多尺度空間下的隧道裂縫與滲水區(qū)域檢測(cè)

賈東峰, 張偉平, 劉燕萍

(1.同濟(jì)大學(xué) 土木工程學(xué)院, 上海 200092; 2.同濟(jì)大學(xué)浙江學(xué)院, 浙江 嘉興 314051)

在隧道結(jié)構(gòu)的安全檢測(cè)中,裂縫檢測(cè)是十分重要的檢測(cè)項(xiàng)目.隧道裂縫檢測(cè)的傳統(tǒng)方法以人工判讀與記錄為主,少量以動(dòng)態(tài)檢測(cè)車輔助,通過(guò)各工區(qū)相互配合,在線路無(wú)運(yùn)營(yíng)任務(wù)時(shí)對(duì)隧道管壁進(jìn)行人工篩查.這種方法工作效率低,人工成本高且容易受人工主觀判斷力的影響造成漏測(cè)、誤測(cè).隨著地下結(jié)構(gòu)檢測(cè)技術(shù)的發(fā)展,一些自動(dòng)化的裂縫檢測(cè)技術(shù)得到了有效地發(fā)展.這些隧道裂縫自動(dòng)化檢測(cè)技術(shù)可以分為三類:第一類是基于隧道自身形變的固定式檢測(cè)方法.通過(guò)測(cè)量隧道形變或者布設(shè)形變傳感器獲取隧道局部的形變及裂縫信息,并對(duì)形變和裂縫進(jìn)行分析和評(píng)價(jià),獲取局部區(qū)域的安全狀況;第二類是通過(guò)光學(xué)成像技術(shù),獲取隧道內(nèi)部的影像數(shù)據(jù),并通過(guò)數(shù)字圖像處理的相關(guān)技術(shù),獲取隧道內(nèi)部的裂縫信息;第三類是通過(guò)雷達(dá)探傷技術(shù)獲取隧道內(nèi)部管壁的裂縫形狀及其深度信息.近年來(lái),一些成熟的隧道裂縫檢測(cè)系統(tǒng),如德國(guó)的GPR5000隧道檢測(cè)車[1]、日本基于電荷耦合器件(charge couple device,CCD)線陣列的隧道裂縫檢測(cè)系統(tǒng)[2]等,在隧道內(nèi)部的裂縫檢測(cè)中可以發(fā)揮重要的作用,但是其設(shè)備成本高,不易于維護(hù),同時(shí)由于這些國(guó)家的技術(shù)屏蔽,阻礙了這些系統(tǒng)的推廣和發(fā)展.

三維激光掃描技術(shù)不僅可以獲取隧道內(nèi)部的點(diǎn)云數(shù)據(jù),而且可以獲取其高分辨率的全景影像信息,這些影像數(shù)據(jù)包含了隧道內(nèi)部的裂縫、滲水信息,可以有效地應(yīng)用到隧道的裂縫檢測(cè)中.對(duì)于基于圖像的隧道裂縫檢測(cè)方法,由于其成本低,易于開(kāi)展和處理,近年得到了廣泛的研究,學(xué)者們提出了許多成熟的算法.Siriphan[3]提出了基于中值濾波的裂縫檢測(cè)算法,首先采用中值濾波對(duì)影像進(jìn)行平滑處理,濾除環(huán)境噪聲的影響,起到圖像增強(qiáng)的效果,成為目前廣泛使用的一種裂縫影像預(yù)處理方法.Muduli等[4]根據(jù)數(shù)字圖像處理理論提出了一種快速裂縫提取算法,通過(guò)對(duì)Canny算子進(jìn)行改進(jìn),提高了裂縫圖像的峰值信噪比和裂縫的提取精度.Sunil等[5]根據(jù)裂縫的特點(diǎn),提出多尺度的裂縫提取算法,根據(jù)不同尺度的裂縫形態(tài)特點(diǎn),采用不同的邊緣提取算法對(duì)其進(jìn)行識(shí)別,實(shí)現(xiàn)不同尺度裂縫的檢測(cè)與提取.Hatada等[6]針對(duì)一般算法無(wú)法保持裂縫邊緣連續(xù)性的特點(diǎn),提出了一種具有方向跟蹤的定向?yàn)V波算法,該算法根據(jù)裂縫的形態(tài)特征進(jìn)行邊緣提取,可以有效保證裂縫邊緣的完整性.Kovesi[7]采用相位一致法有效去除了圖像中的高頻噪聲,提高了裂縫提取的精度.王平讓等[8]提出了一種基于十字模板的裂縫提取算法,通過(guò)種子點(diǎn)進(jìn)行生長(zhǎng),可以有效避免裂縫的重復(fù)標(biāo)記,該算法可以有效應(yīng)用于隧道圖像滲水區(qū)域的提取.沈瑜[9]提出了一種優(yōu)化的隧道裂縫檢測(cè)算法,可以有效提高高頻子帶的穩(wěn)定性,同時(shí)采用Canny算法對(duì)低頻子帶進(jìn)行邊緣提取,提高了裂縫邊緣的完整性.文獻(xiàn)[10-13]分別基于數(shù)學(xué)變換、灰度閾值分割、神經(jīng)網(wǎng)絡(luò)和紋理特征等方法,實(shí)現(xiàn)了裂縫的提取.但是由于裂縫自身特性的差異,上述方法對(duì)裂縫圖像進(jìn)行提取過(guò)程中未從裂縫的物理特性進(jìn)行分析,容易受到偽裂縫信息的干擾,很難取得穩(wěn)定的效果.

