CN116342635B - 一种地质测绘中裂缝轮廓提取方法 - Google Patents
一种地质测绘中裂缝轮廓提取方法 Download PDFInfo
- Publication number
- CN116342635B CN116342635B CN202310600933.3A CN202310600933A CN116342635B CN 116342635 B CN116342635 B CN 116342635B CN 202310600933 A CN202310600933 A CN 202310600933A CN 116342635 B CN116342635 B CN 116342635B
- Authority
- CN
- China
- Prior art keywords
- enhancement
- pixel point
- gray
- value
- gray level
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000013507 mapping Methods 0.000 title claims abstract description 14
- 238000000605 extraction Methods 0.000 title claims abstract description 11
- 238000000034 method Methods 0.000 claims abstract description 14
- 238000012545 processing Methods 0.000 claims abstract description 7
- 238000010606 normalization Methods 0.000 claims description 4
- 230000011218 segmentation Effects 0.000 claims description 4
- 230000000694 effects Effects 0.000 description 9
- 230000003044 adaptive effect Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/30—Assessment of water resources
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本发明涉及图像处理技术领域,具体涉及一种地质测绘中裂缝轮廓提取方法,包括:采集地质裂缝图像,根据每个像素点所在窗口的灰度值均值以及每个像素点的灰度值获取每个像素点的增强系数,进而得到每个像素点的增强程度,根据增强程度自适应获取像素点进行对数增强时的底数以及进行指数增强时的指数,进而得到对数增强灰度值以及指数增强灰度值,结合二者获得像素点的最终增强灰度,进一步得到增强图像,根据增强图像提取裂缝轮廓。本发明结合每个像素点的增强程度对每个像素点进行增强,使得地质表面区域与裂缝区域像素点的灰度值差异大,根据增强图像提取的裂缝轮廓保持的相对更加完整。
Description
技术领域
本发明涉及图像处理技术领域,具体涉及一种地质测绘中裂缝轮廓提取方法。
背景技术
地面裂缝是地表岩层、土体在自然因素或人为因素的作用下,产生开裂,并在地面上形成一定长度和宽度的裂缝的一种宏观地表破坏现象,地裂缝不仅造成各类工程建筑如城市建筑、生命线工程、交通、农田和水利设施等的直接破坏,还损坏土地资源,进一步加剧土地工序矛盾,同时引起一系列的环境问题,故对地质图像中的裂缝进行提取,可以尽快的识别出该缺陷,对其采取措施。
由于裂缝与地质表面交界处的灰度值差异不明显,因此需要对地质裂缝图像进行增强,目前通常使用对数增强或指数增强对图像进行增强,无论是对数增强还是指数增强,对图像中所有像素点均使用同一增强参数进行增强,增强后的图像中裂缝区域与地质区域的交界处的对比度可能不是很明显,后续根据增强图像获取裂缝轮廓时,仍然会存在边缘缺失的问题。
发明内容
本发明提供一种地质测绘中裂缝轮廓提取方法,以解决现有的问题。
本发明的一种地质测绘中裂缝轮廓提取方法采用如下技术方案:
本发明一个实施例提供了一种地质测绘中裂缝轮廓提取方法,该方法包括以下步骤:
采集地质裂缝图像;以地质裂缝图像中每个像素点为中心构建窗口,将每个窗口中所有像素点的灰度值的均值作为每个窗口的代表灰度;
根据每个窗口的代表灰度以及窗口的中心像素点的灰度值获取每个窗口的中心像素点的增强系数;对所有像素点的增强系数进行线性归一化处理,得到每个像素点的增强程度;根据地质裂缝图像中每个像素点的增强程度获取每个像素点的对数增强的底数参数,根据底数参数获取每个像素点的对数增强灰度值;根据地质裂缝图像中每个像素点的增强程度获取每个像素点的指数增强的指数参数,根据指数参数获取每个像素点的指数增强灰度值;
