CN118196082A - 一种人防通道的封堵方法及系统 - Google Patents
一种人防通道的封堵方法及系统 Download PDFInfo
- Publication number
- CN118196082A CN118196082A CN202410588885.5A CN202410588885A CN118196082A CN 118196082 A CN118196082 A CN 118196082A CN 202410588885 A CN202410588885 A CN 202410588885A CN 118196082 A CN118196082 A CN 118196082A
- Authority
- CN
- China
- Prior art keywords
- crack
- blocks
- gray
- cluster
- clusters
- 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.)
- Pending
Links
- 230000007123 defense Effects 0.000 title claims abstract description 40
- 238000000034 method Methods 0.000 title claims abstract description 31
- 238000001514 detection method Methods 0.000 claims abstract description 18
- 238000004422 calculation algorithm Methods 0.000 claims description 11
- 230000000903 blocking effect Effects 0.000 claims description 10
- 238000010606 normalization Methods 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 6
- 230000006870 function Effects 0.000 claims description 6
- 238000005259 measurement Methods 0.000 claims description 4
- 238000012216 screening Methods 0.000 claims description 4
- 238000012545 processing Methods 0.000 abstract description 4
- 238000004458 analytical method Methods 0.000 description 5
- 238000007711 solidification Methods 0.000 description 3
- 230000008023 solidification Effects 0.000 description 3
- 239000000758 substrate Substances 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000005336 cracking Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000004568 cement Substances 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000246 remedial effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Landscapes
- Image Analysis (AREA)
Abstract
本发明涉及图像处理技术领域,具体涉及一种人防通道的封堵方法及系统,包括:根据灰度图像中各分块间的匹配距离特征以及各分块间的灰度均值的差异,获得灰度图像中各分块之间的差异程度;根据聚类簇在灰度图像中的疑似裂纹区域的边缘像素点距离疑似裂纹区域质心点的距离特征,获得聚类簇的分块中存在裂纹的可能性;根据目标簇中初始裂纹像素点的灰度与非初始裂纹像素点的灰度差异、以及目标簇中初始裂纹像素点的梯度幅值,获得目标簇中每个初始裂纹像素点的裂纹显著性;根据裂纹区域对人防通道进行封堵预警。本发明通过计算目标簇中每个初始裂纹像素点的裂纹显著性,提高裂纹检测的准确性。
