一种用于裂缝检测的自适应canny方法技术

本发明专利技术公开一种用于裂缝检测的自适应canny方法，解决隧道墙体裂缝检测时遇到的噪点多，脏块多和检测效果不稳定的问题。该算法先通过对灰度图进行光照补偿的方法实现图像暗部亮度的有效提升；为去除图像中部分孤立亮点噪声的影响，对图片进行中值滤波处理，确保图像在保留裂缝的边缘特性的同时，降低脉冲式噪声；本发明专利技术通过最大化梯度幅值类间方差的方法寻找此阈值，并以此为基础通过Canny算子进行边缘检测；最后结合闭运算和连通性自动检测并去除图像中的噪声和脏块，得到较为干净的裂缝检测结果。本发明专利技术可广泛应用于隧道裂缝等病害检测问题。害检测问题。害检测问题。

【技术实现步骤摘要】
一种用于裂缝检测的自适应canny方法


[0001]本专利技术涉及裂缝图像识别领域，更具体地，涉及一种用于裂缝检测的自适应canny方法。

技术介绍

[0002]隧道裂缝是影响隧道内部安全的重要因素之一。裂缝的形成会受临近岩石的变形、脱落等情况的影响。施工方法及技术也会使隧道产生裂缝，比如隧道的挖掘方式、混凝土各种原料的比例、振捣方式等。而修葺完工后隧道内混凝土不均匀收缩、偏压、冻胀等多种因素的作用，也是隧道表面产生裂缝的重要原因。裂缝的宽度超过一定限度，就会对隧道产生很大影响，严重影响地铁运营的安全。因此，定期检测隧道内是否存在裂缝以及测定裂缝的宽度十分重要。此外，隧道裂缝的出现以及发展还是一个循序渐进的过程，初期隧道内裂缝较少并且比较分散，但随着时间的推移，较小的裂缝会逐渐发展，所以在检测裂缝的同时还应密切关注隧道裂缝的宽度形变等问题。
[0003]国内外对于隧道裂缝等病害的识别检测已经研究相当一段时间了，开始普遍采用接触式的检测方法，但是这种方法不方便，测量误差大。国外的研究起步较早，大多为基于激光雷达、超声波、冲击弹性波、图像处理等的方法。
[0004]随着图像处理技术快速发展，其快速、精确、无损的特性深受广大研究者的青睐，广泛应用到工业生产领域，在地铁隧道裂缝等病害检测方面的研究。由于计算机视觉领域技术的不断突破，在图像领域可以使用最前沿的传统图像处理加深度学习实现隧道裂缝图像的快速获取和隧道表面裂缝位置的检测，为地铁隧道表面裂缝的识别提供一种精确、快捷的方法，图像处理方法克服了传统人工巡检的主观性和低效率，大大提高了检测的灵活性，但在二维的隧道裂纹图像采集，采集裂纹的二维信息，在图像识别时有可能类似于裂纹的砖缝等区别不开，或者对于关键部位裂纹发生的细微变化没法进行监控的问题。
[0005]近些年来国内外在图像处理方法检测隧道裂缝病害的研究上也使用了许多方法技术，如Ahmed Mahgoub Ahmed Talab等人提出了一种基于图像边缘的混凝土结构裂缝检测算法。该方法首先将图像更改为灰度图像，然后利用Sobel方法检测裂纹边缘。使用合适的阈值将像素进行分类，分为前景和背景两种分类，提取疑似骨折区域的原始图像。然后再次使用Sobel算子过滤掉残余的噪声，使用0tsu算法进行最优分割。其主要思想是反复使用过滤器对断裂区域进行筛选。该方法对可以较好的处理高质量的图像，能过滤一部分噪声。该方法依然存在检测效果不稳定的问题。

