【技術(shù)實(shí)現(xiàn)步驟摘要】
本專利技術(shù)涉及計(jì)算機(jī)視覺領(lǐng)域，尤其涉及的是基于高光譜圖像的路面裂縫檢測方法、裝置、終端及介質(zhì)。
技術(shù)介紹
1、路面裂縫作為路面病害的初期表現(xiàn)形式，也是路面最常見的病害，在路面病害檢測中占據(jù)主要位置。傳統(tǒng)的路面裂縫檢測依賴于現(xiàn)場人工目視檢測，效率低下、安全隱患大，難以快速和準(zhǔn)確的評估路面的健康狀況。最近，隨著計(jì)算機(jī)技術(shù)和成像技術(shù)的發(fā)展，利用機(jī)器視覺的方法代替人工檢測可以極大提高檢測效率。
2、然而，道路路面的場景通常非常復(fù)雜。機(jī)器視覺方法基于普通相機(jī)采集的圖片進(jìn)行檢測時受到停車線、油漬、水漬、植被等許多無關(guān)因素干擾的影響，可能會觸發(fā)誤報從而產(chǎn)生偽裂縫，降低路面裂縫檢測的準(zhǔn)確性。
3、因此，現(xiàn)有技術(shù)還有待改進(jìn)和發(fā)展。
技術(shù)實(shí)現(xiàn)思路
1、本專利技術(shù)要解決的技術(shù)問題在于，針對現(xiàn)有技術(shù)的上述缺陷，提供基于高光譜圖像的路面裂縫檢測方法、裝置、終端及介質(zhì)，旨在解決現(xiàn)有技術(shù)中基于相機(jī)采集的圖片進(jìn)行檢測時受到無關(guān)因素干擾的影響，可能會觸發(fā)誤報從而產(chǎn)生偽裂縫，降低路面裂縫檢測的準(zhǔn)確性的問題。
2、本專利技術(shù)解決問題所采用的技術(shù)方案如下：
3、第一方面，本專利技術(shù)實(shí)施例提供一種基于高光譜圖像的路面裂縫檢測方法，其中，所述方法包括：
4、基于無人駕駛智能設(shè)備和高光譜相機(jī)對目標(biāo)路面進(jìn)行圖像采集，得到所述目標(biāo)路面對應(yīng)的高光譜圖像；
5、對所述高光譜圖像進(jìn)行校正和特征提取，確定光譜特征矩陣；
6、獲取基于低秩字典學(xué)習(xí)得到的線性分
7、在一種實(shí)施方法中，對所述高光譜圖像進(jìn)行校正和特征提取，確定光譜特征矩陣，包括：
8、獲取全黑標(biāo)定圖像和全白標(biāo)定圖像，根據(jù)所述全黑標(biāo)定圖像、所述全白標(biāo)定圖像以及所述高光譜圖像確定高光譜校正圖像；
9、提取所述高光譜校正圖像中的光譜反射值，確定所述光譜特征矩陣。
10、在一種實(shí)施方法中，基于低秩字典學(xué)習(xí)得到線性分類器和字典，包括：
11、構(gòu)建低秩字典學(xué)習(xí)優(yōu)化函數(shù)；
12、獲取訓(xùn)練集，根據(jù)所述訓(xùn)練集對所述低秩字典學(xué)習(xí)優(yōu)化函數(shù)進(jìn)行迭代求解，確定所述訓(xùn)練集對應(yīng)的所述字典和低秩表達(dá)矩陣，其中，所述訓(xùn)練集包括若干訓(xùn)練樣本和所述若干訓(xùn)練樣本對應(yīng)的類別標(biāo)簽矩陣；
13、根據(jù)所述訓(xùn)練集對應(yīng)的低秩表達(dá)矩陣和所述類別標(biāo)簽矩陣確定所述線性分類器。
14、在一種實(shí)施方法中，所述低秩字典學(xué)習(xí)優(yōu)化函數(shù)包括：
15、
16、受約束于，
17、其中，為所述訓(xùn)練集，為初始低秩表達(dá)矩陣的核范數(shù)，表示噪聲的范數(shù)，為初始字典，表示弗羅貝尼烏斯范數(shù)的平方，和為參數(shù)。
