基于隧道渗漏水温度场分布的图像增益识别方法及系统
文献发布时间:2024-04-18 19:58:30
技术领域
本发明属于隧道病害检测技术领域,尤其涉及基于隧道渗漏水温度场分布的图像增益识别方法及系统。
背景技术
本部分的陈述仅仅是提供了与本发明相关的背景技术信息,不必然构成在先技术。
红外热图像反映了识别目标和背景红外辐射的空间分布,其图像亮度分布主要由被观测物体的温度和发射率决定,因此红外热图像近似反映了物体的温度差。
渗漏水是隧道的普遍病害,由于隧道中混凝土与水的导热性能差异,隧道渗漏水将会打破隧道衬砌裂损区域的温度平衡。基于红外图像的衬砌裂损渗漏水识别定位,需考虑识别算法提取裂损区域特征的两个主要因素:
(1)目标对比度;
(2)背景干扰。
隧道衬砌渗漏水往往是漫长发展积累的过程,隧道相对稳定的温度环境,造成衬砌裂损区域的表面温度与完整区域的表面温度温差较小。这种现象降低了裂损目标在红外热图像的清晰度,加剧了背景区域的噪声干扰,继而导致基于红外图像的衬砌裂损渗漏水的识别的准确度不高。
发明内容
为克服上述现有技术的不足,本发明提供了基于隧道渗漏水温度场分布的图像增益识别方法,对红外图像增益处理,增强红外图像的对比度,抑制背景干扰,以降低图像识别难度。
为实现上述目的,本发明的一个或多个实施例提供了如下技术方案:
第一方面,公开了基于隧道渗漏水温度场分布的图像增益识别方法,包括:
获取隧道疑似渗漏水区域的红外热图像;
提取所述红外热图像中每个像素的温度数值,基于所提取的像素的温度数值提取热图像灰度映射分段函数的拐点温度,基于拐点温度获得分段函数;
基于分段函数重新进行热图像灰度映射,压缩背景区即非裂损区域的灰度映射,拉伸识别目标区即裂损区域的灰度映射,构建分段函数增益灰度映射图像;
求解分段函数增益灰度映射图像的最佳分割阈值,并将所述增益灰度映射图像二值化;
对二值化图像进行轮廓检测,识别渗漏水区域中衬砌的裂损形式。
作为进一步的技术方案,基于所提取的像素的温度数值提取热图像灰度映射分段函数的拐点温度,具体为:
提取红外热图像每个像素的温度数值,采用整幅红外热图像的平均温度值作为第一拐点的参数;
将温度小于第一拐点的区域中像素的平均温度值作为第二拐点的参数。
作为进一步的技术方案,基于分段函数重新进行热图像灰度映射,具体为:
基于求得的第一拐点及第二拐点,分段函数重新进行热图像灰度映射,获得增益红外热图像;
其中,分段函数第一段为平行线映射,起到强制压缩图像灰度作用;第二段为降低灰度的正常线性映射,起到抑制该区域灰度强度作用;第三段为正弦函数映射,起到拉伸该区域灰度强度作用。
作为进一步的技术方案,所述第一拐点强制滤除了部分干燥衬砌的灰度响应;
温度小于第二拐点的红外热图像像素包含部分湿润衬砌及裂损衬砌,设定温度第二拐点对应的灰度值为图像分割阈值下限。
作为进一步的技术方案,裂损衬砌的灰度值高于由占比较多的湿润衬砌温度均值决定的阈值下限。
作为进一步的技术方案,阈值下限将图像分割成两部分,计算红外热图像正弦函数拉伸映射区域的灰度均值作为阈值上限,n为该区域总像素数,基于阈值上限及阈值下限确定最佳阈值范围。
作为进一步的技术方案,基于基于阈值上限及阈值下限利用Ostu算法求解最佳分割阈值,并将红外热图像二值化。
作为进一步的技术方案,通过Canny边缘检测算法对二值化图像进行轮廓检测,识别衬砌的裂损形式。
第二方面,公开了基于隧道渗漏水温度场分布的图像增益识别系统,包括:
红外热图像获取模块,被配置为:获取隧道疑似渗漏水区域的红外热图像;
分段函数获取模块,被配置为:提取所述红外热图像中每个像素的温度数值,基于所提取的像素的温度数值提取热图像灰度映射分段函数的拐点温度,基于拐点温度获得分段函数;
增益灰度映射图像构建模块,被配置为:基于分段函数重新进行热图像灰度映射,压缩背景区即非裂损区域的灰度映射,拉伸识别目标区即裂损区域的灰度映射,构建分段函数增益灰度映射图像;
