(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210636206.8 (22)申请日 2022.06.07 (71)申请人 中交四航工程研究院有限公司 地址 510230 广东省广州市海珠区前进路 157号 (72)发明人 李嘉民　应宗权　杨帅　刘梅梅　 赵娟　杨海成　王翔　 (74)专利代理 机构 广州市华学知识产权代理有 限公司 4 4245 专利代理师 霍健权 (51)Int.Cl. G06T 7/00(2017.01) G06T 7/11(2017.01) G06V 10/44(2022.01) G06V 10/762(2022.01) (54)发明名称 一种基于分形理论和二次分割的混凝土结 构裂缝提取方法 (57)摘要 本发明公开了一种基于分形理论和二次分 割的混凝土结构裂缝提取方法， 其特征在于， 包 括以下步骤： S1、 对所述原始裂缝图像进行预处 理， 得到预处理裂缝图像； S2、 以所述预处理裂缝 图像的局部灰度参数和局部分形参数作为特征 参数数据样本， 采用K ‑means聚类算法对所述预 处理裂缝图像进行分类； S3、 以K ‑means聚类中心 为初始种子点和以聚类结果为约束， 通过区域生 长法对分类后裂缝图像进行粗分割， 得到初次分 割区域； S4、 将所述初次分割区域作为所述预处 理裂缝图像的初始轮廓， 采用活动轮廓算法对所 述预处理裂缝图像进行细分割， 得到最终裂缝目 标。 本发明能够优先抑制裂缝图像中产生干扰过 多的问题， 实现混凝土结构裂缝目标准确有效的 提取， 具有更好的分割效果。 权利要求书2页 说明书6页 附图4页 CN 115239617 A 2022.10.25 CN 115239617 A 1.一种基于分形理论和二次分割的混凝土结构裂缝提取方法， 其特征在于， 包括以下 步骤： S1、 对所述原 始裂缝图像进行 预处理， 得到预处 理裂缝图像； S2、 以所述预处理裂缝图像的局部灰度参数和局部分形参数作为特征参数数据样本， 采用K‑means聚类算法对所述预处 理裂缝图像进行分类， 得到分类后裂缝图像； S3、 以K‑means聚类中心为初始种子点和以聚类结果为约束， 通过 区域生长法对所述分 类后裂缝图像进行粗分割， 得到初次分割区域； S4、 将所述初次分割区域作为所述预处理裂缝图像的初始轮廓， 采用活动轮廓算法对 所述预处 理裂缝图像进行细分割， 得到最终裂缝目标。 2.根据权利要求1所述一种基于分形理论和二次分割的混凝土结构裂缝提取方法， 其 特征在于， 步骤S1中的所述原 始裂缝图像进行 预处理包括以下步骤： S101、 对所述原 始裂缝图像进行图像灰度化处 理， 得到裂缝 灰度图； S102、 对所述裂缝灰度图增强图像对比度， 再对所述裂缝灰度图去噪处理， 得到预处理 裂缝图像。 3.根据权利要求1所述一种基于分形理论和二次分割的混凝土结构裂缝提取方法， 其 特征在于， 步骤S2包括以下步骤： S201、 给定尺寸为M ×N的所述预处理裂缝图像， 从所述预处理裂缝图像的起点开始， 选 取n×n的窗口， 计算出所述窗口的中心 点像素的局部灰度特征G和局部 分形特征， 所述局部 分形特征包括Hurst指数H和分形截距B， 并以步长l沿水平方向和垂直方向移动所述窗口， 结合所述局部灰度特征G， 得到裂缝图像特征矩阵， 所述M为所述预处理裂缝图像水平方向 的像素点， 所述N为所述预 处理裂缝图像垂直方向的像素点， 所述2＜n＜min(M， N)， 所述n为 奇数； S202、 所述Hurst指数H、 所述分形截距B和所述灰度特征G构成某一个所述窗口的中心 点像素的特征参数数据样本， 将所述特征参数数据样本的各个特征值ah按比例映照到[0, 1]区间， 映射公式为： 式中， 所述 为所述中心点像素的某一所述特征值ah映射到[0,1]区间的映射特征值， 所述h＝1， 2， 3， 所述max(ah)表示所述特征值ah在所述裂缝图像特征矩阵中的最大值， 所述 min(ah)表示所述特 征值ah在所述裂缝图像特 征矩阵中的最小值； S203、 根据所述局部分形特征的分布情况确定聚类的个数K， 在所述预处理裂缝图像的 所有裂缝图像数据中随机选择K个所述裂缝图像数据作为所述K ‑means聚类算法 的初始聚 类中心{u1,u2,…,uK}； S204、 计算步骤S202中的所述特征参数数据样本与步骤S203中的所述初始聚类中心 {u1,u2,…,uK}之间的相异度， 以欧式距离进行度量并将所述特征参数数据样本划分给K个 初始聚类中心值， 得到距离最小的聚类结果， 计算公式为： 权　利　要　求　书 1/2 页 2 CN 115239617 A 2式中， ci表示对于每一个特征参数数据样本 计算对不同所述初始聚类中心的距离后 得到聚类结果， 所述i＝1,2, …,I， 所述I＝M ×N为特征参数数据样本的总数， 所述j＝1, 2,…,K； S205、 根据步骤S204的所述聚类结果， 重新计算每个所述聚类结果的均 值， 并将所述均 值作为新的聚类中心值， 计算公式为： 式中， 所述uj为新的聚类中心值， 所述 I＝M×N为特征参数数据样本的总数； S206、 对于步骤S205中 的K个所述新的聚类中心值， 重复步骤S204 ‑S205， 直到所述新的 聚类中心收敛， 得到最终聚类划分结果； S207、 输出所述最终聚类划分结果， 得到K个最终聚类及对应的最终聚类中心， 完成对 所述预处 理裂缝图像的聚类分类。 4.根据权利要求3所述一种基于分形理论和二次分割的混凝土结构裂缝提取方法， 其 特征在于， 步骤S201包括以下步骤： S2011： 给定大小为n ×n的所述窗口内， 构造一个多尺度灰度差向量HDC＝[di(1),di (2),…,di(t),…,di(m)]， 所述m根据所述窗口大小确定， 所述di(t)表示所有距离Δrt为 的所述特 征参数数据样本对的绝对灰度差的平均值， 计算公式为： 式中， 所述pn(t)表示具有标度距离为 的特征参数数据样 本对总数， 所述t＝1,2, …,m， 所述x1为第一个特征参数数据样 本的坐标(x1,y1)的横坐标， 所述y1为第一个特征参数数据样本的坐标(x1,y1)的纵坐标， 所述x2为第二个特征参数数 据样本的坐标(x2,y2)的横坐标， 所述y2分别为第二个特征参数数据样 本的坐标(x2,y2)的 纵坐标； S2012： 采用最小二乘法对(log(di(t)),log(Δrt))数据点进行拟合， 所述Hurst指数H 可以通过计算回归线斜 率求得， 而分形截距B通过计算回归线在纵轴上的截距求得。权　利　要　求　书 2/2 页 3 CN 115239617 A 3