[发明专利]一种基于多边缘融合机制的三维深度图像分割算法

说明书

本发明公开了一种基于多边缘融合机制的三维深度图像分割算法，包括以下步骤：获取集料颗粒的深度图像并进行预处理，得到预处理后的深度图，对预处理后的深度图提取边缘图像，并进行细化处理；利用被遮挡区域边缘图像与细化处理后的图像进行第一次融合，利用第一次融合后的图像与补全缺失数据后的集料颗粒边缘图像进行第二次融合；然后采用分水岭算法进行集料颗粒的分割。本发明针对颗粒深度图像由于被遮挡而产生的深度数据缺失问题，采用两次融合的方法的形成了颗粒边缘图像，补全了缺失边缘，从而保证了颗粒形态和棱角特征的完整性；对分水岭算法中的种子区域标定和距离变换函数的进行了优化选择，有效地减少了分割中的过分割和欠分割问题。

技术领域

本发明属于道路工程技术领域，涉及一种图像处理方法，具体涉及一种基于多边缘融合机制的三维深度图像分割算法。

背景技术

集料是构成沥青混凝土承重骨架的主要材料，对整个路面起到骨架填充的关键作用，集料颗粒形态特征、集料级配以及对颗粒的实时无损检测直接决定着沥青路面的使用寿命和使用性能。集料颗粒的形态特征包括集料颗粒的形状、尺寸、棱角性和纹理。集料颗粒的形状对沥青混凝土的强度与稳定性有很大影响。

作为混凝土材料的重要组成部分，矿质混合料由不同大小规格的集料颗粒组成，矿质混合料中粗集料级配的合理性是评价公路施工质量的重要指标。基于机器视觉技术的集料颗粒无损检测是保证集料颗粒质量的有效手段。工业检测集料颗粒的研究分为二维和三维两种。一种方法是二维检测，但是二维研究只能得到集料颗粒的形状，并不能得到集料颗粒的高度信息，因此无法真实反映粗集料三维空间特征。另一种方法是基于结构光的粗集料粒径三维检测，但是结构光成像时，摄像机无法拍摄到光被遮挡的部分，使得集料颗粒图像不完整。在机器视觉系统中，有效的颗粒分割算法是实现颗粒有效表征的前提。

发明内容

针对结构光三维视觉系统中，由于遮挡问题而引起的颗粒图像不完整问题，本发明的目的是提出一种基于多边缘融合机制的三维深度图像分割算法，该算法可以更加完整的检测粗集料的几何特征，可以为集料颗粒在粒径、级配自动检测等方面的三维无损检测打下坚实基础。

为了实现上述任务，本发明采用以下技术方案：

一种基于多边缘融合机制的三维深度图像分割算法，包括以下步骤：

获取集料颗粒的深度图像并进行预处理，得到预处理后的深度图，对预处理后的深度图提取边缘图像，并进行细化处理；

利用被遮挡区域边缘图像与细化处理后的图像进行第一次融合，利用第一次融合后的图像与补全缺失数据后的集料颗粒边缘图像进行第二次融合；然后采用分水岭算法进行集料颗粒的分割。

进一步地，所述的预处理包括：

分别获取有集料颗粒和无集料颗粒时的背景图，将两幅背景图对应的像素相减后保留大于第一阈值的像素；

将去除震动噪声后的图像对应的深度图中的负值数据替换为零，得到第一图像。

进一步地，所述的预处理还包括：

针对于第一图像，从第一图像的图像数据的水平方向和垂直方向两个方向进行滤波，依次计算每一行的每一个图像数据相对于该图像数据所在行的偏离程度，如所在行的偏离程度大于预置行滤波系数，则将图像数据用所在行的算术平均值替代；然后再计算每一列的每一个图像数据相对于该图像数据所在列的偏离程度，如所在列的偏离程度大于预置列滤波系数，则将图像数据用所在列的算术平均值替代。

进一步地，所述的对预处理后的深度图提取边缘图像，包括：

将预处理后得到的深度图的每一个图像数据f_xy按照以下公式进行计算：