針對(duì)隧道內(nèi)部裂縫的特點(diǎn),本文基于點(diǎn)云影像提出了不同尺度空間下的裂縫滲水區(qū)域識(shí)別與檢測(cè)算法.針對(duì)不同尺度的隧道裂縫,通過(guò)定義尺度空間,提出了一種融合型圖像檢測(cè)算子,實(shí)現(xiàn)不同尺度和形態(tài)裂縫滲水區(qū)域檢測(cè).

1 隧道裂縫的物理特點(diǎn)

隧道內(nèi)部的特殊環(huán)境使得目前對(duì)其裂縫的檢測(cè)依賴于人工交互式普查.隧道內(nèi)部的裂縫不同于道路、橋梁結(jié)構(gòu)中的裂縫,其寬度狹窄,噪聲多,容易受到管線、管壁接縫等偽裂縫形態(tài)的影響.同時(shí)由于隧道內(nèi)部缺少光照,在人工光照下獲得的圖像容易發(fā)生曝光過(guò)度或量化不足,因此傳統(tǒng)的圖像處理算法并不適用隧道裂縫的提取,需要根據(jù)隧道裂縫的物理特點(diǎn),提出新的裂縫檢測(cè)算法.

隧道裂縫具有以下物理特點(diǎn):① 寬度狹小,多數(shù)隧道裂縫寬度低于0.75 mm;② 在圖像中占有的像素比例較小,且沒(méi)有明顯的雙峰特性;③ 隧道裂縫具有不同的形狀和尺度特征;④ 邊緣比較粗糙,且空間走勢(shì)呈自由曲線.

2 本文裂縫提取算法

隧道裂縫在物理形態(tài)上具有多樣性,容易受到偽裂縫信息的干擾.在空間特點(diǎn)上也具有尺度多樣性,需根據(jù)其尺度特征,設(shè)計(jì)合適的檢測(cè)算子,實(shí)現(xiàn)不同尺度和形態(tài)的裂縫檢測(cè).

(1) 尺度空間構(gòu)建

尺度空間構(gòu)建是為了模擬圖像數(shù)據(jù)的多尺度特征.對(duì)于預(yù)處理過(guò)的隧道內(nèi)部圖像,其裂縫在圖像上具有多尺度特征.通過(guò)建立尺度空間,可以實(shí)現(xiàn)不同尺度下裂縫特征的提取.根據(jù)高斯核函數(shù)構(gòu)建的尺度空間如式(1)所示.

L(x,y,σ)=G(x,y,σ)*I(x,y)

(1)

式中:σ為高斯核函數(shù)的尺度因子;L(x,y,σ)為尺度空間函數(shù);G(x,y,σ)為高斯核函數(shù);I(x,y)為輸入圖像,尺度空間是不同尺度高斯核函數(shù)和圖像的卷積.

