[發明專利]一種基于高密度各向異性特征的機場道面裂縫檢測方法

在審

• 申請號: 202011301783.9
• 申請日: 2020-11-19
• 公開（公告）號: CN112435228A
• 公開（公告）日: 2021-03-02
• 發明（設計）人: 李海豐;李紀霖
• 申請（專利權）人: 中國民航大學
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/155;G06T7/187;G06T7/62
• 代理公司: 天津才智專利商標代理有限公司 12108
• 代理人: 龐學欣

1.一種基于高密度各向異性特征的機場道面裂縫檢測方法，其特征在于：所述的機場道面裂縫檢測方法包括按順序進行的下列步驟：

1)對機場跑道原始圖像進行預處理，得到預處理后圖像；

2)遍歷上述預處理后圖像中的每個像素點，選取四個方向，并沿每個方向生成兩個對稱的窗口；

3)獲得每個窗口內灰度值之和最小的線段；

4)將兩個對稱的窗口內兩條灰度值之和最小的線段l₁和l₂連接成一條新線段L_j，其中j為窗口的方向，計算所有新線段L_j的灰度值均值和方差；

5)基于上述灰度值均值和方差，利用高密度各向異性特征公式計算出當前像素點的高密度各向異性特征值HDA；

6)重復步驟5)，遍歷整幅預處理后圖像，并將獲得的所有高密度各向異性特征值轉換成灰度值，同時分割出裂縫點并去除誤檢測像素點，最終獲得機場跑道裂縫圖像。

2.根據權利要求1所述的基于高密度各向異性特征的機場道面裂縫檢測方法，其特征在于：在步驟1)中，所述的對機場跑道原始圖像進行預處理，得到預處理后圖像的方法是：

對機場跑道原始圖像I(u,v)采用中值濾波算法進行預處理，濾波器窗口采用3×3的模板，得到預處理后圖像。

3.根據權利要求1所述的基于高密度各向異性特征的機場道面裂縫檢測方法，其特征在于：在步驟2)中，所述的遍歷上述預處理后圖像中的每個像素點，選取四個方向，并沿每個方向生成兩個對稱的窗口的方法是：

遍歷上述預處理后圖像中的每個像素點，以當前像素點為原點，選取0°、45°、90°和135°四個方向，并沿上述每個方向生成兩個對稱的窗口，窗口邊長為d。

4.根據權利要求1所述的基于高密度各向異性特征的機場道面裂縫檢測方法，其特征在于：在步驟3)中，所述的獲得每個窗口內灰度值之和最小的線段的方法是：

3.1)在每個窗口內，遍歷底邊上所有像素點，并將每一像素點和原點間連成一條線段；

3.2)計算出每一條線段上所有像素點的灰度值之和，并獲得該窗口內所有線段中灰度值之和最小的線段。

5.根據權利要求1所述的基于高密度各向異性特征的機場道面裂縫檢測方法，其特征在于：在步驟4)中，所述的灰度值均值和方差的計算公式如下：

其中，M(u,v)為預處理后圖像的像素點的灰度值。

6.根據權利要求1所述的基于高密度各向異性特征的機場道面裂縫檢測方法，其特征在于：在步驟5)中，所述的高密度各向異性特征值HDA的計算公式如下：

其中，為灰度值均值；為方差。

7.根據權利要求1所述的基于高密度各向異性特征的機場道面裂縫檢測方法，其特征在于：在步驟6)中，所述的重復步驟5)，遍歷整幅預處理后圖像，并將獲得的所有高密度各向異性特征值轉換成灰度值，同時分割出裂縫點并去除誤檢測像素點，最終獲得機場跑道裂縫圖像的方法是：

6.1)基于高密度各向異性特征值，計算出整幅預處理后圖像的HDA圖像H(u,v)，然后將HDA圖像H(u,v)通過公式(5)進行灰度化而得到灰度圖像G(u,v)；

G(u,v)＝255×H(u,v) (5)

6.2)使用大津法對上述灰度圖像G(u,v)進行自適應閾值分割，得到二值化圖像B(u,v)；

6.3)使用連通域法，去除上述二值化圖像B(u,v)中誤檢測為裂縫像素點的非裂縫像素點，最終獲得機場跑道裂縫圖像。

8.根據權利要求7所述的基于高密度各向異性特征的機場道面裂縫檢測方法，其特征在于：在步驟6.3)中，所述的使用連通域法，去除上述二值化圖像B(u,v)中誤檢測為裂縫像素點的非裂縫像素點，最終獲得機場跑道裂縫圖像的方法是：

6.3.1)利用形態學膨脹彌合裂紋中的個別斷點，使鄰近的小區域連通而獲得連通域；

6.3.2)依次計算二值化圖像B(u,v)中各連通域的面積和矩形度，面積定義為連通域的像素總和，矩形度定義為其中A為連通域的面積，w和h分別為連通域最小外接矩形的長和寬；

若連通域面積小于連通域閾值或矩形度高于矩形度閾值，則該連通域視為噪聲，將該連通域像素置零，由此將其去除；

6.3.3)對去噪后的圖像進行形態學腐蝕，以修正形態學膨脹改變的裂縫尺寸，最終獲得機場跑道裂縫圖像。