基于圖搜索的橋梁裂縫檢測

張 曉， 高忠文

(哈爾濱理工大學 自動化學院，黑龍江 哈爾濱 150080)

0 引 言

橋梁工程是交通建設的重要組成部分，它的安全關系到人民群眾的生命。因此，應加大對橋梁裂縫的檢測力度。目前，橋梁檢測主要依靠人工，借助于檢測車，利用高倍顯微鏡進行近距離讀數(shù)，其精度低，效率低，檢測主觀性大。近幾年，國內學者使用數(shù)字圖像處理方法，對裂縫進行檢測[1]。文獻[2]使用Sobel算子、Canny算子、小波變換、以及傅里葉變換等對橋梁裂縫進行檢測，運算速度取得極大提升，但方法上存在嚴重局限性。文獻[3]采用數(shù)學形態(tài)學方法，對橋梁裂縫進行圖像分割，但識別精度不高。文獻[4,5]運用快速最小生成樹來解決圖像分割問題，分割標準是相鄰元素之間強度差異。該算法能夠保留低變異圖像區(qū)域的細節(jié)，但忽略高變區(qū)域的細節(jié)。文獻[6]采用多尺度輸入圖像滲透模型設計橋梁裂縫檢測模型，使用最佳閾值分割濾除非裂縫區(qū)域，利用梯度信息提取裂縫。在計算裂縫面積時，沒有考慮裂縫方向多樣性，造成得到結果誤差比較大。

針對上述不足，以橋梁裂縫為實驗對象，提出一種圖搜索檢測裂縫邊緣方法，統(tǒng)計橋梁裂縫的像素數(shù)目，從而計算橋梁裂縫寬度。然后將圖搜索算法與100倍帶光源讀數(shù)顯微鏡測量結果進行對比，驗證圖搜索裂縫算法的可靠準確性。

1 裂縫圖像采集以及裂縫計算方法選取

1.1 裂縫圖像采集

橋梁裂縫一般比較小，不易觀察，為使檢測結果精確，采用高分辨率相機——尼康D850拍攝。拍攝過程中，不斷調整相機鏡頭，盡量使裂縫在相機成像清晰。拍攝圖片如圖1(a)所示。

1.2 裂縫計算方法

裂縫寬度計算采用像素數(shù)據(jù)與實際裂縫寬度數(shù)值轉換方法[7]，根據(jù)透鏡成像公式

(1)

式中L′為像距，L為物距(相機和被測目標之間的距離)，f為相機鏡頭焦距。由式(1)可得

(2)

成像放大倍數(shù)θ為

(3)

式中A為裂縫尺寸，A′為裂縫圖像的像素數(shù)。

由式(3)可得

(4)

式中L和f已知的情況下，如果測出裂縫圖像的像素數(shù)，可根據(jù)公式計算出裂縫尺寸。由式(2)，式(4)可得

(5)

式中 35.9 mm為尼康D850傳感器最長邊物理尺寸，8 256為拍攝的圖像長邊像素點數(shù)。

為驗證以上理論的準確性，進行一組模擬試驗。已知某一線段寬平均大約0.40 mm，分別對拍攝距離為1 600，1 800，2 000，2 200，2 500 mm的圖像中線段進行拍攝和測量，根據(jù)式(5)進行試驗計算，實驗結果如表1。

表1 顯微鏡觀測值和計算值 mm

由表1可知，不同物距計算值與顯微鏡觀測值相差不到0.03 mm，該裂縫寬度計算方法滿足工程需求，可推廣到橋梁裂縫圖像采集和分析上。

2 橋梁裂縫提取

在獲得裂縫圖像之后，需進行以下工作：灰度化、二值化、濾波去噪、圖搜索(裂縫提取)、裂縫尺寸計算等。

2.1 灰度化

拍攝圖片是彩色圖片，彩色圖片數(shù)據(jù)量增大3倍，導致存儲空間負擔過大，而彩色圖片信息并不好用，需將彩色圖片轉化為灰度圖。將橋梁裂縫圖灰度化后，如圖1(b)所示。

2.2 二值化

二值化過程中，使用OTSU算法進行閾值分割[8]，OTSU算法具有自適應獲取分割閾值，使裂縫和背景自動分離，達到最佳分割目的。二值化處理效果如圖1(c)所示。

2.3 濾波去噪

從圖1(c)可以看出，一些噪聲點仍存在于二值化后的圖像上，為了提高橋梁裂縫提取準確率，必須消除噪聲點。本文擬采用圖像平滑處理[9]，選取某一點，在該點8鄰域內，統(tǒng)計白點個數(shù)，若白點個數(shù)大于黑點個數(shù)，認為該點灰度值為255，否則，該點灰度值為0。處理效果如圖1(d)所示。

圖1 裂縫圖像處理結果

2.4 圖搜索

將濾波去噪圖映射成帶有權值的有向圖，根據(jù)裂縫邊緣特點，即灰度級間斷、亮度不連續(xù)性，通過圖搜索找到最小開銷路徑，以達到檢測裂縫邊緣的目的。

如圖2(a)所示，點p和q是四鄰接的像素點，將邊緣定義為p和q之間邊界，邊緣像素就是由點p(xp,yp)和點q(xq,yq)來確定[10]。

由點p和q確定的邊緣像素都有相應的開銷，定義為

c(p,q)=H-(f(p)-f(q))

(6)

式中H為圖像中灰度值最大值，f(p)，f(q)分別為點p，q相應的灰度值。這樣定義將圖像映射為帶有權值的有向圖，圖像中的每一個像素點為圖的每一個節(jié)點，圖中兩像素點之間的權值也就是兩節(jié)點之間的開銷。