(2)

通過(guò)改變?chǔ)业拇笮】梢钥刂茍D像被平滑的程度,值越大圖像被平滑得越厲害.通過(guò)選擇不同大小的尺度因子σ來(lái)突出圖像在不同尺度上的特征,這樣就保證了同一特征在不同尺度上時(shí)都可以被提取出來(lái),從而使檢測(cè)出的特征具有尺度不變性.

(2) 裂縫檢測(cè)算子定義

可以根據(jù)圖像的概率統(tǒng)計(jì)特性,對(duì)圖像中裂縫進(jìn)行提取.文獻(xiàn)[14]和文獻(xiàn)[15]分別針對(duì)圖像的統(tǒng)計(jì)特性,深入論述了基于圖像統(tǒng)計(jì)特性的特征像素提取算法,并提出了相應(yīng)的檢測(cè)算子.通過(guò)對(duì)文獻(xiàn)[14]算子進(jìn)行改進(jìn),定義比率檢測(cè)算子D1表示相鄰區(qū)間像素均值的比率(rij,rji),對(duì)于圖像中的任意兩個(gè)相鄰區(qū)間i和j,對(duì)檢測(cè)算子D1的響應(yīng)可表示為

rij∶rji=1-min(μi/μj,μj/μi)

(3)

式中:μ為采樣均值,對(duì)于三個(gè)相鄰區(qū)間k,i和j,則檢測(cè)算子D1的響應(yīng)可表示為

D1=min(rik,rij)

(4)

可以發(fā)現(xiàn),檢測(cè)算子D1是關(guān)于像素(x,y)的鄰域大小m×n和夾角θ的分布函數(shù),其中θ的定義如圖1所示.

檢測(cè)算子D1對(duì)圖像統(tǒng)計(jì)特性中的均值比較成分具有較好的表現(xiàn),但是對(duì)于算子窗口中心不在裂縫邊緣的情況下,其檢測(cè)效果較差.因此定義檢測(cè)算子D2,其意義為用概率分布函數(shù)模型表示裂縫強(qiáng)度函數(shù),數(shù)學(xué)模型為

(5)

圖1 θ角的定義

(6)

該算子既可以保持對(duì)帶狀裂縫檢測(cè)的穩(wěn)定性,同時(shí)對(duì)于灰度值較高的小裂縫,可以恢復(fù)其對(duì)高灰度值的敏感特性,得到較多的響應(yīng)邊緣像素值,即可獲取邊緣特征點(diǎn)的尺度和位置.為了更精確地定位所有邊緣特征點(diǎn),對(duì)提取的極值點(diǎn)做二次函數(shù)擬合,再按泰勒級(jí)數(shù)展開(kāi),如式(7)所示.

(7)

式中:X=(x,y,σ)T.D(X)對(duì)X求導(dǎo)數(shù),當(dāng)導(dǎo)數(shù)值為零時(shí),則:

(8)

(9)

通過(guò)式(7)~(9)運(yùn)算和操作,可以實(shí)現(xiàn)不同尺度裂縫的提取.由于隧道圖像中含有凹槽和管線,在邊緣點(diǎn)計(jì)算中會(huì)被當(dāng)作裂縫邊緣進(jìn)行提取,因此需要設(shè)計(jì)閾值進(jìn)行過(guò)濾,本文通過(guò)計(jì)算裂縫的寬度對(duì)其進(jìn)行過(guò)濾.凹槽在圖像上呈正方形,其寬度一般為8 cm,管線的寬度一般為1 cm,而在隧道中裂縫大于0.75 mm時(shí)已經(jīng)達(dá)到報(bào)警級(jí)別,鮮有裂縫寬度大于1 cm,且不同于管線,裂縫的寬度不均勻,對(duì)于裂縫寬度大于1 cm的情況,可通過(guò)最大寬度和最小寬度的差值進(jìn)行偽裂縫的排除.

