基于紅外圖像增強(qiáng)算法的混凝土內(nèi)部缺陷檢測(cè)研究

鄭 丹，譚帥帥

(重慶交通大學(xué) 河海學(xué)院，重慶 400074)

0 引 言

紅外檢測(cè)由于其非接觸、高效率、效果直觀的特點(diǎn)，已成為被廣泛應(yīng)用的無損檢測(cè)技術(shù)。紅外檢測(cè)的基本原理是通過外部熱源對(duì)物體進(jìn)行加熱，由于缺陷改變了材料局部導(dǎo)熱性，根據(jù)受熱、冷卻過程中表面溫度的變化可判斷缺陷情況[1]。

紅外檢測(cè)在金屬等熱良好傳導(dǎo)體中的應(yīng)用更加廣泛。由于混凝土材料導(dǎo)熱性能較差，同等加熱條件下產(chǎn)生的溫差較小，現(xiàn)有紅外檢測(cè)設(shè)備難以檢測(cè)到較小和深處的缺陷[2]。為取得更佳的圖像分辨效果，需要將混凝土加熱至較高溫度[3]。但在實(shí)際檢測(cè)過程中高強(qiáng)度熱源難以保證，同時(shí)王振波等[4]研究發(fā)現(xiàn)，混凝土的熱損傷積累主要取決于溫差的變化，溫度荷載作用下，裂縫的擴(kuò)展有明顯的斷裂行為。因此在加熱過程中需要避免產(chǎn)生較大的局部溫差，在此基礎(chǔ)上充分利用紅外設(shè)備采集到的溫度信息，方便快捷地判斷材料缺陷十分重要。

數(shù)字圖像處理是一門實(shí)用學(xué)科，內(nèi)容涵蓋圖像的濾波、變換、壓縮及數(shù)據(jù)融合等現(xiàn)代處理技術(shù)，能夠通過算法實(shí)現(xiàn)數(shù)據(jù)準(zhǔn)備、轉(zhuǎn)換、顯示和輸出[5-6]。而在與紅外圖像優(yōu)化相關(guān)的非均勻性校正、圖像增強(qiáng)、對(duì)比度增強(qiáng)[7-8]等方面也取得了一定成果，編有成套算法。筆者分析可得，與普通圖像相比，混凝土紅外檢測(cè)圖像具有色差小、分辨率低等不利于后期處理的特點(diǎn)，因此筆者就圖像增強(qiáng)算法在混凝土紅外缺陷檢測(cè)領(lǐng)域應(yīng)用的合理性及其應(yīng)用效果作進(jìn)一步研究。

1 仿真試驗(yàn)

1.1 試件制備

制作普通C30混凝土試件，材料包括P.O 32.5普通硅酸鹽水泥、天然河沙及5～20 mm粒徑石灰?guī)r碎石。通過側(cè)面開口的方式模擬內(nèi)部缺陷，布置方式如圖1。拆模后試件在標(biāo)準(zhǔn)養(yǎng)護(hù)室(溫度20±2 ℃，相對(duì)濕度95%以上)中養(yǎng)護(hù)28 d。

圖1 缺陷布置Fig. 1 Defect layout

根據(jù)預(yù)制缺陷深度、規(guī)格的差異對(duì)試件進(jìn)行編號(hào)，結(jié)果如表1。

表1 預(yù)制試件規(guī)格Table 1 Specimen size

1.2 試驗(yàn)設(shè)備

實(shí)驗(yàn)采用產(chǎn)于美國(guó)FLIR公司的A300型紅外熱像儀，探測(cè)精度為0.1 ℃，探測(cè)范圍為-20～350 ℃。加熱方式選用遠(yuǎn)紅外石英加熱板進(jìn)行覆蓋式加熱，其尺寸為600 mm×200 mm，功率為3 000 W。

1.3 數(shù)據(jù)采集

實(shí)驗(yàn)前，于試件上表面布置與缺陷等大的測(cè)區(qū)A1(左)、A2(右)，并在中心部分布置A3作為對(duì)照，記錄區(qū)域內(nèi)溫度場(chǎng)變化情況，測(cè)區(qū)布置如圖2。

圖2 測(cè)區(qū)布置Fig. 2 Surveying area arrangement

實(shí)驗(yàn)時(shí)，先將石英板預(yù)熱30 s，再加載到帶有內(nèi)部缺陷的混凝土試件上進(jìn)行熱激勵(lì)，激勵(lì)時(shí)間為60 s，熱源距試件100 mm，此距離下輻射能密度為640 W/m2，實(shí)驗(yàn)布置如圖3。加熱完成后通過紅外熱像儀進(jìn)行數(shù)據(jù)采集。