18、在一種實(shí)施方法中，根據(jù)所述訓(xùn)練集對應(yīng)的低秩表達(dá)矩陣和所述類別標(biāo)簽矩陣確定所述線性分類器，包括：
19、構(gòu)建線性分類器優(yōu)化函數(shù)；
20、根據(jù)所述訓(xùn)練集對應(yīng)的低秩表達(dá)矩陣和所述類別標(biāo)簽矩陣對所述線性分類器優(yōu)化函數(shù)進(jìn)行迭代求解，確定所述線性分類器。
21、在一種實(shí)施方法中，所述線性分類器優(yōu)化函數(shù)包括：
22、，
23、其中，為所述訓(xùn)練集對應(yīng)的低秩表達(dá)矩陣，為所述類別標(biāo)簽矩陣，為初始線性分類器，為所述線性分類器，為參數(shù)，表示弗羅貝尼烏斯范數(shù)的平方。
24、在一種實(shí)施方法中，根據(jù)所述線性分類器、所述字典以及所述光譜特征矩陣確定圖像類別，包括：
25、根據(jù)所述字典對所述光譜特征矩陣進(jìn)行低秩表達(dá)，確定所述光譜特征矩陣對應(yīng)的低秩表達(dá)矩陣；
26、根據(jù)所述線性分類器和所述光譜特征矩陣對應(yīng)的低秩表達(dá)矩陣確定所述圖像類別。
27、第二方面，本專利技術(shù)實(shí)施例還提供一種基于高光譜圖像的路面裂縫檢測裝置，其中，所述基于高光譜圖像的路面裂縫檢測裝置包括無人駕駛智能設(shè)備和搭載在所述無人駕駛智能設(shè)備上的高光譜相機(jī)，其中，所述無人駕駛智能設(shè)備搭載所述高光譜相機(jī)對目標(biāo)路面進(jìn)行高光譜圖像采集，并對采集的所述高光譜圖像進(jìn)行處理和分析，所述無人駕駛智能設(shè)備包括：
28、圖像獲取模塊，用于獲取所述高光譜相機(jī)采集的所述目標(biāo)路面的高光譜圖像；
29、特征提取模塊，用于對所述高光譜圖像進(jìn)行校正和特征提取，確定光譜特征矩陣；
30、類別確定模塊，用于獲取基于低秩字典學(xué)習(xí)得到的線性分類器和字典，根據(jù)所述線性分類器、所述字典以及所述光譜特征矩陣確定圖像類別。
31、第三方面，本專利技術(shù)實(shí)施例還提供一種終端，所述終端包括有存儲器和一個以上處理器；所述存儲器存儲有一個以上的程序；所述程序包含用于執(zhí)行如上述任一所述的基于高光譜圖像的路面裂縫檢測方法的指令；所述處理器用于執(zhí)行所述程序。
32、第四方面，本專利技術(shù)實(shí)施例還提供一種計(jì)算機(jī)可讀存儲介質(zhì)，其上存儲有多條指令，其中，所述指令適用于由處理器加載并執(zhí)行，以實(shí)現(xiàn)上述任一所述的基于高光譜圖像的路面裂縫檢測方法。
33、本專利技術(shù)的有益效果：本專利技術(shù)實(shí)施例基于無人駕駛智能設(shè)備和高光譜相機(jī)采集目標(biāo)路面的高光譜圖像；對高光譜圖像進(jìn)行校正和特征提取確定光譜特征矩陣；根據(jù)光譜特征矩陣和低秩字典學(xué)習(xí)得到的線性分類器、字典確定圖像類別。本專利技術(shù)通過無人駕駛智能設(shè)備和高光譜相機(jī)能夠在短時間內(nèi)完成大面積或復(fù)雜場景的高光譜圖像采集，減少人為操作的誤差和勞動強(qiáng)度，提升工作效率和數(shù)據(jù)質(zhì)量；同時，考慮到高光譜圖像中不同因素的光譜反射值不同，本專利技術(shù)提取高光譜圖像中的光譜特征進(jìn)行圖像分類，解決了現(xiàn)有技術(shù)基于普通相機(jī)采集的圖片進(jìn)行檢測時受到無關(guān)因素干擾的影響，可能會觸發(fā)誤報從而產(chǎn)生偽裂縫的問題。
