[发明专利]一种基于遥感图像的裂缝检测方法

权利要求书

1.一种基于遥感图像的裂缝检测方法，其特征在于，包括以下步骤：

步骤1，将高分辨率的无人机航拍图像转换为灰度图像；

步骤2，通过圆形卷积核对灰度图像进行黑帽运算，得到黑帽运算结果的图像；

步骤3，将黑帽运算结果的图像进行自适应阈值分割，图像成为二值化图像；

步骤3中，自适应阈值分割的过程包括以下步骤：

(1)通过公式(3)计算软阈值T；

T＝max(DST(:))*k (3)

式中，DST(:)为灰度图像的全部像素值，k为每幅灰度图像像素最大值，范围为38％～43％；

(2)通过公式(4)对灰度图像二值化操作；

其中，DST(x,y)为灰度图像的像素值；BW为得到的二值化图像；

步骤4，二值化图像进行膨胀后再腐蚀，得到膨胀、腐蚀后的二值化图像；

步骤5，通过Hough直线检测和面积排序获取膨胀、腐蚀后的二值化图像的连通域信息，得到裂缝分割图像；

步骤6，针对裂缝分割图像，通过CrackNet网络进行数据分类，提取后得到目标裂缝。

2.根据权利要求1所述的一种基于遥感图像的裂缝检测方法，其特征在于，步骤2中，黑帽运算的公式为：

DST＝close(Gray,element)-Gray (2)

其中，close(Gray,element)＝erode(dilate(src,element))为闭运算操作，element为选取的圆形结构核，DST为黑帽运算后得到的图像，Gray为灰度图像。

3.根据权利要求1所述的一种基于遥感图像的裂缝检测方法，其特征在于，步骤4中，二值化图像膨胀后再腐蚀过程的公式为：

其中，X为膨胀结果，Y为腐蚀结果，B(x)，B(y)代表结构元素，BW为二值化图像，为膨胀后再腐蚀的工作空间；B为结构元素。

4.根据权利要求1所述的一种基于遥感图像的裂缝检测方法，其特征在于，步骤5中，获取连通域信息，得到裂缝分割图像的过程为对二值化图像进行八连通域处理，计算公式为：

N8(p)＝N4∪(c+1,d+1),(c+1,d-1),(c-1,d+1),(c-1,d-1) (7)

其中，p为像素值，N8表示八连通域，N4为四连通域，其计算公式如下式(8)所示：

N4＝(c,d-1),(c,d+1),(c-1,d),(c+1,d) (8)

式中，c，d分别为直角坐标系中对应的横坐标和纵坐标。

5.根据权利要求1-4任意一项所述的基于遥感图像的裂缝检测方法，其特征在于，步骤6中，CrackNet网络模型基于CNN网络模型；CrackNet网络模型的数据分类包括以下步骤：图像依次经过输入层、卷积层C1、池化层S2、卷积层C3、下采样层S4、卷积层C5、上采样层和softmax-loss分类层处理；数据分类后，将裂缝类别概率大于0.5的为裂缝。

6.根据权利要求5所述的一种基于遥感图像的裂缝检测方法，其特征在于，卷积层C1中，卷积核的大小设置为3*3，步长为1，初始化滤波类型为高斯；池化层S2中，池化的步长为2。

7.根据权利要求5所述的一种基于遥感图像的裂缝检测方法，其特征在于，卷积层C3中卷积核的大小为3*3，步长为1；下采样层S4包括11个特征图。

8.根据权利要求5所述的一种基于遥感图像的裂缝检测方法，其特征在于，卷积层C5中卷积核的大小为1*1，步长为1；通过对卷积层C5的特征图进行双线性差值处理，得到上采样层。

9.根据权利要求1所述的一种基于遥感图像的裂缝检测方法，其特征在于，softmax-loss分类层处理过程为：输出上卷积层中每一个像素属于裂缝的概率值，取概率最大的作为该像素的类别。