二值化模块,被配置为:求解分段函数增益灰度映射图像的最佳分割阈值,并将所述增益灰度映射图像二值化;
渗漏水区域识别模块,被配置为:对二值化图像进行轮廓检测,识别渗漏水区域中衬砌的裂损形式。
以上一个或多个技术方案存在以下有益效果:
本发明技术方案基于隧道渗漏水区域的每个区域的温度分布符合分段线性函数的特点,通过分段函数灰度增益映射,压缩背景区即非裂损区域的灰度映射,拉伸识别目标区即裂损区域的灰度映射,进行增强裂损衬砌区域的图像对比度,间接的滤除冗余无效水迹区域红外热成像数据,大大降低了图像分析的工作量,提高了图像识别效率和速度。本发明技术方案通过增益后的图像求解图像分割阈值,提升了图像分割的准确度,提升衬砌裂损识别精准度。
本发明附加方面的优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本发明的实践了解到。
附图说明
构成本发明的一部分的说明书附图用来提供对本发明的进一步理解,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。
图1为本发明实施例提供的一种基于隧道渗漏水温度场分布特征的图像增益识别方法的分段式灰度映射曲线示意图;
图2为本发明实施例提供的一种基于隧道渗漏水温度场分布特征的图像增益识别方法的总体流程示意图;
图3为本发明实施例提供的一种基于隧道渗漏水温度场分布特征的图像增益识别方法的具体流程示意图;
图4为本发明实施例提供的一种基于隧道渗漏水温度场分布特征的图像增益识别方法的显示效果图。
具体实施方式
应该指出,以下详细说明都是示例性的,旨在对本发明提供进一步的说明。除非另有指明,本文使用的所有技术和科学术语具有与本发明所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是,这里所使用的术语仅是为了描述具体实施方式,而非意图限制根据本发明的示例性实施方式。
在不冲突的情况下,本发明中的实施例及实施例中的特征可以相互组合。
实施例一
本实施例公开了基于隧道渗漏水温度场分布的图像增益识别方法,整体步骤包括:
参见附图2所示,首先,获取隧道疑似渗漏水区域的红外热图像;
提取热图像每个像素的温度数值,得到渗漏水衬砌的温度场数据;
基于温度场数据,提取热图像灰度映射分段函数的拐点温度;
通过分段函数,基于分段函数重新进行热图像灰度映射,压缩背景区即非裂损区域的灰度映射,拉伸识别目标区即裂损区域的灰度映射,构建分段函数增益灰度映射图像,提高识别目标区的可辨识度;
然后,基于温度场求解增益热图像的最佳分割阈值,将红外热图像二值化。
最后,通过Canny边缘检测算法进行轮廓检测,识别衬砌裂损形式。
更为具体的,参见附图3所示,本实施例公开了基于隧道渗漏水温度场分布的图像增益识别方法,整体步骤包括:
步骤一:获取隧道疑似渗漏水区域的红外热图像,提取红外热图像每个像素的温度数值,采用整幅红外热图像的平均温度值作为拐点1的参数,如式1所示;将温度小于拐点1温度值的区域中像素的平均温度值作为拐点2的参数,如式2所示,其中m是满足温度
其中,M为红外图像X方向的所有像素总数,N为红外图像Y方向的所有像素总数。
步骤二:基于求得的分段拐点,如式3所示分段函数重新进行红外热图像灰度映射,结合图1所示,按照公式3分段映射,获得增益红外热图像,利用该增益红外热图像就是让检测目标区域更明显;
参见附图1所示,其中分段函数第一段为平行线映射,起到强制压缩红外热图像灰度作用;第二段为降低灰度的正常线性映射,起到抑制该区域即衬砌裂损区域灰度强度作用;第三段为正弦函数映射,起到拉伸该区域灰度强度作用。拐点1既是对应的温度值又是该温度值在经典线性映射的灰度值,灰