Description
技术领域
本发明涉及图像处理技术领域,具体涉及一种人防通道的封堵方法及系统。
背景技术
人防通道通常是用于满足特定场所安全需求而设计的一种通道,在建筑施工过程中,盾构机在施工场地地底进行挖掘隧道或管道时,需要挖掘的隧道或者管道方向与人防通道方向相交时,即人防通道位于盾构推进范围内,为保证盾构顺利推进,需对此人防通道进行混凝土封堵;利用现有的机器视觉检测技术对人防通道封堵过程中水泥凝固的表面裂纹缺陷进行检测并及时预警,可以实时对人防通道封堵的质量进行检测。由于利用显著性检测算法对裂纹区域进行裂纹显著性计算时,混凝土表面并非颜色均匀统一,例如GR显著性检测算法,而且裂纹区域出现位置较为随机且形状狭长,同时和混凝土表面其他纹理区别不明显,因此该算法对裂纹区域裂纹显著性计算时存在偏差,从而导致对混凝土表面裂纹提取存在偏差。
发明内容
本发明提供一种人防通道的封堵方法及系统,以解决现有的利用显著性检测算法对裂纹区域进行裂纹显著性计算时,混凝土表面并非颜色均匀统一,而且裂纹区域出现位置较为随机且形状狭长,如此该算法对裂纹区域裂纹显著性计算时存在偏差,从而导致对混凝土表面裂纹提取不准确地问题。
本发明的一种人防通道的封堵方法及系统采用如下技术方案:
本发明一个实施例提供了一种人防通道的封堵方法,该方法包括以下步骤:
获得人防通道的混凝土表面的灰度图像;
根据灰度图像中各分块间的匹配距离特征以及各分块间的灰度均值的差异,获得灰度图像中各分块之间的差异程度;
根据各分块之间的差异程度对灰度图像中所有分块进行聚类,获得若干聚类簇;对聚类簇中存在相邻关系的分块进行凸包检测获得疑似裂纹区域;
根据聚类簇在灰度图像中的疑似裂纹区域的边缘像素点距离疑似裂纹区域质心点的距离特征,获得聚类簇的分块中存在裂纹的可能性;
根据聚类簇的分块中存在裂纹的可能性从所有聚类簇中筛选出目标簇,目标簇中的像素点将记为初始裂纹像素点;
根据目标簇中初始裂纹像素点的灰度与非初始裂纹像素点的灰度差异、以及目标簇中初始裂纹像素点的梯度幅值,获得目标簇中每个初始裂纹像素点的裂纹显著性;
根据目标簇中每个初始裂纹像素点的裂纹显著性,获得裂纹区域;根据裂纹区域对人防通道进行封堵预警。
优选的,所述根据灰度图像中各分块间的匹配距离特征以及各分块间的灰度均值的差异,获得灰度图像中各分块之间的差异程度,包括的具体公式如下:
式中,/>表示灰度图像中第/>个分块和第/>个分块之间的差异程度;/>表示灰度图像中第/>个分块和第/>个分块之间各自分块对应的灰度直方图分布曲线之间的匹配距离;/>表示第/>个分块的灰度均值;/>表示第/>个分块的灰度均值;/>表示第/>个分块质心和第/>个分块质心之间的欧式距离;/>表示线性归一化函数。
优选的,所述根据各分块之间的差异程度对灰度图像中所有分块进行聚类,获得若干聚类簇,包括的具体步骤如下:
采用DBSCAN聚类算法对灰度图像中所有分块进行聚类,获得若干个聚类簇,DBSCAN聚类算法使用的度量距离为灰度图像中任意两个分块之间的差异程度。
优选的,所述根据聚类簇在灰度图像中的疑似裂纹区域的边缘像素点距离疑似裂纹区域质心点的距离特征,获得聚类簇的分块中存在裂纹的可能性,包括的具体公式如下:
式中,/>表示第/>个聚类簇的分块中存在裂纹的可能性;/>表示第/>个聚类簇在灰度图像中的第/>个疑似裂纹区域的边缘像素点距离疑似裂纹区域质心点的最大距离;/>表示第/>个聚类簇在灰度图像中的第/>个疑似裂纹区域的边缘像素点距离疑似裂纹区域质心点的最小距离;/>表示第/>个聚类簇中分块形成的疑似裂纹区域数量;/>表示第/>个聚类簇中所有分块得到的灰度直方图中所有灰度级中对应的像素点数量的最大值;/>表示第/>个聚类簇中所有分块得到的灰度直方图中所有灰度级中对应的像素点数量的最小值;/>表示线性归一化函数。
优选的,所述根据聚类簇的分块中存在裂纹的可能性从所有聚类簇中筛选出目标簇,包括的步骤如下:
当聚类簇的分块中存在裂纹的可能性大于第一预设阈值时,所述聚类簇记为目标簇。
优选的,所述根据目标簇中初始裂纹像素点的灰度与非初始裂纹像素点的灰度差异、以及目标簇中初始裂纹像素点的梯度幅值,获得目标簇中每个初始裂纹像素点的裂纹显著性,包括的具体公式如下:
式中,/>表示目标簇中第/>个初始裂纹像素点的裂纹显著性;/>表示自然常数;/>表示目标簇中第/>个初始裂纹像素点的灰度值;/>表示非目标簇中第/>个像素点的灰度值;/>表示非目标簇中像素点的个数;/>表示目标簇中第/>个初始裂纹像素点的梯度幅值。
