基于图像处理的桥梁建筑智能检测方法与流程

本发明涉及图像数据处理，具体涉及基于图像处理的桥梁建筑智能检测方法。

背景技术：

1、桥梁作为重要的交通枢纽，在国民经济和社会发展中发挥着重要作用。随着使用寿命的增加，以及混凝土老化、车辆超载、运营环境恶化等多种因素的耦合作用，桥梁结构在长期使用过程中不可避免地会出现不同程度的损伤和病害，如裂缝、下挠、露筋等。传统的人工检测方法存在主观性强、检测效率低等问题，不能及时发现桥梁病害，不能满足时代发展的需要。

2、现有技术中通常采用机器视觉方法对桥梁缺陷进行检测，然而传统的机器视觉方法中无法自适应相机的视角变化，进而导致无法获取完整而又准确的缺陷区域，使得机器视觉无法检测得到桥梁缺陷的准确结果，因此如何准确检测桥梁病害类型是桥梁结构状态评估的关键。

技术实现思路

1、为了解决上述技术问题，本发明的目的在于提供基于图像处理的桥梁建筑智能检测方法，所采用的技术方案具体如下：

2、本发明提出基于图像处理的桥梁建筑智能检测方法，所述方法包括：

3、通过摄像头拍摄图像，获取桥梁结构图像，对所述桥梁结构图像进行标注，获取标注图像；

4、构建桥梁缺陷检测模型，根据所述桥梁结构图像与所述标注图像训练桥梁缺陷检测模型；

5、利用神经网络获取桥梁缺陷检测模型的特征图像，对特征图像进行图像分析获取目标窗口的特征区域；对目标窗口的特征区域进行边缘检测获取特征区域轮廓；基于特征区域轮廓上每一个轮廓点与特征区域轮廓的质心获取每个轮廓点的置信度与抑制系数；根据所述置信度与所述抑制系数计算缩放距离；

6、基于所述缩放距离对所述每个轮廓点进行缩放获取初始轮廓集，并对所述初始轮廓集进行水平集分割，获取缺陷区域；

7、根据所述缺陷区域调整桥梁缺陷检测模型的目标窗口实现目标窗口的修正，精准定位出缺陷。

8、可选的，所述桥梁缺陷检测模型采用基于深度学习的目标检测网络。

9、可选的，所述对特征图像进行图像分析获取目标窗口的特征区域，包括的具体方法为：

10、对特征图像进行极差归一化，得到归一化特征图像，对所述归一化特征图像进行阈值化操作，得到特征二值图；对所述特征二值图进行连通域分析，得到特征连通域图像；

11、获取桥梁缺陷检测模型得到的目标窗口并获取该目标窗口所包含的特征连通域图像中的相应区域，称为目标窗口的特征区域；获取所述目标窗口的特征区域与所述特征连通域图像中有交集的连通域，若连通域存在多个，则获取面积最大的连通域，并求取面积最大的连通域的外接矩形，该外接矩形所包含的特征连通域图像的区域组成目标窗口的特征区域。

12、可选的，所述基于特征区域轮廓上每一个轮廓点与特征区域轮廓的质心获取每个轮廓点的置信度与抑制系数，包括的具体方法为：

13、首先获取目标窗口的特征区域轮廓的质心，然后将特征区域轮廓上每一个轮廓点与质心点进行连线，连线上所经过的像素组成一个序列，称为轮廓射线序列，对于所述轮廓射线序列进行总方差的计算：

14、

15、分别为当前轮廓点轮廓射线序列灰度方差、解释性方差的权重，分别表示当前轮廓点轮廓射线序列的灰度方差、解释性方差；表示轮廓点轮廓射线序列的总方差；

16、计算置信度t，所述轮廓点轮廓射线序列的总方差与置信度呈负相关关系，计算公式如下：

17、

18、表示轮廓点轮廓射线序列的总方差；通过上述方法，获取每个轮廓点的置信度。

19、可选的，所述获取每个轮廓点的置信度与抑制系数，包括的具体方法为：

20、获取每个轮廓点相邻的轮廓点的置信度；

21、基于所述每个轮廓点相邻的轮廓点获取轮廓点的抑制系数：

22、

23、n表示相邻轮廓点的个数，表示当前点的置信度，为第i个相邻点的置信度。

24、可选的，所述根据所述置信度与所述抑制系数计算缩放距离，包括的具体方法为：

25、获取每个轮廓点与连通域质心的距离，然后根据每个轮廓点的置信度与抑制系数计算每个轮廓点的缩放距离，其中轮廓点与连通域质心的距离、轮廓点的置信度与缩放距离呈正相关关系，轮廓点的抑制系数与缩放距离呈负相关关系，缩放距离的计算公式如下：

