一种隧道衬砌台车钢结构稳定性质量检测方法与流程

本发明涉及图像数据处理，具体涉及一种隧道衬砌台车钢结构稳定性质量检测方法。

背景技术：

1、在对隧道衬砌台车钢结构稳定性质量进行检测时，钢结构的表面可能会出现锈迹。锈迹的产生是由于当钢结构暴露在潮湿的环境中，空气中的氧气与水分会与钢表面发生化学反应而形成的。锈迹的存在会使得钢结构表面的金属层逐渐腐蚀和剥落，导致钢材的截面减小，从而会降低钢结构承载能力和强度，故对隧道衬砌台车的钢结构进行锈迹检测，以实现对钢结构的稳定性检测是至关重要的。

2、现有用于钢结构表面锈迹区域的缺陷检测方法是显著性检测ca算法，ca算法在计算复杂度方面较低，能够在短时间内完成显著性检测任务。ca算法能够有效地捕捉到图像中的显著性区域，并将其与背景区域区分开来，该算法基于像素之间的对比度差异，对于具有明显颜色、亮度或纹理差异的显著性目标，通常能够得到良好的检测效果。但是由于隧道衬砌台车钢结构中会存在大小不同以及锈迹程度不同的锈迹区域，若采用ca算法现有的操作来进行显著性检测时，会使得一些小的、锈迹程度低的区域无法被检测出来，从而影响对钢结构的稳定性的判断。

技术实现思路

1、为了解决采用ca算法现有的操作来进行显著性检测时，会使得一些小的、锈迹程度低的区域无法被检测出来，从而影响对钢结构稳定性的判断的技术问题，本发明的目的在于提供一种隧道衬砌台车钢结构稳定性质量检测方法，所采用的技术方案具体如下：

2、获取隧道衬砌台车的钢结构表面图像；

3、基于钢结构表面图像在lab色彩空间下各通道值的相似度，对钢结构表面图像进行区域划分，得到分割区域；

4、根据所述钢结构表面图像中分割区域在rgb色彩空间下红色通道值的权重占比，确定每个分割区域的初始锈迹因子；

5、根据所述钢结构表面图像中分割区域在lab色彩空间下颜色对立维度的通道值的大小和波动情况，构建每个分割区域的识别调整权重；由每个分割区域的识别调整权重对初始锈迹因子进行调节，得到锈迹特征因子；

6、结合分割区域在多尺度下的平均显著值和所述锈迹特征因子，对分割区域进行合并，得到初始锈迹区域；

7、对所述初始锈迹区域进行显著值分析，从初始锈迹区域中筛选出隧道衬砌台车的钢结构表面的目标锈迹区域；根据所述目标锈迹区域的面积占比确定隧道衬砌台车的钢结构的稳定估测值。

8、优选的，所述基于钢结构表面图像在lab色彩空间下各通道值的相似度，对钢结构表面图像进行区域划分，得到分割区域，包括：

9、将所述钢结构表面图像中每个像素点在lab色彩空间中三个通道值作为像素点的三维坐标，得到每个像素点在三维空间中的三维数据点；基于dbscan算法，对钢结构表面图像中像素点对应的三维数据点进行聚类，将属于同一聚类簇的三维数据点对应的像素点且位置相邻的像素点划分至同一区域，得到钢结构表面图像中的多个分割区域。

10、优选的，所述初始锈迹因子的计算公式为：

11、；其中，为钢结构表面图像中第n个分割区域的初始锈迹因子；为第n个分割区域内的像素点数量；为第n个分割区域内第m个像素点在r通道内的通道值；为第n个分割区域内第m个像素点在g通道内的通道值；为第n个分割区域内第m个像素点在b通道内的通道值；为归一化函数；为第n个分割区域中所有像素点在r通道内的比重之和，；为分割区域的数量；为钢结构表面图像中除第n个分割区域外的第k个分割区域中所有像素点在r通道内的比重之和。

12、优选的，所述根据所述钢结构表面图像中分割区域在lab色彩空间下颜色对立维度的通道值的大小和波动情况，构建每个分割区域的识别调整权重，包括：

13、所述颜色对立维度包括lab色彩空间下的a通道和b通道；

14、所述识别调整权重的计算公式为：

15、；其中，为第n个分割区域的识别调整权重；为第n个分割区域内的像素点数量；为第n个分割区域中第m个像素点在lab色彩空间下a通道的通道值；为第n个分割区域中第m个像素点在lab色彩空间下b通道的通道值；为第n个分割区域内的所有像素点在lab色彩空间中a通道的通道值与b通道的通道值的和值的方差。

