本發(fā)明屬于語(yǔ)義分割領(lǐng)域，具體涉及一種裂縫語(yǔ)義分割自動(dòng)標(biāo)注及改善分割效果的方法。

背景技術(shù)：

1、在房屋、路面、橋梁、隧道檢測(cè)領(lǐng)域，結(jié)構(gòu)物表面的裂縫對(duì)結(jié)構(gòu)健康狀態(tài)的評(píng)估至關(guān)重要。由于裂縫數(shù)量多、分布位置隨機(jī)且部分位置（如橋梁底部、隧道頂部）人員難以到達(dá)，因此常采用機(jī)器視覺(jué)的方法，現(xiàn)場(chǎng)拍攝裂縫后提取其長(zhǎng)度寬度等尺寸信息。為精細(xì)化提取裂縫長(zhǎng)寬信息，通常需要對(duì)裂縫進(jìn)行像素級(jí)分割，隨后通過(guò)對(duì)裂縫像素進(jìn)行統(tǒng)計(jì)從而獲得裂縫的尺寸信息。

2、裂縫分割算法主要依據(jù)其原理分為基于特征識(shí)別的算法（如：閾值分割法、邊緣檢測(cè)法等）和基于深度學(xué)習(xí)的算法，其中基于深度學(xué)習(xí)的算法由于在干擾因素排除、分割精度、分割效率等方面具有優(yōu)勢(shì)，近年來(lái)被廣泛采用。

3、基于深度學(xué)習(xí)的裂縫分割算法，通常需要待處理裂縫與構(gòu)建模型時(shí)訓(xùn)練裂縫具有相近的特征，然而在實(shí)際的裂縫圖像分割需求中，由于裂縫圖像采集場(chǎng)景、環(huán)境、位置、光照、遮擋、形態(tài)等差異，訓(xùn)練樣本與實(shí)際樣本可能會(huì)存在較大差異，受限于模型的泛化能力，當(dāng)采集的裂縫圖像特征差異顯著時(shí)，如利用房屋裂縫訓(xùn)練的裂縫分割模型處理橋梁、隧道裂縫，裂縫分割效果通常較差，僅能分割出少部分裂縫區(qū)域，無(wú)法滿足裂縫參數(shù)提取的需求。此外，在訓(xùn)練基于深度學(xué)習(xí)的裂縫分割模型時(shí)，需要有大量經(jīng)過(guò)標(biāo)注的裂縫分割樣本，純?nèi)斯な謩?dòng)標(biāo)注通常效率低，裂縫邊緣處標(biāo)注精度差，影響裂縫分割模型的訓(xùn)練。

4、因此，本發(fā)明提出了一種改善裂縫分割效果方法，針對(duì)訓(xùn)練樣本與實(shí)際樣本存在較大差異導(dǎo)致分割效果差的問(wèn)題，能對(duì)分割效果進(jìn)行優(yōu)化；針對(duì)裂縫分割算法標(biāo)注效率低的問(wèn)題，可采用開(kāi)源的已有同類(lèi)裂縫分割模型初步分割后利用本方法優(yōu)化分割效果，快速自動(dòng)化地構(gòu)建裂縫分割訓(xùn)練樣本集。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明的目的在于提供一種深度學(xué)習(xí)裂縫語(yǔ)義分割自動(dòng)標(biāo)注及改善分割效果的方法，能夠?qū)α芽p分割效果較差的圖像進(jìn)行優(yōu)化，改進(jìn)分割效果，此外還能夠用于自動(dòng)化地構(gòu)建基于深度學(xué)習(xí)的裂縫分割樣本集。

2、本發(fā)明針對(duì)機(jī)器視覺(jué)領(lǐng)域的裂縫分割問(wèn)題，針對(duì)深度學(xué)習(xí)圖像分割泛化能力差，分割圖像標(biāo)注工作量大的問(wèn)題，提出了一種利用部分已有分割區(qū)域，通過(guò)灰度和方向等多種因素延伸裂縫區(qū)域至圖像實(shí)際邊界的自動(dòng)化分割方法，提高裂縫分割的精度與效率。

3、具體實(shí)現(xiàn)方法如下：

4、步驟1：對(duì)裂縫圖像進(jìn)行圖像預(yù)處理，提取出初步分割的裂縫軸線。

5、步驟2：對(duì)初步分割的裂縫軸線進(jìn)行連通域分析，提取各連通域面積和內(nèi)部點(diǎn)坐標(biāo)，根據(jù)篩選標(biāo)準(zhǔn)獲得篩選后連通域。

6、步驟3：計(jì)算篩選后各連通域坐標(biāo)下的平均灰度值，與原裂縫圖像平均灰度值進(jìn)行比較，從而確定輸入圖像。

7、步驟4：提取篩選后各連通域的起點(diǎn)和終點(diǎn)，加入端點(diǎn)列表內(nèi)；將起點(diǎn)和終點(diǎn)各自在連通域內(nèi)的臨近點(diǎn)加入方向列表內(nèi)，尋找鄰域內(nèi)灰度最小值并提取其坐標(biāo)。

8、步驟5：依次判斷灰度差、方向差、是否遍歷鄰域、是否遍歷端點(diǎn)列表、端點(diǎn)和灰度最小值連線是否與裂縫像素裂縫內(nèi)點(diǎn)位存在重合的條件是否滿足，直到進(jìn)入是否遍歷端點(diǎn)列表的判斷，獲得裂縫二值圖。

