的变化越剧烈，越不可能是受到灰尘影响，此时第/>个像素点的显著程度越高；/>表示第/>个像素点的第/>个邻域像素点的梯度变化程度，同理，梯度变化程度越大，第/>个像素点的第/>个邻域像素点的显著程度越高；表示第/>个像素点的梯度特征，/>表示第/>个像素点的第/>个邻域像素点的梯度特征，当第/>个像素点的梯度特征与第/>个邻域像素点的梯度特征越接近时，第/>个像素点与第/>个邻域像素点越有可能属于同一条纹理，此时/>越大，其中如果第/>个邻域像素点的梯度变化程度越大，说明第/>个邻域像素点变化越显著，此时与第/>个邻域像素点在同一条纹理的第/>个像素点变化也会越显著，即第/>个像素点与所有邻域像素点之间的梯度关联程度越大，说明第/>个像素点的延展程度越大，越有可能属于建筑施工航拍图像背景区域的边缘信息，此时第/>个像素点的显著程度越高。

在本发明实施例中，使用双边滤波算法对建筑施工航拍图像进行图像增强。由于灰尘无法影响建筑施工航拍图像中空间上的变化，所以在双边滤波中，无需改变空间域权重，但在灰尘影响下，建筑施工航拍图像中的灰度信息发生很大改变，所以需要重新调整像素范围域权重，由于相同显著程度的像素点由于所在灰尘区域的整体灰尘影响程度不同，对像素范围域权重的调整情况也不相同，所以本发明实施例中，根据每个灰尘区域的整体灰尘影响程度与每个灰尘区域内每个像素点的显著程度，获得每个灰尘区域内每个像素点的调整像素范围域权重。

优选地，本发明一个实施例中，调整像素范围域权重的获取方法包括：

将每个像素点的显著程度与每个像素点所在灰尘区域的整体灰尘影响程度之间的和进行归一化处理，获得每个像素点的调整像素范围域权重。本发明一个实施例中，调整像素范围域权重计算公式如下所示：

式中，表示第/>个像素点的调整像素范围域权重；/>表示第/>个像素点的显著程度；/>表示第/>个像素点所在灰尘区域的整体灰尘影响程度；/>表示归一化函数。

至此，获得双边滤波中的调整像素范围域权重。

步骤S4：利用调整像素范围域权重与空间域权重对建筑施工航拍图像进行双边滤波，获得图像增强结果。

利用调整像素范围域权重与空间域权重对建筑施工航拍图像进行双边滤波，通过调整像素范围域权重与空间域权重达到对建筑施工航拍图像的平坦区域进行平滑，对受到灰尘影响的边缘信息进行保留的目的，最终获得建筑施工航拍图像的图像增强结果。

需要说明的是，双边滤波算法为本领域技术人员所熟知的技术手段，在此不做赘述。

步骤S5：利用图像增强结果对建筑施工进度进行监测预警。

本发明一个实施例中，通过建筑施工航拍图像的图像增强结果进行分析，获得多个视角下的建筑施工航拍图像的图像增强结果后，利用三维重构算法进行建筑施工模型的重构，将重构后的模型与建筑施工过程中的BIM建筑施工模型进行比较，计算在相同时刻下建筑施工进度的差异性，根据差异性对建筑施工进度进行监测预警。

至此，完成对建筑施工进度进行监测预警。

综上所述，本发明获取建筑施工航拍图像；根据建筑施工航拍图像中每个窗口与每个窗口的所有邻域窗口内的灰度分布情况，获得建筑施工航拍图像中每个窗口的灰尘影响程度；依据窗口之间的距离与灰尘影响程度对建筑施工航拍图像中的窗口进行区域划分，获得所有灰尘区域；根据每个灰尘区域内像素点的梯度分布程度，获得每个灰尘区域内每个像素点的显著程度；根据每个灰尘区域的整体灰尘影响程度与每个灰尘区域内每个像素点的显著程度，获得每个灰尘区域内每个像素点的调整像素范围域权重；利用调整像素范围域权重与空间域权重对建筑施工航拍图像进行双边滤波，获得图像增强结果；利用图像增强结果对建筑施工进度进行监测。本发明通过调整像素范围域权重，提高了双边滤波的鲁棒性，能够获得理想的建筑施工航拍图像的图像增强结果，使建筑施工进度监测预警的准确性。

