水下大壩裂縫圖像分割方法研究 

張大偉許夢釗馬莉荀挺

摘要：由于水下環(huán)境復(fù)雜，以及大壩裂縫形狀的不規(guī)則性和方向的不確定性，邊緣的灰度突變程度不一，嚴(yán)重影響大壩裂縫的檢測效果。提出了一種改進(jìn)的Canny算法。該算法基于最大熵原理，使傳統(tǒng)Canny算子具有自適應(yīng)性。理論與實驗證明，該算法對于水下大壩裂縫檢測效果較好。

關(guān)鍵詞：水下大壩裂縫；邊緣檢測；Canny算法；最大熵；自適應(yīng)性

DOIDOI：10.11907/rjdk.161393

中圖分類號：TP317.4

文獻(xiàn)標(biāo)識碼：A文章編號文章編號：16727800（2016）009017003

基金項目基金項目：

作者簡介作者簡介：張大偉（1984-），男，四川南充人，國網(wǎng)成都供電公司電力調(diào)度控制中心工程師，研究方向為廠站自動化管理；許夢釗（1991-），男，河北邢臺人，河海大學(xué)物聯(lián)網(wǎng)工程學(xué)院碩士研究生，研究方向為計算機(jī)技術(shù)應(yīng)用；馬莉（1978-），女，四川簡陽人，國網(wǎng)成都供電公司電力調(diào)度控制中心工程師，研究方向為電網(wǎng)調(diào)度自動化管理；荀挺（1986-），男，江蘇南京人，江蘇省瑞中數(shù)據(jù)股份有限公司工程師，研究方向為電力系統(tǒng)自動化管理。

0引言

大壩是水利水電工程的重要組成部分。我國的大壩建設(shè)處于世界領(lǐng)先地位[1]，發(fā)揮著巨大的工程效益。大壩裂縫是大壩安全的極大隱患，對大壩裂縫的檢測極其重要。然而，一旦大壩投入使用便會處于復(fù)雜的開放環(huán)境中，產(chǎn)生的裂縫不盡相同，且水下環(huán)境復(fù)雜，采集的圖像具有模糊不清、對比度低、亮度不均等特點，使大壩裂縫檢測十分困難[2]。

大壩裂縫有幾個共同特點：①大壩裂縫通常呈線性特點，具有發(fā)散性，雖然通常是斷裂的，但整體上是連續(xù)的；②大壩裂縫的邊緣為高頻信息；③大壩裂縫的灰度值偏低，即顏色較暗。

針對這些問題，許多學(xué)者對裂縫的檢測展開了研究。范新南等[3]針對水下光照不均勻，提出了一種基于勻光處理的自適應(yīng)閾值分割算法。Chen等[4]提出了基于有邊緣信息熵確定加權(quán)系數(shù)從而確定邊緣的算法。伯邵波等[5]提出了通過構(gòu)造8 個方向模板的 Sobel 算子并結(jié)合迭代閾值分割算法和全方位膨脹形態(tài)學(xué)方法，對邊緣檢測后的圖像進(jìn)行處理。HoangNam Nguyen等[6]提出了先用PSCEF對稱型裂紋增強(qiáng)濾波器，再利用三次樣條函數(shù)確定邊緣點的算法檢測邊緣。GOKMEN等[7]提出了利用振動法檢測裂縫。Zhu等[8]提出了基于嵌入式壓電方法檢測算法。Hu等[9]提出了通過局部二元模式算子的基于紋理分析的裂縫檢測算法。Zou等[10]提出了基于目標(biāo)最小生成樹算法的裂縫檢測方法，其中用最小生成樹來表達(dá)裂縫區(qū)域像素點的空間線性聚集特性。肖玲玲等[11]提出一種逐行滑動鄰域取最小值的圖像分割方法，并提出采用塊分割特征匹配方式提高動態(tài)裂縫檢測的準(zhǔn)確性。徐歡等[12]提出了一種基于OpenCV開源平臺及改進(jìn)Canny算子的路面裂縫檢測技術(shù)，該算法利用形態(tài)學(xué)濾波對原有的濾波方式進(jìn)行改進(jìn)，使用Ostu算法實現(xiàn)雙閾值的自適應(yīng)獲取。

