基于視覺(jué)圖像的水利工程隱患檢測(cè)方法

王 劍，周志美

(1.江西省水利科學(xué)院，江西 南昌 330029；2.撫州港輝水利建筑有限公司，江西 撫州 334000)

隨著視覺(jué)圖像處理技術(shù)的發(fā)展，采用視覺(jué)圖像分析方法建立水利工程的隱患檢測(cè)模型。通過(guò)分析水利工程的視覺(jué)特征參數(shù)，結(jié)合對(duì)水利工程的紅外遙感視覺(jué)特征分析，采用力學(xué)參數(shù)和視覺(jué)空間重構(gòu)的方法，實(shí)現(xiàn)對(duì)水利工程的缺陷和隱患檢測(cè)，提高水利工程隱患排除的智能檢測(cè)和分析能力。相關(guān)的水利工程隱患檢測(cè)和排除方法研究在水利工程的運(yùn)維管理中具有重要意義。

當(dāng)前，對(duì)水利工程隱患檢測(cè)方法主要有機(jī)器視覺(jué)的特征分析方法[1]、模糊預(yù)應(yīng)力特征分析方法、光譜分析方法以及紅外檢測(cè)方法等[2]，其中，基于多尺度輸入圖像滲透模型的橋梁裂縫檢測(cè)方法[3]，使用加權(quán)分段函數(shù)進(jìn)行圖像對(duì)比度增強(qiáng)，通過(guò)最佳閾值分割濾除大部分非裂縫區(qū)域；通過(guò)視覺(jué)多尺度分解，實(shí)現(xiàn)橋梁裂縫檢測(cè)，但該方法進(jìn)行水利工程隱患檢測(cè)的特征辨識(shí)能力不好?；陔p目立體視覺(jué)技術(shù)的橋梁裂縫測(cè)量系統(tǒng)[4]，采用相機(jī)標(biāo)定、圖像匹配、三維坐標(biāo)計(jì)算等雙目立體視覺(jué)技術(shù)對(duì)橋梁裂縫的寬度和長(zhǎng)度進(jìn)行計(jì)算；采用模糊度特征提取，實(shí)現(xiàn)橋梁工程裂縫檢測(cè)，但該方法進(jìn)行橋梁隱患檢測(cè)的精密度不高，單目測(cè)量性能不好。針對(duì)上述問(wèn)題，本文提出基于視覺(jué)圖像的水利工程隱患檢測(cè)方法。首先采用紅外遙感探測(cè)技術(shù)提取水利工程隱患部位的視覺(jué)圖像特征參數(shù)；然后在沿梯度方向求得水利工程缺陷部分為變質(zhì)層次特征參量，通過(guò)疲勞裂紋視覺(jué)特征重構(gòu)，采用機(jī)器視覺(jué)重組，實(shí)現(xiàn)水利工程的隱患優(yōu)化檢測(cè)；最后進(jìn)行實(shí)驗(yàn)測(cè)試，展示了本文方法在提高水利工程隱患檢測(cè)能力方面的優(yōu)越性能。

1 水利工程隱患檢測(cè)系統(tǒng)

1.1 水利工程隱患檢測(cè)系統(tǒng)構(gòu)成

為了實(shí)現(xiàn)基于視覺(jué)圖像的水利工程隱患檢測(cè)，基于灰度圖像處理的方法，建立水利工程隱患排除的二維圖像分析模型，結(jié)合水利工程隱患特征的異常標(biāo)定，采用模板匹配的方法，分析灰度特征點(diǎn)分布位置的隱患特性[5]；采用工件本構(gòu)模型參數(shù)分析，結(jié)合水利工程工件材料的形變、相變參數(shù)分析；采用旋轉(zhuǎn)不變矩檢測(cè)的方法，結(jié)合應(yīng)力參數(shù)分析和光學(xué)視覺(jué)特征分析，建立水利工程隱患檢測(cè)的參數(shù)采集模型。在光學(xué)傳感器下建立水利工程隱患視覺(jué)成像模型，提取水利工程雨水沖刷的痕跡或者人為的印跡，通過(guò)對(duì)光學(xué)特征分析和視覺(jué)參數(shù)分析，采用動(dòng)態(tài)視覺(jué)特征分析，建立單位像素尺度分析模型?；谝曈X(jué)特征分析，通過(guò)仿射變換和特征提取[6]，在平移、旋轉(zhuǎn)、縮放、剪切等一系列原子變換下實(shí)現(xiàn)視覺(jué)跟蹤識(shí)別。采用連續(xù)小波變換，構(gòu)建水利工程隱患的機(jī)器視覺(jué)圖像采集模型，通過(guò)微觀組織的特征分析進(jìn)行水利工程隱患的視覺(jué)觀察，在單背景約束下，分析水利工程隱患的表面光澤點(diǎn)，采用3×3平滑濾波模板檢測(cè)的方法，提取水利工程隱患部位的視覺(jué)動(dòng)態(tài)參數(shù)。通過(guò)拉普拉斯-高斯(Laplacian-Gauss，LoG)算子進(jìn)行邊緣檢測(cè)，通過(guò)窗內(nèi)像素梯度特征分析，得到水利工程隱患部位的機(jī)器動(dòng)態(tài)視覺(jué)特征投影模板為((x，y)，(x，y′))，引入投影誤差，使得裂縫的輪廓與背景區(qū)域分割，得到水利工程隱患檢測(cè)如圖1所示。