一种建筑施工航拍图像的图像增强方法实施例：

在现有技术中，利用双边滤波算法对采集到的建筑施工航拍图像进行增强的过程中，会出现由于建筑会产生烟尘，进而导致获取的建筑施工航拍图像边缘过于平滑，导致双边滤波中的空间域权重过大，而像素范围域权重过小，进而导致增强后的建筑施工航拍图像会损失大量边缘信息，无法获得理想的图像增强结果的技术问题。为了解决该技术问题，提出一种建筑施工航拍图像的图像增强方法实施例，该实施例包括：

步骤S1：获取建筑施工航拍图像。

步骤S2：根据建筑施工航拍图像中每个预设窗口及其预设第一邻域范围内的邻域窗口内的灰度分布情况，获得建筑施工航拍图像中每个窗口的灰尘影响程度；依据所有窗口之间的距离与每个窗口的灰尘影响程度对建筑施工航拍图像中的窗口进行区域划分，获得所有灰尘区域；根据每个灰尘区域内所有窗口的灰尘影响程度获取每个灰尘区域的整体灰尘影响程度。

步骤S3：根据每个灰尘区域内像素点的梯度分布特征，获得每个灰尘区域内每个像素点的显著程度；根据每个灰尘区域的整体灰尘影响程度与每个灰尘区域内每个像素点的显著程度，获得每个灰尘区域内每个像素点的调整像素范围域权重。

步骤S4：利用调整像素范围域权重与空间域权重对建筑施工航拍图像进行双边滤波，获得图像增强结果。

由于步骤S1-步骤S4在上述一种基于航拍影像的建筑施工进度监测及预警方法中已经提及，在此不再赘述。

本实施例的技术效果：本实施例获取建筑施工航拍图像，为了后续对建筑施工进度进行监测；根据建筑施工航拍图像中每个窗口与每个窗口的所有邻域窗口内的灰度分布情况，获得建筑施工航拍图像中每个窗口的灰尘影响程度，反映了不同窗口内细小边缘信息需要保留的程度；依据所有窗口之间的距离与每个窗口的灰尘影响程度对建筑施工航拍图像中的窗口进行区域划分，获得所有灰尘区域，灰尘区域内包含这灰尘影响程度相似的窗口，这些窗口内对细小边缘的保留程度相同；根据每个灰尘区域内所有窗口的灰尘影响程度获取每个灰尘区域的整体灰尘影响程度；根据每个灰尘区域内像素点的梯度分布特征，获得每个灰尘区域内每个像素点的显著程度，显著程度可以区分边缘信息是否为建筑施工航拍图像背景区域的有效边缘信息；由于相同显著程度的像素点由于所在灰尘区域的整体灰尘影响程度不同，对像素范围域权重的调整情况也不相同，根据每个灰尘区域的整体灰尘影响程度与每个灰尘区域内每个像素点的显著程度，获得每个灰尘区域内每个像素点的调整像素范围域权重；利用调整像素范围域权重与空间域权重对建筑施工航拍图像进行双边滤波，获得图像增强结果；利用图像增强结果对建筑施工进度进行监测预警。本发明通过调整像素范围域权重，提高了双边滤波的鲁棒性，能够获得理想的建筑施工图像的图像增强结果。

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 (10)

1.一种基于航拍影像的建筑施工进度监测及预警方法，其特征在于，所述方法包括：

获取建筑施工航拍图像；

根据所述建筑施工航拍图像中每个预设窗口及其预设第一邻域范围内的邻域窗口内的灰度分布情况，获得所述建筑施工航拍图像中每个窗口的灰尘影响程度；依据所有窗口之间的距离与每个窗口的所述灰尘影响程度对所述建筑施工航拍图像中的窗口进行区域划分，获得所有灰尘区域；根据每个所述灰尘区域内所有窗口的所述灰尘影响程度获取每个所述灰尘区域的整体灰尘影响程度；

根据每个所述灰尘区域内像素点的梯度分布特征，获得每个所述灰尘区域内每个像素点的显著程度；根据每个所述灰尘区域的整体灰尘影响程度与每个所述灰尘区域内每个像素点的所述显著程度，获得每个灰尘区域内每个像素点的调整像素范围域权重；

