基于图像处理的桥梁裂缝远程精密检测方法
摘要：裂缝检测是桥梁子结构检测中最重要的一步。然而，传统的裂纹检测方法是主观的、昂贵的。因此，提出了基于图像处理的裂纹检测技术。本文提出了一种长距离图像采集装置和一种完整的图像处理方法，以实现裂纹的精确提取。该方法由三个部分组成。首先，实现了裂纹提取的一般步骤，包括图像裁剪、增强、平滑、分割、裂纹标记和旋转。其次，采用电子测距算法计算裂纹宽度(毫米)。最后，提出了一种改进的基于C-V模型的图像分割算法。对在不同条件下采集到的1000幅桥梁图像进行了评价。实验结果表明，改进后的算法能有效地提高检测精度，缩短运行时间。2013年Elsevier B.V.保留所有权利。
1、简介
裂缝是桥梁结构破坏的最早迹象之一。传统的裂纹检测方法是由经验丰富的检测人员手工标记裂纹并用肉眼读取裂缝宽度的方法实现的。然而，这种检测方法非常昂贵、耗时、危险、劳动密集和主观[1，2]。因此，需要基于图像处理的裂纹检测方法来获取客观、准确的数据。基于图像处理的桥梁裂缝检测方法一直受到研究者的重视。裂缝是混凝土桥梁图像的敏感区域，它为图像分割提供了最重要的信息。由于光照不均匀、混凝土表面污染和裂缝类型的变化，图像分割成为裂缝提取过程中的一个棘手步骤。Abdelqader分别比较了基于小波变换、傅里叶变换、Sobel和Canny的图像分割算法的结果[3]。Hutchinson提出了一种结合小波变换和Canny变换(4)从混凝土结构图像中提取裂缝的方法。这些传统的图像分割算法能够在光照均匀、不受噪声影响的情况下，完全提取裂纹边缘。Navon还提出了一种自适应阈值算法来解决图像分割问题[5]。Iyer用数学形态学算法对桥梁裂缝进行图像分割[6] 于设计了裂缝识别系统，并将Dijkstra算法应用于路面隧道裂缝识别，但识别精度较低。Sinha应用机器视觉技术识别和分类混凝土管道内部裂缝[8]。Zou提出了一种基于CrackTree的路面裂缝图像分割算法，能够从非均匀光照下的路面图像中提取裂缝。Je-Keun设计了一种用于桥梁子结构的悬臂式车载裂缝检测系统，该系统采用Canny算法提取裂缝。其裂纹检出率可达96.7%，平均误差小于0.023 mm[10]。朱先生提出了一种基于图像识别的震后建筑物裂缝检测算法，该算法可以提取裂缝的长度、宽度和方向[11]。山口和桥本提出了一种基于混凝土表面渗流的裂缝识别算法。它们的算法取得了良好的图像分割效果和较高的计算速度[12]。近年来，基于水平集的图像分割方法能够直观、自然地表达图像的区域和边界。因此，这些方法更接近于图像分割的定义。此外，水平集所取得的结果不需要进行后处理，如边缘连接和区域合并。因此，水平集已经成为图像分割领域的研究热点[13，14]。同样，基于区域活动轮廓模型的图像分割算法在具有有效灰度范围的目标识别中具有良好的分割效果[15，16]。在背景复杂、边缘模糊的情况下，C-V模型也能获得理想的分割结果。然而，C-V模型总是假设图像的目标和背景有各自的均匀灰度值。 由于混凝土桥梁的表面长期暴露在室外环境中，桥梁裂缝中含有很大的噪声。因此，很难从桥梁子结构的图像中直接获得C-V模型的理想结果。
鉴于噪声对桥梁裂缝图像的影响很大，本文将C-V模型应用于桥梁图像分割。
同时，边缘像素作为C-V模式边缘像素存储在阵列中. 随后，利用Canny算法在上述C-V模式边缘像素附近寻找新的边缘像素。在此基础上，得到了较高精度的边缘像元。最后，通过图像剪辑、图像FI和旋转变换获得裂纹的精确宽度
2.裂缝检测系统的描述
2.1.桥梁检查的目的
考虑到各种因素，桥梁的子结构每年都会出现裂缝、坑洞、渗漏等损伤。在这些损伤中，裂缝成为决定桥梁损伤程度的最重要特征。裂缝的出现和产生是由于缺乏维护，收缩是由于温度的快速变化，收缩和膨胀之间的波动是由于温度的变化，以及部分地基膨胀带来的额外载荷。
