[發明專利]基于紅外熱像的外墻外保溫系統缺陷識別與損傷程度評價方法

在審

• 申請號: 202011602263.1
• 申請日: 2020-12-29
• 公開（公告）號: CN112669286A
• 公開（公告）日: 2021-04-16
• 發明（設計）人: 馬國儒;梁軼循;于清林;王政;馮秀艷;邵路山;李小祥
• 申請（專利權）人: 北京建筑材料檢驗研究院有限公司;哈爾濱工業大學
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/13;G06T7/136;G06T7/62;G06T5/00
• 代理公司: 哈爾濱華夏松花江知識產權代理有限公司 23213
• 代理人: 岳昕

1.基于紅外熱像的外墻外保溫系統缺陷識別與損傷程度評價方法，其特征在于：所述方法具體過程為：

步驟一、無人機采集建筑外墻的紅外熱像圖，對采集的紅外熱像圖進行圖像去噪處理，然后將去噪處理后的圖像轉化為灰度圖像，繪制灰度直方圖；

步驟二、計算灰度圖像中像素點的灰度梯度，然后進行非極大值抑制，最后進行閾值篩選，獲得邊緣檢測二值圖；

步驟三、運用輪廓提取算法提取邊緣檢測二值圖的輪廓，完成輪廓提取；利用輪廓勾勒算法對提取的輪廓進行勾勒，得到輪廓提取及勾勒后的二值圖；

步驟四、對輪廓提取及勾勒后的二值圖進行閾值分割，將二值圖缺陷和背景分割開；

步驟五，基于步驟四，計算缺陷面積和損傷程度。

2.根據權利要求1所述基于紅外熱像的外墻外保溫系統缺陷識別與損傷程度評價方法，其特征在于：所述步驟一中無人機采集建筑外墻的紅外熱像圖，對采集的紅外熱像圖進行圖像去噪處理，然后將去噪處理后的圖像轉化為灰度圖像，繪制灰度直方圖；具體過程為：

對采集的紅外熱像圖采用高斯濾波進行圖像去噪。

3.根據權利要求1或2所述基于紅外熱像的外墻外保溫系統缺陷識別與損傷程度評價方法，其特征在于：所述步驟二中計算灰度圖像中像素點的灰度梯度，然后進行非極大值抑制，最后進行閾值篩選，獲得邊緣檢測二值圖；具體過程為：

步驟二一、計算灰度圖像中像素點的灰度梯度；

步驟二二、對步驟二一中求灰度梯度后的灰度圖像中像素點進行非極大值抑制；

步驟二三、對步驟二二得到的灰度圖像中像素點進行閾值篩選，獲得邊緣檢測二值圖。

4.根據權利要求3所述基于紅外熱像的外墻外保溫系統缺陷識別與損傷程度評價方法，其特征在于：所述步驟二一中計算灰度圖像中像素點的灰度梯度；具體過程為：

利用Sobel算子對去噪后的灰度圖像在水平和垂直方向上進行濾波，獲得各像素點x,y兩個方向的一階導數Gx，Gy，灰度圖像中像素點的灰度梯度計算公式如下：

對上式進行簡化，如下：

G＝G_X|+|G_Y|

式中，Gx，Gy分別為利用Sobel算子對去噪后的灰度圖像在水平和垂直方向上進行濾波獲取的x，y兩個方向的一階導數，x方向為平行于灰度圖像矩陣行的方向，y方向為平行于灰度圖像矩陣列的方向。

5.根據權利要求4所述基于紅外熱像的外墻外保溫系統缺陷識別與損傷程度評價方法，其特征在于：所述步驟二三中對步驟二二得到的灰度圖像中像素點進行閾值篩選，獲得邊緣檢測二值圖；具體過程為：

針對各像素點處的灰度梯度設置兩個閾值，minValue和maxValue，將像素點分成了三部分；

灰度梯度大于maxValue的點必定是邊緣點；

灰度梯度小于minValue的點必定是非邊緣點；

而介于兩者之間的點需要根據連通性判斷，若與邊緣點相連，則該點為邊緣點，否則為非邊緣點；

根據邊緣點得到邊緣檢測二值圖。

6.根據權利要求5所述基于紅外熱像的外墻外保溫系統缺陷識別與損傷程度評價方法，其特征在于：所述步驟三中運用輪廓提取算法提取邊緣檢測二值圖的輪廓，完成輪廓提取；利用輪廓勾勒算法對提取的輪廓進行勾勒，得到輪廓提取及勾勒后的二值圖；具體過程為：

運用OpenCV中的輪廓提取算法findContours提取邊緣檢測二值圖的輪廓，完成輪廓提取，利用OpenCV中的drawContours算法對提取的輪廓進行勾勒，得到輪廓提取及勾勒后的二值圖。

7.根據權利要求6所述基于紅外熱像的外墻外保溫系統缺陷識別與損傷程度評價方法，其特征在于：所述步驟四中對輪廓提取及勾勒后的二值圖進行閾值分割，將二值圖缺陷和背景分割開；具體過程為：

閾值分割二值圖中各像素點的像素值計算公式如下：

式中，f(x,y)表示高斯去噪后的灰度圖像中坐標為(x,y)的像素點的像素值，g(x,y)表示閾值分割后獲得的二值圖中坐標為(x,y)的像素點的像素值，T為閾值。

8.根據權利要求7所述基于紅外熱像的外墻外保溫系統缺陷識別與損傷程度評價方法，其特征在于：所述步驟五中基于步驟四，計算缺陷面積和損傷程度；具體過程為：

統計缺陷對應的像素點數得到缺陷面積占比，即為損傷程度，根據實際面積可得缺陷面積，輸出結果。