本文檔來自技高網(wǎng)...【技術(shù)保護(hù)點(diǎn)】
1.一種基于高光譜圖像的路面裂縫檢測方法，其特征在于，所述方法包括：
2.根據(jù)權(quán)利要求1所述的基于高光譜圖像的路面裂縫檢測方法，其特征在于，對所述高光譜圖像進(jìn)行校正和特征提取，確定光譜特征矩陣，包括：
3.根據(jù)權(quán)利要求1所述的基于高光譜圖像的路面裂縫檢測方法，其特征在于，基于低秩字典學(xué)習(xí)得到線性分類器和字典，包括：
4.根據(jù)權(quán)利要求3所述的基于高光譜圖像的路面裂縫檢測方法，其特征在于，所述低秩字典學(xué)習(xí)優(yōu)化函數(shù)包括：
5.根據(jù)權(quán)利要求3所述的基于高光譜圖像的路面裂縫檢測方法，其特征在于，根據(jù)所述訓(xùn)練集對應(yīng)的低秩表達(dá)矩陣和所述類別標(biāo)簽矩陣確定所述線性分類器，包括：
6.根據(jù)權(quán)利要求5所述的基于高光譜圖像的路面裂縫檢測方法，其特征在于，所述線性分類器優(yōu)化函數(shù)包括：
7.根據(jù)權(quán)利要求1所述的基于高光譜圖像的路面裂縫檢測方法，其特征在于，根據(jù)所述線性分類器、所述字典以及所述光譜特征矩陣確定圖像類別，包括：
8.一種基于高光譜圖像的路面裂縫檢測裝置，其特征在于，所述裝置包括無人駕駛智能設(shè)備和搭載在所述無人駕駛
9.一種終端，其特征在于，所述終端包括有存儲器和一個以上處理器；所述存儲器存儲有一個以上的程序；所述程序包含用于執(zhí)行如權(quán)利要求1-7中任一所述的基于高光譜圖像的路面裂縫檢測方法的指令；所述處理器用于執(zhí)行所述程序。
10.一種計(jì)算機(jī)可讀存儲介質(zhì)，其上存儲有多條指令，其特征在于，所述指令適用于由處理器加載并執(zhí)行，以實(shí)現(xiàn)上述權(quán)利要求1-7任一所述的基于高光譜圖像的路面裂縫檢測方法的步驟。
...【技術(shù)特征摘要】
1.一種基于高光譜圖像的路面裂縫檢測方法，其特征在于，所述方法包括：
2.根據(jù)權(quán)利要求1所述的基于高光譜圖像的路面裂縫檢測方法，其特征在于，對所述高光譜圖像進(jìn)行校正和特征提取，確定光譜特征矩陣，包括：
3.根據(jù)權(quán)利要求1所述的基于高光譜圖像的路面裂縫檢測方法，其特征在于，基于低秩字典學(xué)習(xí)得到線性分類器和字典，包括：
4.根據(jù)權(quán)利要求3所述的基于高光譜圖像的路面裂縫檢測方法，其特征在于，所述低秩字典學(xué)習(xí)優(yōu)化函數(shù)包括：
5.根據(jù)權(quán)利要求3所述的基于高光譜圖像的路面裂縫檢測方法，其特征在于，根據(jù)所述訓(xùn)練集對應(yīng)的低秩表達(dá)矩陣和所述類別標(biāo)簽矩陣確定所述線性分類器，包括：
6.根據(jù)權(quán)利要求5所述的基于高光譜圖像的路面裂縫檢測方法，其特征在于，所述線性分類器優(yōu)化函數(shù)包括：
7.根據(jù)權(quán)利要求1所述的基于高光譜圖像的路面...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：陳思怡，王友武，倪一清，
申請(專利權(quán))人：港理大杭州技術(shù)創(chuàng)新研究院有限公司，
類型：發(fā)明
國別省市：
還沒有人留言評論。發(fā)表了對其他瀏覽者有用的留言會獲得科技券。