9、步驟6：對(duì)裂縫二值圖進(jìn)行軸線提取，獲得優(yōu)化后裂縫軸線二值圖，在輸入圖像中獲取裂縫的邊界，獲得優(yōu)化后裂縫灰度分割圖后，在裂縫灰度圖像中標(biāo)注出裂縫分割后的優(yōu)化結(jié)果，獲得優(yōu)化后裂縫分割圖。

10、本發(fā)明所帶來(lái)的有益效果：本發(fā)明通過(guò)預(yù)處理后在圖像鄰域內(nèi)不斷尋找最小值查找裂縫像素，能夠?qū)崿F(xiàn)對(duì)初步語(yǔ)義分割裂縫圖片的優(yōu)化，提高裂縫像素分割的精度與效率。此外，本發(fā)明提供了自動(dòng)標(biāo)注方法，無(wú)需人工對(duì)裂縫每個(gè)像素進(jìn)行手動(dòng)標(biāo)注，顯著提高了裂縫像素分割的效率。在獲得裂縫像素列表后，再采用軸線提取并分水嶺算法填充的裂縫分割方案，也避免了直接采用深度學(xué)習(xí)算法分割或人工手動(dòng)分割時(shí)，裂縫邊緣像素判斷主觀性強(qiáng)、不夠精細(xì)化的問(wèn)題，提高了裂縫像素分割質(zhì)量。

技術(shù)特征：

1.一種裂縫語(yǔ)義分割自動(dòng)標(biāo)注及改善分割效果的方法，其特征在于，包括以下步驟：

2.根據(jù)權(quán)利要求1所述的一種裂縫語(yǔ)義分割自動(dòng)標(biāo)注及改善分割效果的方法，其特征在于，所述步驟1具體包括：

3.根據(jù)權(quán)利要求1所述的一種裂縫語(yǔ)義分割自動(dòng)標(biāo)注及改善分割效果的方法，其特征在于，所述步驟2中篩選標(biāo)準(zhǔn)具體為：

4.根據(jù)權(quán)利要求1所述的一種裂縫語(yǔ)義分割自動(dòng)標(biāo)注及改善分割效果的方法，其特征在于，所述步驟3中與原裂縫圖像平均灰度值進(jìn)行比較，從而確定輸入圖像具體為：

5.根據(jù)權(quán)利要求1所述的一種裂縫語(yǔ)義分割自動(dòng)標(biāo)注及改善分割效果的方法，其特征在于，所述步驟4具體包括：

6.根據(jù)權(quán)利要求1所述的一種裂縫語(yǔ)義分割自動(dòng)標(biāo)注及改善分割效果的方法，其特征在于，所述步驟5具體包括：

7.根據(jù)權(quán)利要求6所述的一種裂縫語(yǔ)義分割自動(dòng)標(biāo)注及改善分割效果的方法，其特征在于，所述條件不滿足時(shí)，判斷是否已經(jīng)遍歷鄰域，是則直接進(jìn)入是否遍歷端點(diǎn)列表的判斷，否則重新尋找新的灰度最小值及坐標(biāo)。

8.根據(jù)權(quán)利要求6所述的一種裂縫語(yǔ)義分割自動(dòng)標(biāo)注及改善分割效果的方法，其特征在于，所述條件滿足時(shí)，再判斷端點(diǎn)和灰度最小值連線是否與裂縫像素裂縫內(nèi)點(diǎn)位存在重合；

9.根據(jù)權(quán)利要求1或6所述的一種裂縫語(yǔ)義分割自動(dòng)標(biāo)注及改善分割效果的方法，其特征在于：

10.根據(jù)權(quán)利要求1所述的一種裂縫語(yǔ)義分割自動(dòng)標(biāo)注及改善分割效果的方法，其特征在于，所述步驟6具體包括：

技術(shù)總結(jié)
本發(fā)明公開(kāi)了一種裂縫語(yǔ)義分割自動(dòng)標(biāo)注及改善分割效果的方法。本發(fā)明通過(guò)預(yù)處理后在圖像鄰域內(nèi)不斷尋找最小值查找裂縫像素，能夠?qū)崿F(xiàn)對(duì)初步語(yǔ)義分割裂縫圖片的優(yōu)化，提高裂縫像素分割的精度與效率。此外，本發(fā)明還提供了一種自動(dòng)標(biāo)注方法，無(wú)需人工對(duì)裂縫每個(gè)像素進(jìn)行手動(dòng)標(biāo)注，顯著提高了裂縫像素分割的效率。在獲得裂縫像素列表及對(duì)應(yīng)裂縫二值圖后，再采用軸線提取并分水嶺算法填充的裂縫分割方案，也避免了直接采用深度學(xué)習(xí)算法分割或人工手動(dòng)分割時(shí)，裂縫邊緣像素判斷主觀性強(qiáng)、不夠精細(xì)化的問(wèn)題，提高了裂縫像素分割質(zhì)量。

技術(shù)研發(fā)人員：王皓正,章偉康,翟俊蒞,王強(qiáng),袁崠洋,童俊豪,田浩
受保護(hù)的技術(shù)使用者：浙江省交通運(yùn)輸科學(xué)研究院
技術(shù)研發(fā)日：
技術(shù)公布日：2025/1/6