[发明专利]一种基于图像处理的钢梁裂纹检测方法

权利要求书

1.一种基于图像处理的钢梁裂纹检测方法，其特征在于：首先建立钢梁裂纹的特征训练样本集，并制作样本图像的Ground Truth集合，建立基于结构化随机森林的钢梁裂纹检测分类器；然后对采集图像中每个时间段内的裂纹图像进行拼接；利用生成的钢梁裂纹检测分类器对拼接后的裂纹图像进行钢梁裂纹的粗略边缘检测，得到粗略边缘检测结果；最后对粗略边缘检测结果进行精确的裂纹筛选与定位；

所述基于图像处理的钢梁裂纹检测方法的具体步骤如下：

Step1、首先抽取钢梁裂纹图像，建立钢梁裂纹的特征训练样本集，并制作样本图像的Ground Truth集合，共同构成基于钢梁裂纹图像的训练集合S；其次建立基于结构化随机森林的钢梁裂纹检测分类器h(x,θ_j)，通过建立节点j的训练集合S_j∈X×Y，确立h(x,θ_j)中随机变量θ_j能够最大化信息增益的森林模型，使得钢梁裂纹检测分类器的输出结果为离散数值；x表示特征训练样本集中的某一个特征向量，X表示特征训练样本集中的特征向量集合，Y表示特征训练样本集中的Ground Truth集合；

Step2、对采集图像中每个时间段内的裂纹图像进行2个侧面和1个底面共3个面的拼接，并依据检测钢梁的先后顺序对拼接后的裂纹图像进行命名并保存到电脑中相应的文件夹里；

Step3、对拼接后的裂纹图像进行钢梁裂纹的粗略边缘检测；首先利用裂纹拼接图像的常规性、相关性进行裂纹图像特征向量提取，然后用生成的钢梁裂纹检测分类器对每一幅图像提取的特征向量进行投票判断类别，每棵树都对新样本判断一种类别，最后输出由所有决策树的分类判断结果，即粗略边缘检测结果；

Step4、对得到的粗略边缘检测结果进行精确的裂纹筛选与定位；根据符合规定裂纹的尺寸、面积等特性，筛选去冗余的信息，保留符合要求的裂纹信息，并以图像左上角为坐标原点确定图像内的裂纹位置，显示处理后的图像并以Excel表格的形式告知工作人员焊接裂纹的坐标；

Step5、循环步骤Step2至Step4，直至已有钢梁检测完毕。

2.根据权利要求1所述的基于图像处理的钢梁裂纹检测方法，其特征在于：所述步骤Step1中，构造钢梁裂纹检测分类器的主要步骤如下：

Step1.1、挑选具有指定特征的裂纹的多幅钢梁图像组成特征训练样本集，提取每一幅训练样本图像不同通道、不同尺度以及相应尺度不同方向的特征值，计算每一幅裂纹图像中所有特征值的常规性和相关性属性结果，组合成具有多幅图像的综合候选特征；

Step1.2、人工制作样本裂纹图像的Ground Truth裂纹集合，构成分类标签y∈Y＝Z^d×d；其中，d为所选图像块的宽度，Z^d×d为分类标签的为(0,1)的Ground Truth集合；

Step1.3、利用Bagging算法从综合候选特征中随机抽取固定维度的特征构成特征向量x＝(x₁,…,x_s)∈R^s；和固定宽度的分类标签图像块y＝(y₁,…,y_s)∈Z^d×d，共同构成基于钢梁裂纹图像的训练集合S，其中，s为特征向量的维数；

Step1.4、根据基于决策树的分类算法ID3算法，再依据信息增益选择分类效果最好的一个特征α作为节点j的分裂属性，依照节点不纯度原则将S_j分裂为左、右两个分枝子节点的集合和并根据属性构造各个分支，直到整棵树能准确地分类训练集或所有属性都已经被使用过；

其中，表示经过节点j时分裂的分枝子节点集合且k∈{L，R}；对于节点j，两个子集满足并且H(S_j)和分别表示训练集合S经过节点j时的基尼不纯度和经过节点j分裂后形成左、右两个分枝的基尼不纯度，p(y)表示特征向量x中属于分类标签y的经验分布；

Step1.5、循环利用步骤Step1.3—Step1.4，直到建立指定数量的决策树，最后提取每棵树的属性综合为钢梁裂纹检测分类器。