16、优选的，所述由每个分割区域的识别调整权重对初始锈迹因子进行调节，得到锈迹特征因子，包括：

17、将每个分割区域的识别调整权重和初始锈迹因子的乘积，作为分割区域的锈迹特征因子。

18、优选的，所述结合分割区域在多尺度下的平均显著值和所述锈迹特征因子，对分割区域进行合并，得到初始锈迹区域，包括：

19、以任意相邻的两个分割区域作为第一待匹配区域和第二待匹配区域，结合第一待匹配区域和第二待匹配区域在多尺度下的平均显著值的差异和所述锈迹特征因子的差异，确定第一待匹配区域和第二待匹配区域的区域可合并程度；

20、当相邻的分割区域的区域可合并程度大于或等于预设可合并阈值时，将相邻的分割区域合并，将合并后的区域作为初始锈迹区域。

21、优选的，所述区域可合并程度的计算公式为：

22、；

23、其中，为第n个分割区域与相邻的第u个分割区域之间的区域可合并程度；为以自然常数为底数的指数函数；为第n个分割区域的锈迹特征因子；为与第n个分割区域相邻的第u个分割区域的锈迹特征因子；为第n个分割区域在多尺度下的平均显著值；为与第n个分割区域相邻的第u个分割区域的在多尺度下的平均显著值；为取绝对值符号。

24、优选的，所述对所述初始锈迹区域进行显著值分析，从初始锈迹区域中筛选出隧道衬砌台车的钢结构表面的目标锈迹区域，包括：

25、获取每个初始锈迹区域的最终显著值；根据所述最终显著值，从初始锈迹区域中筛选出隧道衬砌台车的钢结构表面的目标锈迹区域。

26、优选的，所述根据所述最终显著值，从初始锈迹区域中筛选出隧道衬砌台车的钢结构表面的目标锈迹区域，包括：

27、将最终显著值大于预设锈迹阈值的初始锈迹区域作为隧道衬砌台车的钢结构表面的目标锈迹区域。

28、优选的，所述获取每个初始锈迹区域的最终显著值，包括：

29、利用ca算法计算每一个初始锈迹区域在多尺度下的平均显著值；提取每一个尺度上平均显著值最大的初始锈迹区域，作为关注区域；当所述关注区域中像素点的显著值大于预设关注阈值时，将像素点作为显著像素点；将所述关注区域之外的像素点与距离最近的显著像素点的欧几里得距离进行加权，重新定义显著值；通过高斯分布的矩阵来突出中心区域的显著值，设置一个位于图像中心的二维高斯分布，设置水平方差为图像宽度的1/6，垂直方差为图像高度的1/6，计算获得合并的每一个初始锈迹区域的最终显著值。

30、本发明实施例至少具有如下有益效果：

31、本发明实施例涉及图像数据处理技术领域，该方法首先对隧道衬砌台车的钢结构表面图像进行区域划分，得到分割区域，该分割区域是更加精细的对钢结构表面图像进行区域分割，此时还未进行锈迹区域的划分，其进行区域划分得到分割区域是为了后续从钢结构表面图像中得到锈迹区域打基础；由于锈迹区域正常接近于红色，故其结合了rgb色彩空间中的红色通道，且每一个像素点的在lab色彩空间内a值与lab色彩空间内b值越大，反映该像素点颜色越偏向红色和黄色，故分别基于rgb色彩空间和lab色彩空间对钢结构表面图像分析，确定每个分割区域的初始锈迹因子和识别调整权重；由识别调整权重对初始锈迹因子调节得到锈迹特征因子；结合多尺度下的平均显著值和锈迹特征因子，合并分割区域得到初始锈迹区域；从初始锈迹区域中筛选出目标锈迹区域，这样可以使得在利用显著性检测ca算法对钢结构表面锈迹缺陷进行检测时，对不同大小、不同锈迹程度的区域都可以做到准确地检测；由于锈迹的存在会使得钢结构表面的金属层逐渐腐蚀和剥落，导致钢材的截面减小，从而会降低钢结构承载能力和强度，故最后根据目标锈迹区域的面积占比确定隧道衬砌台车的钢结构的稳定估测值。本发明实施例对不同大小、不同锈迹程度的区域都可以做到准确地检测，以进一步实现对隧道衬砌台车钢结构稳定性质量检测。