(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 202210548198.1 (22)申请日 2022.05.20 (71)申请人 江苏智迪建 设工程有限公司 地址 226500 江苏省南 通市如皋市如城街 道福寿西路23 6号 (72)发明人 储开圣　储祥兵　 (74)专利代理 机构 南通华发知识产权代理事务 所(普通合伙) 32662 专利代理师 孙腾 (51)Int.Cl. G06T 7/00(2017.01) G06T 5/00(2006.01) G06T 7/11(2017.01) G06T 7/136(2017.01) G06T 7/62(2017.01)G06V 10/762(2022.01) (54)发明名称 一种钢结构锈蚀识别与分级方法 (57)摘要 本发明涉及钢结构表 面锈蚀识别技术领域， 具体涉及一种钢结构锈蚀识别与分级方法。 该方 法包括： 根据锈蚀图像集中各图像对应锈蚀等级 和各图像的熵获得第一、 第二和第三阈值区间； 利用锈蚀图像集中各图像的空间分布散度， 各图 像中强势区域面积与图像面积的比值的均值、 各 图像的灰度对比度分别获得每个图像的强势因 子； 确定第一、 第二分级指标， 根据第一、 第二、 第 三阈值区间、 第一、 第二分级指标和实时采集钢 结构的锈蚀区域的图像确定钢结构的锈蚀等级。 本发明能够通过实时采集钢结构的锈蚀区域的 图像， 根据图像的多个特征能够全面精准的对钢 结构锈蚀区域的锈蚀程度进行识别和分级， 且在 使用过程中识别和分级的效率高， 能够做到无损 识别。 权利要求书2页 说明书9页 附图1页 CN 115049591 A 2022.09.13 CN 115049591 A 1.一种钢结构锈蚀识别与分级方法， 其特征在于， 该方法包括： 包括所有锈蚀等级的预 设数量的钢结构表面锈蚀区域的图像组成锈蚀图像集； 基于锈蚀图像集中各图像中每个像 素的灰度共生矩阵获得每个像素 的熵， 各图像中像素 的熵的均值分别为各图像的熵； 根据 锈蚀图像集中各图像对应锈蚀等级和各图像的熵获得第一阈值区间、 第二阈值区间和 第三 阈值区间； 基于锈蚀图像集中各图像中像素的逆差距对图像进行分割获得每个图像的锈斑区域 和坑点区域， 记为 强势区域； 获得与每个图像中各强势区域的空间距离最近的强势区域， 记 为邻近区域； 根据每个图像各强势区域的像素数量、 强势 区域与对应的邻近区域之间的距 离获得各图像的空间分布散度； 对锈蚀图像集中各图像中每个强势区域边缘像素的梯度幅值的均值加权求和， 所述加 权求和的结果的均值为每个图像的灰度对比度； 利用锈蚀图像集中各图像的空间分布散 度， 各图像中强势区域面积与图像面积的比值的均值、 各图像的灰度对比度分别获得每个 图像的强势因子； 基于锈蚀图像集中各图像对应锈蚀等级及强势因子、 第一、 第二和第三阈值区间确定 第一分级指标和第二分级指标； 根据第一、 第二、 第三阈值区间、 第一、 第二分级指标和实时 采集钢结构的锈蚀区域的图像确定钢结构的锈蚀等级。 2.根据权利要求1所述的一种钢结构锈蚀识别与分级方法， 其特征在于， 所述锈蚀等级 包括： 专业的人员基于预设数量的钢结构表面锈蚀区域的图像评价刚结构锈蚀的程度获得 锈蚀等级； 锈蚀等级包括： 第一锈蚀等级、 第二锈蚀等级、 第三锈蚀等级、 第四锈蚀等级和 第 五锈蚀等级； 其中， 所述处于第一锈蚀等级的钢结构的锈蚀程度最低， 处于第五锈蚀等级的 钢结构的锈蚀程度最高。 3.根据权利要求1所述的一种钢结构锈蚀识别与分级方法， 其特征在于， 所述获得第 一 阈值区间、 第二阈值区间和第三阈值区间包括： 为第三锈蚀等级的锈蚀图像集中的图像的 熵在第一阈值区间内； 为第二锈蚀等级和 第四锈蚀等级的锈蚀图像集中的图像的熵在第二 阈值区间内； 为第一锈蚀等级和 第五锈蚀等级的锈蚀图像集中的图像的熵在第三阈值区间 内。 