多功能隧道快速檢測車圖像處理技術(shù)

唐建平+樊曉楠+溫興水+薛諾諾+方海洋

摘 要

圖像采集和處理是檢測車的核心技術(shù)。本文主要通過對采集到的圖像進行畸變修正，像素當量修正，確保采集到的隧道襯砌裂縫準確。通過圖像處理技術(shù)去除圖像的噪音，并進一步提取裂縫信息，優(yōu)化圖像。進一步對圖像處理技術(shù)進行室內(nèi)實驗驗證其可行性，實驗結(jié)果證明該理論可以滿足隧道襯砌裂縫病害的檢測工作。

【關(guān)鍵詞】檢測車 圖像處理 實驗分析

人工手動檢測一直是我國乃至全球隧道病害檢測的主要手段。但是隨著高速公路的發(fā)展，人工手動檢測方法已經(jīng)無法完成我國的高速公路發(fā)展，為了適應隧道的建設(shè)和發(fā)展，非常需要研制快速高效的隧道病害檢測系統(tǒng)，實現(xiàn)隧道病害檢測的自動化。

本系統(tǒng)圖像采集部分主要包括24臺工業(yè)以太網(wǎng)相機、4個千兆6口網(wǎng)卡、兩臺高性能工業(yè)計算機、24個頻閃燈、旋轉(zhuǎn)編碼器及發(fā)電機、穩(wěn)壓電源等。軟件系統(tǒng)主要由圖像采集軟件和圖像拼接處理軟件組成。

1 面陣相機采集圖像的初步畸變修正

對于隧道檢測設(shè)備，相機鏡頭畸變主要包括徑向畸變、偏心畸變、薄棱鏡畸變?nèi)?。徑向畸變主要由鏡頭上不同點處徑向曲率的不同而引起，其畸變程度關(guān)于圖像中心點對稱。這種畸變引起圖像點沿鏡頭徑向方向移動，且越遠離中心，畸變程度越大。

2 基于Guided濾波的Retinex圖像增強算法

Guided濾波器在圖像增強時，并沒有很大程度上改變圖像的原梯度，該濾波器在圖像的增強過程中，對于裂縫的外側(cè)邊緣也能很好的進行修復，所以選取此增強算法。

（1）獲得所需要處理的圖像信息；

（2）得到所需要的圖像后進一步用將裂縫信息分解為n層，同時獲得裂縫信息在最大和最小的指數(shù)信息；

（3）進一步對分解后的指數(shù)信息進行下一步處理；

（4）最后一步，對裂縫信息再次重構(gòu)，輸出相應的圖像。

進一步的，根據(jù)采用的圖像增強算法特點，本文選取主成分分析法（PCA）尋找最適合的閾值T。這個方法主要思路是通過運算裂縫信息圖像數(shù)據(jù)矩陣X的協(xié)方差矩陣，求λ、A，分別代表特征值和特征向量，進而得到正交變換矩陣Q來解方程組。

為海森矩陣的主對角矩陣，權(quán)重系數(shù)矩陣設(shè)計為Guided濾波器的權(quán)值函數(shù)。最后用Mallat算法進行重構(gòu)，這樣便獲得處理后的圖像。

3 基于小波變換的圖像融合

圖像的融合是對隧道檢測車圖像采集系統(tǒng)所采集到的相同的圖像進行優(yōu)化處理，通過這種優(yōu)化處理，可以將該部分裂縫信息更好的呈現(xiàn)出來，更方便后期處理。這種圖像的相容主要由三步組成：

第一步：圖像像素的合成；

第二步：圖像特征的合成；

最后一步：圖像決策的合成。

4 基于直方圖變換法的局部閾值分割

直方圖變換法利用像素的某種局部性質(zhì)，將原來的直方圖變換成具有更深波谷的直方圖，或者使波谷變成波峰，使得股點或峰點便于檢測。由微分算子的性質(zhì)可以推知，目標與背景內(nèi)部像素的梯度小，而目標與背景之間的邊界像素的梯度大。于是可以根據(jù)像素的梯度值做出一個加權(quán)直方圖。這樣，新直方圖中對應的波峰基本不變，但因為減少了邊界點，所以波谷應該比原直方圖更深，則運用波谷的灰度值作為閾值對圖像進行分割。

5 試驗結(jié)果分析

如圖1所示，本技術(shù)處理效果基本符合裂縫檢測的要求，處理技術(shù)對裂縫的提取和分割達到了一定的要求，供后期進一步研究。

參考文獻

[1]盧曉霞.基于圖像處理的混凝土裂縫寬度檢測技術(shù)的研究[D].成都：成都電子科技大學，2010.