System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 一种高速公路裂缝检测方法及装置制造方法及图纸_技高网

一种高速公路裂缝检测方法及装置制造方法及图纸

技术编号:42862814 阅读:10 留言:0更新日期:2024-09-27 17:26
本发明专利技术涉及图像处理领域,具体涉及一种高速公路裂缝检测方法及装置,包括:在高速公路图像上对不同聚类参数下的聚类区域的纹理差异进行分析得到每个聚类区域的疑似裂缝属性值,并根据疑似裂缝属性值从所有聚类区域中筛选出疑似裂缝区域;根据疑似裂缝区域的灰度差异、疑似裂缝属性值以及疑似裂缝区域长轴与短轴特征得到疑似裂缝区域的修正裂缝特征符合程度;依据修正裂缝特征符合程度从所有疑似裂缝区域中筛选出高速公路裂缝区域。本发明专利技术在路面脏污对裂缝检测存在干扰的情况下,提高了裂缝检测准确度。

【技术实现步骤摘要】

本专利技术涉及图像处理领域,具体涉及一种高速公路裂缝检测方法及装置


技术介绍

1、裂缝是高速公路路面病害的一种,如果不及时修复,可能会导致路面松动、坍塌等问题,影响交通安全和交通流畅。因此路面裂缝病害问题的巡检是十分必要的。

2、常用的路面裂缝检测方法是采集高速公路路面图像,利用聚类算法,例如k-means聚类,对路面图像进行分割得到裂缝区域,但是由于部分与裂缝直接粘连的路面脏污可能会与裂缝内部具有相似的灰度水平,从而导致这些路面脏污可能在聚类过程中与真实裂缝被分到同一聚类簇中,进而导致真实裂缝簇的部分边缘轮廓线扩展变宽,从而在裂缝识别过程中引入误差,导致直接使用聚类方法对裂缝的检测结果不够精确。


技术实现思路

1、为解决上述问题,本专利技术提供一种高速公路裂缝检测方法及装置。

2、本专利技术的一种高速公路裂缝检测方法及装置采用如下技术方案:

3、本专利技术实施例提供了一种高速公路裂缝检测方法,该方法包括以下步骤:

4、对高速公路图像进行若干次聚类分别得到若干个聚类结果图像,每次聚类时采用不同聚类参数,每个聚类结果图像中包含若干聚类区域;

5、对于每个聚类结果图像中的每个聚类区域,根据其他聚类结果图像中的且与所述每个聚类区域位置邻近的聚类区域与所述每个聚类区域的纹理差异,获得每个聚类结果图像中的每个聚类区域的疑似裂缝属性值;在疑似裂缝属性值的平均值最大的聚类结果图像中,根据疑似裂缝属性值从所有聚类区域中筛选出疑似裂缝区域

6、根据疑似裂缝区域的灰度差异、平均灰度值以及疑似裂缝区域的疑似裂缝属性值获得疑似裂缝区域的裂缝灰度特征因子;基于所述裂缝灰度特征因子以及疑似裂缝区域长轴两侧的轮廓线的嵌合程度获得疑似裂缝区域的裂缝特征符合程度;根据疑似裂缝区域的短轴分布对所述裂缝特征符合程度修正得到疑似裂缝区域的修正裂缝特征符合程度;依据修正裂缝特征符合程度从所有疑似裂缝区域中筛选出高速公路裂缝区域。

7、优选的,所述疑似裂缝属性值的具体获取步骤如下:

8、对于任意一个聚类结果图像中的第k个聚类区域,其他聚类结果图像中的且与第k个聚类区域位置邻近的聚类区域,记为第k个聚类区域的邻近聚类区域;

9、在第k个聚类区域中,计算所有像素点与所有像素点的邻域像素点的lbp纹理值差异,记为第k个聚类区域的纹理分布;

10、在第k个聚类区域的邻近聚类区域中,也计算所有像素点与所有像素点邻域像素点的lbp纹理值差异,记为第k个聚类区域的邻近聚类区域中的纹理分布;

11、根据第k个聚类区域与第k个聚类区域的邻近聚类区域中的纹理分布的差异获得第k个聚类区域的疑似裂缝属性值;