优选的,所述根据目标簇中每个初始裂纹像素点的裂纹显著性,获得裂纹区域,包括的具体步骤如下:
当目标簇中任意一个初始裂纹像素点归一化后的裂纹显著性大于第二预设阈值时,将所述任意一个初始裂纹像素点记为裂纹像素点;
将所有裂纹像素点构成的区域记为裂纹区域。
优选的,所述根据裂纹区域进行封堵预警,包括的具体步骤如下:
当混凝土表面的裂纹严重程度大于第三预设阈值时,要进行封堵预警。
优选的,所述混凝土表面的裂纹严重程度的具体计算公式如下:
式中,/>表示混凝土表面的裂纹严重程度;/>表示裂纹区域像素点的个数;/>表示灰度图像中所有像素点的数量;/>表示裂缝区域中所有连通域的长度的最大值;/>表示灰度图像左上角和右下角的像素点之间的欧式距离。
本发明还提出了一种人防通道的封堵系统,包括存储器、处理器以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存储器存储的计算机程序,以实现前述所述的一种人防通道的封堵方法的步骤。
本发明的技术方案的有益效果是:根据混凝土表面的灰度图像上分块之间的差异程度作为分块之间的度量距离,使得混凝土表面颜色相似的分为一类,避免了混凝土表面颜色不均匀对显著性检测带来的影响,进一步根据每个类簇的分块在灰度图像中相邻区域凸包形状特征进行分析,得到每个类簇中的分块存在裂纹的可能性,准确的描述了裂缝的形态和灰度分布情况,再通过可能性计算初始裂纹像素点的裂纹显著性,该裂纹显著性在考虑了形态和灰度分布基础上分析了可能是裂缝的像素点和其他像素点的差异情况,突出了裂缝和其他纹理的差别,准确的评估出裂缝出现的具体位置,通过裂纹显著性进行后续的分析,然后计算得到裂纹区域以及裂纹的严重程度,提高了裂纹检测的准确性,则可以准确进行封堵预警。
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,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地介绍,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他的附图。
图1为本发明一种人防通道的封堵方法的步骤流程图。
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人防通道的封堵方法及系统,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。
下面结合附图具体的说明本发明所提供的一种人防通道的封堵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人防通道的封堵方法的步骤流程图,该方法包括以下步骤:
步骤S001:获得人防通道的混凝土表面的灰度图像。
通过对人防通道现场布置的工业相机采集人防通道封堵后混凝土表面的图像,其中工业相机以俯视角拍摄,相机采集的是RGB图像,本实施例中RGB图像的大小是1024×1024,对采集的RGB图像进行灰度化处理,获得灰度图像。
步骤S002:根据灰度图像中各分块间的匹配距离特征以及各分块间的灰度均值的差异,获得灰度图像中各分块之间的差异程度。
需要说明的是,通过对灰度图像分析,混凝土凝固表面出现裂纹时,裂纹可能出现的位置是比较随机的,而且当混凝土表面出现裂纹时,裂纹通常表现为细长且具有一定的延伸方向。而且混凝土其他不存在裂纹区域的表面,虽然颜色不均匀,但是整体的颜色也是比较接近的。因此,为了能够快速确定灰度图像中可能存在的裂纹区域,以避免其他区域对裂纹区域分析带来的干扰。将灰度图像均等划分为个分块,本实施例以预设值c等于64为例进行叙述,其他实施例可设置为其它值,本实施例不进行具体限定。
灰度图像中第个分块和第/>个分块之间的差异程度的计算方法如下:
式中,/>表示灰度图像中第/>个分块和第/>个分块之间的差异程度;/>表示灰度图像中第/>个分块和第/>个分块之间各自分块对应的灰度直方图分布曲线之间的匹配距离;/>表示第/>个分块的灰度均值;/>表示第/>个分块的灰度均值;/>表示第/>个分块质心和第/>个分块质心之间的欧式距离;/>表示线性归一化函数。