圖3 實(shí)驗(yàn)布置Fig. 3 Experiment layout

2 試驗(yàn)結(jié)果分析

為盡量消除試驗(yàn)中外加熱源對(duì)紅外熱像的影響，筆者的數(shù)據(jù)分析均采用降溫段，即移除外加熱源后的紅外熱像數(shù)據(jù)。由于加熱時(shí)間較長(zhǎng)，可認(rèn)為降溫開始時(shí)受熱面溫度基本相等。圖4展示了單一試件(以試件2為例)在不同降溫時(shí)刻的紅外熱像圖。從圖4可以看出：降溫初期，由于缺陷處和完整處溫差較小，加上表面不均勻性及邊界條件影響，紅外圖像出現(xiàn)較多亮斑，干擾缺陷識(shí)別，如圖4(a)；隨著降溫過程延長(zhǎng)，缺陷處由于導(dǎo)熱系數(shù)低、熱量傳遞慢，局部溫度相對(duì)較高，干擾亮斑褪去后，觀測(cè)面僅剩反映實(shí)際缺陷的亮斑，其尺寸與預(yù)制缺陷相當(dāng)，且溫差越大、缺陷越淺的亮斑越清晰，如圖4(b)、4圖(c)。

由圖4可以看出，采用傳統(tǒng)的紅外熱像法和肉眼觀察可以檢測(cè)出混凝土材料的內(nèi)部缺陷，但溫差較小時(shí)難以檢出。為定量分析傳統(tǒng)的紅外熱像法的適用范圍，可以計(jì)算出圖4中缺陷部分與完整處的表面溫差，見表2。

圖4 檢測(cè)效果Fig. 4 Test renderings

表2 溫差與識(shí)別效果Table 2 Temperature difference and recognition effect

結(jié)合圖4及表2可以看出，通過紅外熱像加肉眼識(shí)別的方法，能夠分辨溫差超過0.3 ℃的缺陷；在筆者設(shè)定的加熱條件下，可以識(shí)別深度低于3 cm的缺陷，對(duì)于更深處的缺陷識(shí)別精度較差，這一結(jié)果同鄒樾旋[9]、C. C. CHENG等[10]的研究結(jié)論相一致。但實(shí)際工程中，混凝土內(nèi)部缺陷深度往往大于3 cm，采用傳統(tǒng)紅外熱像法很難準(zhǔn)確識(shí)別。因此，通過算法將機(jī)械可識(shí)別范圍內(nèi)的溫差放大、使其能夠被肉眼捕捉，對(duì)于拓展紅外熱像在混凝土無損檢測(cè)應(yīng)用范圍和提高檢測(cè)精度具有重要意義。

3 圖像增強(qiáng)算法分析

實(shí)際檢測(cè)過程中，紅外熱像法采集到的數(shù)據(jù)為時(shí)程數(shù)據(jù)，含有豐富的信息，而且材料在熱量傳遞的過程中，其溫度變化是連續(xù)的，因此可以通過算法進(jìn)行全局處理，提高紅外熱像檢測(cè)的精度和效率。

3.1 算法原理

筆者主要通過將時(shí)域擬合與CLAHE算法相結(jié)合對(duì)圖像進(jìn)行增強(qiáng)處理，期間運(yùn)用Retinex算法[11]優(yōu)化圖像視覺效果，主要步驟如下：

1)將視頻文件轉(zhuǎn)化為灰度矩陣，逐幀提取溫度信息，并把每個(gè)像素點(diǎn)的數(shù)據(jù)按時(shí)間順序組合成列向量，合并生成新的矩陣以便批量處理。

2)將每一組列向量通過n次多項(xiàng)式擬合，得到重構(gòu)后的熱圖序列。此舉可以充分利用整個(gè)視頻流數(shù)據(jù)，避免僅處理單張圖片造成的誤差，提升圖像的連續(xù)性。同時(shí)，由于亮斑的持續(xù)時(shí)間較短，通過擬合可以削弱其對(duì)缺陷識(shí)別的干擾。其表達(dá)式如式(1)：

(1)

式中：T(t)為試件表面溫度的時(shí)間序列，擬合次數(shù)可根據(jù)實(shí)際情況進(jìn)行選擇，針對(duì)單一的加熱、降溫過程可取n=3以提高運(yùn)行速度。

