橋梁裂痕檢測與識別方法

洪漢玉,章秀華,葉佳倫,荊根強

(1.武漢工程大學(xué)圖像處理與智能控制研究所，湖北 武漢 430205；2.交通運輸部公路科學(xué)研究所, 北京 100088)

0 引 言

裂痕對在役鋼筋混凝土橋梁的承載能力、耐久性能、環(huán)境保護(hù)、交通安全等都會造成不利的影響,因此橋梁的裂痕檢測是橋梁安全檢查工作中的重要內(nèi)容之一.傳統(tǒng)的基于人工視覺識別橋梁裂痕的方法存在著成本高、危險性大、效率低、識別精度低等諸多缺點，且難以實現(xiàn)準(zhǔn)確而全面的裂痕探測.隨著計算機軟件、硬件技術(shù)的飛速發(fā)展，高速大容量存儲器不斷涌現(xiàn)，圖像采集、處理及模式識別技術(shù)水平也得以迅速提升，這使得基于圖像處理的橋梁病害自動檢測技術(shù)成為可能[1].近年來，基于圖像分析的橋梁裂痕識別系統(tǒng)在橋梁養(yǎng)護(hù)領(lǐng)域得到了廣泛研究，如許薛軍等[2]采用棋盤格角點求解像素率和進(jìn)行邊緣檢測來計算橋梁裂痕寬度，魏武等利用小波和Radon變換來達(dá)到橋梁裂痕檢測的目的[3]，于泳波等在檢測橋梁裂痕過程中采用了基于連通域的方法[4].還有很多學(xué)者也在這方面做了大量研究.但橋梁裂痕的檢測有其自身的特點和處理的難點問題，因此迄今仍未有一種方法能完善地解決橋梁裂痕檢測過程所遇到的所有問題，因此，設(shè)計完善的橋梁裂痕自動識別系統(tǒng)是當(dāng)前亟待解決的熱點、難點問題.筆者采用了圖像去模糊處理，利用非負(fù)特征提取橋梁裂痕信息，并利用方差特征去噪及圓投影特征進(jìn)行目標(biāo)裂痕信息增強，達(dá)到準(zhǔn)確、完整提取橋梁裂痕的目的.

1 橋梁裂痕圖像特征

橋梁病害因橋梁類型不同而有不同的表現(xiàn)形式，例如梁橋、拱橋、剛構(gòu)橋、斜拉橋、懸索橋等因其結(jié)構(gòu)和材料的差異，受力損壞的形式也相差甚遠(yuǎn).因此,橋梁病害在圖像上也有多種不同表現(xiàn)，如圖1所示.因此，在對橋梁病害圖像檢測之前，需要先對橋梁裂痕圖像特征進(jìn)行分析.瀝青橋面鋪裝病害的表現(xiàn)形式與瀝青路面類似，可以使用相同的自動識別算法，本研究所涉及的橋梁病害識別以混凝土結(jié)構(gòu)病害為主.由于橋梁所處環(huán)境的特殊性和施工的復(fù)雜性，給圖像采集造成了很大難度，因此現(xiàn)場采集到的裂縫圖像容易出現(xiàn)模糊現(xiàn)象，又由于施工過程中多種人為因素的干擾，橋面裂痕圖像也會具有裂痕特征不明顯、雜質(zhì)干擾大等特點.

圖1 梁式橋混凝土結(jié)構(gòu)常見病害類型Fig.1 The common distress type of beton concrete girder bridge

2 橋梁裂痕病害檢測

根據(jù)病害的特點,首先對橋梁裂痕病害進(jìn)行去模糊處理，然后提取病害特征，接著對偽特征進(jìn)行濾除,并利用圓投影特征增強目標(biāo)裂痕信息，最后得到橋梁裂痕圖像提取結(jié)果，如圖2所示.

圖2 橋梁病害識別算法流程圖Fig.2 Flow of bridge distress recognition algorithm

2.1 去模糊處理

由于橋梁周邊環(huán)境的限制以及天氣狀況等條件的影響，在橋梁病害圖像采集過程中，往往會由于對焦不準(zhǔn)確、雨霧天氣或灰塵遮擋鏡頭等因素導(dǎo)致所獲取的橋梁病害圖像存在模糊現(xiàn)象.因此，在圖像檢測時，首先必須對其進(jìn)行去模糊處理.

由于橋梁病害圖像模糊的不確定性，筆者采用統(tǒng)一復(fù)原方法去模糊[5-6]，其模型為：

(1)

2.2 橋梁病害特征提取

對橋梁病害圖像進(jìn)行去模糊處理后，需要提取橋梁的裂痕病害信息.筆者發(fā)現(xiàn)橋梁病害的灰度值與周圍像素灰度值存在明顯差異[7]，這一特征稱為非負(fù)特征，利用非負(fù)特征提取橋梁病害信息，其模型為：

(2)

式(2)中：Pi,j為當(dāng)前點像素值；Pi+s,j+t為滑動窗口內(nèi)與當(dāng)前點為鄰的像素值.

2.3 橋梁病害偽特征濾除

經(jīng)過去模糊處理并提取病害特征,可初步發(fā)現(xiàn)裂痕病害特征強度圖,但由于雜波及復(fù)雜光照的干擾，特征強度圖上有許多偽特征,因此偽特征消除是關(guān)鍵技術(shù).主要步驟包括噪聲消除和圓投影增強目標(biāo)信息.

2.3.1 噪聲消除 非負(fù)特征提取后，病害信息得到了凸顯，但特征圖中存在大量的偽特征，其表現(xiàn)為孤立不連續(xù)的噪聲點，需要濾掉這些噪聲.首先進(jìn)行初步去噪，病害區(qū)域與背景噪聲區(qū)域在灰度上有兩方面的區(qū)別：一是病害區(qū)域的灰度均值比較大，背景區(qū)域灰度值很??；二是病害區(qū)域有裂痕等病害出現(xiàn)，灰度值會從很低突變到很高，或從很高迅速降到很低，灰度值會出現(xiàn)較大波動，病害區(qū)域內(nèi)灰度方差值會較大.

通過統(tǒng)計每個點所在區(qū)域內(nèi)的灰度均值m1以及灰度方差值σ1，將它們與整幅圖像的灰度均值m以及灰度方差值σ比較，如果滿足m1>m且σ1>σ，那么可以認(rèn)為該點是潛在的裂痕特征點，否則為噪聲點.

2.3.2 圓投影增強目標(biāo)信息 利用圓投影可判斷區(qū)域內(nèi)各點在不同角度線上的分布情況，通過統(tǒng)計各點分布情況可以有效地判斷點是否在同一條角度線上，從而達(dá)到對不在同一條線上的點進(jìn)行去噪的目的.

圓投影示意圖如圖3所示，以當(dāng)前點O為圓心、R為半徑的區(qū)域內(nèi)建立極坐標(biāo)系，其中O點為極點，OX為極軸.將此極坐標(biāo)系變換成直角坐標(biāo)系，以極軸OX為直角坐標(biāo)系的x軸正半軸，以θ=π/2的射線作為y軸正半軸，以極點O為坐標(biāo)原點，建立一個直角坐標(biāo)系.設(shè)M為平面上的一點，則它的直角坐標(biāo)為(x,y),極坐標(biāo)為(ρ,θ).

可得圓投影變換公式：

(3)

圖3 圓投影示意圖Fig.3 Illustration diagram of circle projection

對圖像圓形區(qū)域進(jìn)行圓投影后，可得到在不同角度方向上點的分布情況.由于裂痕上的點具有連續(xù)性分布在一條線上，相反地，噪聲點會散亂分布，因此可以判斷當(dāng)前點是否為噪聲點，由此通過圓投影，將特征信息增強，同時進(jìn)一步消除剩余噪聲.

3 實驗結(jié)果與分析

為測試該算法的效果及性能，在微機(Pentium IV, 2.40 GHz, 1 G)上對橋梁裂痕病害圖像進(jìn)行一系列的測試.

3.1 去模糊前后特征提取對比實驗

圖4(a)是一張橋梁裂痕病害圖像，比較模糊.圖4(b)是去模糊處理后的橋梁病害圖像，去模糊后的病害圖像比較清晰.分別對圖4(a)和圖4(b)進(jìn)行檢測，得到圖4(c)和圖4(d)，從圖4(c)和圖4(d)結(jié)果對比中可以看出，去模糊后才能檢測出橋梁裂痕信息.

圖4 去模糊前后特征提取對比實驗Fig.4 Comparison experiment of feature extraction before and after deblurring

3.2 非負(fù)特征提取實驗

圖5(a)是橋梁病害圖像，圖5(b)是提取的灰度統(tǒng)計特征.從圖5(b)中可以看出，裂痕信息比較明顯.

3.3 偽特征消除實驗

圖5(b)是噪聲消除前的圖像，它只進(jìn)行了非負(fù)特征提取，圖6是對圖5(b)進(jìn)行噪聲消除后的圖像，對比兩張圖片可以發(fā)現(xiàn)有一部分噪聲已被消除.圖6只進(jìn)行了初步的噪聲消除，圖7是對圖6圓投影增強后的結(jié)果圖.從圖7可以看出，經(jīng)兩步處理后，提取到了較好的裂痕.

3.4 橋梁裂痕檢測實驗

圖8(a)為橋梁裂痕圖像，其檢測結(jié)果為圖8(b).由此可看出，筆者提出的算法能將各種細(xì)弱裂痕提取出來.

圖5 橋梁裂痕圖像的非負(fù)特征提取Fig.5 Non-negative feature extraction of bridge fissure extraction

圖6 噪聲消除Fig.6 Noise elimination

圖7 圓投影增強Fig.7 Circle projection enhancement

圖8 橋梁裂痕圖像檢測結(jié)果Fig.8 Result of bridge fissure image detection

4 結(jié) 語

筆者對混凝土橋梁裂痕病害檢測識別進(jìn)行了研究.針對橋梁裂痕圖像模糊問題,采用了統(tǒng)一復(fù)原算法進(jìn)行去模糊處理,取得了良好的效果.橋梁病害特征主要表現(xiàn)為細(xì)弱裂痕，灰度統(tǒng)計特征和圓投影增強在病害特征提取和噪聲消除中發(fā)揮了重要作用.實驗結(jié)果表明筆者提出的算法可解決橋梁裂痕病害檢測與識別的問題.

致 謝

國家自然科學(xué)基金委員會和湖北省科學(xué)技術(shù)廳對本研究提供了資金資助，在此表示感謝！

[1] 洪漢玉.現(xiàn)代圖像圖形處理與分析[M].武漢:中國地質(zhì)大學(xué)出版社,2011. HONG Han-yu.Advanced processing and analysis for image and graphics[M].Wuhan:China University of Geosciences Press,2011.(in Chinese)

[2] 許薛軍，張肖寧.基于數(shù)字圖像的混凝土橋梁裂縫檢測技術(shù)[J].湖南大學(xué)學(xué)報:自然科學(xué)版，2013,40(7):34-40. XU Xue-jun,ZHANG Xiao-ning.Crack detection of concrete bridges based digital image[J].Journal of Hunan University:Natural Sciences,2013,40(7):34-40.(in Chinese)

[3] 魏武，王俊杰，蔡釗雄.基于小波和Radon變換的橋梁縫檢測[J].計算機工程與設(shè)計.2013，34(9):3151-3157. WEI Wu,WANG Jun-jie,CAI Zhao-xiong.Bridge crack detection based on wavelet and Radon transform[J].Computer Engineering and Design.2013，34(9):3151-3157.(in Chinese)

[4] 于泳波，李萬恒，張勁泉，等.基于圖像連通域的橋梁縫痕提取方法[J].公路交通科技,2011，28(7):90-93. YU Yong-bo,LI Wan-heng,ZHANG Jin-quan,et al.Bridge cracks extraction method based on image connected domain[J].Journal of Highway and Transportation Research and Development,2011,28(7):90-93.(in Chinese)

[5] HONG Hanyu,ZHANG Tianxu.Fast restoration approach for rotational motion blurred image based on deconvolution along the blurring paths[J].Optical Engineering,2003,42(12):3471-3486.

[6] HONG Hanyu,LI Liangcheng,PARK In Kyu,et al.Universal deblurring method for real images using transition region[J].Optical Engineering,2012,51(4):047006-047006-10.

[7] XU Bugao,HUANG Yaxiong. Development of an automatic pavement surface distress inspection system[R].Austin:Center for Transportation Research,the University of Texas at Austin,2003.