[发明专利]一种地铁隧道全景图像区域化分块检测推荐方法

说明书

本发明公开了一种地铁隧道全景图像区域化分块检测推荐方法。该方法包括：根据地铁隧道病害分布规律，构建病害知识‑数据联合驱动模型来描述地铁隧道单元区域内病害概率分布图；利用所述病害知识‑数据联合驱动模型获得分布参数并结合实际单元区域内的病害概率分布计算病害空间概率分布图；对单元区域内的病害空间分布概率图进行裁剪，得到新的病害概率分布图像I；对于所述新的病害概率分布图像I，利用超像素分割进行不规则块分解，进而形成每个单元区域内的病害检测推荐区域。利用本发明能够精准感知渗漏水和裂缝等典型的地铁病害，提升病害识别的准确性。

技术领域

本发明涉及图像检测和识别技术领域，更具体地，涉及一种地铁隧道全景图像区域化分块检测推荐方法。

背景技术

地铁隧道表面渗漏水、裂缝等病害的检测与识别是既有地铁隧道巡检中的重要内容。由于人工检查存在主观性强、效率低等缺点，近年来基于机器视觉的隧道表面病害检测与识别成为行业发展的新趋势。基于机器视觉的隧道表面病害检测与识别依赖于高精度的隧道衬砌表面图像，为了获得高精度的隧道衬砌表面图像，需利用多台相机同时扫描并拼接获得隧道曲面全景拼接图。后续，将全景拼接图分块处理，利用图像处理算法实现所有分块图像中病害的检测与识别。

专利申请CN201410327988.2公开了一种地铁盾构隧道病害快速高精度检测设备，该设备将线阵CCD工业相机固定在连接有行走装置的支撑杆上，通过单次行走过程可取得盾构隧道衬砌表面裂缝及渗透水病害信息。专利申请CN201610060244.8公开了一种用于隧道病害的图像处理装置，在获取地铁隧道的二维平面图像后，按照预设像素数目进行网格化划分，以生成多个网格化图像用于后续的病害属性分析。现有的采用网格化、不重叠分块操作进行病害区域检测与识别的方案，会导致部分病害被分割在不同块区域进行检测，从而导致病害漏检。

经分析上述方法可知，如图1所示，为了保证图像处理效率，既有方法均按一定尺寸对全景拼接图进行不重叠分块处理，并利用图像处理算法对分块图像中存在的病害区域进行检测、定位与评估。然而，现有方法存在以下问题：1)考虑到渗漏水、裂缝等病害区域在空间分布上具有一定连续性，简单的不重叠分块处理可能导致同一病害目标被分割在多个分块图像中，降低了目标信噪比，进而出现病害目标漏检问题。2)虽然地铁隧道表面病害的发生具有一定的不确定性，但经过大量数据统计分析，隧道衬砌表面病害的空间分布依然呈现一定的规律性，而现有方案对病害分布规律的挖掘还不足。

综上，目前缺少考虑隧道表面病害分布规律的隧道全景图像自适应分块处理方法，并且现有的隧道病害检测，忽视了对病害分布知识的挖掘和利用，导致病害检测模型的性能受限。

发明内容

本发明的目的是克服上述现有技术的缺陷，提供一种地铁隧道全景图像区域化分块检测推荐方法，是基于病害分布规律挖掘地铁隧道全景图像区域化分块检测的新技术方案。

本发明的技术方案是提供一种地铁隧道全景图像区域化分块检测推荐方法。该方法包括以下步骤：

步骤S1，根据地铁隧道病害分布规律，构建病害知识-数据联合驱动模型来描述地铁隧道单元区域内病害概率分布图；

步骤S2，利用所述病害知识-数据联合驱动模型获得分布参数并结合实际单元区域内的病害概率分布计算病害空间概率分布图；

步骤S3，对单元区域内的病害空间分布概率图进行裁剪，得到新的病害概率分布图像I；

步骤S4，对于所述新的病害概率分布图像I，利用超像素分割进行不规则块分解，进而形成每个单元区域内的病害检测推荐区域。