3)通過Retinex圖像增強(qiáng)算法，實(shí)現(xiàn)圖像的自適應(yīng)增強(qiáng)。物體的顏色由其光線反射能力決定，而非由反射光強(qiáng)度決定，其色彩不受光照非均性的影響，具有一致性。因此通過該算法保留物體本身具有的反射性質(zhì)，同時(shí)弱化入射光源對(duì)圖像像素動(dòng)態(tài)范圍的影響，其計(jì)算公式如式(2)：

(2)

4)通過限制對(duì)比度直方圖均衡算法[12-13]，將灰度超過限值的部分進(jìn)行裁剪并均分配。此舉能夠避免因缺陷中心溫度過高導(dǎo)致邊界模糊，提升檢測(cè)精度，重分配方式如圖5。

圖5 CLAHE算法分配模式Fig. 5 Histogram qualification of CLAHE

3.2 增強(qiáng)圖像算法結(jié)果分析

通過3.1節(jié)算法對(duì)采集到數(shù)據(jù)進(jìn)行處理，將增強(qiáng)前后的缺陷識(shí)別效果進(jìn)行對(duì)比。由于淺層缺陷顯現(xiàn)時(shí)間更早，故對(duì)試件兩側(cè)缺陷分別進(jìn)行處理，結(jié)果如圖6。

圖6 圖像處理效果對(duì)比Fig. 6 Comparison of image processing effect

從圖6可以看出，檢測(cè)圖像經(jīng)過筆者算法的增強(qiáng)處理后，缺陷的邊緣細(xì)節(jié)得到加強(qiáng)，原先肉眼觀察較為模糊〔圖6(a)～(d)〕、無法識(shí)別〔圖6(a)～(f)〕的缺陷變得能夠識(shí)別，避免了直接采用直方圖均化產(chǎn)生的過度增強(qiáng)和光暈現(xiàn)象[12]。

3.3 數(shù)據(jù)化分析

為了對(duì)缺陷識(shí)別效果做出更客觀評(píng)價(jià)，筆者采用均方根對(duì)比度衡量圖像質(zhì)量。對(duì)于色彩單一、色塊相互干擾較小的紅外檢測(cè)圖像，均方根對(duì)比度可定量判斷缺陷在其所處范圍內(nèi)的可識(shí)別程度，其計(jì)算公式如式(3)：

(3)

式中：I表示寬和高分別為w和h的圖像；I(x,y)為圖像中指定位置的像素值；μ為圖的亮度(像素平均值)；σ為均方根對(duì)比度，取試件左右半?yún)^(qū)進(jìn)行計(jì)算。圖6中框選半?yún)^(qū)的均方根對(duì)比度計(jì)算結(jié)果如表3。

表3 熱圖處理基本參數(shù)Table 3 Basic parameters of thermal image processing

從表3可以看出，不同深度缺陷的顯現(xiàn)時(shí)間差異較大，淺層缺陷識(shí)別更快、更清晰。通過增強(qiáng)圖像算法處理，圖像均方根對(duì)比度σ提高了2.5～5.1倍，可以檢測(cè)出溫差低至0.1 ℃的混凝土缺陷，比處理前的0.3 ℃提高了近3倍；在相同的溫差條件下可以更為準(zhǔn)確地檢測(cè)出深度更大的混凝土內(nèi)部缺陷，大大提高了紅外熱像法在混凝土缺陷檢測(cè)領(lǐng)域的適用范圍。算法應(yīng)用在降低缺陷識(shí)別所需溫差的同時(shí)保證了識(shí)別的效果，在溫差需求范圍內(nèi)(大于0.1 ℃)具有較高適用性。

4 結(jié) 論

筆者采用理論分析和室內(nèi)試驗(yàn)相結(jié)合的方法，提出了一種混凝土內(nèi)部缺陷檢測(cè)的紅外圖像增強(qiáng)方法，研究結(jié)果表明：

1)對(duì)于淺層缺陷，通過時(shí)域擬合的方式能夠減小不均勻亮斑對(duì)于前期缺陷識(shí)別造成的干擾。

2)對(duì)于深層缺陷，筆者算法能夠大幅縮短檢測(cè)時(shí)間、提升圖像的對(duì)比度，提高了缺陷的可識(shí)別性。

3)通過算法的應(yīng)用能夠?qū)⑷毕葑R(shí)別的溫差需求從0.3 ℃降至0.1 ℃，提高了檢測(cè)精度，在相同外部條件下可以增加混凝土內(nèi)部缺陷的檢測(cè)深度。