需要说明的是,DTW指的是动态时间规整,是一种用于衡量两个时间序列之间相似性的方法,因为假如当这两个分块之间其中一个分块中存在裂纹时,那么裂纹分块和不存在裂纹分块之间像素点的灰度分布曲线差异则是比较大的,因此,该值越大,那么这两个分块之间的差异程度则越大的,而该值越小,则说明这两个分块之间的灰度变化与整体颜色也越接近;表示第/>个分块的灰度均值和第/>个分块的灰度均值,该值越大那么说明这两个分块值之间的差异程度则越大,即整体颜色差异则越大;/>表示第/>个分块和第/>个分块之间的综合差异程度;/>表示第/>个分块和第/>个分块之间的综合差异程度比上这两个分块之间的距离,以消除分块之间的距离带来差异程度的影响,从而得到这两个分块之间更加准确的差异程度。
步骤S003:根据各分块之间的差异程度对灰度图像中所有分块进行聚类,获得若干聚类簇;对聚类簇中存在相邻关系的分块进行凸包检测获得疑似裂纹区域。
需要说明的是,将上述得到的灰度图像中任意两个分块之间的差异程度作为分块之间的度量距离,邻域半径为预设值0.2,最小样本数量为预设数量3,然后采用DBSCAN聚类算法将所有分块进行聚类,获得若干个聚类簇。由于混凝土表面存在裂纹时,裂纹分块之间的特征是比较相近的,这些分块的差异程度则是比较小的,其可能聚为一类,而其他分块则根据混凝土表面的颜色分布,相近颜色特征的分块之间也会聚为一类。因此,通过对每一聚类簇进行分析,得到每一聚类簇的分块中存在裂纹的可能性。首先将属于同一聚类簇中的分块按照在灰度图像的位置进行标记,并根据每一类簇标记的相连通的区域进行凸包检测,采用Graham Scan凸包检测算法。由于混凝土表面的裂纹通常是狭长且连续,当任意一类簇中的任意一分块的所有相邻分块属于其它的类簇时,说明该任意一分块在该任意一类簇中独立存在,即该任意一分块大概率不属于裂纹区域,因此不对其进行凸包检测,本实施例只对同一类簇中的两个及以上的存在相邻关系的分块所处区域进行凸包检测。
第个聚类簇的分块中存在裂纹的可能性的计算方法如下:
式中,/>表示第/>个聚类簇的分块中存在裂纹的可能性;/>表示第/>个聚类簇在灰度图像中的第/>个疑似裂纹区域的边缘像素点距离疑似裂纹区域质心点的最大距离;/>表示第/>个聚类簇在灰度图像中的第/>个疑似裂纹区域的边缘像素点距离疑似裂纹区域质心点的最小距离;/>表示第/>个聚类簇中分块形成的疑似裂纹区域数量;/>表示第/>个聚类簇中所有分块得到的灰度直方图中所有灰度级中对应的像素点数量的最大值;/>表示第/>个聚类簇中所有分块得到的灰度直方图中所有灰度级中对应的像素点数量的最小值;/>表示线性归一化函数。
需要说明的是,表示第/>个聚类簇在灰度图像中的疑似裂纹区域中,每个疑似裂纹区域的边缘像素点距离疑似裂纹区域质心点的最大距离和最小距离之间的差值总和的均值,该值越大则说明该聚类簇内分块中存在裂纹可能性越大,因为裂纹通常是狭长连续的,那么存在裂纹区域的分块进行凸包检测后形成的区域则可能表现为一个长条状,而混凝土表面的正常区域进行凸包检测时,凸包检测形状则是呈现片状的,那么凸包区域则和裂纹区域形状差异是比较大的,倘若检测到的区域边缘像素点距离其自身质心点的最大距离和最小距离差异越大,则说明这个区域越接近长条状,那么该区域则越有可能为裂纹区域;/>表示第/>个聚类簇中分块所有分块得到的灰度直方图中所有灰度级中对应的像素点数量的最大值和最小值的差值,该值越大则说明这些分块内灰度越不均匀,那么其可能存在裂纹的可能性越大。
至此,获得每个聚类簇的分块中存在裂纹的可能性。
步骤S004:根据目标簇中初始裂纹像素点的灰度与非初始裂纹像素点的灰度差异、以及目标簇中初始裂纹像素点的梯度幅值,获得目标簇中每个初始裂纹像素点的裂纹显著性。
上述获得了聚类簇的分块中存在裂纹的可能性,当大于第一预设阈值0.7时,则认为该聚类簇中可能存在裂纹,该簇记为目标簇,该簇的分块中的像素点则记为初始裂纹像素点,其它像素点为非初始裂纹像素点,也即裂纹之外的其它纹理像素点。如果每个聚类簇的分块中存在裂纹的可能性都小于第一预设阈值0.7,那么说明混凝土表面可能不存在裂纹,不进行后续分析。通过对大于预设阈值的聚类簇进行后续分析,从而确定其裂纹程度,并根据裂纹程度去评价混凝土的凝固质量,然后进行及时地检测预警。
上述筛选出了目标簇,目标簇中每个区域中初始裂纹像素点的裂纹显著性的计算公式如下:
式中,/>表示目标簇中第/>个初始裂纹像素点的裂纹显著性;/>表示自然常数;/>表示目标簇中第/>个初始裂纹像素点的灰度值;/>表示非目标簇中第/>个像素点的灰度值,非目标簇为灰度图像中排除目标簇的其他簇;/>表示非目标簇中像素点的个数;/>表示目标簇中第/>个初始裂纹像素点的梯度幅值,梯度幅值由SOBEL算子计算。
