本发明涉及一种市政路桥表观病害目标检测结果修正的方法及设备。
背景技术：
1、市政路桥常见的表观病害包括混凝土裂缝、剥落掉角、露筋锈蚀、渗水泛碱及桥面系破损等，各类型病害表现出不同的视觉特征，如露筋锈蚀表现为表层混凝土脱落、钢筋裸露锈蚀；渗水泛碱表现为混凝土表面留有明显的水渍或白色絮状结晶体。基于此，可应用目标检测方法实现桥梁表观病害的智能诊断。
2、目前，目标检测框描述的矩形区域大致确定了目标对象的位置，但未提供针对目标几何特征的详细描述，无法直接用于病害的量化分析。同时，yolo算法基于卷积神经网络生成检测框的类别、位置信息和置信度，然而由于目标病害特征、数据集限制、视角和尺度变化等因素影响，检测框存在两种预测偏差：
3、定位偏差，即检测框中心点与目标中心不匹配；
4、尺度偏差，检测框尺度与目标对象实际大小不一致，往往表现为大尺度目标被划分至多个小尺度检测框且覆盖不完全。
技术实现思路
1、本发明的目的在于提供一种市政路桥表观病害目标检测结果修正的方法及设备。
2、为解决上述问题，本发明提供一种市政路桥表观病害目标检测结果修正的方法，包括：
3、步骤1：采集表观病害影像，并确定表观病害影像的表观病害类型；
4、步骤2：基于带有检测框标记的图像、检测框的表观病害类型和检测框的几何信息，提取表观病害的边缘特征；
5、步骤3：基于表观病害最终的边缘特征，修正细化边缘后的图像中检测框的定位偏差与尺度偏差。
6、进一步的，在上述方法中，步骤1：采集表观病害影像，并确定表观病害影像的表观病害类型，包括：
7、步骤1.1：从任意角度和位置拍摄对象的表观病害区域，生成各张表观病害影像；
8、步骤1.2：记录各种类型表观病害的视觉特征，基于视觉特征定义表观病害类型，得到各个表观病害类型；
9、步骤1.3：根据预设的图像目标检测模型，对表观病害影像集合p中的图像进行目标检测；其中，预设的图像目标模型用于自动识别定义的表观病害类型。
10、进一步的，在上述方法中，步骤2：基于带有检测框标记的图像、检测框的表观病害类型和检测框的几何信息，提取表观病害的边缘特征，包括：
11、步骤2.1：将带有检测框标记的图像转换为灰度图像，并对灰度图像进行高斯滤波、平滑图像和去除噪声，以得到处理后的图像；
12、步骤2.2：利用m*m大小的差分模板计算处理后的图像的梯度，获取处理后的图像中的每个像素点的梯度幅值和梯度方向，并对梯度幅值进行非极大值抑制，以得到细化边缘后的图像；
13、步骤2.3：构建三阈值分割方法；基于三阈值分割方法和细化边缘后的图像中，确定强边缘像素点和弱边缘像素点；
14、步骤2.4：通过连接强边缘像素点和弱边缘像素点，确定表观病害最终的边缘。
15、进一步的，在上述方法中，步骤2.3：构建三阈值分割方法；基于三阈值分割方法和细化边缘后的图像中，确定强边缘像素点和弱边缘像素点，包括：
16、步骤2.3.1：基于细化边缘后的图像，通过最大类间方差法确定阈值 δ；
17、假设细化边缘后的图像的灰度级范围为[ 0, l-1]，将细化边缘后的图像中的像素点划分为两类：第一类灰度级在[ 0, t]之间，占全幅比值 p 0，第一类灰度级的平均灰度级 u 0；第二类灰度级在[ t, l-1]之间，占全幅比值 p 1，第二类灰度级的平均灰度级 u 1；用 u表示图像总平均灰度， σ 2表示类间方差，则有：
18、 (1)
19、 (2)
20、其中， l代表图像的灰度级范围的最大值；之后遍历所有可能的阈值 t， t的取值为 0到 l中的整数；对于每个 t计算对应的类间方差 σ 2；当 σ 2最大时，有最佳灰度级的阈值 δ；
21、步骤2.3.2：设置最高阈值 δ h = δ，同时，增设中阈值 δ m = 0.7 δ、低阈值 δ l = 0.4 δ；定义边缘点包括：强边缘像素点、弱边缘像素点和非边缘像素点；