裂縫邊緣之間的像素有不連續(xù)的特性，造成裂縫邊緣像素之間的差值很大。如果點p，q恰好處在圖像邊緣上，f(p)，f(q)二者差值的絕對值會很大；直接用f(p)，f(q)二者差值容易產生負值，比較起來很麻煩。為了盡快尋找到裂縫邊緣，決定采用式(6)作為相鄰像素之間的權值。

當已經確定上一時刻追蹤方向，要做的是根據(jù)上一時刻方向，判斷出下一時刻追蹤方向，并且計算可能追蹤方向最小開銷值。假設確定上一時刻的邊緣像素就是圖3中所示的點p，q，追蹤方向是向下的箭頭，并且其為邊界像素，下一時刻追蹤方向會有3個(如圖2(b)所示)。

圖2(b)中(1)，(2)，(3)對應的開銷表示的是c(n,q)，c(m,n)，c(p,m)，然后計算并比較這三個值，取最小的開銷，記錄方向并且存儲此邊緣像素的坐標位置。找到起始點后，以此類推，遍歷整幅圖片，確定開銷值總和最小的路徑，并標記出來，裂縫就是開銷值最小的路徑。

圖2 像素點與追蹤方向示意

整體算法如下：

1)確定起始點的位置。

2)判斷起始點是不是孤立的點，判斷方法：以此點為中心，取3×3模板，比較所得到的和與此點的值是否相等，若相等則舍去此點；反之保留并存儲此點。

3)根據(jù)步驟(2)找到的起始點，利用前面講到的理論，尋找起始追蹤方向，就是在起始點周圍尋找可能的追蹤方向，然后求出對應的開銷，比較得出可能的追蹤方向的最小值，存儲邊緣像素的坐標值，并且記錄此時最可能追蹤方向。

4)根據(jù)步驟(3)得到的最可能追蹤方向，還有與其相對應下一時刻追蹤方向，求出它們相應開銷值，比較取最小值，然后記錄此時追蹤方向并存儲邊緣像素的坐標值。

5)重復執(zhí)行步驟(4)。在追蹤過程中，若每個追蹤方向的開銷值相等，可能進入到噪聲區(qū)域，對于此種情況，舍去此起始點；然后由下一起始點開始，從步驟(2)依次開始。

6)假設在得到的邊緣像素中，有一點坐標與起始點坐標一樣，就停止搜索。此時我們得到的全部邊緣序列，就是所需要的邊緣。

2.5 裂縫尺寸計算

經過圖搜索檢測的裂縫邊緣，沒有噪聲干擾，直接讀取裂縫邊緣的像素數(shù)目，進行裂縫尺寸寬度計算。主要有以下步驟：1)掃描圖3(a)中已經確定為邊緣像素的點f(x,y)，確定左右端點；2)然后根據(jù)左右端點，將該圖片旋轉至水平位置，并且放大到可以觀測清晰像素為止，如圖3(b)所示；3)橫坐標不變，讀取縱坐標值，比較縱坐標最大差值，最大差值位置也就是最寬裂縫位置，統(tǒng)計像素數(shù)目，并保存；4)根據(jù)式(5)進行裂縫寬度計算。

圖3 圖搜索檢測后的裂縫邊緣

3 算法性能驗證分析

3.1 橋梁裂縫檢測效果分析

在100幅包含有橋梁裂縫的圖像上，進行實驗。將圖論搜索裂縫方法與迭代Canny算法、Snake算法以及Scharr算子等進行仿真對比，如圖4所示。

圖4 圖論算法與其它算法分割效果對比

通過對比可知：

1)Scharr算子對像素的位置的影響作了加權，可以降低模糊邊緣程度，簡單有效。但Scharr算子并沒有將橋梁裂縫和背景分開，嚴重影響裂縫寬度計算。

2)迭代Canny算法雖基本保留了橋梁裂縫邊緣細節(jié)，分割之后仍保留有噪聲點，影響像素數(shù)目的統(tǒng)計。

3)Snake算法保留橋梁裂縫全部信息，但受其它噪聲影響，處理之后，邊界出現(xiàn)斷裂，影響像素數(shù)目的統(tǒng)計。

4)在橋梁裂縫受到噪聲干擾下，通過實驗對比，圖搜索算法得到的裂縫邊緣輪廓清晰，且邊緣連續(xù)，滿足檢測橋梁裂縫的精度要求。

衡量算法標準主要包括：誤分率和檢測時間，誤分率是指在區(qū)分裂縫像素時，錯誤判斷裂縫像素數(shù)目和判斷裂縫像素數(shù)目總數(shù)之比，比較結果如表2所示。

表2 圖搜索與其它算法性能參數(shù)比較

由表2知，圖搜索算法在檢測橋梁裂縫過程中，誤分率最低，而且檢測時間也是最短的。由此表明圖搜索對干擾物進行有效抑制，同時對橋梁裂縫邊緣細節(jié)性信息進行保護。

3.2 與顯微鏡測量結果比較

在vs2013環(huán)境中開發(fā)裂縫測量系統(tǒng)軟件，核心算法用MATLAB 2014實現(xiàn)。選用100倍帶光源顯微鏡直接讀取待測裂縫寬度(測量范圍0.01～1 mm)，表3為實驗測量結果。

表3 實驗測量結果

4 結 論

測量結果表明：軟件計算值誤差均低于0.03 mm，相對誤差隨著拍攝距離變化而變化?，F(xiàn)有條件滿足橋梁工程需求，如果拍攝距離在2 m以上，會有很大誤差，需要考慮換鏡頭。