需要说明的是,表示目标簇中第/>个初始裂纹像素点的灰度值,因为裂纹区域表面像素点是比较暗的,因此该初始裂纹像素点的灰度值越低,那么其为裂纹区域像素点的可能性越大,其显著值则也越大;/>越大说明目标簇中初始裂纹像素点裂纹显著性越大,则其为裂纹区域的可能性越大。/>表示目标簇中初始裂纹像素点和非目标簇中每个像素点的灰度值差值绝对值总和的均值,用于描述裂缝和其他纹理的差别,该值越大则说明目标簇中初始裂纹像素点的裂纹显著性则越大。
至此,获得目标簇中各个初始裂纹像素点的裂纹显著性。
步骤S005:根据目标簇中每个初始裂纹像素点的裂纹显著性,获得裂纹区域;根据裂纹区域对人防通道进行封堵预警。
需要说明的是,上述获得了目标簇中各个初始裂纹像素点的裂纹显著性,对初始裂纹像素点的裂纹显著性进行线性归一化处理,当目标簇中任意一个初始裂纹像素点归一化后的裂纹显著性大于第二预设阈值0.73时,将所述任意一个初始裂纹像素点记为裂纹像素点;将所有裂纹像素点构成的区域记为裂纹区域。
至此,获得裂纹区域,当混凝土表面有一个裂纹时,那么裂纹区域是一个裂纹形成的连通域;当混凝土表面有多个裂纹时,裂纹区域中包含多个连通域,每个连通域就是一个裂纹。
混凝土表面的裂纹严重程度的计算方法如下:
式中,/>表示混凝土表面的裂纹严重程度;/>表示裂纹区域像素点的个数;/>表示灰度图像中所有像素点的数量;在裂缝区域的每个连通域中,将像素点间的最大距离记为每个连通域的长度,/>表示裂缝区域中所有连通域的长度的最大值;/>表示灰度图像左上角和右下角的像素点之间的欧式距离。
需要说明的是,值越大,则说明形成的裂纹可能越长,那么则说明混凝土表面的裂纹开裂程度越严重;/>表示裂纹区域像素点的个数比灰度图像中所有像素点的数量,该值越大则说明裂纹区域可能越大,那么裂纹可能越深,那么裂纹开裂程度则也越严重。
上述获得了混凝土表面的裂纹严重程度,当混凝土表面的裂纹严重程度大于第三预设阈值0.3时,要进行封堵预警,从而提醒施工人员要采取补救措施。
本发明实施例还提供了一种人防通道的封堵系统,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上述步骤S001至S005。
至此,本实施例完成。
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。
Claims (10)
1.一种人防通道的封堵方法,其特征在于,该方法包括以下步骤:
获得人防通道的混凝土表面的灰度图像;
根据灰度图像中各分块间的匹配距离特征以及各分块间的灰度均值的差异,获得灰度图像中各分块之间的差异程度;
根据各分块之间的差异程度对灰度图像中所有分块进行聚类,获得若干聚类簇;对聚类簇中存在相邻关系的分块进行凸包检测获得疑似裂纹区域;
根据聚类簇在灰度图像中的疑似裂纹区域的边缘像素点距离疑似裂纹区域质心点的距离特征,获得聚类簇的分块中存在裂纹的可能性;
根据聚类簇的分块中存在裂纹的可能性从所有聚类簇中筛选出目标簇,目标簇中的像素点将记为初始裂纹像素点;
根据目标簇中初始裂纹像素点的灰度与非初始裂纹像素点的灰度差异、以及目标簇中初始裂纹像素点的梯度幅值,获得目标簇中每个初始裂纹像素点的裂纹显著性;
根据目标簇中每个初始裂纹像素点的裂纹显著性,获得裂纹区域;根据裂纹区域对人防通道进行封堵预警。
2.根据权利要求1所述一种人防通道的封堵方法,其特征在于,所述根据灰度图像中各分块间的匹配距离特征以及各分块间的灰度均值的差异,获得灰度图像中各分块之间的差异程度,包括的具体公式如下:
式中,/>表示灰度图像中第/>个分块和第/>个分块之间的差异程度;/>表示灰度图像中第/>个分块和第/>个分块之间各自分块对应的灰度直方图分布曲线之间的匹配距离;/>表示第/>个分块的灰度均值;/>表示第/>个分块的灰度均值;/>表示第/>个分块质心和第/>个分块质心之间的欧式距离;/>表示线性归一化函数。
3.根据权利要求1所述一种人防通道的封堵方法,其特征在于,所述根据各分块之间的差异程度对灰度图像中所有分块进行聚类,获得若干聚类簇,包括的具体步骤如下:
采用DBSCAN聚类算法对灰度图像中所有分块进行聚类,获得若干个聚类簇,DBSCAN聚类算法使用的度量距离为灰度图像中任意两个分块之间的差异程度。
4.根据权利要求1所述一种人防通道的封堵方法,其特征在于,所述根据聚类簇在灰度图像中的疑似裂纹区域的边缘像素点距离疑似裂纹区域质心点的距离特征,获得聚类簇的分块中存在裂纹的可能性,包括的具体公式如下:
式中,/>表示第/>个聚类簇的分块中存在裂纹的可能性;/>表示第/>个聚类簇在灰度图像中的第/>个疑似裂纹区域的边缘像素点距离疑似裂纹区域质心点的最大距离;/>表示第/>个聚类簇在灰度图像中的第/>个疑似裂纹区域的边缘像素点距离疑似裂纹区域质心点的最小距离;/>表示第/>个聚类簇中分块形成的疑似裂纹区域数量;/>表示第/>个聚类簇中所有分块得到的灰度直方图中所有灰度级中对应的像素点数量的最大值;/>表示第/>个聚类簇中所有分块得到的灰度直方图中所有灰度级中对应的像素点数量的最小值;/>表示线性归一化函数。
5.根据权利要求1所述一种人防通道的封堵方法,其特征在于,所述根据聚类簇的分块中存在裂纹的可能性从所有聚类簇中筛选出目标簇,包括的步骤如下:
当聚类簇的分块中存在裂纹的可能性大于第一预设阈值时,所述聚类簇记为目标簇。
6.根据权利要求1所述一种人防通道的封堵方法,其特征在于,所述根据目标簇中初始裂纹像素点的灰度与非初始裂纹像素点的灰度差异、以及目标簇中初始裂纹像素点的梯度幅值,获得目标簇中每个初始裂纹像素点的裂纹显著性,包括的具体公式如下:
式中,/>表示目标簇中第/>个初始裂纹像素点的裂纹显著性;/>表示自然常数;/>表示目标簇中第/>个初始裂纹像素点的灰度值;/>表示非目标簇中第/>个像素点的灰度值;/>表示非目标簇中像素点的个数;/>表示目标簇中第/>个初始裂纹像素点的梯度幅值。
7.根据权利要求1所述一种人防通道的封堵方法,其特征在于,所述根据目标簇中每个初始裂纹像素点的裂纹显著性,获得裂纹区域,包括的具体步骤如下:
当目标簇中任意一个初始裂纹像素点归一化后的裂纹显著性大于第二预设阈值时,将所述任意一个初始裂纹像素点记为裂纹像素点;
将所有裂纹像素点构成的区域记为裂纹区域。
8.根据权利要求1所述一种人防通道的封堵方法,其特征在于,所述根据裂纹区域进行封堵预警,包括的具体步骤如下:
当混凝土表面的裂纹严重程度大于第三预设阈值时,要进行封堵预警。
9.根据权利要求8所述一种人防通道的封堵方法,其特征在于,所述混凝土表面的裂纹严重程度的具体计算公式如下:
式中,/>表示混凝土表面的裂纹严重程度;/>表示裂纹区域像素点的个数;表示灰度图像中所有像素点的数量;/>表示裂缝区域中所有连通域的长度的最大值;表示灰度图像左上角和右下角的像素点之间的欧式距离。
10.一种人防通道的封堵系统,包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序,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1-9任一项所述的一种人防通道的封堵方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410588885.5A CN118196082A (zh) | 2024-05-13 | 2024-05-13 | 一种人防通道的封堵方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410588885.5A CN118196082A (zh) | 2024-05-13 | 2024-05-13 | 一种人防通道的封堵方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN118196082A true CN118196082A (zh) | 2024-06-14 |
Family
ID=91404366
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410588885.5A Pending CN118196082A (zh) | 2024-05-13 | 2024-05-13 | 一种人防通道的封堵方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN118196082A (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2006065180A1 (en) * | 2004-12-16 | 2006-06-22 | Volvo Aero Corporation | A method and a device for detecting cracks in an object |
CN110155369A (zh) * | 2019-05-29 | 2019-08-23 | 中国民航大学 | 一种飞机蒙皮表面裂纹检查方法 |
CN116310360A (zh) * | 2023-05-18 | 2023-06-23 | 实德电气集团有限公司 | 一种电抗器表面缺陷检测方法 |
