(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202111608583.2 (22)申请日 2021.12.24 (65)同一申请的已公布的文献号 申请公布号 CN 114418957 A (43)申请公布日 2022.04.29 (73)专利权人 广州大学 地址 510006 广东省广州市番禺区大 学城 外环西路23 0号 专利权人 仲恺农业工程学院 (72)发明人 刘爱荣　杨智诚　徐嘉明　傅继阳　 杨永民　陈炳聪　 (74)专利代理 机构 北京高航知识产权代理有限 公司 11530 专利代理师 刘艳玲(51)Int.Cl. G06T 7/00(2017.01) G06T 7/12(2017.01) G06T 5/00(2006.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (56)对比文件 CN 103364410 A,2013.10.23 CN 103903268 A,2014.07.02 CN 105975972 A,2016.09.28 审查员 曹宁 (54)发明名称 基于机器人视觉的全局和局部二值模式图 像裂缝分割方法 (57)摘要 基于机器人视觉的全局和局部二值模式图 像裂缝分割方法， 包括： 对获取的原始图像的对 比度进行增强， 得到增强图； 利用改进的局部二 值模式检测算法对增强图进行处理， 构建显著 图； 利用增强图和显著图进行裂缝分割， 得到全 局和局部二值模式裂缝自动分割方法； 对得到的 全局和局部二值模式裂缝自动分割方法进行性 能评估， 本申请利用对数变换增强裂缝图像的对 比度， 使得裂缝的暗部信息更加丰富， 改进了旋 转不变局部二值模式纹理特征， 融合四方向的全 局信息， 引入了万有引力定律， 以及灰度和圆度 特征对裂缝分割结果进行修正， 提高了分割精 度， 能够在光照不均和复杂纹理的背景中分割出 裂缝区域， 具有较好的鲁棒性， 且满足在线检测 要求。 权利要求书3页 说明书6页 附图5页 CN 114418957 B 2022.11.18 CN 114418957 B 1.基于机器人视 觉的全局 和局部二值模式图像 裂缝分割方法， 其特 征在于， 包括： 对获取的原 始图像的对比度进行增强， 得到增强图； 利用改进的局部二 值模式检测算法对增强图进行处 理， 构建显著图； 所述利用改进的局部二值模式检测算法对增强图进行处理， 包括根据原始图像的所有 像素在水平、 竖直和两个对角线方向的变化， 计算每个像素旋转不变局部二值模式码， 并根 据每个像素旋转 不变局部二 值模式码得到 显著图； 利用增强图和显著图进行裂缝分割， 得到全局 和局部二值模式裂缝自动分割方法； 对得到的全局 和局部二值模式裂缝自动分割方法进行性能评估； 其中， 所述裂缝分割包括以下步骤： 设定Input： 增强图G， 显著图S， 图像宽高分别为 W和H， 参数k 为变化系数； Output： 输出图像O； 1)初始化： 令图像I ＝S， 目标面积AT＝H×W， 标志Fla g＝0； While(True)： 2)生成H×W的0矩阵M； 3)如果Flag＝＝0， 对I进行阈值分割， 提取潜在的裂缝区域， 计算I的均值μI和标准差 σI， 当I中的像素灰度值大于等于 μI+λ σI， O中的对应位置设置为1； 否则， 设置为0； 如果Flag ＝＝1， 则令O＝ I； 4)计算裂缝区域 面积： Acrack＝∑0＝＝1； 5)如果满足条件Acrack＝AT或k＝＝0时， 输出 结果O； 否则， AT＝Acrack并进行步骤6)； 6)对O中值为1的区域进行连通分析： URegi＝∑0＝＝1， i表示像素点， 如果Flag＝＝1， 那么区域 面积大于等于 3和圆度小于等于 0.4的区域会被保留， 即： 7)对Regi进行骨架提取， 并获取其所有的端点EPi＝ (x1,y1),…,(xj,yj),…,(xm,ym)， 