基于CLAHE的鋼管混凝土脫空檢測熱像圖增強(qiáng)方法

張 順，譚書林，許里杰，陳 磊

(重慶交通大學(xué)土木工程學(xué)院，重慶 400074)

鋼管混凝土是鋼管混凝土拱橋的基本結(jié)構(gòu)，它結(jié)合了鋼管抗彎能力強(qiáng)與混凝土抗壓強(qiáng)度高等優(yōu)勢，使得鋼管混凝土拱橋具有承載能力強(qiáng)、跨度大等優(yōu)點。但是，由于溫度、施工方法、混凝土收縮徐變的影響等[1-2]原因，鋼管混凝土結(jié)構(gòu)會逐漸產(chǎn)生脫空，這對結(jié)構(gòu)非常不利。因此，為保障結(jié)構(gòu)服役安全，需要對鋼管混凝土內(nèi)部質(zhì)量進(jìn)行監(jiān)測，這對指導(dǎo)鋼管混凝土結(jié)構(gòu)的合理修復(fù)加固、減少經(jīng)濟(jì)損失具有十分重要的意義。常用于結(jié)構(gòu)內(nèi)部質(zhì)量無損檢測的技術(shù)有超聲波檢測、彈性波回彈檢測以及紅外熱像檢測等[3-5]。紅外熱像損傷檢測是近年來發(fā)展起來的一種非接觸無損檢測方法，具有快速、圖像直觀、不受場地限制等優(yōu)點，但是其熱圖本身存在分辨率低、缺陷與非缺陷區(qū)域?qū)Ρ榷炔粔蚋叩膯栴}。針對上述不足，國內(nèi)外研究人員在使用紅外熱像損傷檢測的同時，也致力于圖像處理技術(shù)的研究。Tighe等[6]采用了脈沖相位紅外熱成像的方法對碳纖維增強(qiáng)塑料(CFRP)的不同類型的缺陷進(jìn)行了檢測分析。結(jié)果表明，紅外無損檢測的方法能夠較好地對缺陷進(jìn)行檢測。胡爽[7]用紅外熱像技術(shù)對鋼管混凝土密實度缺陷進(jìn)行了研究，對鋼管混凝土表面溫度和缺陷深度計算公式進(jìn)行了理論推導(dǎo)，并且通過實驗得到主動檢測法和被動檢測法針對壁管厚度的使用范圍。趙迪等[8]采用多分辨率奇異值分解的圖像融合方法，重構(gòu)熱圖，并采用模擬退火算法對重構(gòu)的圖像進(jìn)行增強(qiáng)處理，提高了圖像的清晰度和辨識率。馮琪智等[9]采用熱圖重構(gòu)(TSR)算法挖掘隱藏的缺陷信息，并采用區(qū)域生長算法顯著提高缺陷區(qū)域與非缺陷區(qū)域的對比度，實現(xiàn)缺陷的精確檢出?？梢钥闯黾t外熱成像損傷檢測技術(shù)非常適用于檢測鋼管混凝土脫空，但由于熱圖對比度低且缺陷信息不明顯，導(dǎo)致缺陷難以準(zhǔn)確識別。

基于此，本文提出一種基于CLAHE的鋼管混凝土脫空檢測熱像圖增強(qiáng)方法。該方法采用TSR算法將每個像素點的溫度響應(yīng)曲線從時域轉(zhuǎn)換到對數(shù)域，再用多項式進(jìn)行擬合，進(jìn)而求其一階、二階微分，從而挖掘出隱藏的缺陷信息，然后對重構(gòu)后的圖像進(jìn)行增強(qiáng)處理，最終在提高熱圖分辨率以及缺陷與非缺陷之間對比度的同時，還能縮短加熱時間，提前識別出缺陷。

1 增強(qiáng)圖像處理技術(shù)簡介

1.1 鋼管混凝土脫空檢測的提出

利用紅外熱成像技術(shù)對鋼管混凝土進(jìn)行內(nèi)部核心混凝土脫空檢測的原理是：在對待測鋼管混凝土加熱后，利用結(jié)構(gòu)表面的溫差實現(xiàn)鋼管混凝土脫空檢測。當(dāng)鋼管混凝土結(jié)構(gòu)發(fā)生脫空時，脫空區(qū)域被空氣填充，其熱導(dǎo)率低于非脫空區(qū)域混凝土的熱導(dǎo)率，阻礙脫空處鋼管表面熱量的傳遞，從而使得脫空區(qū)域與非脫空區(qū)域的鋼管表面溫度存在差異。鋼管混凝土表面輻射出的熱量經(jīng)過大氣作用后，被紅外熱像儀采集，經(jīng)過軟件、硬件設(shè)施處理后轉(zhuǎn)換為包含溫度信息的熱像圖，從而反映出鋼管混凝土結(jié)構(gòu)的脫空信息。