根据每个像素点的灰度值、对数增强灰度值以及指数增强灰度值获取每个像素点的第一灰度差异以及第二灰度差异;当像素点的第一灰度差异大于或等于第二灰度差异时,将对数增强灰度值作为像素点的最终增强灰度,当像素点的第一灰度差异小于第二灰度差异时,将指数增强灰度值作为像素点的最终增强灰度;
将所有像素点的最终增强灰度构成增强图像;根据增强图像提取裂缝轮廓。
优选的,所述根据每个窗口的代表灰度以及窗口的中心像素点的灰度值获取每个窗口的中心像素点的增强系数,包括的具体步骤如下:
其中,为第/>个窗口的中心像素点的增强系数;/>为第/>个窗口的中心像素点的灰度值;/>为第/>个窗口的代表灰度;/>为所有窗口的代表灰度值的中值;/>为自然常数。
优选的,所述根据地质裂缝图像中每个像素点的增强程度获取每个像素点的对数增强的底数参数,包括的具体步骤如下:
其中,为地质裂缝图像中第/>个像素点在进行对数增强时的底数参数;/>为地质裂缝图像中第/>个像素点的增强程度;/>为超参数;/>为自然常数。
优选的,所述根据底数参数获取每个像素点的对数增强灰度值,包括的具体步骤如下:
其中,为地质裂缝图像中第/>个像素点的对数增强灰度值;/>为地质裂缝图像中第/>个像素点的灰度值;/>为地质裂缝图像中第/>个像素点在进行对数增强时的底数参数;/>为对数增强的常数参数;/>为向上取整符号。
优选的,所述根据地质裂缝图像中每个像素点的增强程度获取每个像素点的指数增强的指数参数,包括的具体步骤如下:
其中,为地质裂缝图像中第/>个像素点在进行指数增强时的指数参数;/>为地质裂缝图像中第/>个像素点的增强程度;/>为超参数;/>为自然常数。
优选的,所述根据指数参数获取每个像素点的指数增强灰度值,包括的具体步骤如下:
其中,为地质裂缝图像中第/>个像素点的指数增强灰度值;/>为地质裂缝图像中第/>个像素点的灰度值;/>为地质裂缝图像中第/>个像素点在进行指数增强时的指数参数;/>为指数增强的常数参数;/>为向上取整符号。
优选的,所述根据每个像素点的灰度值、对数增强灰度值以及指数增强灰度值获取每个像素点的第一灰度差异以及第二灰度差异,包括的具体步骤如下:
将地质裂缝图像中每个像素点的灰度值与对数增强灰度值的差值的绝对值作为每个像素点的第一灰度差异;将地质裂缝图像中每个像素点的灰度值与指数增强灰度值的差值的绝对值作为每个像素点的第二灰度差异。
优选的,所述根据增强图像提取裂缝轮廓,包括的具体步骤如下:
对增强图像进行阈值分割,得到二值图像,对二值图像进行连通域分析,将连通域的边缘作为裂缝轮廓。
本发明的技术方案的有益效果是:本发明根据每个像素点所在窗口的灰度值均值以及每个像素点的灰度值获取每个像素点的增强系数,进而得到每个像素点的增强程度,根据增强程度自适应获取像素点进行对数增强时的底数以及进行指数增强时的指数,进而得到对数增强灰度值以及指数增强灰度值,结合二者获得像素点的最终增强灰度,进一步得到增强图像,根据增强图像提取裂缝轮廓。本发明结合每个像素点的增强程度对每个像素点进行增强,使得地质表面区域与裂缝区域像素点的灰度值差异大,根据增强图像提取的裂缝轮廓保持的相对更加完整。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明的一种地质测绘中裂缝轮廓提取方法的步骤流程图;
图2为地质裂缝图像。
具体实施方式
为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效,以下结合附图及较佳实施例,对依据本发明提出的一种地质测绘中裂缝轮廓提取方法,其具体实施方式、结构、特征及其功效,详细说明如下。在下述说明中,不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外,一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
下面结合附图具体的说明本发明所提供的一种地质测绘中裂缝轮廓提取方法的具体方案。
请参阅图1,其示出了本发明一个实施例提供的一种地质测绘中裂缝轮廓提取方法的步骤流程图,该方法包括以下步骤:
S001.采集地质裂缝图像。
使用相机拍摄可能存在地质裂缝区域的图像,为了便于后续处理,对拍摄的图像进行灰度化处理,得到地质裂缝图像,如图2所示。
S002.获取地质裂缝图像中每个像素点的增强程度。