上述算法大致可分為基于邊緣的檢測算法、基于閾值的檢測算法、基于區(qū)域的邊緣檢測算法以及一些物理上的無損檢測算法，包括電位法[13]、振動法[14]、超聲波檢測法[15]、探地雷達(dá)法[16]、傳感器檢測方法[17]等。無損檢測方法實現(xiàn)困難，耗時耗力且檢測效果一般?；谏鷳B(tài)學(xué)的算法如BP人工神經(jīng)網(wǎng)絡(luò)算法[18]、人工蟻群算法等具有一定的自適應(yīng)性且檢測效果較好，但是算法實現(xiàn)困難。傳統(tǒng)的檢測算法雖然簡單，但去噪效果不明顯、邊緣檢測準(zhǔn)確度不高、連貫性不好，最重要的是不具有自適應(yīng)性，這些算法并不完全適用于水下大壩裂縫的檢測。本文提出了一種基于最大熵的自適應(yīng)閾值的改進(jìn)Canny算法。該算法通過對傳統(tǒng)Canny算法的改進(jìn)，利用最大熵原理自動確定最佳的閾值，從而達(dá)到最佳的檢測效果。

1Canny算法及其局限性

1.1傳統(tǒng)Canny算法

Canny邊緣檢測[19]的實質(zhì)可以轉(zhuǎn)換為求信號函數(shù)的極大值問題。Canny算子邊緣檢測的方法是尋找圖像梯度的局部最大值。Canny算子有3個判斷準(zhǔn)則，分別是信噪比準(zhǔn)則、定位精度準(zhǔn)則和單邊緣響應(yīng)準(zhǔn)則，其中單邊緣響應(yīng)是指要保證單邊緣只有一個像素響應(yīng)。其算法大致流程如下所示：①利用高斯濾波器進(jìn)行平滑處理，以減少噪聲；②用一階偏導(dǎo)的有限差分計算梯度的幅值與方向；③第②點中確定的邊緣點會導(dǎo)致梯度幅度圖像中出現(xiàn)脊，然后算法跟蹤所有脊的頂部，并將所有不在脊上的頂部像素設(shè)為零，以便在輸出中給出一條細(xì)線，這就是非最大值抑制處理；④雙閾值檢測并連接邊緣點。

1.2傳統(tǒng)Canny算法局限性分析

傳統(tǒng)的Canny算法對整幅圖像使用固定的高、低閾值進(jìn)行分割。如果直接使用傳統(tǒng)的Canny算子，就會因為閾值設(shè)置過高而丟掉重要邊緣，閾值設(shè)置過低導(dǎo)致噪聲得不到抑制，局部邊緣信息丟失。如果不能設(shè)置恰當(dāng)?shù)拈撝担蜔o法在消除噪聲干擾的同時兼顧那些灰度值變化緩慢的局部邊緣，得到的邊緣就會是不連續(xù)的、斷裂的、不準(zhǔn)確的，影響檢測結(jié)果。實際情況中，不同圖像的最佳閾值也是不同的，因此，使用傳統(tǒng)的Canny算法不具有自適應(yīng)能力，還會檢測出偽邊緣或者丟失局部邊緣。與此同時，某些重要邊緣細(xì)節(jié)可能會由于干擾或是對比度不夠而變得模糊，而在實際情況中某些邊緣細(xì)節(jié)可能因與噪聲類似而被誤認(rèn)為噪聲除去。如果使用傳統(tǒng)的Canny算法，固定的雙閾值難以在抑制噪聲的同時兼顧到保護(hù)低幅度值的邊緣信息，從而影響檢測效果。

綜上所述，本文針對傳統(tǒng)Canny算法固定閾值的缺點，提出一種改進(jìn)的Canny算法：基于最大熵的自適應(yīng)閾值Canny算法。

4結(jié)語

針對水下圖像對比度不高、大噪聲、模糊不清，以及大壩裂縫的不規(guī)則變化等問題，本文提出了基于最大熵算法的自適應(yīng)閾值的改進(jìn)Canny算法。本算法在Canny算法第②步驟之后，利用最大熵原理確定最佳的高低閾值，再以此進(jìn)行下一步的檢測、定位，從而達(dá)到最佳檢測效果。

參考文獻(xiàn)：

[1]賈金生.中國和世界水電建設(shè)進(jìn)展情況[N].國際商報，20090916（1）.

