[發明專利]一種裂紋圖像識別方法、系統、終端及可讀存儲介質

有效

• 申請號: 202010844069.8
• 申請日: 2020-08-20
• 公開（公告）號: CN111986176B
• 公開（公告）日: 2021-06-15
• 發明（設計）人: 張軍;莫劍;張可人;左劍
• 申請（專利權）人: 國網湖南省電力有限公司;國網湖南省電力有限公司電力科學研究院;國家電網有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/13;G06T5/00;G06K9/62
• 代理公司: 長沙市融智專利事務所(普通合伙) 43114
• 代理人: 顏勇

本發明公開了一種裂紋圖像識別方法、系統、終端及可讀存儲介質，所述方法包括：獲取待識別的圖像并對其進行邊緣檢測得到二值化圖像；采用滑動窗口獲取局部圖像，并基于像素的空間位置對局部圖像進行空間聚類以及基于局部圖像的分形維度是否在預設限制范圍內初步識別出包含裂紋的局部圖像；將待識別的圖像中包含裂紋的局部圖像和不包含裂紋的局部圖像均視為像素進行二值化處理，并對二值化后的圖像進行空間聚類；將像素個數最多或像素個數滿足預設閾值的一類像素對應的局部圖像視為裂紋圖像，其余均為非裂紋圖像。本發明利用裂紋本身的特性，將空間聚類以及分形維度相結合得到初步識別結果，再基于局部圖像進行二次聚類，更準確地篩選出裂紋圖像。

技術領域

本發明屬于圖像識別技術領域，具體涉及一種裂紋圖像識別方法、系統、終端及可讀存儲介質。

背景技術

裂紋圖像識別技術有很多種，尤其是應用于混凝土裂紋識別中。然而，傳統的圖像處理技術中目前大多采用圖像閾值分割以及一些形態學等技術，這些方法不同程度地受限于使用場景，近年來，以卷積神經網絡為代表的深度學習技術在圖像識別任務上不斷超越以往圖像處理技術，然而深度學習需要大量的樣本進行訓練，且訓練時間較長及對計算機硬件配置要求較高。因此，如何快速實現裂紋圖像的識別仍是一項具有挑戰性的技術問題。

發明內容

本發明的目的是提供一種裂紋圖像識別方法、系統、終端及可讀存儲介質，其首先基于裂紋邊緣與背景信息存在明顯灰度差異的特點采用邊緣檢測提取到裂紋邊緣信息，再將空間聚類以及分形維度相結合得到初步識別結果，其中，空間聚類是考慮到了裂紋邊緣的連續性特點以及形態學特點，分形維度是考慮到裂紋的邊緣具有明顯的分形特點，從而將兩者結合起來可以更加準確地篩選出裂紋；最后考慮到局部圖像僅僅是裂紋圖像的一部分，局部圖像在空間上是具有連續性的，因此，將局部圖形視為一個基本像素單元再一次進行聚類，更加準確地篩選出裂紋圖像。

本發明提供的一種裂紋圖像識別方法，包括如下步驟：

S01：獲取待識別的圖像并對所述待識別的圖像進行邊緣檢測得到二值化圖像；其中，若待識別的圖像為彩圖，則邊緣檢測之前進行灰度處理轉為灰度圖像；

S02：在二值化圖像上采用滑動窗口獲取局部圖像，并初步識別局部圖像是否包含裂紋；

其中，基于像素的空間位置對局部圖像進行空間聚類以及基于局部圖像的分形維度是否在預設限制范圍內初步識別出包含裂紋的局部圖像；

S03：基于初步識別結果將所述待識別的圖像中包含裂紋的局部圖像和不包含裂紋的局部圖像均視為像素進行二值化處理，并對二值化后的圖像進行空間聚類；

其中，獲取空間聚類結果中像素個數最多或像素個數滿足預設閾值的一類像素，所述一類像素中對應的局部圖像為裂紋圖像，其余局部圖像為非裂紋圖像。

進一步優選，S02中基于像素的空間位置對局部圖像進行空間聚類識別是否包含裂紋，其過程如下：

基于像素的空間信息對局部圖像進行空間聚類；

獲取像素個數最多的一類像素，并獲取所述一類像素的外接矩陣，再判斷所述外接矩陣的最長邊是否大于預設邊長閾值，若大于，初步認定所述局部圖像包含裂紋，否則，初步認定所述局部圖像不包含裂紋。

進一步優選，采用DBSCAN算法對局部圖像進行空間聚類處理。

進一步優選，S02中基于局部圖像的分形維度是否在預設限制范圍識別是否包含裂紋，其過程如下：

基于空間聚類結果獲取像素個數最多的一類像素，并計算局部圖像中僅包括所述一類像素數據對應分形維度，并判斷是否位于預設限制范圍；

若是，初步認定所述局部圖像包含裂紋，否則，初步認定所述局部圖像不包含裂紋。