3 實(shí)例分析

3.1 裂縫提取精度分析

選取三維激光掃描儀獲取的隧道內(nèi)部全景點(diǎn)云圖像,根據(jù)高斯投影模型進(jìn)行轉(zhuǎn)換,然后按照300×300像素圖幅對(duì)圖像進(jìn)行分割,并通過(guò)本文提出的裂縫提取算法進(jìn)行處理.圖2所示為圖像裂縫提取過(guò)程,其中圖2a~圖2d是圖像預(yù)處理過(guò)程,分別采用對(duì)比度拉伸增強(qiáng)裂縫圖像的對(duì)比度,并根據(jù)濾波算法過(guò)濾背景中的噪聲,然后生成二值圖像.圖2e為采用本文提取算法得到的裂縫邊緣,從圖中可以看出算法對(duì)于裂縫邊緣的識(shí)別度較高,但是一些偽裂縫邊緣也得到了提取,通過(guò)設(shè)置寬度閾值為1 cm,即裂縫寬度大于1 cm為偽裂縫,小于1 cm為真實(shí)裂縫,圖2f為閾值過(guò)濾后的結(jié)果,圖中裂縫邊緣用虛線顯示.通過(guò)過(guò)濾實(shí)現(xiàn)了裂縫的準(zhǔn)確識(shí)別和定位.

為了進(jìn)一步分析判斷本文算法的準(zhǔn)確率,通過(guò)三組不同尺寸的裂縫圖像進(jìn)行分析,三組圖像中的裂縫已經(jīng)提前進(jìn)行人工標(biāo)定,其長(zhǎng)度已知,圖3為對(duì)第一組圖像進(jìn)行裂縫提取的結(jié)果.對(duì)于人工標(biāo)定寬度大于0.75 mm的裂縫定義為大裂縫,寬度大于0.5 mm而小于0.75 mm的裂縫定義為中等裂縫,寬度小于0.5mm的裂縫定義為小裂縫.圖中的裂縫分別符合對(duì)不同尺度裂縫的定義.如圖3b、3d和3f所示,通過(guò)本文算法、提取和閾值過(guò)濾,能夠準(zhǔn)確找到圖中裂縫的位置.并且對(duì)大裂縫的邊緣提取較為完整(圖3b),對(duì)中等裂縫的提取過(guò)程產(chǎn)生了較為明顯的斷裂(圖3d),對(duì)小裂縫的邊緣提取則精度較差(圖3f).

對(duì)三組圖像分別進(jìn)行提取同時(shí)和人工標(biāo)定值進(jìn)行比較,表1所示為本文算法和人工標(biāo)定值的對(duì)比分析.從表1中可知,本算法對(duì)于大裂縫的提取很準(zhǔn)確,其長(zhǎng)度和人工標(biāo)定值比較相差(0.8 cm,0.96 cm,0.99 cm),正確率達(dá)到了90%;對(duì)于中等裂縫,由于存在斷裂,所以其提取精度有所退化,與人工標(biāo)定值比較,其長(zhǎng)度相差(3.6 cm,4.1 cm,3.81 cm),

a 原始圖像

b 對(duì)比度增強(qiáng)

c 濾波處理

d 圖像二值化

e 邊緣提取

f 閾值過(guò)濾

a 大裂縫圖像

b 提取結(jié)果

c 中等裂縫圖像

d 提取結(jié)果

e 小裂縫圖像

f 提取結(jié)果

表1 本文算法與人工標(biāo)定裂縫長(zhǎng)度對(duì)比

正確率達(dá)到了70%;對(duì)于小裂縫的提取精度較差,從圖3e、3f可以看出,部分裂縫由于存在誤判,并未得到有效提取.同時(shí)對(duì)于已經(jīng)提取部分的斷裂較大,與人工標(biāo)定值比較,其長(zhǎng)度相差(10.2 cm,11.95 cm,5.95 cm),正確率為25%.因此,有待提高對(duì)斷裂部位的連接,同時(shí)降低可能引入的隨機(jī)噪聲.