在大多数情况下，桥梁在室外实施。 特别是在桥下，检查人员有一个安全问题。检查人员必须站在临时脚手架上，以观察一座实用桥梁的安全状况。如图1(A)所示，搭建脚手架时可能发生工业事故。除了降低成本外，改善工作环境已成为桥梁检查的主要考虑因素之一。由于安全原因，桥梁检测车被广泛用于裂缝检测，如图1(B)所示。然而，桥梁检查车辆是非常昂贵的，必须关闭一条车道，以检测裂缝。通过站在脚手架或桥梁检查车辆上，检查员可以用显微镜在短距离观察裂缝，如图1(C)所示。在阅读了显微镜上的裂缝信息后，检查人员用粉笔书写并标记裂缝旁边的宽度，如图1(D)所示。利用上述过程，可以收集裂纹信息，但这些过程是劳动密集、主观和高风险的。
为了满足检测要求，裂纹宽度的测量结果必须精确到0.1mm，测量误差小于0.05mm。此外，检查人员还可以很容易地得到离20米远的裂缝的精确宽度。此外，必须指出的是，没有通道进入被检查的跨度(河流、公路或铁路)下的区域。为此，提供了一种高精度图像采集装置和图像处理软件。
2.2.裂纹检测系统配置
该裂纹检测系统由图像采集装置、机械保持架、红外测距仪、角度传感器、图像处理软件和数据存储装置组成。该系统采集和存储桥梁子结构图像，测量距离和角度信息，增强裂缝和无裂纹区域的对比度分布，利用轮廓变换最小化图像噪声，自适应地调节阈值、夹子裂缝面积、标记裂缝面积和计算裂缝宽度。系统配置如图2所示。
图像采集装置的配置是：CCD数字单镜头反射式摄像机、焦距500 mm远距离运动器、自动对焦装置的控制装置、机械手、闪光灯、红外测距仪和角度传感器来测量距离和拍摄角度，如图3所示。提供了用于存储图像、距离和角度信息的膝上型计算机。同时，膝上型电脑允许摄像机由检查人员进行聚焦和控制。
图像处理软件从图像中提取和计算数值裂纹信息。该方法可精确提取裂纹宽度，精度为0.1mm，测量误差小于0.05mm。裂纹检测系统提供了有助于确定是否需要对结构进行额外检查的信息。
3.裂纹提取算法
3.1.裂纹提取的一般步骤
裂缝和背景区域是根据各自的对比度值来区分的。完全自动图像处理目前是有限的，因为准确的结果是难以获得的不可预测的环境。因此，本文实现了一种半自动的完整裂纹检测算法，如图4所示。该算法的步骤如下：
第一步：从不均匀光照图像中提取裂纹边缘是非常困难的。为了简化这个问题，我们使用一个可调节的窗口来剪辑我们想要测量的敏感区域，如图4(A)所示。从图4(B)可以看出，剪裁区域的图像具有平滑的照明。
第二步：为了减少噪声的影响，提出了一种基于小波的图像增强、平滑和去噪算法。这些函数如图4(c-e)所示。
第三步：在上述图像预处理步骤之后，通过修正的C-V模型将图像分割成二值图像。结果如图4(F)所示。
第四步：为了计算裂纹宽度，二值图像上的每一个连续裂纹边缘都被一组数字标记，如图4(G)所示。然后选取最大裂缝作为宽度计算的代表。所选裂纹如图4(H)所示。最后，为了精确计算裂缝宽度的像素数，将选定的裂纹旋转到水平方向。通过上述步骤，可以计算裂纹像素的数目，然后可以测量裂缝的宽度，如图4(I)所示。为了减小计算误差，采用最大值、最小值和平均值来计算裂纹宽度。
3.2.用像素对毫米测量裂纹宽度
从图4(I)中可以看出，裂纹宽度像素的数目可以由计算机自动计数。然而，裂纹宽度在毫米范围内对检验员更有意义。在这一部分中，我们给出了一种利用电子测距计算宽度(毫米)的算法。我们知道，物体的距离是从透镜的光心到物体表面的距离。根据这一透镜原理，我们建立了像素数与实际物理宽度之间的转换方程，如图5所示。
根据摄像机成像高斯公式，将目标距离与图像距离的相关性计算为方程。(1)
(1)
其中u是物体距离，v是图像距离。F是摄影师可以设定的焦距。根据工程需要，f设置为1000毫米。
我们假设物体平面与图像平面平行，如图5所示。实际物理宽度与像素数之间的相关性用公式表示。(2)
(2)