12、所述疑似裂缝属性值与所述纹理分布的差异呈负相关。

13、优选的,所述若干次聚类使用的是k-means聚类算法,所述聚类参数是k-means聚类算法中的k值。

14、优选的,所述在疑似裂缝属性值的平均值最大的聚类结果图像中,根据疑似裂缝属性值从所有聚类区域中筛选出疑似裂缝区域,包括的具体步骤如下:

15、分别计算每个聚类结果图像中所有聚类区域的疑似裂缝属性值的平均值,将所述平均值最大的聚类结果图像记为目标图像,在目标图像中,将疑似裂缝属性值大于第一预设阈值的聚类区域记为疑似裂缝区域。

16、优选的,所述根据疑似裂缝区域的灰度差异、平均灰度值以及疑似裂缝区域的疑似裂缝属性值获得疑似裂缝区域的裂缝灰度特征因子,包括的具体步骤如下:

17、将疑似裂缝区域内所有像素点的灰度值与所有像素点的邻域像素点的平均灰度值的平均差异作为疑似裂缝区域的灰度差异,所述裂缝灰度特征因子与疑似裂缝区域的平均灰度值、平均灰度差异分别呈负相关,裂缝灰度特征因子与疑似裂缝属性值呈正相关。

18、优选的,所述基于所述裂缝灰度特征因子以及疑似裂缝区域长轴两侧的轮廓线的嵌合程度获得疑似裂缝区域的裂缝特征符合程度,包括的具体步骤如下:

19、将疑似裂缝区域的轮廓线上距离最远的两个像素点之间的线段作为疑似裂缝区域的长轴;根据疑似裂缝区域长轴两侧的轮廓线之间的拐点的分布差异获得长轴两侧的轮廓线的嵌合程度;所述裂缝特征符合程度与裂缝灰度特征因子以及嵌合程度分别呈正相关。

20、优选的,所述根据疑似裂缝区域的短轴分布对所述裂缝特征符合程度修正得到疑似裂缝区域的修正裂缝特征符合程度,包括的具体步骤如下:

21、在疑似裂缝区域的长轴上获得如干等分点,获取过每个等分点且垂直于长轴的直线,所述直线与疑似裂缝区域轮廓线的两个交点构成的线段作为疑似裂缝区域的每个短轴;

22、根据疑似裂缝区域的长轴长度与所有短轴长度的均值的比值以及裂缝特征符合程度得到修正裂缝特征符合程度;

23、所述修正裂缝特征符合程度与所述比值以及裂缝特征符合程度分别呈正相关。

24、优选的,所述根据疑似裂缝区域长轴两侧的轮廓线之间的拐点的分布差异获得长轴两侧的轮廓线的嵌合程度,包括的具体步骤如下:

25、对于长轴任意一侧的轮廓线上的第m个拐点,沿顺时针方向,第m个拐点的上一个拐点指向第m个拐点的向量和第m个拐点指向下一个拐点的向量之间的夹角定义为第m个拐点的特征夹角;

26、在长轴任意一侧的轮廓线上,将所有的相邻拐点的特征夹角的差异记为长轴任意一侧的轮廓线的拐点分布特征;根据长轴两侧的轮廓线的拐点分布特征的差异获得嵌合程度;所述嵌合程度与所述拐点分布特征的差异呈负相关。

27、优选的,所述依据修正裂缝特征符合程度从所有疑似裂缝区域中筛选出高速公路裂缝区域,包括的具体步骤如下:

28、将修正裂缝特征符合程度最大的疑似裂缝区域作为高速公路裂缝区域。

29、本专利技术实施例还提供了一种高速公路裂缝检测装置,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,还包括与处理器连接的相机,用于采集高速公路图像,所述处理器执行所述计算机程序时实现上述一种高速公路裂缝检测方法的步骤。

30、本专利技术的技术方案的有益效果是:

31、本专利技术在高速公路图像上对不同聚类参数下的聚类区域的纹理差异进行分析得到每个聚类区域的疑似裂缝属性值,疑似裂缝属性值可以描述多次聚类中路面脏污和裂缝区域所存在的差异情况,进而基于疑似裂缝属性值筛选出疑似裂缝区域,实现了将路面脏污和裂缝区域初步区分开来的目的。接着本专利技术又在疑似裂缝区域的灰度差异分布特征的基础上根据疑似裂缝区域长轴两侧轮廓的嵌合特征获得裂缝特征符合程度,裂缝特征符合程度进一步分析了真实的裂缝区域的形态特征,进一步描述了裂缝区域与脏污区域的区别,接着再利用疑似裂缝区域短轴的分布形态对裂缝特征符合程度修正得到修正裂缝特征符合程度,修正裂缝特征符合程度可以描述了不同的裂缝粗细或者开裂程度下裂缝两对侧边缘嵌合程度明显与否,进而基于修正裂缝特征符合程度获得的高速公路裂缝区域更本文档来自技高网...