同時(shí),為了進(jìn)一步分析本文算法的精度,分別采用Muduli算法和Kovesi算法對(duì)三組圖像進(jìn)行處理和提取,對(duì)其結(jié)果進(jìn)行對(duì)比分析.表2所示為不同算法的提取結(jié)果.從表2中可知,對(duì)于圖中大裂縫,三種方法均可到達(dá)較高的提取精度,與標(biāo)定值對(duì)比,Kovesi算法對(duì)大裂縫的提取更加精確,其提取正確率達(dá)到了95%;對(duì)于圖中中等裂縫的提取,本文算法的精度優(yōu)于Muduli算法和Kovesi算法,提取正確率為80%;對(duì)于小裂縫的提取,從表中可以看出,Kovesi算法對(duì)小裂縫的提取效果較差,幾乎不能識(shí)別和提取微小裂縫.同時(shí)由于噪聲干擾,Muduli算法對(duì)小裂縫的提取精度也較差,其正確率為14%.

表2 不同算法的裂縫長(zhǎng)度分析對(duì)比

3.2 滲水區(qū)域檢測(cè)

與裂縫圖像相比,滲水區(qū)域的面積較大.對(duì)于一幅含有滲水區(qū)域的圖像,與圖像背景灰度值相比,滲水區(qū)域的灰度值較低,背景部分的灰度值較高.可通過(guò)對(duì)比度拉伸,提高圖像中明、暗部分的灰度差異,進(jìn)一步提高滲水區(qū)域的識(shí)別度.圖4a是含有滲水區(qū)域的隧道圖像.圖4b是圖像對(duì)應(yīng)的直方圖.

a 滲水區(qū)域圖像

b 圖像直方圖

采用分段線性拉伸的方法,進(jìn)一步降低暗色部分的灰度值,提高明亮部分的灰度值,通過(guò)對(duì)比度拉伸后的圖像如圖5所示.

采用本文提出的邊緣檢測(cè)算法對(duì)其進(jìn)行邊緣提取,設(shè)置偏移量閾值為0.08,所得結(jié)果如圖6c所示.6a是采用Canny算子獲取的滲水區(qū)域邊緣,從圖中可以看出,Canny算子提取的邊緣較為完整,邊緣線性的連接程度也較高,但是Canny算子受噪聲的影響較大,由于圖像中含有一些噪聲,采用Canny算子很難進(jìn)行噪聲的過(guò)濾.圖6b為采用Sobel算子獲取的滲水區(qū)域邊緣,從圖中可以看出Sobel算子也可以獲取滲水區(qū)域的有效邊緣,對(duì)噪聲也有一定的抑制能力,但是不能完全排除檢測(cè)結(jié)果中出現(xiàn)的虛假邊緣,雖然Sobel算子的定位精度較高,但是檢測(cè)的邊緣容易出現(xiàn)多像素寬度.從圖6c中可以看出,本文算法可以獲得較好的滲水區(qū)域邊緣,并且和Canny算子、Sobel算子相比,在對(duì)比度較高的情況下,本文算法的抗噪性較好,可以較好地過(guò)濾背景部分的椒鹽噪聲,同時(shí)獲得完整連貫的邊緣.

a 灰度拉伸后圖像

b 圖像直方圖

a Canny算子

b Sobel算子

c 本文算法

4 結(jié)語(yǔ)

點(diǎn)云影像包含了隧道內(nèi)部裂縫和滲水區(qū)域的信息,可以有效地應(yīng)用到隧道裂縫和滲水檢測(cè)中.根據(jù)隧道內(nèi)部裂縫的物理特點(diǎn),提出了一種不同尺度空間下的隧道裂縫提取算法.該算法不僅可以保持對(duì)帶狀裂縫檢測(cè)的穩(wěn)定性,同時(shí)對(duì)于灰度值較高的小裂縫,可以恢復(fù)其對(duì)高灰度值的敏感特性,得到較多的響應(yīng)邊緣像素.通過(guò)對(duì)實(shí)際的隧道圖像進(jìn)行測(cè)試分析,本文算法可以有效排除偽裂縫信息的干擾,對(duì)不同尺度的裂縫進(jìn)行準(zhǔn)確識(shí)別和定位.同時(shí)對(duì)于寬度大于0.5 mm的裂縫提取精度較高,對(duì)于寬度小于0.5 mm的裂縫提取精度略差.采用本文算法對(duì)滲水區(qū)域的識(shí)別提取精度較高,同Canny算子和Sobel算子相比,本文算法的抗噪性較好,可以較好地過(guò)濾背景部分的椒鹽噪聲,同時(shí)獲得完整連貫的邊緣.