需要说明的是,受光照影响,地质裂缝图像中部分边缘处于地质表面与裂缝断裂面的交界处,部分边缘处于地质表面与裂缝阴影的交界处,受裂缝阴影的干扰,交界处的灰度值差异不太明显,且交界处地质表面的像素点灰度值不均匀,对地质裂缝图像进行自适应阈值分割后提取的轮廓不准确。因此需要地质裂缝图像进行增强,使得属于地质表面的像素点增强后更亮,属于裂缝区域的像素点增强后更暗。地质表面的像素点相对较亮,裂缝区域的像素点相对较暗,而地质表面和裂缝区域交界处的像素点灰度值不均匀,因此地质表面和裂缝区域交界处的像素点越需要增强。
在本发明实施例中,以地质裂缝图像中每个像素点为中心设置大小的窗口,在本发明实施例中,/>,在其他实施例中,实施人员可根据实际实施情况设置/>的大小。获取每个窗口中所有像素点的灰度值的均值,作为每个窗口的代表灰度。
根据每个窗口的代表灰度获取每个窗口的中心像素点的增强系数:
其中,为第/>个窗口的中心像素点的增强系数;/>为第/>个窗口的中心像素点的灰度值;/>为第/>个窗口的代表灰度;/>为所有窗口的代表灰度值的中值;/>为自然常数;当第/>个窗口的代表灰度越大,即第/>窗口中所有像素点的灰度值的均值越大,说明第/>个窗口中的像素点越可能属于地质表面区域,当第/>个窗口的代表灰度越小,即第/>窗口中所有像素点的灰度值的均值越小,说明第/>个窗口中的像素点越可能属于裂缝区域,当第/>个窗口的代表灰度处于中间,即代表灰度越接近于所有窗口的代表灰度值的中值/>时,说明第/>个窗口中的像素点越可能处于地表与裂缝的交界处;裂缝区域的灰度值较小,若第/>个窗口为裂缝区域时,第/>个窗口的代表灰度/>大概率小于所有窗口的代表灰度值的中值/>,/>为负数,/>为正数,此时/>较大,由于/>为[0,1]范围内的数,当其的指数越大时,对应的/>越小,此时第/>个窗口的中心像素点的增强系数较小;地质表面区域的灰度值较大,若第/>个窗口为地质表面区域时,第/>个窗口的代表灰度/>大概率大于所有窗口的代表灰度值的中值/>,/>为正数,/>为负数,此时较小,由于/>为[0,1]范围内的数,当其的指数/>越小时,对应的越大,此时第/>个窗口的中心像素点的增强系数较大;对于处于地表与裂缝的边缘处的像素点来说,其对应窗口的代表灰度处于中间,故/>的值趋于0,可能为正数也可能为负数,/>的值趋近于1,对应的窗口的中心像素点的增强系数取决于中心像素点的灰度值,当灰度值越大时,增强系数越大,当灰度值越小时,增强系数越小。
至此,获取了每个窗口的中心像素点的增强系数,即地质裂缝图像中每个像素点的增强系数,对地质裂缝图像中所有像素点的增强系数进行线性归一化处理,将线性归一化后的增强系数称为增强程度。
至此,获取了地质裂缝图像中每个像素点的增强程度。需要说明的是,本发明实施例为每个像素点设置窗口,结合窗口内像素点的均值和中心像素点的灰度值获取中心像素点的增强程度,使得可能位于不同区域的像素点的增强程度不同,后续根据每个像素点的增强程度进行自适应增强的效果更好。
S003.根据地质裂缝图像中每个像素点的增强程度获取增强图像。
需要说明的是,常见的图像增强方法有对数增强以及指数增强。本发明实施例需要对属于地质表面区域的像素点变得更亮,对于属于裂缝区域的像素点变得更暗。由于对数增强的函数具有凸的性质,随着对数增强的函数中底数的增大,图像中原本较亮的像素点会变得更亮,原本较暗的像素点也会变亮。因此对数增强对于地质表面区域的像素点来说,增强效果较好,对于裂缝区域的像素点来说,增强效果不符合预期。而在指数增强中,当指数增强算法中指数大于1时,指数增强的函数具有凹的性质,随着指数增强的函数中指数的增大,图像中原本较暗的像素点会变得更暗,原本较亮的像素点也会变暗。因此指数增强对于裂缝区域中的像素点来说,增强效果较好,对于地质表面区域的像素点来说,增强效果不符合预期。因此本发明实施例结合增强程度对每个像素点分别进行对数增强以及指数增强,选择每个像素点最佳的增强结果作为每个像素点的最终增强灰度值,使得地质表面区域与裂缝区域的对比更加明显,进一步使得后续根据增强图像获得的裂缝轮廓更加准确。
在本发明实施例中,根据地质裂缝图像中每个像素点的增强程度获取每个像素点的对数增强灰度值:
其中,为地质裂缝图像中第/>个像素点的对数增强灰度值;/>为地质裂缝图像中第/>个像素点的灰度值;/>为地质裂缝图像中第/>个像素点在进行对数增强时的底数参数;/>为地质裂缝图像中第/>个像素点的增强程度;/>为超参数,由于/>的取值范围为[0,1],若直接使用/>获取底数参数/>,会导致所有像素点在进行对数增强时的底数参数较小,导致属于地质表面区域的像素点增强的效果不明显,因此通过超参数/>对/>进行扩大,使得增强程度大的像素点的对数增强时的底数大,确保地质表面区域的像素点更亮,在本发明实施例中/>,在其他实施例中,实施人员可根据实际实施情况设置超参数/>的值;/>为自然常数;/>为对数增强的常数参数,在本发明实施例中/>,在其他实施例中,实施人员可根据实际实施情况设置;/>为向上取整符号;当增强程度越趋近于0,说明该像素点越可能属于裂缝区域,则在对数增强中,该像素点不需要过多增强,故该像素点对应的对数增强的函数的底数参数较小,增强之后的对数增强灰度值与原本的灰度值相差较小:当增强程度越趋近于1,说明该像素点越可能属于地质表面区域,则在对数增强中,该像素点需要增强,使其变得更亮,故该像素点对应的对数增强的函数的底数参数越大,增强之后的对数增强灰度值与原本的灰度值相比更大。