4.根据权利要求1所述的一种钢结构锈蚀识别与分级方法， 其特征在于， 在所述获得各 图像的空间分布散度之前还包括： 基于锈蚀图像集中每个图像中的各强势区域的像素的数 量将每个图像中的所有强势区域划分为小 范围强势区域和大范围强势区域； 基于每个图像 内强势区域的数量、 小范围强势 区域的数量、 所有强势区域像素 的数量和所有小范围强势 区域的像素的数量获得每个图像中小 范围区域的均衡因子； 所述每个图像内强势区域的数 量以及每个图像中所有强势 区域像素的数量与每个图像中小范围强势 区域的均衡因子成 正相关关系， 每个图像内小范围强势区域的数量以及每个图像内所有小 范围强势区域的像 素的数量与每个图像中小 范围强势区域的均衡因子成负相关关系； 同理获得锈蚀图像集中 每个图像中大范围强势区域的均衡因子， 获得锈蚀图像集中每个图像中各强势区域的均衡 因子。 5.根据权利要求1所述的一种钢结构锈蚀识别与分级方法， 其特征在于， 所述空间分布 散度为：权　利　要　求　书 1/2 页 2 CN 115049591 A 2其中， 表示锈蚀 图像集中一个图像的一个强势区域 的空间分布散度； D表示该图像中 所有强势 区域的数量； 表示第i个强势区域的均衡因子； 表示该图像中第i个强势区域 内像素的数量； 表示第i个强势区域内像素的数量与其对应的邻近区域 的内像素的数量 的比值， 所述比值为较大的像素数量比上较小的像素数量； 表示该图像中第i个强势区域 的中心点的坐标， 表示该图像中第i个强势区域对应的邻近区域的中心点的坐标。 6.根据权利要求1所述的一种钢结构锈蚀识别与分级方法， 其特征在于， 所述灰度对比 度为： 其中， 表示锈蚀图像集中一个图像的一个强势 区域的灰度对比度； D表示该图像中强 势区域的数量； 表示该图像中第i个强势区域内像素的数量， 表示该图像内所 有像素的数量； 表示该图像内第i个强势区域的边 缘像素梯度幅值的均值。 7.根据权利要求1所述的一种钢结构锈蚀识别与分级方法， 其特征在于， 所述强势因子 包括： 锈蚀图像集中各图像的空间分布散度， 各图像中强势区域面积与图像面积的比值的 均值、 各图像的灰度对比度与各图像的强势因子成正相关 关系。 8.根据权利要求1所述的一种钢结构锈蚀识别与分级方法， 其特征在于， 所述确定第 一 分级指标和第二分级指标包括： 获得锈蚀图像集中图像的熵在第二阈值区间内的图像， 将 熵在第二阈值区间内的图像的强势因子按照升序的顺序进行排列， 形成第一序列； 第一序 列的中值为第一分级指标； 将锈蚀图像集中图像的熵在第三阈值区间内的图像的强势因子 按照升序的顺序进行排列， 形成第二序列； 第二序列的中值 为第二分级指标。 9.根据权利要求1所述的一种钢结构锈蚀识别与分级方法， 其特征在于， 所述根据第 一、 第二、 第三阈值区间、 第一、 第二分级指标和实时采集钢 结构的锈蚀区域的图像确定钢 结构的锈蚀等级包括； 实地采集钢结构表面锈蚀的区域的图像， 获得图像的熵， 当熵在第一 阈值区间内， 则钢结构的锈蚀等级为第三锈蚀等级； 当熵在第二阈值区间内， 获得图像的强 势因子， 若强势因子大于等于第一分级指标， 则刚结构的锈蚀等级为第二锈蚀等级， 若小于 第一分级指标， 则钢结构的锈蚀等级为第四锈蚀等级； 当熵在第三阈值区间内， 获得图像的 强势因子， 若强势因子大于等于第二分级指标， 则钢结构的锈蚀等级为第一锈蚀等级， 若小 于第二分级指标， 则钢结构的锈蚀等级为第五锈蚀等级。权　利　要　求　书 2/2 页 3 CN 115049591 A 3