[發明專利]一種隧道裂縫提取方法及系統

有效

• 申請號: 202110601324.0
• 申請日: 2021-05-31
• 公開（公告）號: CN113362296B
• 公開（公告）日: 2022-10-04
• 發明（設計）人: 宋銳;王喆;高瑞琪;劉義祥
• 申請（專利權）人: 山東大學
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/11;G06T7/12;G06T7/13;G06T7/136;G06T5/00;G06T5/40;G06N3/00;G06N3/04;G06N3/08
• 代理公司: 濟南圣達知識產權代理有限公司 37221
• 代理人: 武博

本發明公開了一種隧道裂縫提取方法及系統，其技術方案為：包括獲取隧道圖像數據集，并進行預處理；基于變異煙花算法對預處理后的隧道圖像數據集進行初次分割，得到分割結果；對分割結果進行超像素二次分割，得到細節裂縫圖像；對細節裂縫圖像進行數據分析，得到細節裂縫邊緣亞像素輪廓。本發明通過基于F分布的變異爆炸煙花算法的首次分割，并與超像素分割二次分割后提取像素區域融合，使得識別的裂縫圖像精度更高。

技術領域

本發明涉及裂縫識別技術領域，尤其涉及一種隧道裂縫提取方法及系統。

背景技術

裂縫是一種線狀目標，在公路路面、建筑墻面、隧道頂面、金屬表面等位置經常出現。一方面，裂縫作為一種初期的損害，及時修補或修復不僅能減小安全隱患，還能節約維修的成本，另一方面，傳統的人工識別方法識別裂縫費時費力，不能滿足現代化的工業需求，因此裂縫的自動化識別和及時修補具有重要的經濟意義。目前，通常使用光學攝像或激光掃描的方式獲取裂縫光學圖像或距離圖像，然后利用圖像處理算法識別圖像中的裂縫。隧道是埋置于地層內的工程建筑物，通常情況下，隧道內所采集照片亮度很低且特征極不明顯，噪點很多，檢測難度很大。

現有的基于深度學習的裂縫識別方法通常判斷裂縫方法單一，使用時間過長容易出現遺漏與判斷誤差，不能較為精確提取裂縫。其次，細小裂縫的提取極易產生斷裂，而通過膨脹腐蝕等方法連接的的區域較隨機不夠精確。現有技術公開了一種基于深度學習和opencv的裂縫識別方法，雖然該方法能最終還原大致裂縫信息，但其中區域生長算法的起始生長區域以及膨脹腐蝕等操作產生的裂縫區域較為隨機，對于細小裂縫易產生斷裂現象。

發明內容

針對現有技術存在的不足，本發明的目的是提供一種隧道裂縫提取方法及系統，通過基于F分布的變異爆炸煙花算法的首次分割，并與超像素分割二次分割后提取像素區域融合，使得識別的裂縫圖像精度更高。

為了實現上述目的，本發明是通過如下的技術方案來實現：

第一方面，本發明的實施例提供了一種隧道裂縫提取方法，包括：

獲取隧道圖像數據集，并進行預處理；

基于變異煙花算法對預處理后的隧道圖像數據集進行初次分割，得到分割結果；

對分割結果進行超像素二次分割，得到細節裂縫圖像；

對細節裂縫圖像進行數據分析，得到細節裂縫邊緣亞像素輪廓。

作為進一步的實現方式，對區域生長算法引入F分布變異火花，通過改變自由度的值改變變異幅值，全局尋優。

作為進一步的實現方式，所述初次分割過程包括：

在n維可行域初始化爆炸粒子；確定基于F分布模型的自由度參數，得到變異幅值；

計算每個煙花粒子爆炸所產生的爆炸火花位置、爆炸半徑以及對p個煙花粒子進行變異所產生的變異火花位置；

將超出可行域空間的粒子映射到可行域空間內，適應度值最小的N個粒子作為下一次迭代的初始煙花；經多次迭代后，當適應度值小于設定閾值T時停止迭代；

將得到的最優粒子作為初次分割的生長種子點，得到閾值自適應的分割結果。

作為進一步的實現方式，所述預處理過程為：利用深度學習方法得到裂縫矩形框區域，對所述區域進行直方圖均衡化、二值化處理；并進行去噪處理。

作為進一步的實現方式，數據分析過程中，對圖像文件中裂縫部分通過亞像素裂縫長度計算與顯著性檢測計算出裂縫的長度與寬度，并處理生成結果數據，提取細節裂縫邊緣亞像素輪廓。

作為進一步的實現方式，所述圖像數據分析過程為：

基于最小二乘擬合方法擬合離散點，到擬合曲線的距離和取最小；