圖1 水利工程隱患自動(dòng)檢測(cè)的總體實(shí)現(xiàn)結(jié)構(gòu)

根據(jù)圖1所示的水利工程隱患檢測(cè)總體結(jié)構(gòu)，基于小波和Radon變換的方法，建立水利工程隱患視覺(jué)圖像配準(zhǔn)技術(shù)和SIFTI(Scale-invariant Feature Transform，尺度不變特征轉(zhuǎn)換)模型，統(tǒng)計(jì)裂縫地圖中灰度值為0的個(gè)數(shù)為G，其中g(shù)i=(gix，giy，giz)(i=0，…Ng-1)為核函數(shù)G中的第i個(gè)頂點(diǎn)，通過(guò)熱-力耦合和塑性變形特征分析，得到水利工程隱患檢測(cè)的二維平面圖像映射模型，如圖2所示。

圖2 水利工程隱患檢測(cè)的二維平面圖像映射模型

根據(jù)上述分析，采用紅外遙感探測(cè)技術(shù)提取水利工程隱患部位的視覺(jué)圖像特征參數(shù)，在多分辨背景下采用動(dòng)態(tài)形變參數(shù)檢測(cè)的方法，構(gòu)建視覺(jué)圖像對(duì)比度增強(qiáng)模型，通過(guò)最佳閾值分割，進(jìn)行圖像特征分解和視覺(jué)定位[7]。

1.2 水利工程隱患檢測(cè)的圖像預(yù)處理

基于最佳閾值分割的方法，分析水利工程隱患部位比如裂縫的梯度動(dòng)態(tài)分布特征，研究水利工程的殘余應(yīng)力及變質(zhì)層特性[8]，基于模板網(wǎng)格化匹配，建立水利工程的隱患裂縫信息提取模型，網(wǎng)格分布如圖3所示。

圖3 水利工程隱患定位的網(wǎng)格配置示意圖

在圖3所示的網(wǎng)格模板分配結(jié)構(gòu)圖中，選取每個(gè)像素的實(shí)際面積，通過(guò)建立以DoG最大值/最小值為中心分塊模型結(jié)構(gòu)，統(tǒng)計(jì)裂縫地圖中灰度值為0的個(gè)數(shù)sum，在隱患部位分布的坐標(biāo)系(XPN，YPN)中，采用旋轉(zhuǎn)不變矩檢測(cè)的方法，得到水利工程隱患邊緣點(diǎn)坐標(biāo)(xk，yk)，滿足當(dāng)xk>XPN時(shí)，水利工程隱患邊緣特征值滿足iL=iL+1；當(dāng)xk

(1)

由此，采用增強(qiáng)裂縫圖像對(duì)比度的方法，結(jié)合模板匹配，建立水利工程圖像的過(guò)程匹配和邊緣特征分析模型[9]。

2 水利工程隱患檢測(cè)優(yōu)化實(shí)現(xiàn)

2.1 水利工程隱患特征提取

根據(jù)隱患部位的裂縫灰度差異分布，在沿梯度方向求得水利工程缺陷部分為變質(zhì)層次特征參量。水利工程隱患視覺(jué)圖像的模板核函數(shù)在視覺(jué)傳感下通過(guò)對(duì)水利工程的結(jié)構(gòu)紋形變、相變參數(shù)進(jìn)行動(dòng)態(tài)分析[10]，得到單位時(shí)間內(nèi)水利工程隱患部位的結(jié)構(gòu)紋理信息為G(x，y;t)。在時(shí)域上進(jìn)行水利工程圖像的過(guò)程特征分析，采用平移動(dòng)態(tài)參數(shù)分析的方法，得到水利工程隱患檢測(cè)的傳遞函數(shù)，表示為：

(2)

式中，φkl—不同尺度水利工程隱患部位的邊緣像素值；θkl—不同尺度下的裂縫地圖的相位特征；εi(t)—水利工程隱患部分的干擾特性信息。

直接將不同尺度的圖像S(x，y)作為滲透模型的輸人圖像進(jìn)行處理，得到邊緣中心區(qū)域中的點(diǎn)集C∈S，采用最小二乘濾波，得到水利工程隱患視覺(jué)圖像的尺度參數(shù)為：