根据地质裂缝图像中每个像素点的增强程度获取每个像素点的指数增强灰度值:
其中,为地质裂缝图像中第/>个像素点的指数增强灰度值;/>为地质裂缝图像中第/>个像素点的灰度值;/>为地质裂缝图像中第/>个像素点在进行指数增强时的指数参数;/>为地质裂缝图像中第/>个像素点的增强程度;/>为超参数,由于/>的取值范围为[0,1],若直接使用/>获取指数参数/>,会导致所有像素点在进行指数增强时的指数参数较小,导致属于裂缝区域的像素点增强的效果不明显,因此通过超参数/>对/>进行扩大,使得增强程度小的像素点的指数增强时的指数大,确保裂缝区域的像素点更暗,在本发明实施例中,在其他实施例中,实施人员可根据实际实施情况设置超参数/>的值;/>为自然常数;/>为指数增强的常数参数,在本发明实施例中/>,在其他实施例中,实施人员可根据实际实施情况设置;/>为向上取整符号;当增强程度越趋近于0,说明该像素点越可能属于裂缝区域,则在指数增强中,该像素点需要进行增强,使得该像素点更暗,故该像素点对应的指数增强的指数参数较大,增强之后的指数增强灰度值相较于与原本的灰度值更小:当增强程度越趋近于1,说明该像素点越可能属于地质表面区域,则在指数增强中,该像素点越不需要增强,故该像素点对应的指数增强的指数参数越小,增强之后的指数增强灰度值与原本的灰度值相差较小。
获取地质裂缝图像中每个像素点的对数增强灰度值与原本的灰度值的差值的绝对值,作为每个像素点的第一灰度差异。获取地质裂缝图像中每个像素点的指数增强灰度值与原本的灰度值的差值的绝对值,作为每个像素点的第二灰度差异。当像素点的第一灰度差异大于或等于第二灰度差异时,将对数增强灰度值作为该像素点的最终增强灰度,当像素点的第一灰度差异小于第二灰度差异时,将指数增强灰度值作为该像素点的最终增强灰度。
至此,获取了每个像素点的最终增强灰度。地质裂缝图像中所有像素点的最终增强灰度构成了增强图像。
至此,获取了增强图像。
S004.根据增强图像获取裂缝轮廓。
对增强图像进行大津阈值分割,得到二值图像,对二值图像进行连通域分析,得到的连通域的边缘即为裂缝轮廓。
通过以上步骤,完成了裂缝轮廓的提取。
本发明实施例根据每个像素点所在窗口的灰度值均值以及每个像素点的灰度值获取每个像素点的增强系数,进而得到每个像素点的增强程度,根据增强程度自适应获取像素点进行对数增强时的底数以及进行指数增强时的指数,进而得到对数增强灰度值以及指数增强灰度值,结合二者获得像素点的最终增强灰度,进一步得到增强图像,根据增强图像提取裂缝轮廓。本发明结合每个像素点的增强程度对每个像素点进行增强,使得地质表面区域与裂缝区域像素点的灰度值差异大,根据增强图像提取的裂缝轮廓保持的相对更加完整。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (3)
1.一种地质测绘中裂缝轮廓提取方法,其特征在于,该方法包括以下步骤:
采集地质裂缝图像;以地质裂缝图像中每个像素点为中心构建窗口,将每个窗口中所有像素点的灰度值的均值作为每个窗口的代表灰度;
根据每个窗口的代表灰度以及窗口的中心像素点的灰度值获取每个窗口的中心像素点的增强系数;对所有像素点的增强系数进行线性归一化处理,得到每个像素点的增强程度;根据地质裂缝图像中每个像素点的增强程度获取每个像素点的对数增强的底数参数,根据底数参数获取每个像素点的对数增强灰度值;根据地质裂缝图像中每个像素点的增强程度获取每个像素点的指数增强的指数参数,根据指数参数获取每个像素点的指数增强灰度值;
根据每个像素点的灰度值、对数增强灰度值以及指数增强灰度值获取每个像素点的第一灰度差异以及第二灰度差异;当像素点的第一灰度差异大于或等于第二灰度差异时,将对数增强灰度值作为像素点的最终增强灰度,当像素点的第一灰度差异小于第二灰度差异时,将指数增强灰度值作为像素点的最终增强灰度;
将所有像素点的最终增强灰度构成增强图像;根据增强图像提取裂缝轮廓;
所述根据每个窗口的代表灰度以及窗口的中心像素点的灰度值获取每个窗口的中心像素点的增强系数,包括的具体步骤如下:
;
其中,为第/>个窗口的中心像素点的增强系数;/>为第/>个窗口的中心像素点的灰度值;/>为第/>个窗口的代表灰度;/>为所有窗口的代表灰度值的中值;/>为自然常数;
所述根据地质裂缝图像中每个像素点的增强程度获取每个像素点的对数增强的底数参数,包括的具体步骤如下:
;
其中,为地质裂缝图像中第/>个像素点在进行对数增强时的底数参数;/>为地质裂缝图像中第/>个像素点的增强程度;/>为超参数;/>为自然常数;
所述根据底数参数获取每个像素点的对数增强灰度值,包括的具体步骤如下:
;
其中,为地质裂缝图像中第/>个像素点的对数增强灰度值;/>为地质裂缝图像中第/>个像素点的灰度值;/>为地质裂缝图像中第/>个像素点在进行对数增强时的底数参数;/>为对数增强的常数参数;/>为向上取整符号;
所述根据地质裂缝图像中每个像素点的增强程度获取每个像素点的指数增强的指数参数,包括的具体步骤如下:
;
其中,为地质裂缝图像中第/>个像素点在进行指数增强时的指数参数;/>为地质裂缝图像中第/>个像素点的增强程度;/>为超参数;/>为自然常数;
所述根据指数参数获取每个像素点的指数增强灰度值,包括的具体步骤如下:
;
其中,为地质裂缝图像中第/>个像素点的指数增强灰度值;/>为地质裂缝图像中第/>个像素点的灰度值;/>为地质裂缝图像中第/>个像素点在进行指数增强时的指数参数;/>为指数增强的常数参数;/>为向上取整符号。
2.根据权利要求1所述的一种地质测绘中裂缝轮廓提取方法,其特征在于,所述根据每个像素点的灰度值、对数增强灰度值以及指数增强灰度值获取每个像素点的第一灰度差异以及第二灰度差异,包括的具体步骤如下:
将地质裂缝图像中每个像素点的灰度值与对数增强灰度值的差值的绝对值作为每个像素点的第一灰度差异;将地质裂缝图像中每个像素点的灰度值与指数增强灰度值的差值的绝对值作为每个像素点的第二灰度差异。
3.根据权利要求1所述的一种地质测绘中裂缝轮廓提取方法,其特征在于,所述根据增强图像提取裂缝轮廓,包括的具体步骤如下:
对增强图像进行阈值分割,得到二值图像,对二值图像进行连通域分析,将连通域的边缘作为裂缝轮廓。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310600933.3A CN116342635B (zh) | 2023-05-26 | 2023-05-26 | 一种地质测绘中裂缝轮廓提取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310600933.3A CN116342635B (zh) | 2023-05-26 | 2023-05-26 | 一种地质测绘中裂缝轮廓提取方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116342635A CN116342635A (zh) | 2023-06-27 |
CN116342635B true CN116342635B (zh) | 2023-08-08 |
Family
ID=86893293
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310600933.3A Active CN116342635B (zh) | 2023-05-26 | 2023-05-26 | 一种地质测绘中裂缝轮廓提取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116342635B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117152187B (zh) * | 2023-10-30 | 2024-01-26 | 山东中科冶金矿山机械有限公司 | 一种地质测绘中裂缝轮廓提取方法 |
CN117710399B (zh) * | 2024-02-06 | 2024-04-30 | 山东省地质测绘院 | 一种基于视觉的地质调查中裂缝轮廓提取方法 |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO1994013098A1 (en) * | 1992-11-30 | 1994-06-09 | Eastman Kodak Company | Resolution enhancement system for binary images |
CN103048329A (zh) * | 2012-12-11 | 2013-04-17 | 北京恒达锦程图像技术有限公司 | 一种基于主动轮廓模型的路面裂缝检测方法 |
CN103440657A (zh) * | 2013-08-27 | 2013-12-11 | 武汉大学 | 一种在线道路裂缝筛查方法 |
CN104992429A (zh) * | 2015-04-23 | 2015-10-21 | 北京宇航时代科技发展有限公司 | 一种基于图像局部增强的山体裂缝检测方法 |