CN116597389A (zh) * | 2023-07-18 | 2023-08-15 | 山东省地质测绘院 | 基于图像处理的地质灾害监测及预警方法 |
CN117437228A (zh) * | 2023-12-20 | 2024-01-23 | 惠汕绿创(江苏)科技有限公司 | 基于图像特征的光伏钢结构组件断裂检测方法 |
-
2024
- 2024-05-13 CN CN202410588885.5A patent/CN118196082A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2006065180A1 (en) * | 2004-12-16 | 2006-06-22 | Volvo Aero Corporation | A method and a device for detecting cracks in an object |
CN110155369A (zh) * | 2019-05-29 | 2019-08-23 | 中国民航大学 | 一种飞机蒙皮表面裂纹检查方法 |
CN116310360A (zh) * | 2023-05-18 | 2023-06-23 | 实德电气集团有限公司 | 一种电抗器表面缺陷检测方法 |
CN116597389A (zh) * | 2023-07-18 | 2023-08-15 | 山东省地质测绘院 | 基于图像处理的地质灾害监测及预警方法 |
CN117437228A (zh) * | 2023-12-20 | 2024-01-23 | 惠汕绿创(江苏)科技有限公司 | 基于图像特征的光伏钢结构组件断裂检测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Kim et al. | Comparative analysis of image binarization methods for crack identification in concrete structures | |
CN108038883B (zh) | 一种应用于公路路面视频图像的裂缝检测及识别方法 | |
WO2018068600A1 (zh) | 图像处理方法及系统 | |
CN114419025A (zh) | 一种基于图像处理的纤维板质量评估方法 | |
CN116843688B (zh) | 一种纺织品质量视觉检测方法 | |
CN113109368B (zh) | 玻璃裂纹检测方法、装置、设备及介质 | |
CN109658391B (zh) | 一种基于轮廓归并和凸包拟合的圆半径测量方法 | |
CN108009556B (zh) | 一种基于定点图像分析的河道漂浮物检测方法 | |
CN106683076A (zh) | 基于纹理特征聚类的机车轮对踏面损伤检测的方法 | |
CN113689429B (zh) | 一种基于计算机视觉的木板缺陷检测方法 | |
JP2014228357A (ja) | ひび割れ検出方法 | |
CN115564771A (zh) | 一种基于建筑物基柱的混凝土裂纹识别方法 | |
CN116580032B (zh) | 一种用于道路施工的质量监控方法 | |
CN114596551A (zh) | 一种车载前视图像裂缝检测的方法 | |
CN114881965A (zh) | 一种基于人工智能和图像处理的木板节子检测方法 | |
CN117437223A (zh) | 一种高速板对板连接器缺陷智能检测方法 | |
CN106530273B (zh) | 高精度fpc直线线路检测与缺陷定位方法 | |
JP2008267943A (ja) | ひび割れ検出方法 | |
CN107657620A (zh) | 一种带纹理的金属凝固区域识别的方法及系统 | |
CN114913134A (zh) | 隧道喷射混凝土粗糙度识别方法、终端设备及存储介质 | |
CN114359251A (zh) | 一种混凝土表面破损的自动识别方法 | |
CN116309557B (zh) | 一种挖掘机履带板断裂检测方法 | |
WO2019007164A1 (zh) | 纸币涂鸦的检测方法及装置 | |
CN118196082A (zh) | 一种人防通道的封堵方法及系统 | |
CN108846839B (zh) | 一种基于扇形邻域差异直方图的匣钵裂纹检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination |