[发明专利]一种基于数字图像处理的隧道缝隙检测与测量方法及装置

权利要求书

1.一种基于数字图像处理的隧道缝隙检测与测量方法，其特征在于，其包括以下步骤：

(1)采集铁路隧道的衬砌表面图像；

(2)灰度化处理所述衬砌表面图像以获取相应的灰度图像；

(3)增强所述灰度图像中裂缝与背景的对比度；

(4)通过自适应阈值分割将再次引导滤波的图像进行图片二值化，获取隧道裂缝图像和隧道背景图像；

(5)建立全卷积神经网络模型，并通过融合部分输出结果以保留裂缝特征并获得改进全卷积神经网络模型；在步骤(5)中，通过Alexent网格建立所述全卷积神经网络模型，并通过加权平均法分别把第四卷积层的输出结果和第一反卷积层的输出结果进行第一次融合，把第一池化层的输出结果和第二反卷积层的输出结果进行第二次融合；

(6)筛选所述灰度图像中隧道裂缝图像，并制作训练集、测试集、验证集；

(7)标注所述训练集中的训练样本图片；

(8)对不同训练集训练改进全卷积神经网络模型并进行测试，直到裂缝准确度指数和裂缝召回率指数符合一个预设标准，以对所述改进全卷积神经网络模型进行验证；

(9)通过验证的改进全卷积神经网络模型提取所述衬砌表面图像的线性裂缝；

(10)计算所述线性裂缝的面积、长度及宽度。

2.如权利要求1所述的基于数字图像处理的隧道缝隙检测与测量方法，其特征在于，在步骤(3)中，所述对比度的增强方法包括以下步骤：

(3.1)以所述灰度图像中路面裂缝图像作为输入图像和引导图像对所述灰度图像进行引导滤波，获得滤波后图像；

(3.2)对(3.1)中滤波后图像进行增强；

(3.3)将(3.2)中增强后的图像作为输入图像，所述路面裂缝图像作为引导图像再次进行引导滤波，使所述灰度图像中裂缝与背景的对比度达到一个预设对比度。

3.如权利要求2所述的基于数字图像处理的隧道缝隙检测与测量方法，其特征在于，引导滤波公式为：

式中，P_j为滤波输入图像，I为滤波引导图像；W_ij为滤波内核，由方形窗半径和正则参数定义；q_i为滤波后图像或再次滤波图像。

4.如权利要求3所述的基于数字图像处理的隧道缝隙检测与测量方法，其特征在于，对滤波后图像进行增强的公式为：

P_enhanced＝(I-q)×m+q

式中，P_enhanced为增强输入图像，q为滤波后图像；m为增强系数，且0＜m＜6。

5.如权利要求1所述的基于数字图像处理的隧道缝隙检测与测量方法，其特征在于，所述裂缝准确度指数的计算方法为：

(8.1)计算被正确检测分割出来的裂缝区域像素的数量TP；

(8.2)计算被误判为裂缝区域像素的数量FP；

(8.3)计算数量TP与数量FP之和SUM1；

(8.4)计算数量TP与SUM1的比值并作为所述裂缝准确度指数。

6.如权利要求1所述的基于数字图像处理的隧道缝隙检测与测量方法，其特征在于，所述裂缝召回率指数的计算方法为：

(8.5)计算被正确检测分割出来的裂缝区域像素的数量TP；

(8.6)计算属于裂缝区域的像素且没有被检测分割出来的像素的数量FN；

(8.7)计算数量TP与数量FN之和SUM2；

(8.8)计算数量TP与SUM2的比值并作为所述裂缝召回率指数。

7.如权利要求1所述的基于数字图像处理的隧道缝隙检测与测量方法，其特征在于，所述线性裂缝的面积的计算方法包括以下步骤：

(10.1)计算出二值化图像中像素灰度值为1的像素个数占像素总数的比例k；

(10.2)确定所述衬砌表面图像的拍摄尺寸

(10.3)计算所述线性裂缝的面积S，计算公式为