其中L是裂缝的实际物理宽度，l是图像中裂纹的像素数。在公式(2)中引入公式(1)，得到方程。(3)
(3)
从方程(3)可知，裂纹的实际物理宽度仅与图像距离和焦距有关。对于所选摄像机，成像面积为atimes;b，图像分辨率为S1times;S2，如图6所示。以纵向裂缝为例。我们计算它的像素宽度，并表示为M1。图像距离表示为L1。根据CCD的水平长度与像素数之间的关系，得出了方程(4)
(4)
其中a是CCD长侧的成像尺寸，S1是CCD长侧的像素数。根据上述公式，我们得到裂纹宽度的像素长度，如方程(5)所示
(5)
在公式(3)中引入公式(5)，得到公式(6)。
(6)
采用同样的方法，得到了水平裂纹的方程(7)。
(7)其中b是CCD短侧的成像大小，s2是CCD短侧的像素数。
总之，公式(6)和(7)是测量裂纹宽度(毫米)的方法。
3.3.改进的C-V模型算法在图像分割中的应用
图像分割是桥梁子结构裂缝提取的关键步骤。C-V模型可以提取连续、封闭的裂纹边缘，但定位精度较低.另一方面，Canny算子在目标提取方面具有较高的检测精度和定位精度，但具有连续边缘。为了弥补C-V模型和Canny算子各自的不足，本文提出了一种将Canny算子与C-V模型相结合的改进算法。我们的算法步骤如下
对于域Omega;中的给定图像I，C-V模型是通过最小化以下能量函数来建立的：
(8)
其中c0和c1是等高线的内外平均强度。
通过在方程(8)中加入长度和面积能量项，并将它们最小化，我们得到了相应的变分水平集公式如下：
(9)
其中mu;ge;0、vge;0、lambda;1gt;0和lambda;2gt;0是固定参数，mu;控制零点集的平滑性，v提高传播速度，lambda;1和lambda;2分别控制轮廓内外的图像数据驱动力。nabla;是梯度算子。H(ϕ)是Heaviside函数，
步骤1：将初始轮廓定义为c0，初始水平集函数定义为ϕ0(x，y)，迭代定义为n。
步骤2：使用表达式ϕ0(x，y)计算内部和外部等值线的平均灰度值，这些等值线表示为C0和C1。然后利用欧拉-拉格朗日方程的有限差分离散来计算新的水平集函数ϕ1。然后，将水平集函数重新初始化为有符号距离函数.
步骤3：估计循环检测是否达到迭代n。如果没有，重复步骤2。如果是，那么将C-V裂纹边缘点的坐标值存储到指定的数组中。我们知道，C-V模型是在两个齐次区域的前提下建立的.然而，裂纹图像的强度分布不能仅用两个均匀区域来描述。另一方面，Canny算子具有良好的边缘提取性能。它在等式(10)中显示。
(10)
用代替方程(9)中表示为ϕ的曲线平面函数。在此基础上，我们得到了一条表示为方程(11)的零水平集曲线。
(11)
Canny算子采用无极大值约束和边缘连接技术抑制图像噪声.因此，它可以得到图像的精化边缘。它弥补了C-V模型在精细描述裂纹边缘方面的不足。
步骤4：读取由C-V模型提取并存储在第3步数组中的边缘点的5times;5邻域的灰度值。然后将这些值替换为等式(11)，然后，利用Canny算子判断准则，确定处理点是否是裂纹的边缘。使用其他指定的数组存储裂纹边缘点的新坐标值。
步骤5：读出边缘点的所有坐标值，以及水平和垂直方向上的最大和最小坐标值。比较最大值和最小值的差异来估计裂缝的方向。
步骤6：根据裂缝的方向，使用行扫描或列扫描从C-V模型的结果数组中读取一行或列。随后，从Canny数组中读取边缘点的同一行或列坐标值，以估计这些点是否重合。如果是这样的话，使用这些点来替换C-V边点.如果没有，则保持数组不变，然后继续到下一行。循环，检测所有阵列，并输出裂纹检测图像的结果。
4.实验与分析
全文共11773字，剩余内容已隐藏，支付完成后下载完整资料
资料编号：[2897]
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