【技术保护点】

1.一种高速公路裂缝检测方法,其特征在于,该方法包括以下步骤:

2.根据权利要求1所述一种高速公路裂缝检测方法,其特征在于,所述疑似裂缝属性值的具体获取步骤如下:

3.根据权利要求1所述一种高速公路裂缝检测方法,其特征在于,所述若干次聚类使用的是K-Means聚类算法,所述聚类参数是K-Means聚类算法中的K值。

4.根据权利要求1所述一种高速公路裂缝检测方法,其特征在于,所述在疑似裂缝属性值的平均值最大的聚类结果图像中,根据疑似裂缝属性值从所有聚类区域中筛选出疑似裂缝区域,包括的具体步骤如下:

5.根据权利要求1所述一种高速公路裂缝检测方法,其特征在于,所述根据疑似裂缝区域的灰度差异、平均灰度值以及疑似裂缝区域的疑似裂缝属性值获得疑似裂缝区域的裂缝灰度特征因子,包括的具体步骤如下:

6.根据权利要求1所述一种高速公路裂缝检测方法,其特征在于,所述基于所述裂缝灰度特征因子以及疑似裂缝区域长轴两侧的轮廓线的嵌合程度获得疑似裂缝区域的裂缝特征符合程度,包括的具体步骤如下:

7.根据权利要求1所述一种高速公路裂缝检测方法,其特征在于,所述根据疑似裂缝区域的短轴分布对所述裂缝特征符合程度修正得到疑似裂缝区域的修正裂缝特征符合程度,包括的具体步骤如下:

8.根据权利要求6所述一种高速公路裂缝检测方法,其特征在于,所述根据疑似裂缝区域长轴两侧的轮廓线之间的拐点的分布差异获得长轴两侧的轮廓线的嵌合程度,包括的具体步骤如下:

9.根据权利要求1所述一种高速公路裂缝检测方法,其特征在于,所述依据修正裂缝特征符合程度从所有疑似裂缝区域中筛选出高速公路裂缝区域,包括的具体步骤如下:

10.一种高速公路裂缝检测装置,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,还包括与处理器连接的相机,用于采集高速公路图像,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1~9任意一项所述一种高速公路裂缝检测方法的步骤。

...

【技术特征摘要】

1.一种高速公路裂缝检测方法,其特征在于,该方法包括以下步骤:

2.根据权利要求1所述一种高速公路裂缝检测方法,其特征在于,所述疑似裂缝属性值的具体获取步骤如下:

3.根据权利要求1所述一种高速公路裂缝检测方法,其特征在于,所述若干次聚类使用的是k-means聚类算法,所述聚类参数是k-means聚类算法中的k值。

4.根据权利要求1所述一种高速公路裂缝检测方法,其特征在于,所述在疑似裂缝属性值的平均值最大的聚类结果图像中,根据疑似裂缝属性值从所有聚类区域中筛选出疑似裂缝区域,包括的具体步骤如下:

5.根据权利要求1所述一种高速公路裂缝检测方法,其特征在于,所述根据疑似裂缝区域的灰度差异、平均灰度值以及疑似裂缝区域的疑似裂缝属性值获得疑似裂缝区域的裂缝灰度特征因子,包括的具体步骤如下:

6.根据权利要求1所述一种高速公路裂缝检测方法,其特征在于,所述基于所述裂缝灰度特征因子以及疑似裂缝区域长轴两侧的轮廓线的...

【专利技术属性】
技术研发人员:浦锐夏志勇吕朝阳衣忠强李云鹏修政张明亮张鹏黄建平
申请(专利权)人:中铁九局集团第一建设有限公司
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1