22、步骤2.3.3：如果像素的梯度幅值大于 δ h，则该像素点为强边缘像素点，予以保留该像素点；
23、步骤2.3.4：如果像素的梯度幅值小于 δ l，则该像素点为非边缘像素点，予以舍弃该像素点；
24、步骤2.3.5：如果像素的梯度幅值在 δ h ~ δ m之间，则搜索该像素点的8邻域内是否有强边缘像素点，若存在一个及以上的强边缘，则判定该像素点为强边缘像素点，予以保留该像素点；否则，判定为弱边缘像素点，予以保留该像素点；
25、步骤2.3.6：若像素点的梯度幅值在 δ m ~δ l之间，则搜索该像素点的8邻域内是否有强边缘像素点和弱边缘像素点，若存在一个及以上的强边缘像素点或者两个及以上的弱边缘像素点，则判定该像素点为弱边缘的像素点，予以保留该像素点；否则，为非边缘像素点，予以舍弃该像素点。
26、进一步的，在上述方法中，步骤2.4：通过连接强边缘像素点和弱边缘像素点，确定表观病害最终的边缘，包括：
27、保留与强边缘的像素点连接的弱边缘的像素点；若弱边缘的像素点的8邻域内无其他强边缘像素点或弱边缘像素点，则判定此弱边缘像素点为孤立的像素点，则舍弃该孤立的弱边缘像素点；通过连接当前保留的强边缘像素点和弱边缘像素点，确定表观病害最终的边缘特征。
28、进一步的，在上述方法中，步骤3：基于表观病害最终的边缘特征，修正细化边缘后的图像中检测框的定位偏差与尺度偏差，包括：
29、步骤3.1：针对细化边缘后的图像中检测框的定位偏差，通过检测框边界上的边缘点的数量构建缓冲区，调整检测框位置；
30、步骤3.2：针对检测框与目标尺度不匹配，尤其是大尺度目标被小尺寸目标预测框切割的问题，构建一种单一对象关联与合并策略。
31、进一步的，在上述方法中，步骤3.1：针对细化边缘后的图像中检测框的定位偏差，通过检测框边界上的边缘点的数量构建缓冲区，调整检测框位置，包括：
32、步骤3.1.1：表观病害的最终的边缘特征是由连续的边缘点组成，取指向最终的边缘外侧的梯度方向作为边缘点的梯度方向；
33、步骤3.1.2：检测框可能出现的定位偏差划分四种特征如下：
34、(a)检测框的某边存在若干边缘点，且存在一个或多个边缘点只有一个相邻边缘点；
35、(b)检测框的某相邻两边各存在若干边缘点，且存在一个或多个边缘点只有一个相邻边缘点；
36、(c)检测框的某不相邻两边各存在若干边缘点，且存在一个或多个边缘点只有一个相邻边缘点；
37、(d)检测框的任意三边各存在若干边缘点，且存在一个或多个边缘点只有一个相邻边缘点；
38、步骤3.1.3：判定检测框的边线上是否存在仅有一个相邻边缘点的边缘点；若有则沿垂直该边的方向，向外单次拓展 j个像素，构建出缓冲区；
39、步骤3.1.4：根据步骤2的方法，再次提取缓冲区内的表观病害的边缘特征；
40、步骤3.1.5：基于提取到的缓冲区内的表观病害的边缘特征，并根据步骤3.1.2和3.1.3的方法，再次判定缓冲区与表观病害的边缘点的位置关系，并调整缓冲区的边缘点；
41、步骤3.1.6：重复步骤3.1.3至3.1.5，直到检测框内表观病害的边缘点围成轮廓完整闭合。
42、进一步的，在上述方法中， 步骤3.2：针对检测框与目标尺度不匹配，尤其是大尺度目标被小尺寸目标预测框切割的问题，构建一种单一对象关联与合并策略，包括：
43、步骤3.2.1：对于两重叠的相同表观病害类型的检测框anchor_l和anchor_s，若(anchor_l - anchor_s) / anchor_s > k%，则直接合并检测框anchor_s与anchor_l ；其中，k%表示重叠度；