技术实现思路

[0006]本专利技术提供一种用于裂缝检测的自适应canny方法，解决隧道墙体裂缝检测遇到的噪点多，脏块多和检测效果不稳定的问题。
[0007]为解决上述技术问题，本专利技术的技术方案如下：
[0008]一种用于裂缝检测的自适应canny方法，包括以下步骤：
[0009]S1：获取包括裂缝的图像；
[0010]S2：根据所述图像的尺寸进行光照补偿，得到亮度均匀的图像；
[0011]S3：对所述亮度均匀的图像进行中值滤波，得到降噪图像；
[0012]S4：计算所述降噪图像的梯度幅值，通过最大化梯度幅值类间方差的方法自动生成最佳分割阈值th；
[0013]S5：根据所述最佳分割阈值th，得到Canny边缘检测算法的最低阈值和最高阈值，并使用该最低阈值和最高阈值进行边缘检测，获得第一图像；
[0014]S6：对所述第一图像利用八连通域搜索计算连通部件，去除面积小于预设最小值的连通部件，获得第二图像；
[0015]S7：对所述第二图像使用闭运算方法将断开的裂缝拼接起来，填充脏块的孔洞，得到第三图像；
[0016]S8：对所述第三图像使用八连通域搜索计算连通部件，若连通部件的长乘宽面积大于原图面积的第一预设值且实际面积大于原图面积的第二预设值，则去除该连通部件，得到最后的裂缝图像。
[0017]优选地，步骤S2具体为：
[0018]S2.1：将所述图像转换成灰度图，用f(x,y)＝(x,y)表示灰度化后的灰度值，R、G、B分别表示原来真彩色图中的红、绿、蓝分量，有：
[0019]f(x,y)＝0.299R+0.587G+0.114B
[0020]S2.2：对灰度图进行光照补全，针对图像中不同亮度区域进行亮度补偿：
[0021]求解灰度图I的平均灰度，并记录灰度图I的宽w和高h；
[0022]取m＝min(w，h)/20，将灰度图I切分成个方块，求出每块的平均值，得到子块的亮度矩阵D；
[0023]用矩阵D的每个元素减去灰度图I的平均灰度，得到子块的亮度差值矩阵E；
[0024]用双立方差值法，将矩阵E差值成与灰度图I一样大小的亮度分布矩阵R；
[0025]得到亮度均匀的图像result＝I
‑
R。
[0026]优选地，步骤S3具体为：
[0027]S3.1：确定卷积核大小；
[0028]S3.2：将卷积核的中心与图像左上方的第一个像素对应，将卷积核所覆盖的区域中的各个像素的灰度值进行排序，选取灰度序列的中位数，并将中间值赋给卷积核中心位置对应的像素；
[0029]S3.3：对图像上的每一像素重复步骤S3.2，得到降噪图像。
[0030]优选地，步骤S4通过最大化梯度幅值类间方差的方法自动生成最佳分割阈值th，具体为：
[0031]S4.1：设最佳分割阈值th将图像梯度幅值分为两类C1和C2，C1中的图像梯度幅值小于th，C2中的图像梯度幅值大于th，且这两类梯度幅值各自的均值为m1、m2，梯度幅值全局均值为mG，同时梯度幅值被分为C1和C2类的概率分别为p1、p2，有：
[0032]p1*m1+p2*m2＝mG
[0033]p1+p2＝1
[0034]S4.2：根据方差的概念，类间方差表达式为：
[0035]σ2＝p1(m1
‑
mG)2+p2(m2
‑
mG)2[0036]S4.3：将梯度幅值矩阵归一化为[0,255]的范围，然后迭代256次求解出使得类间方差σ2达到最大值的值，即是所求阈值th。
[0037]优选地，步骤S5具体为：
[0038]S5.1：计算图像梯度；
[0039]S5.2：对梯度幅值进行非极大值抑制；