紅外熱成像檢測按加熱方式分類可分為被動式檢測和主動式檢測。被動式檢測是指在自然條件下不經(jīng)過外加熱源的檢測方式，雖然操作簡單，但是檢測效果一般且需長時間太陽光持續(xù)照射；主動式檢測指人為外加熱源加熱被檢測試件，加快結(jié)構(gòu)表面的溫度變化，節(jié)省了檢測時間。但是熱圖本身始終存在分辨率低、缺陷與非缺陷區(qū)域?qū)Ρ榷炔粔蚋叩膯栴}。

針對上述問題，本文提出一種基于有限對比適應(yīng)性直方均衡化的鋼管混凝土脫空檢測方法，主要由基于熱圖重構(gòu)的紅外熱像融合和基于CLAHE的紅外熱像圖增強(qiáng)兩部分組成。前者將視頻數(shù)據(jù)的每一幀圖像進(jìn)行向量化，并將整個視頻序列轉(zhuǎn)為矩陣，將每個像素點溫度響應(yīng)曲線從時域轉(zhuǎn)換到對數(shù)域，并求其一階導(dǎo)和二階導(dǎo)得到重構(gòu)圖像，能更加清晰地反應(yīng)缺陷與非缺陷區(qū)域溫度變化響應(yīng)的區(qū)別；后者在前者得到的重構(gòu)圖像基礎(chǔ)上采用CLAHE算法對圖像進(jìn)行增強(qiáng)處理，實現(xiàn)缺陷的精確檢出，同時還可提前發(fā)現(xiàn)缺陷，使加熱時間縮短，從而能夠更準(zhǔn)確更快速地對鋼管混凝土脫空進(jìn)行定性。

1.2 基于熱圖重構(gòu)的紅外熱像融合

1.2.1 表面溫度數(shù)學(xué)模型

在外界熱源激勵的情況下，被加熱鋼管混凝土的表面溫度隨著激勵時間t的變化而發(fā)生改變，在表面照射能量Q趨于平衡的過程中，可將每個像素點的溫度變化簡化為簡單的一維熱傳導(dǎo)模型，則鋼管混凝土的表面溫度Tsurface(t)可表示為：

(1)

1.2.2 熱圖重構(gòu)(TSR)算法原理

熱圖重構(gòu)算法將每幀圖像的每個對應(yīng)像素點的溫度信息按照時間順序提取出來，從而得到每個像素點溫度變化-時間曲線，簡化該曲線從時域轉(zhuǎn)到對數(shù)域，TSR算法的表達(dá)式式(1)兩邊取對數(shù)運(yùn)算得到

(2)

由于Q趨于平衡，所以變量只有時間t。對于理想的非脫空區(qū)域，由式(2)繪制出的對數(shù)衰減響應(yīng)曲線應(yīng)是斜率為-1/2的直線。然而，在實際應(yīng)用中，溫度響應(yīng)曲線會受到背景輻射、缺陷區(qū)域及非線性相位響應(yīng)等的影響，出現(xiàn)不滿足理想線性關(guān)系的情況。因此可采用n次多項式函數(shù)來近似擬合每個像素點的對數(shù)溫度變化，不僅能消除噪音，還提高了圖像的質(zhì)量，其表達(dá)式為：

(3)

通過計算式(3)的一階和兩階微分，分別獲得表面溫度曲線在時間軸上的變化率和凹凸性，可進(jìn)一步挖掘出缺陷信息。所以獲得重構(gòu)之后的圖像能更加清晰地反應(yīng)脫空區(qū)域和非脫空區(qū)域溫度變化相應(yīng)的區(qū)別。計算結(jié)果如下：

(4)

(5)

1.2.3 實現(xiàn)步驟

采用熱成像信號重構(gòu)算法，將紅外熱像儀采集到的視頻序列轉(zhuǎn)為重構(gòu)后的熱像圖灰度矩陣序列，主要的步驟如下：

Step 1 將紅外熱像儀收集到的視頻文件轉(zhuǎn)灰度矩陣，包括將視頻轉(zhuǎn)為圖像、提取圖像溫度信息、圖像向量化以及按時間順序組合列向量生成新的矩陣，示意圖見圖1。

圖1 視頻轉(zhuǎn)化為矩陣過程

Step 2 將獲取的灰度矩陣?yán)锩總€像素點溫度響應(yīng)曲線從時域轉(zhuǎn)換到對數(shù)域，其中灰度矩陣中每一行即為一個點像素在時域的變化情況。點像素隨時間變化的溫度響應(yīng)曲線見圖2。