KR101932214B1 (ko) * | 2017-11-30 | 2018-12-24 | 한국과학기술원 | 이미지 처리 기법을 이용하여 균열을 측정하기 위한 장치 및 그 방법 |
CN110264459A (zh) * | 2019-06-24 | 2019-09-20 | 江苏开放大学(江苏城市职业学院) | 一种土壤裂缝特征信息提取方法 |
CN110298816A (zh) * | 2019-04-26 | 2019-10-01 | 陕西师范大学 | 一种基于图像重生成的桥梁裂缝检测方法 |
CN110298802A (zh) * | 2019-06-28 | 2019-10-01 | 广东诚泰交通科技发展有限公司 | 路面裂缝检测方法及装置 |
CN112419250A (zh) * | 2020-11-13 | 2021-02-26 | 湖北工业大学 | 路面裂缝数字图像提取、裂缝修补及裂缝参数计算方法 |
WO2021114564A1 (zh) * | 2019-12-10 | 2021-06-17 | 南京莱斯电子设备有限公司 | 一种低对比度红外图像的增强方法 |
JP2021092414A (ja) * | 2019-12-09 | 2021-06-17 | 金川 典代 | クラック抽出法 |
CN115063404A (zh) * | 2022-07-27 | 2022-09-16 | 建首(山东)钢材加工有限公司 | 基于x射线探伤的耐候钢焊缝质量检测方法 |
US11580647B1 (en) * | 2021-12-24 | 2023-02-14 | Guangzhou University | Global and local binary pattern image crack segmentation method based on robot vision |
CN115861290A (zh) * | 2022-12-30 | 2023-03-28 | 南京林业大学 | 一种肤感木门表面缺陷检测方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7085426B2 (en) * | 2001-10-15 | 2006-08-01 | Jonas August | Volterra filters for enhancement of contours in images |
US10489903B2 (en) * | 2015-04-27 | 2019-11-26 | Wuhan Wuda Zoyon Science And Technology Co., Ltd. | Stepwise refinement detection method for pavement cracks |
CN108364280B (zh) * | 2018-01-03 | 2022-04-15 | 东南大学 | 结构裂缝自动化描绘及宽度精准测量方法与设备 |
-
2023
- 2023-05-26 CN CN202310600933.3A patent/CN116342635B/zh active Active
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO1994013098A1 (en) * | 1992-11-30 | 1994-06-09 | Eastman Kodak Company | Resolution enhancement system for binary images |
CN103048329A (zh) * | 2012-12-11 | 2013-04-17 | 北京恒达锦程图像技术有限公司 | 一种基于主动轮廓模型的路面裂缝检测方法 |
CN103440657A (zh) * | 2013-08-27 | 2013-12-11 | 武汉大学 | 一种在线道路裂缝筛查方法 |
CN104992429A (zh) * | 2015-04-23 | 2015-10-21 | 北京宇航时代科技发展有限公司 | 一种基于图像局部增强的山体裂缝检测方法 |
KR101932214B1 (ko) * | 2017-11-30 | 2018-12-24 | 한국과학기술원 | 이미지 처리 기법을 이용하여 균열을 측정하기 위한 장치 및 그 방법 |
CN110298816A (zh) * | 2019-04-26 | 2019-10-01 | 陕西师范大学 | 一种基于图像重生成的桥梁裂缝检测方法 |
CN110264459A (zh) * | 2019-06-24 | 2019-09-20 | 江苏开放大学(江苏城市职业学院) | 一种土壤裂缝特征信息提取方法 |