其中m是每个骨架端点的个数总和， (xm,ym)代表像素 点横纵坐标， xm∈{1， 2，…， m},ym＝∈{1， 2， …， m}； 8)计算每个区域在G中的灰度平均值GmRegi和计算每个区域的影响半径Ri， AReg表示某区域Reg的像素个数； 9)针对Regi中每个端点(xj,yj)的邻域像素点集在G中满足灰度范围为[GmRegi‑δ,GmRegi+ δ ]的像素点与Regi合并； 10)如果扩充后的Regi的CirRegi≤0.1相应的区域置为1， Cir为圆度， DReg表 示区域中心到边 缘最大的距离； 11)令I＝M和k‑‑并返回步骤2)； End While。 2.如权利要求1所述的基于机器人视觉的全局和局部二值模式图像裂缝分割方法， 其 特征在于， 所述对获取的原 始图像的对比度进行增强， 得到增强图， 包括：权　利　要　求　书 1/3 页 2 CN 114418957 B 2采用对数变换将较暗的裂缝缺陷进行 灰度范围扩展， 得到增强图。 3.如权利要求1所述的基于机器人视觉的全局和局部二值模式图像裂缝分割方法， 其 特征在于， 所述 根据每个像素旋转 不变局部二 值模式码得到 显著图之后， 包括： 根据高斯分布， 对显著图进行处 理， 得到图像的灰度直方图。 4.如权利要求1所述的基于机器人视觉的全局和局部二值模式图像裂缝分割方法， 其 特征在于， 所述对得到的全局 和局部二值模式裂缝自动分割方法进行性能评估， 包括： 在公开的裂缝数据集上对得到的全局和局部二值模式裂缝自动分割方法进行测试， 并 将测试结果进行比较， 得到性能评估结果。 5.基于机器人视 觉的全局 和局部二值模式图像 裂缝分割装置， 其特 征在于， 包括： 图像增强单 元， 用于对获取的原 始图像的对比度进行增强， 得到增强图； 显著图构建单元， 用于根据原始图像的所有像素在水平、 竖直和两个对角线方向的变 化， 计算每个像素旋转不变局部二值模式码， 并根据每个像素旋转不变局部二值模式码得 到显著图； 分割算法获取单元， 用于利用增强图和显著图进 行裂缝分割， 得到全局和局部二 值模式裂缝自动分割方法； 性能评估单 元， 用于对得到的全局 和局部二值模式裂缝自动分割方法进行性能评估； 其中， 所述裂缝分割包括以下步骤： 设定Input： 增强图G， 显著图S， 图像宽高分别为 W和H， 参数k 为变化系数； Output： 输出图像O； 1)初始化： 令图像I ＝S， 目标面积AT＝H×W， 标志Fla g＝0； While(True)： 2)生成H×W的0矩阵M； 3)如果Flag＝＝0， 对I进行阈值分割， 提取潜在的裂缝区域， 计算I的均值μI和标准差 σI， 当I中的像素灰度值大于等于 μI+λ σI， O中的对应位置设置为1； 否则， 设置为0； 如果Flag ＝＝1， 则令O＝ I； 4)计算裂缝区域 面积： Acrack＝∑0＝＝1； 5)如果满足条件Acrack＝AT或k＝＝0时， 输出 结果O； 否则， AT＝Acrack并进行步骤6)； 6)对O中值为1的区域进行连通分析： URegi＝∑0＝＝1， i表示像素点， 如果Flag＝＝1， 那么区域 面积大于等于 3和圆度小于等于 0.4的区域会被保留， 即： 7)对Regi进行骨架提取， 并获取其所有的端点EPi＝(x1,y1),…,(xj,yj),…,(xm,ym)， 其 中m是每个骨架端点的个数总和， (xm,ym)代表像素点横纵坐标， xm∈{1， 2，…， m},ym＝∈{1， 2，…， m}； 8)计算每 个区域在G中的灰度平均值G mRegi和计算每 个区域的影响半径Ri， AReg表示某区域Reg的像素个数； 9)针对Regi中每个端点(xj,yj)的邻域像素点集在G中满足灰度范围为[GmRegi‑δ,GmRegi+ δ ]的像素点与Regi合并；权　利　要　求　书 2/3 页 3 CN 114418957 B 3