圖2 像素隨時間變化的溫度響應(yīng)圖

Step 3 多項式擬合每個像素點的對數(shù)溫度變化，并求其一階、兩階偏導(dǎo)，從而得到重構(gòu)的新的熱圖序列。

1.3 基于CLAHE的紅外熱像圖增強(qiáng)

紅外熱成像技術(shù)在諸多領(lǐng)域已得到運(yùn)用，并取得較為滿意的成果，但熱圖本身存在著分辨率低、缺陷與非缺陷處對比度不夠高的問題；因此需要采用圖像增強(qiáng)算法來解決此問題。

常見的圖像增強(qiáng)算法有直方圖均衡化算法(histogram equalization，HE)和自適應(yīng)直方圖均衡化(adaptive HE)。HE是一種全局性增強(qiáng)方法，把原始圖像的灰度直方圖從比較集中的某個灰度區(qū)間拉伸成全部灰度范圍內(nèi)的均勻分布，從而擴(kuò)大了圖像灰度的動態(tài)分布范圍，改善了整體的視覺效果；但是該算法在拉伸過程中可能存在量化誤差，造成原圖某些灰度信息丟失，而且處理后的圖像因概率密度的不均勻性而出現(xiàn)“過暗或過亮”現(xiàn)象。為解決上述問題，Schatz提出AHE算法[10]，與HE算法的全局引入不同，AHE算法將直方圖均衡化引入局部分析中來改變局部灰度分布，使得局部信息得到明顯改善，但是該算法忽略了局部以外其他區(qū)域的像素，造成局部與整體脫節(jié)；因此會過大放大區(qū)域噪聲，且均勻化后會出現(xiàn)明顯的塊塊效應(yīng)。因此，Cromartie等[11]提出CLAHE算法，它同時考慮框選區(qū)域內(nèi)、外的直方圖，這更加符合人的視覺特性，并通過限幅使局部區(qū)域?qū)Ρ榷冗^度增強(qiáng)以及區(qū)域噪聲放大的問題得到有效改善。將超過限值的部分進(jìn)行裁剪，然后把該部分均分到每個灰度級，限幅裁剪、重新分配的過程見圖3。

圖3 CLAHE直方圖限定過程

CLAHE算法其基本流程如下[12]：

1)將原圖像劃分為連續(xù)、非重疊的k×k個大小為m×n的固定子塊，k可取值為4、8、16和32等，m，n代表子塊的行數(shù)和列數(shù)，兩者共同決定圖像的細(xì)節(jié)增強(qiáng)程度。

2)將分割所得的全部子塊進(jìn)行直方圖均衡化，并求其灰度變換函數(shù)。

3)計算受限值，設(shè)NCR-X、NCR-Y分別為子區(qū)域x、y方向的像素個數(shù)，Ngray為該區(qū)域的灰度級數(shù)，按以下可計算出子區(qū)域像素個數(shù)均分到每個灰度級的平均值

(6)

限定每個灰度級包含像素數(shù)不允許超過平均值Naver的Nclip，則實際剪切極限值NCL為

NCL=Nclip·Naver

(7)

4)剪切每個子塊的灰度直方圖超過限值NCL的部分(圖陰影部分)，將被剪切下來的像素數(shù)目重新均分到直方圖的各灰度級中，設(shè)陰影部分的像素總數(shù)為Nsumclip，由此均分到每個灰度級的像素數(shù)

(8)

結(jié)合圖，可將裁剪、重新分配過程用如下算法表示：

ifH(i)>HCL，H(i)=NCL；elseifH(i)+Hacq≥NCL，
H(i)=NCL；elseH(i)=H(i)+Nacq

(9)

其中，H(i)為原始區(qū)域中第i個灰度級的像素數(shù)。對剩余像素從最小灰度級開始按以上方法進(jìn)行循環(huán)分配，直至超限像素個數(shù)為0為止，得到新的直方圖。

5)將經(jīng)過剪切得到的新直方圖進(jìn)行直方圖均衡化。

6)線性插值過程。以每個子塊中心點的灰度值為參考點，對圖像中每一個像素點進(jìn)行灰度線性插值。根據(jù)相鄰參考點的個數(shù)，變化函數(shù)可分為4個參考點的雙線性插值、2個參考點的單線性插值以及1個參考點的采用參考點所在塊灰度值。以雙線性插值為例，計算插值后的點灰度值。

圖4中，4個參考點A(xA，yA)，B(xB，yB)，C(xC，yC)，D(xD，yD)對應(yīng)的灰度值分別為GA(i)，GB(i)，GC(i)，GD(i)，其計算點P(x，y)的插值灰度值G(i)為：

G(i)=a[bGA(i)+(1-b)GB(i)]+
(1-a)[bGD(i)+(1-b)GC(i)]

(10)