=-σ[Gx(x，y;t)i+Gy(x，y;t)j]

(3)

根據(jù)上述分析，建立水利工程隱患特征提取模型，結(jié)合灰度邊緣特征檢測(cè)，進(jìn)行水利工程隱患像素特征分解。

2.2 水利工程隱患檢測(cè)圖像輸出

根據(jù)隱患部位的裂縫灰度差異分布，在沿梯度方向求得水利工程缺陷部分為變質(zhì)層次特征參量。結(jié)合邊緣特征分解，采用邊緣像素滲透的方法，得到水利工程缺陷及隱患的滲透模型，滲透模型參數(shù)為F，水利工程隱患視覺(jué)圖像的灰度值為P。采用Canny算子對(duì)相鄰尺度圖像之差S(x，y)-S(x，y)作特征分解，采用塊特征匹配的方法，得到水利工程隱患部位的動(dòng)態(tài)匹配像素值為f(x，y)，對(duì)應(yīng)的(p+q)階譜特征量為：

(4)

式中，M，N—水利工程的結(jié)構(gòu)紋形變模板特征參數(shù)；xp、yq—水利工程隱患部位的歸一化動(dòng)態(tài)匹配特征量；f(x，y)—非裂縫區(qū)域的模板函數(shù)；p，q—待滲透區(qū)域和已滲透區(qū)域的像素值。

根據(jù)上述算法設(shè)計(jì)，通過(guò)疲勞裂紋視覺(jué)特征重構(gòu)，采用機(jī)器視覺(jué)重組，實(shí)現(xiàn)對(duì)水利工程缺陷及隱患的滲透模型檢測(cè)和裂縫定位，實(shí)現(xiàn)流程如圖4所示。

圖4 算法的實(shí)現(xiàn)流程

3 實(shí)驗(yàn)測(cè)試

建立水利工程隱患檢測(cè)仿真實(shí)驗(yàn)的開(kāi)發(fā)環(huán)境為Matlab R2009a。采用標(biāo)準(zhǔn)誤差約束的方法，進(jìn)行隱患檢測(cè)的可靠性分析，水利工程隱患檢測(cè)的圖像成像像素為200×250像元，模板匹配的分辨率為0.24mm，干擾信噪比為-15dB，采集圖像的相關(guān)參數(shù)分見(jiàn)表1。

表1 圖像參數(shù)分布

根據(jù)表1的參數(shù)設(shè)定，進(jìn)行水利工程隱患檢測(cè)仿真實(shí)驗(yàn)，得到水利工程的隱患部位裂縫分布如圖5所示。

圖5 水利工程的隱患部位裂縫分布

根據(jù)圖5的裂縫視覺(jué)圖像采集結(jié)果，進(jìn)行視覺(jué)特征分析和定位，得到3個(gè)裂縫的模板匹配值：15×15，灰度直方圖的分布窗口W=1.5s，裂縫的分布尺度σ=0.42，由此實(shí)現(xiàn)水利工程的隱患定位，得到定位檢測(cè)結(jié)果如圖6所示。

分析圖6得知，本文方法能有效實(shí)現(xiàn)對(duì)水利工程的隱患自動(dòng)定位。測(cè)試定位檢測(cè)精度，得到對(duì)比結(jié)果如圖7所示，分析圖7得知，本文方法的檢測(cè)精度更高，提高了水利工程隱患檢測(cè)的智能化水平。

圖6 隱患定位結(jié)果

圖7 檢測(cè)性能對(duì)比

4 結(jié)語(yǔ)

本文所建立水利工程隱患檢測(cè)方法具有檢測(cè)精度高、檢測(cè)手段方便、檢測(cè)成果顯示清晰等優(yōu)勢(shì)。但該方法由于數(shù)據(jù)分析成果是基于水利工程建構(gòu)筑施工材料的變質(zhì)層次特征參量，而水利工程建構(gòu)筑物類(lèi)型區(qū)域多樣，本文所建立的評(píng)價(jià)模型較為單一，不能適用于金屬等其他類(lèi)型水利工程設(shè)施，從而制約了其推廣應(yīng)用性。在進(jìn)行圖像采集時(shí)，該檢測(cè)方法使用的是紅外波段的信號(hào)收集器，如檢測(cè)區(qū)域存在較大的信號(hào)干擾或檢測(cè)對(duì)象對(duì)于紅外波段有較強(qiáng)吸附能力時(shí)，檢測(cè)數(shù)據(jù)將出現(xiàn)失真。針對(duì)上述問(wèn)題，研究人員將進(jìn)一步深入研究廣泛收集分析評(píng)價(jià)模型數(shù)據(jù)，改進(jìn)信號(hào)收集裝置，進(jìn)而提高該檢測(cè)方法的適用性。