[发明专利]一种基于遥感图像的裂缝检测方法

说明书

本发明公开了一种基于遥感图像的裂缝检测方法；该方法首先对高分辨率无人机航拍图像进行灰度处理，然后对灰度图像使用黑帽算法进行特征突出，接着将黑帽运算结果阈值化并对二值化图像先膨胀再腐蚀操作，最后通过对二值化图像的连通域提取后进行机器学习训练，从而完成裂缝检测；本发明适用于在复杂背景下无人机遥感图像的裂缝检测操作，通过大量实验证明，本发明能够快速的检测无人机航拍遥感图像裂缝信息，计算简单，能够适用于较复杂的场景。

【技术领域】

本发明属于图像检测领域，具体涉及一种基于遥感图像的裂缝检测方法。

【背景技术】

近年来，随着遥感技术的发展与应用，遥感技术在国家和社会的地位越来越重要，并对人们的生活和工业的生产产生重要的影响。无人机(Unmanned Aerial Vehicl,UAV)遥感作为对卫星遥感和有人驾驶飞机遥感的补充，引起国内外研究员的高度重视。无人机遥感是当前遥感检测中最为经济的一种新技术，它具有投资少、实时性强、受天气干扰小、操作简便等众多优点。无人机在检测中不受地形的限制，不要求专用起降场地，适合在建筑物密集的城市地区、地形复杂的山地、多云地区以及地震和洪水等各种场景应用。它所获得的遥感影像分辨率较高，可获得多角度影像，这点可以弥补普通航空影像获取城市建筑物时遇到的高层建筑遮挡问题和传统遥感难以拍摄到高分辨率立体影响的问题。大比例尺和高性能的遥感影像获取就成为一件比较轻松的工作，一定程度上扩大了遥感的应用范围和用户群体，因此无人机遥感技术潜力巨大，具有广阔的应用前景。

无人机用于各种地质检测中所提取的图像受到环境天气各方面的影像，故图像的背景较为复杂，想要检测到目标物体需要对图像进行进一步处理。其中无人机石油巡线中的裂缝检测为当前研究重点。

目前主要的裂缝检测方法分为两大类：人工观察法和数字图像识别法。人工观察法虽然能够较精确的检测和识别到裂缝信息，但是该方法需要大量的人力、物力和财力。在地域复杂的荒山野岭和情况危险的环境中人根本无法接近且在科技进步的今天也很少用该方法。数字图像识别法主要是基于所获取图像的灰度、纹理、颜色、形状等特征来区分图像信息的区域差异性，通过边缘Canny检测、小波变换和高斯滤波等方法来提取裂缝区域，进而完成检测。由于这些算法利用了图像的结构特性，仅适用于背景相对较为简单，复杂度低的裂缝检测中，对于石油管道图像中的裂缝检测效果并不理想。

【发明内容】

本发明的目的在于克服上述现有技术的缺点，提供一种基于遥感图像的裂缝检测方法；本发明能够快速的检测无人机航拍遥感图像裂缝信息，计算简单，能够适用于较复杂的场景。

为达到上述目的，本发明采用以下技术方案予以实现：

一种基于遥感图像的裂缝检测方法，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。

本发明的进一步改进在于：

优选的，步骤2中，黑帽运算的公式为：

DST＝close(Gray,element)-Gray (2)