一种基于机器视觉的无人机检测桥梁结构裂缝识别方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN108921813A(43)申请公布日2018.11.30(21)申请号201810465241.1(22)申请日2018.05.16(71)申请人中设设计集团股份有限公司地址210014江苏省南京市秦淮区紫云大道9号(72)发明人武建杨坤刘宁钟(74)专利代理机构南京纵横知识产权代理有限公司32224代理人董建林(51)Int.Cl.G06T7/00(2017.01)G06T7/13(2017.01)G06T7/62(2017.01)G06T5/00(2006.01)权利要求书2页说明书5页附图3页(54)发明名称一种基于机器视觉的无人机检测桥梁结构裂缝识别方法(57)摘要本发明公开了一种基于机器视觉的无人机检测桥梁结构裂缝识别方法，该方法利用模糊核进行第一次模糊裂缝图像复原，将模糊核和第一次复原图像作为非盲图像复原模型的输入，不断交替求最小值从而得到清晰裂缝图像，采用沈俊算子进行边缘检测，在此基础上进行裂缝线段连接，利用链码跟踪方法得到裂缝的长度、面积等信息，然后进行多步的条件筛选去除图像噪声点，最后对裂缝宽度进行定量化测量，提高裂缝识别准确率。CN108921813ACN108921813A权利要求书1/2页1.一种基于机器视觉的无人机检测桥梁结构裂缝识别方法，其特征在于：包括以下步骤，利用频谱图估计模糊核；利用模糊核进行第一次模糊裂缝图像复原；将模糊核和第一次复原图像作为非盲图像复原模型的输入；交替计算模糊核和复原图像的最小值，直到收敛，得到最终的复原图像，即清晰裂缝图像；提取清晰裂缝图像中裂缝边缘信息；对裂缝线段进行连接；采用链码跟踪得到裂缝封闭边界，计算裂缝长度和面积；基于预设的条件去除图像噪声点；对裂缝宽度进行定量化测量。2.根据权利要求1所述的一种基于机器视觉的无人机检测桥梁结构裂缝识别方法，其特征在于：对模糊裂缝图像进行傅里叶变换，对变换结果取对数，得到对数频谱图，进行二值化处理后得到规则的明暗相间的条纹，根据频谱图中暗条纹估计模糊核。3.根据权利要求2所述的一种基于机器视觉的无人机检测桥梁结构裂缝识别方法，其特征在于：根据暗条纹估计模糊核的过程为，采用Canny算子检测频谱图中暗条纹的边界得到频谱图的梯度图，边界倾斜的角度与模糊方向垂直；对得到的梯度图使用Hough变换，得到每个边界的角度值，用所有边界角度的均值计算模糊角度；用模糊角度对梯度图进行旋转，所有暗条纹变为垂直方向，计算相邻暗条纹间距得出模糊长度。4.根据权利要求1所述的一种基于机器视觉的无人机检测桥梁结构裂缝识别方法，其特征在于：非盲图像复原模型公式为，其中，y为模糊裂缝图像，k为模糊核，x为复原图像，α,β为正则化参数，为复原图像的平滑梯度，为模糊核的平滑梯度。5.根据权利要求1所述的一种基于机器视觉的无人机检测桥梁结构裂缝识别方法，其特征在于：对清晰裂缝图像进行灰度化处理，采用沈俊边缘检测算子对灰度图像分别按行和列进行两次正反向的递归滤波计算，计算滤波后的图像与原图像的差，并进行二值化处理，得到带有噪声点的裂缝边缘信息。6.根据权利要求5所述的一种基于机器视觉的无人机检测桥梁结构裂缝识别方法，其特征在于：对灰度图像分别按行和列进行两次正反向的递归滤波计算，公式为，f1(x,y)＝a0×[f(x,y)-f1(x,y-1)]+f1(x,y-1),y＝1,2,...,w2CN108921813A权利要求书2/2页f2(x,y)＝a0×[f1(x,y)-f2(x,y+1)]+f2(x,y+1),y＝w-1,w-2,…,1,0f3(x,y)＝a0×[f2(x,y)-f3(x-1,y)]+f3(x-1,y),x＝1,2,...,hf4(x,y)＝a0×[f3(x,y)-f4(x+1,y)]+f4(x+1,y),x＝h-1,h-2,…,1,0其中，f(x,y)是灰度图像，a0为参数，取值范围是(0,1)，w和h分别为分灰度图像f(x,y)的宽和高，f1(x,y)为灰度图像f(x,y)对按行正向滤波得到的结果，f2(x,y)为f1(x,y)对按行反向滤波得到的结果，f3(x,y)为在f2(x,y)上按列进行正向滤波的结果，f4(x,y)为在f3(x,y)上按列进行逆向滤波的结果，h和w分别为行列数。7.根据权利要求1所述的一种基于机器视觉的无人机检测桥梁结构裂缝识别方法，其特征在于：识别裂缝线段的起点和终点，找出每条裂缝线段的端点，遍历裂缝线段的所有端点，对于两条不同的裂缝线段，找到其中欧氏距离最小的两端点，得到距离d，如果d小于设定的阈值，则将这里两个端点连接。8.根据权利要求1所述的一种基于机器视觉的无人机检测桥梁结构裂缝识别方法，其特征在于：采用链码跟踪得到裂缝封闭边界，计