详情

原文传递基于图像特征与贝叶斯数据融合的结构表面裂缝检测方法

专利名称：	基于图像特征与贝叶斯数据融合的结构表面裂缝检测方法
摘要：	基于图像特征与贝叶斯数据融合的结构表面裂缝检测方法，其具体步骤如下：A.采集金属构件表面视频图像和建立检测图像库；B.局部二进制化计算图像纹理特征；C.两步支持向量机图像裂缝扫描与集合；D.贝叶斯数据融合与决策。本发明采用视频图像检测，可以获取许多人力难以到达的区域；采用计算机识别结构构件表面裂缝，可以大大降低判读工作的繁重程度，提高对裂缝的检测率；与构件表面光照强度相关性较好，相比以往的灰度图或其他方式能够提高对纹理的识别效果；能够及时对裂缝病害进行预警，提早发现结构病害；保持了较高的扫描速度前提下，利用径向基函数支持向量机神经网络维持了较高的正确率；提高了对裂缝识别的正确率。
专利类型：	发明专利
国家地区组织代码：	浙江;33
申请人：	浙江大学
发明人：	叶肖伟;金涛;陈鹏宇
专利状态：	有效
申请日期：	2019-04-26T00:00:00+0800
发布日期：	2019-08-23T00:00:00+0800
申请号：	CN201910342409.4
公开号：	CN110161035A
代理机构：	杭州天正专利事务所有限公司
代理人：	王兵;黄美娟
分类号：	G01N21/88(2006.01);G;G01;G01N;G01N21
申请人地址：	310058 浙江省杭州市西湖区余杭塘路866号
主权项：	1.基于图像特征与贝叶斯数据融合的结构表面裂缝检测方法，具体实施步骤如下： A.采集结构构件表面视频图像和建立检测图像库； A1.选取目标结构构件，利用录像设备采集该结构物表面视频图像；录像设备扫视构件表面时，应当匀速进行，录像时尽量选取柔和光照条件，避免强烈的反光现象发生； A2.基于目标结构构件的一般特征，选取一定时间间隔，逐帧采集视频文件中的图像，形成用于检测的图像库； B.局部二进制化计算图像纹理特征； B1.对一帧图像进行局部区域扫描，根据图像大小合理确定扫描区域； B2.计算每一个扫描块的局部二进制积分数值； C.两步支持向量机图像裂缝扫描与集合； C1.用包含裂缝以及不含裂缝的训练图片库训练一个线性内核与一个径向基函数内核的支持向量机神经网络；训练图像库内包含的图像需要进行预先定义，且裂缝应当涵盖与构件表面裂缝相似的各个角度以及不同光照条件下的裂缝与非裂缝图片 C2.利用线性内核支持向量机神经网络处理B中每一个扫描区域，移除非裂缝区域的图片；线性支持向量机扫描速度快，但是存在一定误报率；该步骤设置阈值为100％报警，该步骤可以保留所有的裂缝区域和少量误报率范围内的非裂缝区域； C3.对C2步骤保留的图片采用径向基函数支持向量机逐块扫描，移除非裂缝区块；经过C2步骤后，大部分非裂缝区域被移除，但仍然存在一定的误报率；由于径向基函数支持向量机有较高的准确率，经过该步骤后，可以将保留的区块中非裂缝区域大大减少； C4.裂缝区域合并；经过二步支持向量机神经网络处理后，余下的区域绝大部分为裂缝区域，而一条裂缝的图像一般大于选取扫描的区域，因此相近的区块可能为同一裂缝的图像，设定某一距离内的裂缝区域为同一裂缝，对相近裂缝区块进行合并，形成真实裂缝的边界；重复上述B与C两步，逐帧处理所提取的检测图像库中的每一帧图像，保留包含裂缝的图像； D.贝叶斯数据融合与决策； D1.贝叶斯数据融合；经过C步后，可以形成以帧为单位的裂缝库，由于不同帧包含的裂缝可能为同一条裂缝，因此需要在附近帧追踪裂缝边界；追踪时，利用最大的图片边界匹配附近帧的图像边界，直至最大的图像边界移出该帧图像；将匹配度达到一定阈值的边界认定为同一裂缝边界，判定为同一裂缝，形成同一裂缝的边界框集合； D2.贝叶斯决策；经过D1步骤后，同一裂缝的边界框集已经进行归类，利用贝叶斯决策判断这一裂缝是否为真实裂缝；根据附近帧内，裂缝是否被追踪到的概率阈值判断一个裂缝是否为真；逐步处理检测图像库得到裂缝图片。
所属类别：	发明专利