26、

27、d为轮廓点与连通域质心的距离，为约束系数，t为该轮廓点的置信度，为该轮廓点的抑制系数，为抑制速率系数。

28、可选的，所述基于所述缩放距离对所述每个轮廓点进行缩放获取初始轮廓集，包括的具体方法为：

29、获取每个轮廓点的缩放距离，然后将该轮廓点在其与质心点的连线上移动缩放距离的长度，得到缩放轮廓点位置，最终对于每个点都进行缩放，即可得到缩放后的轮廓点集合，组成初始轮廓集。

30、可选的，所述根据所述缺陷区域调整桥梁缺陷检测模型的目标窗口实现目标窗口的修正，包括的具体方法为：

31、获取缺陷区域的外接矩形，计算目标窗口比例，即将外接矩形的面积除以目标窗口的面积，当目标窗口比例大于等于扩展上限阈值或小于等于缩放下限阈值时，不进行目标窗口更改；当目标窗口比例处在缩放下限阈值与扩展上限阈值之间时对目标窗口进行更改，将该外接矩形作为目标窗口，实现目标窗口修正。

32、本发明的有益效果为：本发明通过构建桥梁缺陷检测模型，基于解释性图获取特征图像，根据特征图像中的特征连通域获取每个目标窗口的特征区域，进而根据特征区域的轮廓与质心获取每个轮廓点的置信度与抑制系数，得到缩放距离；基于缩放距离获取初始轮廓集，并进行水平集分割，从而准确的获取缺陷的完整区域，进而根据缺陷的完整区域修正目标检测的目标窗口，使得缺陷区域的定位更精准。

技术特征：

1.基于图像处理的桥梁建筑智能检测方法，其特征在于，所述方法包括：

2.根据权利要求1所述的基于图像处理的桥梁建筑智能检测方法，其特征在于，所述桥梁缺陷检测模型采用基于深度学习的目标检测网络。

3.根据权利要求1所述的基于图像处理的桥梁建筑智能检测方法，其特征在于，所述对特征图像进行图像分析获取目标窗口的特征区域，包括的具体方法为：

4.根据权利要求1所述的基于图像处理的桥梁建筑智能检测方法，其特征在于，所述基于特征区域轮廓上每一个轮廓点与特征区域轮廓的质心获取每个轮廓点的置信度与抑制系数，包括的具体方法为：

5.根据权利要求1所述的基于图像处理的桥梁建筑智能检测方法，其特征在于，所述获取每个轮廓点的置信度与抑制系数，包括的具体方法为：

6.根据权利要求1所述的基于图像处理的桥梁建筑智能检测方法，其特征在于，所述根据所述置信度与所述抑制系数计算缩放距离，包括的具体方法为：

7.根据权利要求1所述的基于图像处理的桥梁建筑智能检测方法，其特征在于，所述基于所述缩放距离对所述每个轮廓点进行缩放获取初始轮廓集，包括的具体方法为：

8.根据权利要求1所述的基于图像处理的桥梁建筑智能检测方法，其特征在于，所述根据所述缺陷区域调整桥梁缺陷检测模型的目标窗口实现目标窗口的修正，包括的具体方法为：

技术总结
本发明涉及图像数据处理技术领域，具体涉及基于图像处理的桥梁建筑智能检测方法。该方法包括：通过摄像头拍摄图像，获取桥梁结构图像；构建并训练桥梁缺陷检测模型；利用神经网络获取特征图像，对特征图像进行分析获取特征区域轮廓；基于特征区域轮廓获取每个轮廓点的置信度与抑制系数并计算缩放距离；基于缩放距离对所述每个轮廓点进行缩放获取初始轮廓集，对初始轮廓集进行水平集分割，获取缺陷区域；根据缺陷区域实现目标窗口的修正，精准定位出缺陷；本发明方法基于每个目标窗口的特征区域来获取水平集分割的初始轮廓，从而准确的获取缺陷的完整区域，进而修正目标检测的目标窗口，使得更精准的定位与检测缺陷区域。

技术研发人员：靳艳辉,王战军,万琦,尹祥,苏明亮,李艳,孙培培,李留伟
受保护的技术使用者：青岛奥维特智能科技有限公司
技术研发日：
技术公布日：2024/1/13