利用所述调整像素范围域权重与空间域权重对所述建筑施工航拍图像进行双边滤波，获得图像增强结果；

利用所述图像增强结果对建筑施工进度进行监测预警。

2.根据权利要求1所述的一种基于航拍影像的建筑施工进度监测及预警方法，其特征在于，所述灰尘影响程度的获取方法包括：

将每个窗口内像素点的灰度方差的倒数作为每个窗口内的灰度平缓程度；

根据每个窗口内像素点的灰度位置分布特征获得每个窗口内的灰度混乱程度；

根据每个窗口与所有邻域窗口内的所述灰度混乱程度，获得每个窗口与所有邻域窗口之间的灰度混乱差异程度；

根据所述灰度平缓程度、所述灰度混乱程度与所述灰度混乱差异程度获得每个窗口的灰尘影响程度。

3.根据权利要求2所述的一种基于航拍影像的建筑施工进度监测及预警方法，其特征在于，所述灰度混乱程度的获取方法包括：

对每个窗口进行阈值分割，获得每个窗口受到灰尘影响的连通域；计算获取连通域的周长与面积；

将每个窗口内的连通域周长与连通域面积之间的比值作为每个窗口内的灰度混乱程度。

4.根据权利要求3所述的一种基于航拍影像的建筑施工进度监测及预警方法，其特征在于，所述灰度混乱差异程度获取方法包括：

将每个窗口的连通域数量与所述灰度混乱程度之间的乘积作为窗口混乱程度，将每个窗口及其对应的所有邻域窗口的所述窗口混乱程度进行累加求和获得第一混乱程度；

计算每个窗口与所有邻域窗口组成的整体中连通域的数量与所述灰度混乱程度之间的乘积作为第二混乱程度；

将所述第一混乱程度与所述第二混乱程度之间的比值进行归一化，作为每个窗口与所有邻域窗口之间的灰度混乱差异程度。

5.根据权利要求2所述的一种基于航拍影像的建筑施工进度监测及预警方法，其特征在于，根据所述灰度平缓程度、所述灰度混乱程度与所述灰度混乱差异程度获得每个窗口的灰尘影响程度，包括：

将所述灰度平缓程度、所述灰度混乱程度与所述灰度混乱差异程度的乘积归一化处理，获得每个窗口的灰尘影响程度。

6.根据权利要求1所述的一种基于航拍影像的建筑施工进度监测及预警方法，其特征在于，所述显著程度的获取方法包括：

获取每个像素点预设第二邻域范围内的所有邻域像素点；

根据每个像素点所有方向上的梯度幅值变化程度获得每个像素点的梯度变化程度；

根据每个像素点的所有邻域像素点的所述梯度变化程度，及每个像素点与所有邻域像素点的梯度特征，获得每个像素点与所有邻域像素点之间的梯度关联程度；

根据每个像素点的所述梯度变化程度及每个像素点与所有邻域像素点之间的梯度关联程度，获得每个像素点的显著程度。

7.根据权利要求6所述的一种基于航拍影像的建筑施工进度监测及预警方法，其特征在于，所述梯度变化程度的获取方法包括：

将每个像素点在所有方向中每两个方向之间的梯度幅值差异最大值进行归一化处理，获得每个像素点的梯度变化程度。

8.根据权利要求6所述的一种基于航拍影像的建筑施工进度监测及预警方法，其特征在于，所述梯度关联程度的获取方法包括：

将每个像素点的梯度方向与梯度方向上的梯度幅值之间的乘积作为每个像素点的梯度特征；

将每个像素点的梯度特征与每个像素点的每个邻域像素点的梯度特征之间的比值进行归一化处理，并与每个邻域像素点的所述梯度变化程度相乘获得第一乘积，将每个邻域像素点的所述第一乘积累加求和，获得每个像素点与所有邻域像素点之间的梯度关联程度。

9.根据权利要求6所述的一种基于航拍影像的建筑施工进度监测及预警方法，其特征在于，根据每个像素点的所述梯度变化程度及每个像素点与所有邻域像素点之间的梯度关联程度，获得每个像素点的显著程度，包括：

将每个像素点的所述梯度变化程度，和每个像素点与所有邻域像素点之间的梯度关联程度的乘积进行归一化处理，作为每个像素点的显著程度。

10.根据权利要求1所述的一种基于航拍影像的建筑施工进度监测及预警方法，其特征在于，所述调整像素范围域权重的获取方法包括：

将每个像素点的所述显著程度与每个像素点所在灰尘区域的整体灰尘影响程度之间的和进行归一化处理，获得每个像素点的所述调整像素范围域权重。