[發(fā)明專利]一種基于視覺技術(shù)的道路瀝青粘連檢測(cè)方法

有效

• 申請(qǐng)?zhí)枺?/td>: 202310785891.5
• 申請(qǐng)日: 2023-06-30
• 公開（公告）號(hào): CN116542969B
• 公開（公告）日: 2023-09-08
• 發(fā)明（設(shè)計(jì)）人: 馬金輝;于洋;余文英
• 申請(qǐng)（專利權(quán)）人: 青島西海岸城市建設(shè)集團(tuán)有限公司
• 主分類號(hào): G06T7/00
• 分類號(hào): G06T7/00;G01N21/88;G06T7/11;G06T7/187;G06T7/13;G06T5/00
• 代理公司: 鄭州知倍通知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 41191
• 代理人: 卞廣偉

本發(fā)明涉及圖像處理領(lǐng)域，提供一種基于視覺技術(shù)的道路瀝青粘連檢測(cè)方法，包括：采集道路表面圖像，得到道路表面圖像對(duì)應(yīng)的灰度圖像以及梯度圖像；利用伽馬矯正算法基于梯度圖像計(jì)算梯度圖像各梯度特征對(duì)應(yīng)的各個(gè)不同區(qū)域?qū)?yīng)的伽馬值；基于各個(gè)不同區(qū)域?qū)?yīng)的伽馬值對(duì)灰度圖像進(jìn)行增強(qiáng)處理，得到增強(qiáng)后的圖像；基于增強(qiáng)后的圖像進(jìn)行道路瀝青粘連檢測(cè)。本發(fā)明的方法通過提取圖像的梯度特征將圖像劃分為多個(gè)區(qū)域，而后計(jì)算各個(gè)區(qū)域的伽馬值，從而對(duì)圖像進(jìn)行增強(qiáng)。最后基于增強(qiáng)圖像進(jìn)行瀝青粘連度檢測(cè)，獲取準(zhǔn)確的路面瀝青粘連結(jié)果，從而根據(jù)結(jié)合確定修復(fù)方案。該方法能夠準(zhǔn)確進(jìn)行瀝青缺陷的分割檢測(cè)，提高瀝青粘連度檢測(cè)的準(zhǔn)確性。

技術(shù)領(lǐng)域

本發(fā)明涉及圖像處理技術(shù)領(lǐng)域，特別是涉及一種基于視覺技術(shù)的道路瀝青粘連檢測(cè)方法。

背景技術(shù)

道路瀝青粘連是指道路表面的瀝青與基層之間的額黏附程度。瀝青在道路建設(shè)中廣泛用于路面保護(hù)和加固材料，然而如果瀝青和基層之間的黏附不足，就會(huì)產(chǎn)生路面裂縫等，可能會(huì)引起嚴(yán)重的安全問題，如車輛滑動(dòng)、路面不平坦等，如果不及時(shí)修復(fù)就會(huì)導(dǎo)致較大的安全隱患。隨著視覺技術(shù)的進(jìn)步，傳統(tǒng)的人工檢測(cè)逐漸被淘汰，但是利用視覺檢測(cè)算法對(duì)路面瀝青粘連質(zhì)量進(jìn)行檢測(cè)時(shí)，由于需要利用攝像機(jī)獲取路面圖像，所以受光照影響較大，若光線過亮則容易產(chǎn)生曝光的問題而影響檢測(cè)結(jié)果，因此需要對(duì)采集到的路面圖像進(jìn)行增強(qiáng)以獲得更精確的檢測(cè)結(jié)果，確保工作人員及時(shí)修復(fù)。

伽馬矯正是常用的圖像增強(qiáng)算法之一，能夠有效解決圖像的曝光問題，但是傳統(tǒng)的伽馬變換未考慮到圖像的局部特性，容易造成過增強(qiáng)或欠增強(qiáng)的問題，從而導(dǎo)致在進(jìn)行瀝青缺陷分割檢測(cè)時(shí)分割結(jié)果不準(zhǔn)確，進(jìn)而導(dǎo)致瀝青粘連度檢測(cè)結(jié)果不準(zhǔn)確。

發(fā)明內(nèi)容

本發(fā)明提供一種基于視覺技術(shù)的道路瀝青粘連檢測(cè)方法，該方法能夠準(zhǔn)確進(jìn)行瀝青缺陷的分割檢測(cè)，提高瀝青粘連度檢測(cè)的準(zhǔn)確性。

第一方面，本發(fā)明提供一種基于視覺技術(shù)的道路瀝青粘連檢測(cè)方法，包括：

采集道路表面圖像，得到道路表面圖像對(duì)應(yīng)的灰度圖像以及梯度圖像；

利用伽馬矯正算法基于梯度圖像計(jì)算梯度圖像各梯度特征對(duì)應(yīng)的各個(gè)不同區(qū)域?qū)?yīng)的伽馬值；

基于各個(gè)不同區(qū)域?qū)?yīng)的伽馬值對(duì)灰度圖像進(jìn)行增強(qiáng)處理，得到增強(qiáng)后的圖像；

基于增強(qiáng)后的圖像進(jìn)行道路瀝青粘連檢測(cè)。

在一實(shí)施例中，利用伽馬矯正算法基于梯度圖像計(jì)算梯度圖像各梯度特征對(duì)應(yīng)的各個(gè)不同區(qū)域?qū)?yīng)的伽馬值，包括：

基于梯度圖像的梯度特征對(duì)梯度圖像等區(qū)域劃分，得到多個(gè)圖像塊；

計(jì)算相鄰圖像塊之間的相似度，基于相似度將多個(gè)圖像塊合并，得到多個(gè)合并區(qū)域；

計(jì)算每一合并區(qū)域?qū)?yīng)的伽馬值。

在一實(shí)施例中，計(jì)算每一合并區(qū)域?qū)?yīng)的伽馬值，包括：

計(jì)算每一合并區(qū)域?qū)?yīng)的融合程度以及邊緣復(fù)雜度；

基于融合程度以及邊緣復(fù)雜度計(jì)算每一合并區(qū)域?qū)?yīng)的增強(qiáng)程度；

基于每一合并區(qū)域?qū)?yīng)增強(qiáng)程度計(jì)算每一合并區(qū)域?qū)?yīng)的伽馬值。

在一實(shí)施例中，計(jì)算相鄰圖像塊之間的相似度，基于相似度將多個(gè)圖像塊合并，得到多個(gè)合并區(qū)域，包括：

計(jì)算相鄰圖像塊之間的交叉熵；

基于交叉熵計(jì)算相鄰圖像塊之間的相似度；

如果相似度大于預(yù)設(shè)值，則將相鄰圖像塊合并，得到多個(gè)合并區(qū)域。

在一實(shí)施例中，計(jì)算每一合并區(qū)域?qū)?yīng)的融合程度以及邊緣復(fù)雜度，包括：

基于合并區(qū)域中合并塊之間的相似度計(jì)算合并區(qū)域?qū)?yīng)的融合程度；