其中：a=(y-yB)/(yC-yB)，b=(x-xA)/(xB-yA)，且有xA=xD，xB=xC；yA=yB，yC=yD。

圖4 線性插值示意圖

2 仿真與實驗

2.1 試驗系統(tǒng)和脫空樣本

試驗采用主動式加熱，所用的熱激勵裝置為溫度模擬試驗箱，其光源為4個功率相同的碘鎢燈。試驗制作2個鋼管混凝土試件，分別布設(shè)不同形式的脫空。試件1鋼管壁內(nèi)粘貼一處面積較大的聚乙烯塑料泡沫，試件2鋼管壁內(nèi)粘貼3處面積相同但厚度不同的聚乙烯塑料泡沫，試件詳細(xì)信息見表1。

表1 試件具體布置表 mm

2.2 試驗過程

開始試驗之前，需同時開啟4個碘鎢燈對溫度模擬試驗箱進(jìn)行2 min預(yù)熱，預(yù)熱完畢后關(guān)閉碘鎢燈電源。然后開始調(diào)整紅外熱像儀以及鋼管混凝土的位置，使得鋼管混凝土試件擺放到碘鎢燈正下方，同時紅外熱像儀采集區(qū)域也正對鋼管混凝土試件的正上方。調(diào)整好后，同時開啟碘鎢燈電源以及紅外熱像儀采集按鈕，進(jìn)行采集。開啟碘鎢燈電源3 min后，關(guān)閉電源，再收集鋼管混凝土試件降溫至常溫的過程。試驗過程圖見圖5。

圖5 加熱以及采集視頻過程

2.3 試驗結(jié)果

用該算法將采集的視頻進(jìn)行處理，并將增強(qiáng)前、后熱圖進(jìn)行對比。圖6比較了試件1在不同加熱時間下增強(qiáng)前后的結(jié)果，圖7比較了試件2在不同加熱時間下處理前后的結(jié)果。

圖6 試件1在不同加熱時間下處理前后對比

圖7 試件2加熱45 s處理前后對比

由圖6可知，隨著加熱時間的增加，脫空與非脫空區(qū)域外表溫差越來越明顯，經(jīng)過處理后，圖像的缺陷與非缺陷區(qū)域?qū)Ρ榷仍鰪?qiáng)，能更加清晰地識別脫空位置；同時，處理前，由于邊緣效應(yīng)的存在，圖像顯示的缺陷形狀(橢圓形)與實際形狀(矩形)存在一定偏差，處理后，邊緣信息細(xì)節(jié)得到很大程度的加強(qiáng)，能夠基本反映出缺陷的實際形狀。

由圖7可知，對試件2加熱45 s，處理前很難識別布設(shè)的3處脫空的位置；處理后，能夠較清晰地識別出3處脫空的大概位置，且能初步標(biāo)定脫空的形狀和大小。

2.4 性能評價

結(jié)合主觀性能評價與客觀性能評價，文中采用的客觀質(zhì)量評價標(biāo)準(zhǔn)為：均值、標(biāo)準(zhǔn)差和信息熵，其中，圖像均值可以用來衡量圖像的平均亮度；標(biāo)準(zhǔn)差可以體現(xiàn)圖像的局部對比度；信息熵則用來衡量圖像信息的豐富程度。表2是對圖6的客觀評價參量的統(tǒng)計。

表2 不同加熱時間對圖像增強(qiáng)的客觀評價統(tǒng)計參量

從主觀角度對圖像增強(qiáng)效果進(jìn)行評價，發(fā)現(xiàn)CLAHE算法處理后的圖像所包含的圖像信息更加豐富，能夠更好刻畫出缺陷的形狀，而且增強(qiáng)后的圖像顏色明亮，且反映的缺陷形狀更接近真實缺陷形狀；從客觀角度對圖像增強(qiáng)效果進(jìn)行評價，處理后的圖像可提前發(fā)現(xiàn)脫空的位置與形狀，從而可縮短加熱時間，另外，當(dāng)加熱時間為120 s時，圖像處理效果最佳。

3 結(jié)論

針對紅外熱成像檢測鋼管混凝土脫空時，熱圖本身存在分辨率低、缺陷與非缺陷區(qū)域?qū)Ρ榷炔粔蚋叩膯栴}，本文提出基于CLAHE的鋼管混凝土脫空檢測熱像圖增強(qiáng)方法，試驗結(jié)果表明：

1)紅外熱像圖通過本文提出的方法處理后，其缺陷區(qū)域與非缺陷區(qū)域之間的對比度明顯提高，能夠清晰識別出缺陷的位置以及形狀；

2)紅外熱像圖通過圖像增強(qiáng)處理后，可提前發(fā)現(xiàn)缺陷的位置，從而縮短了外界熱源的激勵時間；

3)通過試驗，可尋找到合適的外界熱源的激勵時間，使得圖像處理的效果達(dá)到最佳。