[发明专利]一种隧道裂缝提取方法及系统

说明书

本发明公开了一种隧道裂缝提取方法及系统，其技术方案为：包括获取隧道图像数据集，并进行预处理；基于变异烟花算法对预处理后的隧道图像数据集进行初次分割，得到分割结果；对分割结果进行超像素二次分割，得到细节裂缝图像；对细节裂缝图像进行数据分析，得到细节裂缝边缘亚像素轮廓。本发明通过基于F分布的变异爆炸烟花算法的首次分割，并与超像素分割二次分割后提取像素区域融合，使得识别的裂缝图像精度更高。

技术领域

本发明涉及裂缝识别技术领域，尤其涉及一种隧道裂缝提取方法及系统。

背景技术

裂缝是一种线状目标，在公路路面、建筑墙面、隧道顶面、金属表面等位置经常出现。一方面，裂缝作为一种初期的损害，及时修补或修复不仅能减小安全隐患，还能节约维修的成本，另一方面，传统的人工识别方法识别裂缝费时费力，不能满足现代化的工业需求，因此裂缝的自动化识别和及时修补具有重要的经济意义。目前，通常使用光学摄像或激光扫描的方式获取裂缝光学图像或距离图像，然后利用图像处理算法识别图像中的裂缝。隧道是埋置于地层内的工程建筑物，通常情况下，隧道内所采集照片亮度很低且特征极不明显，噪点很多，检测难度很大。

现有的基于深度学习的裂缝识别方法通常判断裂缝方法单一，使用时间过长容易出现遗漏与判断误差，不能较为精确提取裂缝。其次，细小裂缝的提取极易产生断裂，而通过膨胀腐蚀等方法连接的的区域较随机不够精确。现有技术公开了一种基于深度学习和opencv的裂缝识别方法，虽然该方法能最终还原大致裂缝信息，但其中区域生长算法的起始生长区域以及膨胀腐蚀等操作产生的裂缝区域较为随机，对于细小裂缝易产生断裂现象。

发明内容

针对现有技术存在的不足，本发明的目的是提供一种隧道裂缝提取方法及系统，通过基于F分布的变异爆炸烟花算法的首次分割，并与超像素分割二次分割后提取像素区域融合，使得识别的裂缝图像精度更高。

为了实现上述目的，本发明是通过如下的技术方案来实现：

第一方面，本发明的实施例提供了一种隧道裂缝提取方法，包括：

获取隧道图像数据集，并进行预处理；

基于变异烟花算法对预处理后的隧道图像数据集进行初次分割，得到分割结果；

对分割结果进行超像素二次分割，得到细节裂缝图像；

对细节裂缝图像进行数据分析，得到细节裂缝边缘亚像素轮廓。

作为进一步的实现方式，对区域生长算法引入F分布变异火花，通过改变自由度的值改变变异幅值，全局寻优。

作为进一步的实现方式，所述初次分割过程包括：

在n维可行域初始化爆炸粒子；确定基于F分布模型的自由度参数，得到变异幅值；

计算每个烟花粒子爆炸所产生的爆炸火花位置、爆炸半径以及对p个烟花粒子进行变异所产生的变异火花位置；

将超出可行域空间的粒子映射到可行域空间内，适应度值最小的N个粒子作为下一次迭代的初始烟花；经多次迭代后，当适应度值小于设定阈值T时停止迭代；

将得到的最优粒子作为初次分割的生长种子点，得到阈值自适应的分割结果。

作为进一步的实现方式，所述预处理过程为：利用深度学习方法得到裂缝矩形框区域，对所述区域进行直方图均衡化、二值化处理；并进行去噪处理。

作为进一步的实现方式，数据分析过程中，对图像文件中裂缝部分通过亚像素裂缝长度计算与显著性检测计算出裂缝的长度与宽度，并处理生成结果数据，提取细节裂缝边缘亚像素轮廓。

作为进一步的实现方式，所述图像数据分析过程为：

基于最小二乘拟合方法拟合离散点，到拟合曲线的距离和取最小；