其中,f(x,y)为经典线性映射函数。灰min为红外图像温度场通过经典线性映射函数最小灰度值,灰max为红外图像温度场通过经典线性映射函数最大灰度值。k为拉伸强度因子,基于实验验证一般取值1~6。
步骤三:通过红外热图像温度场分布的灰度增益映射,温度拐点1强制滤除了部分干燥衬砌的灰度响应。通过分析隧道渗漏水衬砌的热量传递过程,温度小于拐点2的红外热图像像素包含部分湿润衬砌及裂损衬砌,为保证目标的完整分割,设定温度拐点2对应的灰度值为图像分割阈值下限T
基于正弦函数拉伸灰度映射,裂损区域灰度值急剧增强,提高了裂损衬砌与湿润衬砌的灰度对比度。因此,裂损衬砌的灰度值必高于由占比较多的湿润衬砌温度均值决定的阈值下限T
n为该区域总像素数,该区域就是符合公式4条件的红外图像的区域,即函数g(x,y)映射函数获得的灰度值大于T
红外图像某个像素(x,y)经过经典线性函数f(x,y)映射的灰度值通过g(x,y)分段函数变换为另外一个灰度值。
将红外热图像二值化:通过分割阈值T将增益后的红外热图像二值化。
步骤四:通过Canny边缘检测算法对二值化图像进行轮廓检测,识别衬砌的裂损形式,包括:点状、横线状、竖线状、斜线状,参见附图4所示。
本发明技术方案能够明显提高裂损区域与其它区域的对比度,提高衬砌裂损检测的速度和精准度,低了红外图像背景噪声及湿润衬砌的干扰问题,实现渗漏水隧道裂损快速识别。
实施例二
本实施例的目的是提供一种计算机装置,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现上述方法的步骤。
实施例三
本实施例的目的是提供一种计算机可读存储介质。
一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时执行上述方法的步骤。
实施例四
本实施例的目的是提供基于隧道渗漏水温度场分布的图像增益识别系统,包括:
红外热图像获取模块,被配置为:获取隧道疑似渗漏水区域的红外热图像;
分段函数获取模块,被配置为:提取所述红外热图像中每个像素的温度数值,基于所提取的像素的温度数值提取热图像灰度映射分段函数的拐点温度,基于拐点温度获得分段函数;
增益灰度映射图像构建模块,被配置为:基于分段函数重新进行热图像灰度映射,压缩背景区即非裂损区域的灰度映射,拉伸识别目标区即裂损区域的灰度映射,构建分段函数增益灰度映射图像;
二值化模块,被配置为:求解分段函数增益灰度映射图像的最佳分割阈值,并将所述增益灰度映射图像二值化;
渗漏水区域识别模块,被配置为:对二值化图像进行轮廓检测,识别渗漏水区域中衬砌的裂损形式。
以上实施例二、三和四的装置中涉及的各步骤与方法实施例一相对应,具体实施方式可参见实施例一的相关说明部分。术语“计算机可读存储介质”应该理解为包括一个或多个指令集的单个介质或多个介质;还应当被理解为包括任何介质,所述任何介质能够存储、编码或承载用于由处理器执行的指令集并使处理器执行本发明中的任一方法。
本领域技术人员应该明白,上述本发明的各模块或各步骤可以用通用的计算机装置来实现,可选地,它们可以用计算装置可执行的程序代码来实现,从而,可以将它们存储在存储装置中由计算装置来执行,或者将它们分别制作成各个集成电路模块,或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。本发明不限制于任何特定的硬件和软件的结合。
上述虽然结合附图对本发明的具体实施方式进行了描述,但并非对本发明保护范围的限制,所属领域技术人员应该明白,在本发明的技术方案的基础上,本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。
- 基于红外和可见光图像融合的隧道渗漏水区域检测与识别方法
- 基于图像深度学习算法的地铁隧道渗漏水检测系统及方法