发明名称 一种在线道路裂缝筛查方法
摘要 一种在线道路裂缝筛查方法,包括图像预处理,针对每一行数据对于不同尺度分别建立移动的目标窗口并计算灰度落差均值,取最大值为移动的目标窗口的当前像素灰度落差值,最大值对应的尺度为裂缝的最佳宽度;选取种子点,分别在纵向上以灰度落差值最大为准则进行增长,增长结束后,获取该种子点所在裂缝的最小外接矩形的长度L和宽度W;若各裂缝最小外接矩形中,存在某最小外接矩形的长度L大于预设阈值Lmin,且L/W的值大于预设阈值Bmin,则判断存在裂缝,结束流程,否则将图像旋转90度,重复进行检测,若仍不存在裂缝,则结束流程。本发明可以达到实时处理的效果,也可以进行并行计算,显著的提高速度,同时可靠性强。
申请公布号 CN103440657A 申请公布日期 2013.12.11
申请号 CN201310380168.5 申请日期 2013.08.27
申请人 武汉大学 发明人 黄玉春;殷文斌;王敬磊
分类号 G06T7/00(2006.01)I;G06K9/00(2006.01)I 主分类号 G06T7/00(2006.01)I
代理机构 武汉科皓知识产权代理事务所(特殊普通合伙) 42222 代理人 严彦
主权项 一种在线道路裂缝筛查方法,其特征在于,包括以下步骤:步骤一、对输入的原始道路图像进行预处理,得到预处理后的图像;步骤二、针对每一行数据,对于不同尺度,分别建立移动的目标窗口并计算灰度落差均值,取其中最大值为移动的目标窗口的当前像素灰度落差值M(i,j),最大值对应的尺度为裂缝的最佳宽度W(i,j);基于某尺度w,计算灰度落差值实现方式如下,以当前像素(i,j)为起点、宽度为w的目标窗口包括像素(i,j)至像素(i,j+w‑1),其中i为行标号,j为列标号,计算目标窗口内灰度均值与左右两侧相邻窗口灰度均值之差LDeta、RDeta,包括先计算左侧相邻窗口内所有像素灰度值之和Ltemp、右侧相邻窗口内所有像素灰度值之和Rtemp以及目标窗口内所有像素灰度值之和Mtemp,再按下式分别计算LDeta、RDeta,Ldeta=(Ltemp‑Mtemp)×255,Rdeta=(Rtemp‑Mtemp)×255,当LDeta、RDeta同号且同时大于预设阈值T时,根据下式计算(i,j)位置灰度值落差均值, <mrow> <msub> <mi>M</mi> <mi>w</mi> </msub> <mrow> <mo>(</mo> <mi>i</mi> <mo>,</mo> <mi>j</mi> <mo>)</mo> </mrow> <mo>=</mo> <mo>|</mo> <mfrac> <mrow> <mi>L</mi> <mi>det</mi> <mi>a</mi> <mo>+</mo> <mi>R</mi> <mi>det</mi> <mi>a</mi> </mrow> <mrow> <mn>2</mn> <mo>&times;</mo> <mi>w</mi> </mrow> </mfrac> <mo>|</mo> </mrow>当左右两侧灰度落差值不同号或不同时大于预设阈值T时,赋值Mw(i,j)=0,W(i,j)=0;步骤三、选取种子点,实现方式为,按行处理,比较像素(i,j)和与临近的像素(i,j‑1)与(i,j+1),当M(i,j)同时大于M(i,j‑1)和M(i,j+1)时,像素(i,j)为种子点;步骤四、连通性分析,包括对步骤三得到的每个种子点,分别根据步骤二所得各像素的灰度落差值M(i,j)和最佳宽度W(i,j),在纵向上以灰度落差值最大为准则进行增长,增长结束后,获取该种子点所在裂缝的最小外接矩形的长度L和宽度W;步骤五、若步骤四所得各裂缝最小外接矩形中,存在某最小外接矩形的长度L大于预设阈值Lmin,且L/W的值大于预设阈值Bmin,则判断存在裂缝,结束流程,否则将图像旋转90°,重复步骤二到五,若仍不存在裂缝,则结束流程。
地址 430072 湖北省武汉市武昌区珞珈山武汉大学