一种基于图像局部增强的山体裂缝检测方法
【技术领域】
[0001] 本发明涉及数字图像处理技术领域，具体来说，涉及一种基于图像局部增强的山 体裂缝检测方法。
【背景技术】
[0002] 随着自然环境的不断恶化和人为工程建设的越来越多，山体滑坡数目每年都在增 多，且强度和频率每年都在增大，中国每年由山体滑坡带来的损失超过4亿美元。山体滑坡 带来巨大的财产损失、人员伤亡，早期预警系统的建立非常必要。
[0003] 山体滑坡预警系统目前都采用监测仪器进行监测，传统的用于山体滑坡监测的方 法大概有如下几种：常规大地测量法；液体静力水准测量、重力测量法；地下水位监测法； 电测法、地下钻孔倾斜等。尽管这些方法都在山体滑坡预警方面起到了积极作用，但它们具 有一些弊端，如受地形影响，不能连续观测，自动化程度不高，人力投入过大，数据不能实时 处理等。
[0004] 采用基于数字图像处理技术的监测方法则可以消除上述部分弊端，如无接触式测 量，智能化程度高，成本低，可以实时预警等。本发明基于山体滑坡前部分区域会出现裂缝 的征兆，采用视频采集设备对山体进行全天候监控，采用图像处理技术对裂缝进行识别。但 山体裂缝一般与背景对比度较低，造成了裂缝识别的困难。
[0005] 针对相关技术中的问题，目前尚未提出有效的解决方案。
【发明内容】
[0006] 针对相关技术中的问题，本发明提出一种基于图像局部增强的山体裂缝检测方 法，其解决了山体裂缝识别困难的问题，且较传统仪器监测方法具有无接触测量的优势，适 用于野外实时监控环境。
[0007] 本发明的技术方案是这样实现的：
[0008] 一种基于图像局部增强的山体裂缝检测方法，包括：
[0009] 通过预先设定的图像滑动窗口，对采集的图像进行分析，确定所述图像的中心点 处的灰度均值，并根据所述灰度均值，确定所述图像的每个像素点的对比度；
[0010] 根据每个像素点的对比度，构建与所述图像对应的对比度图，并利用ostu自动分 割阈值算法，对对比度图进行分析，确定对比度图的最佳分割阈值，并根据该最佳分割阈 值，确定出待增强的区域，并对确定出的待增强区域进行图像增强处理；
[0011] 对进行图像增强处理后的图像进行分析，确定出与图像对应的灰度特征图和方差 特征图；
[0012] 并利用上述ostu自动分割阈值算法，求取所述灰度特征图和反差特征图的最佳 分割阈值，并利用该分割阈值，求取灰度特征和方差特征的二值图，并对两个二值图进行求 与操作，确定出目标裂缝的二值图；
[0013] 采用击中击不中变换对所述目标裂缝的二值图进行变换，确定其细化骨架，并对 所述细化骨架进行区域延伸处理，得到所述细化骨架上所有裂缝潜在区域；
[0014] 对上述细化骨架的像素进行遍历，得到裂缝的长度信息，并且根据遍历出的区域 的像素个数，计算裂缝的面积信息。
[0015] 进一步的，上述基于图像局部增强的山体裂缝检测方法，还包括：
[0016] 在利用ostu自动分割阈值算法，对对比度图进行分析之前，对对比度图进行滤波 处理，以滤除掉对比度较高的噪声点。
[0017] 进一步的，上述基于图像局部增强的山体裂缝检测方法，还包括：
[0018] 在对进行图像增强处理后的图像进行分析，确定出与图像对应的灰度特征图和方 差特征图之前，对进行图像增强处理后的图像依次进行中值滤波处理和匀光处理。
[0019] 优选的，所述匀光处理采用直方图均衡化技术。
[0020] 进一步的，上述基于图像局部增强的山体裂缝检测方法，还包括：
[0021] 根据裂缝的面积信息，发出对应的预警信息。
[0022] 本发明的有益效果：本发明引入了数字图像处理技术，图像处理算法自适应提高 裂缝处的对比度，解决了山体裂缝识别困难的问题，且较传统仪器监测方法具有无接触测 量的优势，适用于野外实时监控环境。
【具体实施方式】
[0023] 下面将对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施 例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通 技术人员所获得的所有其他实施例，都属于本发明保护的范围。
[0024] 根据本发明的实施例，提供了一种基于图像局部增强的山体裂缝检测方法，包 括：
[0025] 通过预先设定的图像滑动窗口，对采集的图像进行分析，确定所述图像的中心点 处的灰度均值，并根据所述灰度均值，确定所述图像的每个像素点的对比度；
[0026] 根据每个像素点的对比度，构建与所述图像对应的对比度图，并利用ostu自动分 割阈值算法，对对比度图进行分析，确定对比度图的最佳分割阈值，并根据该最佳分割阈 值，确定出待增强的区域，并对确定出的待增强区域进行图像增强处理；
[0027] 对进行图像增强处理后的图像进行分析，确定出与图像对应的灰度特征图和方差 特征图；
[0028] 并利用上述ostu自动分割阈值算法，求取所述灰度特征图和反差特征图的最佳 分割阈值，并利用该分割阈值，求取灰度特征和方差特征的二值图，并对两个二值图进行求 与操作，确定出目标裂缝的二值图；
[0029] 采用击中击不中变换对所述目标裂缝的二值图进行变换，确定其细化骨架，并对 所述细化骨架进行区域延伸处理，得到所述细化骨架上所有裂缝潜在区域；
[0030] 对上述细化骨架的像素进行遍历，得到裂缝的长度信息，并且根据遍历出的区域 的像素个数，计算裂缝的面积信息。
[0031] 进一步的，上述基于图像局部增强的山体裂缝检测方法，还包括：
[0032] 在利用ostu自动分割阈值算法，对对比度图进行分析之前，对对比度图进行滤波 处理，以滤除掉对比度较高的噪声点。
[0033] 进一步的，上述基于图像局部增强的山体裂缝检测方法，还包括：
[0034] 在对进行图像增强处理后的图像进行分析，确定出与图像对应的灰度特征图和方 差特征图之前，对进行图像增强处理后的图像依次进行中值滤波处理和匀光处理。
[0035] 优选的，所述匀光处理采用直方图均衡化技术。
[0036] 进一步的，上述基于图像局部增强的山体裂缝检测方法，还包括：
[0037] 根据裂缝的面积信息，发出对应的预警信息。
[0038] 为了方便理解本发明的上述技术方案，以下通过具体使用步骤和使用原理对本发 明的上述技术方案进行详细说明。
[0039] 第一步图像局部增强
[0040] 输入图像设为f(i，j)，设定滑动窗口，窗口大小为5X5,中心点处的灰度均值计 算为：
[0041]
[0042] 式中，GM表示图像行值为i、列值为j处的灰度均值，k和1分别表示窗口内图像 的行值和列值，f(k，1)为以（i，j)为中心的窗口内像素点（k，1)的灰度值，E为求和操作 符号。
[0043] 中心点处的对比度EM计算为：
[0044]
[0045] 式中，p(f(k，l))表示灰度值f(k，l)在5X5窗口邻域中出现的概率估计值，计算 公