[0040]S5.3：进行双阈值筛选，将灰度变化大于最高阈值的像素，设置为强边缘像素，去除低于最低阈值的像素；在最低阈值和最高阈值之间的设置为弱边缘像素，如果该弱边缘像素的领域内有强边缘像素，则保留该弱边缘像素，如果该弱边缘像素的领域内没有强边缘像素，则剔除该弱边缘像素。
[0041]优选地，所述最低阈值为0.66th，所述最高阈值为0.9h。
[0042]优选地，步骤S6具体为：
[0043]S6.1：扫描第一图像的每个像素点，对于像素值相同的且在8邻域内相互连通的像素分为相同的组，最终得到第一图像中所有的像素的连通部件；
[0本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于裂缝检测的自适应canny方法，其特征在于，包括以下步骤：S1：获取包括裂缝的图像；S2：根据所述图像的尺寸进行光照补偿，得到亮度均匀的图像；S3：对所述亮度均匀的图像进行中值滤波，得到降噪图像；S4：计算所述降噪图像的梯度幅值，通过最大化梯度幅值类间方差的方法自动生成最佳分割阈值th；S5：根据所述最佳分割阈值th，得到Canny边缘检测算法的最低阈值和最高阈值，并使用该最低阈值和最高阈值进行边缘检测，获得第一图像；S6：对所述第一图像利用八连通域搜索计算连通部件，去除面积小于预设最小值的连通部件，获得第二图像；S7：对所述第二图像使用闭运算方法将断开的裂缝拼接起来，填充脏块的孔洞，得到第三图像；S8：对所述第三图像使用八连通域搜索计算连通部件，若连通部件的长乘宽面积大于原图面积的第一预设值且实际面积大于原图面积的第二预设值，则去除该连通部件，得到最后的裂缝图像。2.根据权利要求1所述的用于裂缝检测的自适应canny方法，其特征在于，步骤S2具体为：S2.1：将所述图像转换成灰度图，用f(x,y)＝(x,y)表示灰度化后的灰度值，R、G、B分别表示原来真彩色图中的红、绿、蓝分量，有：f(x,y)＝0.299R+0.587G+0.114BS2.2：对灰度图进行光照补全，针对图像中不同亮度区域进行亮度补偿：求解灰度图I的平均灰度，并记录灰度图I的宽w和高h；取m＝min(w，h)/20，将灰度图I切分成个方块，求出每块的平均值，得到子块的亮度矩阵D；用矩阵D的每个元素减去灰度图I的平均灰度，得到子块的亮度差值矩阵E；用双立方差值法，将矩阵E差值成与灰度图I一样大小的亮度分布矩阵R；得到亮度均匀的图像result＝I
‑
R。3.根据权利要求2所述的用于裂缝检测的自适应canny方法，其特征在于，步骤S3具体为：S3.1：确定卷积核大小；S3.2：将卷积核的中心与图像左上方的第一个像素对应，将卷积核所覆盖的区域中的各个像素的灰度值进行排序，选取灰度序列的中位数，并将中间值赋给卷积核中心位置对应的像素；S3.3：对图像上的每一像素重复步骤S3.2，得到降噪图像。4.根据权利要求3所述的用于裂缝检测的自适应canny方法，其特征在于，步骤S4通过最大化梯度幅值类间方差的方法自动生成最佳分割阈值th，具体为：S4.1：设最佳分割阈值th将图像梯度幅值分为两类C1和C2，C1中的图像梯度幅值小于th，C2中的图像梯度幅值大于th，且这两类梯度幅值各自的均值为m1、m2，梯度幅值全局均
值为mG，同时梯度幅值被分为C1和C2类的概率分别为p1、p2，有：p1*m1+p2*m2＝mGp1+p2＝1S4.2：根据方差的概念，...

【专利技术属性】
技术研发人员：姚正安，连祥凯，潘嵘，李嘉，郭梓濠，董喆，刘念祖，兰丽菊，李锐晨，
申请(专利权)人：中山大学，
类型：发明
国别省市：