[2]孫傳東，李馳，張建華，等.水下成像鏡頭的光學(xué)設(shè)計[J].光學(xué)精密工程，1998（5）：713.

[3]范新南，巫鵬，顧麗萍，等.基于勻光處理的自適應(yīng)裂縫分割與提取算法[J].科學(xué)技術(shù)與工程，2014（7）：7277.

[4]CHEN C P，WANG J，ZOU L，et al.Underwater dam image crack segmentation based on mathematical morpholog[J].Applied Mechanics & Materials，2012，2（3）：13151319.

[5]伯紹波，閆茂德，孫國軍，等.瀝青路面裂縫檢測圖像處理算法研究[J].微計算機(jī)信息，2007，23（15）：280282.

[6]NGUYEN H N，KAM T Y，CHENG P Y.An automatic approach for accurate edge detection of concrete crack utilizing 2d geometric features of crack[J].Journal of Signal Processing Systems，2014，77（3）：120.

[7]GOKMEN S H.A method for the detection of rail fractures and cracks[P].WO 2014027977 A1，2014.

[8]朱勁松.Piezoelectricbased crack detection techniques of concrete structures：experimental study[J].Journal of Wuhan University of TechnologyMater Sci Ed，2012，27（2）：346352.

[9]HU Y，ZHAO C X.A local binary pattern based methods for pavement crack detection[J].Journal of pattern Recognition research，2010，1（3）：140147.

[10]ZOU Q，CAO Y，LI Q，et al.Cracktree：automatic crack detection from pavement images[J].Pattern Recognition Letters，2012，33（3）：227238.

[11]肖玲玲，魏浩.一種基于塊分割特征匹配的巖體動態(tài)裂縫檢測算法[J].礦業(yè)研究與開發(fā)，2014（4）：5054.

[12]徐歡，李振璧，姜媛媛，等.基于OpenCV和改進(jìn)Canny算子的路面裂縫檢測[J].計算機(jī)工程與設(shè)計，2014（12）：42544258.

[13]劉建偉，劉克強(qiáng).電位法在探測堤壩滲漏中的應(yīng)用[J].人民黃河，2008，30（2）：156159.

[14]王柏生，何宗成，趙琛.混凝土大壩結(jié)構(gòu)損傷檢測振動法的可行性[J].建筑科學(xué)與工程學(xué)報，2005，22（2）：5156.

[15]劉康.基于小波分析的混凝土超聲波缺陷檢測方法研究[D].武漢：武漢紡織大學(xué)，2013.

[16]時方穩(wěn)，杜應(yīng)吉，郝楓楠.探地雷達(dá)在水利工程安全檢測中的應(yīng)用[J].人民長江，2012，43（7）：4446

[17]OLIVEIRA H，CORREIA P L.Automatic road crack detection and characterization[J].Intelligent Transportation Systems，IEEE Transactions on，2013，14（1）：155168.

[18]EDUARD KURISCAK，PETRMARSALEK，JULIUS STROFFEK，et al.Biological context of Hebb learning in artificial neural networks[J].a review 10.1016/j.neucom，2014（11）：2223.

[19]TINGNIAN HE，XIAOHONG LI，YUN JIANG.Improved HT object detection algorithm based on canny edge operator[J].Journal of Multimedia，2014，9（9）：10891096.

[20]邢丁亮，郝占慶.最大熵原理及其在生態(tài)學(xué)研究中的應(yīng)用[J].生物多樣性，2011，19（3）：295302.

責(zé)任編輯（責(zé)任編輯：杜能鋼）