44、步骤3.2.2：对于两相邻的相同表观病害类型的检测框，基于步骤3.1.1至步骤3.1.3，分别构建两检测框的缓冲区；若构建缓冲区后的两检测框出现交集，则认为两检测框内的表观病害为同一对象，对两检测框跨框合并后，再进一步基于步骤3.1.4至步骤3.1.6，提取表观病害的边缘，否则，基于步骤3.1.4至步骤3.1.6，仅对修正后的两检测框内的表观病害提取边缘。
45、根据本发明的另一方面，还提供一种计算机可读存储介质，其上存储有计算机可执行指令，其中，该计算机可执行指令被处理器执行时使得该处理器：采用上述任一项所述的方法。
46、根据本发明的另一方面，还提供一种计算器设备，其中，包括：
47、处理器；以及
48、被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器：采用上述任一项所述的方法。
49、与现有技术相比，为解决上述目标检测框区域的一系列问题，本发明提出了一种市政路桥表观病害目标检测结果修正的方法，该方法借助目标检测算法自动识别市政路桥表观病害要素，基于计算机视觉技术提取表观病害边缘信息，进而根据边缘点的梯度方向构建缓冲区，解决目标检测框的尺寸偏差与定位偏差；此外，通过优化边界检测算法中梯度方向和阈值分割策略，提高算法的自适应能力，保证边缘提取的准确率和连续性；构建单一对象关联与合并策略，保证目标对象的尺度一致性。最终，为市政工作中路桥表观病害的目标检测提供一种高效、准确的解决方案。
50、本发明为了更细致地判断像素点的梯度方向及和邻域像素的关系，适应表观病害边缘梯度方向的多样性，将梯度方向划分成如图2所示的6个区间；本发明采用改进的三阈值分割检测方法，提高算法的自适应能力，保证边缘提取的准确率和连续性；本发明通过检测框边界上的边缘点数量来构建缓冲区，调整检测框位置，实现检测框的定位偏差修正；本发明提出一种单一对象关联与合并策略，解决检测框与目标尺度不匹配，尤其是大尺度目标被小尺寸目标预测框切割的问题；本发明能快速准确测定市政路桥表观病害几何信息，有效指导桥梁管养工作。
1.一种市政路桥表观病害目标检测结果修正的方法，其特征在于，包括：
2.如权利要求1所述的市政路桥表观病害目标检测结果修正的方法，其特征在于，步骤1：采集表观病害影像，并确定表观病害影像的表观病害类型，包括：
3.如权利要求2所述的市政路桥表观病害目标检测结果修正的方法，其特征在于，步骤2：基于带有检测框标记的图像、检测框的表观病害类型和检测框的几何信息，提取表观病害的边缘特征，包括：
4.如权利要求3所述的市政路桥表观病害目标检测结果修正的方法，其特征在于，步骤2.3：构建三阈值分割方法；基于三阈值分割方法和细化边缘后的图像中，确定强边缘像素点和弱边缘像素点，包括：
5.如权利要求4所述的市政路桥表观病害目标检测结果修正的方法，其特征在于，步骤2.4：通过连接强边缘像素点和弱边缘像素点，确定表观病害最终的边缘，包括：
6.如权利要求5所述的市政路桥表观病害目标检测结果修正的方法，其特征在于，步骤3：基于表观病害最终的边缘特征，修正细化边缘后的图像中检测框的定位偏差与尺度偏差，包括：
7.如权利要求6所述的市政路桥表观病害目标检测结果修正的方法，其特征在于，步骤3.1：针对细化边缘后的图像中检测框的定位偏差，通过检测框边界上的边缘点的数量构建缓冲区，调整检测框位置，包括：
8.如权利要求1所述的市政路桥表观病害目标检测结果修正的方法，其特征在于， 步骤3.2：针对检测框与目标尺度不匹配，大尺度目标被小尺寸目标预测框切割的问题，构建一种单一对象关联与合并策略，包括：
9.一种计算机可读存储介质，其上存储有计算机可执行指令，其中，该计算机可执行指令被处理器执行时使得该处理器：采用如权利要求1至8任一项所述的方法。
10.一种计算器设备，其中，包括：