CN110298802A (zh) * | 2019-06-28 | 2019-10-01 | 广东诚泰交通科技发展有限公司 | 路面裂缝检测方法及装置 |
JP2021092414A (ja) * | 2019-12-09 | 2021-06-17 | 金川 典代 | クラック抽出法 |
WO2021114564A1 (zh) * | 2019-12-10 | 2021-06-17 | 南京莱斯电子设备有限公司 | 一种低对比度红外图像的增强方法 |
CN112419250A (zh) * | 2020-11-13 | 2021-02-26 | 湖北工业大学 | 路面裂缝数字图像提取、裂缝修补及裂缝参数计算方法 |
US11580647B1 (en) * | 2021-12-24 | 2023-02-14 | Guangzhou University | Global and local binary pattern image crack segmentation method based on robot vision |
CN115063404A (zh) * | 2022-07-27 | 2022-09-16 | 建首(山东)钢材加工有限公司 | 基于x射线探伤的耐候钢焊缝质量检测方法 |
CN115861290A (zh) * | 2022-12-30 | 2023-03-28 | 南京林业大学 | 一种肤感木门表面缺陷检测方法 |
Non-Patent Citations (1)
Title |
---|
一种自适应裂缝宽度的二值化方法;徐亚明;田鹏;;大地测量与地球动力学(03);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN116342635A (zh) | 2023-06-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116342635B (zh) | 一种地质测绘中裂缝轮廓提取方法 | |
CN108876743B (zh) | 一种图像快速去雾方法、***、终端及存储介质 | |
CN107730527A (zh) | 一种基于遥感卫星影像的高原地区冰湖提取方法 | |
CN107564017B (zh) | 一种城市高分遥感影像阴影检测及分割方法 | |
CN109978848B (zh) | 基于多光源颜色恒常模型检测眼底图像中硬性渗出的方法 | |
CN103295191A (zh) | 多尺度视觉自适应图像增强方法及评价方法 | |
CN110807738B (zh) | 一种基于边缘图块锐化的模糊图像非盲复原方法 | |
CN108133462B (zh) | 一种基于梯度场区域分割的单幅图像的复原方法 | |
CN113436124B (zh) | 一种应用于海洋雾天环境下的单图像去雾方法 | |
CN115147401B (zh) | 一种基于数字图像处理的土石坝坝料合格性智能检测方法 | |
CN112070717A (zh) | 基于图像处理的输电线路覆冰厚度检测方法 | |
CN113505702A (zh) | 基于双神经网络优化的路面病害识别方法及*** | |
CN112529853A (zh) | 一种用于水下养殖网箱的网衣破损检测方法及装置 | |
CN110874825B (zh) | 一种复合绝缘子表面水迹二值图像提取方法 | |
CN116721121A (zh) | 一种植物表型彩色图像特征提取方法 | |
CN115660998A (zh) | 基于深度学习和传统先验知识融合的图像去雾方法 | |
CN108986079B (zh) | 一种复杂裂隙网络的裂缝提取及优化方法 | |
CN115205713A (zh) | 一种无人机遥感图像阴影区景物颜色与纹理细节恢复方法 | |
CN112288726A (zh) | 一种井下带式输送机带面异物检测方法 | |
CN111091580B (zh) | 一种基于改进ResNet-UNet网络的立木图像分割方法 | |
CN107451971A (zh) | 基于暗通道和高斯组合先验的低照度盲卷积图像复原法 | |
CN116596911A (zh) | 一种水下平面型结构体声呐图像裂缝量化方法 | |
CN106446904A (zh) | 基于全局二值化的图像识别方法 | |
CN113379620B (zh) | 一种光学遥感卫星影像云检测方法 | |
CN114627164A (zh) | 一种图像局部结构差异评估方法及*** |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |