1、桥梁混凝土结构表面裂缝自动识别技术研究 阮小丽 王波 荆国强 季德钧 王永亮 中铁大桥科学研究院有限公司 桥梁结构健康与安全国家重点实验室 青海省高等级公路建设管理局 摘 要： 为了满足桥梁检测发展的需求, 提高混凝土结构表面裂缝的识别精度, 基于既有图像预处理技术, 提出一种新的裂缝提取及宽度计算方法。在图像预处理基础上, 通过裂缝连接保留细小裂缝, 将裂缝区域当作连通区域, 根据裂缝特征参数过滤虚假裂缝, 提取真实裂缝;寻找裂缝区域的交叉点, 通过交叉点将整个裂缝区域划分成多个小裂缝, 将小裂缝的最小外接矩形分割成多个小矩形区域, 计算小矩形区域中裂缝特征参数, 得到裂缝宽度。以混凝土试件
2、重力加载形成的表面裂缝为对象, 改变相机拍摄距离与拍摄倾斜角度获取裂缝图像, 应用该方法计算裂缝宽度, 并与裂缝观测仪的测量结果进行误差对比分析。结果表明:该算法裂缝识别率高、检测误差小, 裂缝检测误差随拍摄距离或拍摄倾斜角度的增大而增大;为了满足实际工程的需要, 采集裂缝图像时, 拍摄距离最好保持在 1m 以内, 倾斜角度尽量不要超过 15。关键词： 桥梁; 混凝土结构; 裂缝; 图像采集; 裂缝自动识别; 裂缝提取; 裂缝连接; 裂缝宽度; 作者简介：阮小丽 (1990-) , 女, 2013 年毕业于武汉科技大学电子信息工程专业, 工学学士, 2016 年毕业于武汉大学信号与信息处理专业
3、, 工学硕士 (E-mail:) 。收稿日期：2017-02-21基金：交通运输部建设科技项目 (2014 318 363 230) Study of Automatic Identification Technology for Surface Cracks in Bridge Concrete StructuresRUAN Xiao-li WANG Bo JING Guo-qiang JI De-jun WANG Yong-liang China Railway Major Bridge Engineering Institute, Ltd.; Qinghai Provincial Aut
4、hority of High-grade Highway Construction Management; Abstract： To meet the demands of bridge inspection development and improve the identification accuracy of surface cracks in concrete structures, a new type of cracks pick-up and width calculation method based on image pre-processing technique is
5、proposed.On the basis of image preprocessing, tiny cracks are reserved via crack connection, and the cracking zone is taken as the connection zone, and the fake cracks are filtered according to the eigen parameters of the cracks, aiming to pick up the real cracks.The intersections in the cracking zo
6、ne are found, and by which the cracking zone is divided into many tiny cracks.The smallest external rectangle of the tiny cracks is divided into many small rectangular zones and the eigen values of cracks in these zones are calculated to gain the crack widths.The surface cracks in the concrete sampl
7、es induced by gravity loading were taken as examples.The images of the cracks were gained by changing the photographing distance and inclination angle.The method mentioned was used to calculate the widths of cracks, and error comparisons were done between the calculating results and the results gain
8、ed by the crack visualization.The results show that this method has the advantages of high crack identification rate and minor inspection error.The crack inspection error increases as the photographing distance and inclination angle becomes bigger.To suit the actual projects, the photographing dista
9、nce is better to set within one meter and the inclination angle wont surpass 15 when collecting the crack images.Keyword： bridge; concrete structure; crack; image collection; automatic crack identification; crack pick-up; crack connection; crack width; Received： 2017-02-211 引言传统人工检测桥梁裂缝的方法速度慢、检测费用高,
10、 检测过程危险, 检测结果易受检测人员的影响1。为了满足桥梁检测发展的需求, 研究人员引入了图像识别处理技术。目前已有较多关于图像识别技术的研究报导。参考文献2引入多尺度输入图像渗透模型, 对桥梁结构表面裂缝进行检测, 但该算法在计算裂缝面积、长度以及最大宽度时, 并没有考虑裂缝方向的多变性, 只是简单地用裂缝的像素个数乘以像素标定值, 这样得到的结果误差大;参考文献3采用投影法细分线性裂缝, 但斜向裂缝的面积计算误差较大, 对于网状裂缝, 也只能得到其最小外接矩形面积, 导致裂缝宽度计算结果可靠性低;参考文献4将灰度图像与高斯低通滤波后的图像作差, 提取图像中的高频成分进行裂缝检测, 但该算
11、法对较小裂缝的检测以及过滤干扰成分的能力有待提高;参考文献5根据提取的视觉特征参数, 利用 Gabor 滤波器检测路面裂缝, 对横向、纵向裂缝1 进行判别分类, 但该算法未能实现对复杂裂缝的检测及裂缝尺寸的测量;参考文献6采用加权邻域像素分割法, 对路面裂缝进行自动检测, 当背景与裂缝亮度差别小、裂缝长宽比较小时, 该算法适用性有待验证。为了提高桥梁裂缝的识别检测精度, 基于既有图像预处理技术, 提出一种新的裂缝提取及宽度计算方法, 以混凝土试件表面裂缝为测试对象, 将用本文算法与裂缝观测仪测量结果进行对比分析, 验证本文算法的有效性。2 裂缝自动识别技术基于图像预处理技术的混凝土表面裂缝自动
12、识别, 主要包括裂缝图像采集和裂缝自动识别两部分内容。本文以既有图像预处理技术为基础, 在裂缝提取及宽度计算方面, 提出了一种新算法。2.1 裂缝图像采集混凝土表面裂缝宽度一般较小, 为使裂缝宽度计算结果更准确, 使用分辨率较高的相机。拍摄时, 手持数码相机于裂缝与标定值的正前方, 尽量使裂缝处于屏幕正中央, 成水平或竖直状态, 相机光轴与裂缝平面垂直。拍摄过程中, 不断调整焦距, 观察裂缝平面在相机中的成像, 直到裂缝在相机中的成像最清晰。在现场情况允许的条件下, 可以采用带有调平功能的三脚架对相机进行固定, 减少拍摄过程中的抖动, 获取质量更高的裂缝图像。2.2 裂缝自动识别获得裂缝图像后
13、, 需要进行以下几个方面的图像分析处理:图像灰度化、二值化、图像平滑、裂缝连接、裂缝提取、图像细化、裂缝尺寸计算等。2.2.1 图像灰度化采集得到的图像是彩色图像, 其中的彩色信息会对裂缝的计算造成干扰, 因此必须把彩色图像转换为灰度图像。将桥梁裂缝图像进行灰度化 (见图 1) 处理后, 图像失真少, 裂缝更加显著。图 1 裂缝图像灰度化 下载原图2.2.2 图像阈值分割采用一种自适应阈值算法即 OTSU 算法7, 自动获取合适的分割阈值, 使裂缝与背景之间的类间方差最大, 达到图像分割的目的。图像分割后消除了大部分背景的干扰, 裂缝更明显, 但图像中仍有一些噪点。2.2.3 图像平滑为了去除
14、噪点的干扰, 进行图像平滑处理8 (见图 2) 。在图像中任选 1 个点, 以该点为中心, 统计 33 矩形区域中黑点的个数, 如果黑点的个数大于某给定的阈值 (实验中 =4) , 认为该点为目标区域中的点, 将其灰度值设为 0, 反之, 则认为该点为背景中的点, 将其灰度值设为 255。图 2 裂缝图像平滑 下载原图从图 2 中可以看出, 平滑处理有效地消除了一些小噪点, 虽然仍有一些较大的噪点, 但很好地保留了细小裂缝。2.2.4 裂缝连接为方便后续处理, 对平滑图像进行反色。平滑图像中有许多细小裂缝, 这些裂缝之间并不连续, 如果直接提取裂缝, 一些小裂缝就会被当作噪点去掉, 因此在提取
15、裂缝前必须进行裂缝连接。从图像中任意一个连通区域的边界上选取 1 个点 (白点) , 以该点为中心, 以7 为邻域半径, 选取 1515 矩形区域, 从水平位置开始选取 8 个方向, 即 0、45、90、135、180、225、270、315, 在该区域中沿这 8 个方向由外向内, 如果最外边点 (另一个连通区域边界上的白点) 与该中心点不在同一个连通区域内, 且该点与中心点的连线上靠近该点的点为黑点, 就将靠近的黑点变为白点, 否则不变, 按照此步骤依次遍历 8 个方向上所有的点, 完成裂缝连接 (见图 3) 。图 3 裂缝连接 下载原图2.2.5 裂缝提取裂缝提取时, 计算连通区域9的边缘
16、像素点围成的区域总面积 Aa以及边点之间的线段长度 (求和得到连通区域的周长 Aarc) 。将裂缝当作连通区域, 由于裂缝平均宽度较小, 长度与平均宽度的比值较大, 面积也比一般背景噪点大, 因此, 可以通过大量样本的训练学习过程10, 找到裂缝的平均宽度阈值 、长度与平均宽度比阈值 以及面积阈值 s, 当满足下式时, 判定该连通区域是裂缝, 否则, 该连通区域为虚假裂缝, 应该过滤掉。式中, A w、A l分别为连通区域的平均宽度、近似长度;A l、A w分别根据下式计算。依次对每个连通区域按照式 (1) 进行筛选, 检测裂缝 (见图 4) 。图 4 提取裂缝轮廓区域 下载原图从图 4 可以
17、看出, 该方法完整地提取了裂缝, 背景中的噪点基本被过滤掉了。2.2.6 图像细化图像细化以保证原来轮廓区域连通性为原则, 逐渐去掉连通区域边界上的点, 只保留连通区域的中间部分, 构成骨架。对提取裂缝轮廓区域的图像进行细化, 能更直观地突出裂缝信息 (见图 5) 。图 5 裂缝图像细化 下载原图2.2.7 裂缝像素尺寸计算由于裂缝的形态和走向复杂, 因此在计算裂缝宽度时, 将裂缝划分成许多小裂缝, 只要分割的各小裂缝长度足够小, 就可以把各小裂缝区域的平均宽度作为该小裂缝的宽度。对于裂缝中轴线上任意一个白点, 使用卷积算法, 统计以该像素点为中心、半径为 x 的圆形筛选区域内白点总数 (实验
18、中 x=Wmax, Wmax为所有裂缝最大平均宽度) , 如果白点总数大于某个阈值 ( 的值通过大量样本的训练学习过程获得) , 判定该点为交叉点。以交叉点为圆心获取预定半径的圆形区域, 将该圆形区域内的点全部变为背景 (灰度值变为 0) , 以此将整个裂缝划分为多个较小的裂缝 (见图 6) 。圆形区域的预定半径根据下式计算。式中, W max为所有裂缝最大平均宽度;m 的值通过大量样本的训练学习过程获得, m1, 实验中 m=2。图 6 去掉交叉点后的裂缝轮廓 下载原图提取与圆形区域相连的每一条裂缝的最小外接矩形, 作为局部区域。将裂缝的最小外接矩形按照长边分割成 n 个小矩形, 每一个小矩
19、形包括部分裂缝, n 值可以按下式进行计算。根据第 i 个小矩形中部分裂缝的所有像素点, 计算第 i 个部分裂缝的面积 ai、周长 lARCi以及平均宽度 wi, wi可根据下式计算。用检测的完整裂缝图像减去去掉交叉点后的裂缝图像, 可以得到裂缝的交叉点图像。将每个交叉点区域作为一个裂缝局部区域, 按照公式 (2) 、 (3) 计算每个交叉点区域裂缝的平均宽度。为了直观地显现不同宽度裂缝, 采用不同颜色表示不同的裂缝宽度区间。最后将 2 部分图像的裂缝宽度计算结果进行综合, 并且在原图像中标注出来, 即可得到一幅完整的裂缝宽度计算结果 (见图 7, 单位为像素) 。2.2.8 裂缝实际尺寸计算
20、为了利用数字图像进行裂缝尺寸测量, 需知道每个像素所对应的实际长度, 即像素标定。本次实验所采用的标定方法是在裂缝附近贴一已知宽度的黑色细线, 标定所用细线宽度应该与被测裂缝宽度接近, 以减小检测误差。然后根据裂缝的测量宽度与检测宽度的比值进行标定, 计算裂缝的真实宽度。图 7 裂缝宽度计算结果 下载原图3 实例验证为了验证本文算法的有效性, 以 115cm60cm14cm 的混凝土块为测试对象, 对其进行重力加载, 逐渐形成裂缝。使用日本 JAI 公司的 GO-5000-PGE采用和高性能的 Spark 系列相同的 500 万像素 (2 5602 048) CMOS 图像传感器, 全分辨率可
21、达 22fps, 镜头为工业镜头 (日本精工) , 型号为 S12.5-75, 改变拍摄距离与拍摄倾斜角度, 采集裂缝图像 (见图 8、图 9) , 采用本文算法识别裂缝宽度, 并将本文算法的检测结果与裂缝观测仪的测量结果进行误差对比分析 (见表 1) 。图 8 裂缝观测仪拍摄区域 下载原图图 9 与裂缝平面成 75夹角、距离 100cm 拍摄的图像 下载原图由表 1 可知, 当拍摄角度一定时, 随着拍摄距离的增加, 裂缝检测误差呈现增大的趋势, 为了减小裂缝检测误差, 在采集裂缝图像时, 拍摄距离尽量不要超过 1m;在拍摄距离一定的情况下, 随着拍摄倾斜角度的增加, 裂缝检测误差呈现增大的趋
22、势。为了减小裂缝检测误差, 在采集裂缝图像时, 倾斜角度尽量不要超过 15;用本文算法对裂缝进行检测, 裂缝识别误差较小, 表明了本文算法的可行性和有效性。表 1 裂缝观测仪与本文算法检测裂缝宽度结果对比 下载原表 4 结论为了满足桥梁检测发展的需求, 提高混凝土结构表面裂缝的识别精度, 本文基于既有图像预处理技术, 在裂缝提取及尺寸计算方面, 提出了一种新算法。以混凝土试件表面裂缝为测试对象, 改变拍摄距离和拍摄倾斜角度, 将本文算法与裂缝观测仪测量结果进行对比分析, 得出如下主要结论。(1) 在裂缝提取方面, 该方法首先通过裂缝连接较好地保留了细小裂缝, 将裂缝区域当作连通区域来对待, 根
23、据裂缝的特征参数过滤掉虚假裂缝, 提取真实裂缝。(2) 由于裂缝形态和走向复杂多变, 在计算裂缝宽度时, 寻找裂缝区域的交叉点, 通过交叉点将整个裂缝区域划分成多个小裂缝的方法分别进行计算;然后将每个小裂缝的最小外接矩形分割成多个小矩形区域, 计算每个小矩形区域中裂缝的特征参数, 得到裂缝宽度计算结果, 综合每个交点区域的参数计算结果就可以得到完整裂缝宽度的计算结果。(3) 多组测量结果表明, 该算法裂缝识别率高, 检测误差小, 裂缝检测误差随拍摄距离或拍摄倾斜角度的增大, 呈增大的趋势;为了满足实际工程的需要, 采集裂缝图像时, 拍摄距离最好保持在 1 m 以内, 倾斜角度尽量不要超过 15
24、。参考文献1于晓光.国内、外桥梁养护检测规范对比J.世界桥梁, 2012, 40 (2) :59-62. 2张晶晶, 聂洪玉, 喻强.基于多尺度输入图像渗透模型的桥梁裂缝检测J.计算机工程, 2017 (2) :273-279. 3李晓彤, 曲良.基于图像处理技术的混凝土路面裂缝检测方法J.黑龙江科技信息, 2016 (8) :222. 4姜会增.基于数字图像处理的铁路桥梁裂缝检测技术J.铁道建筑, 2016 (5) :82-86. 5Zalama E, Gmez-Garca-Bermejo J, Medina R, et al.Road Crack Detection Using Visua
25、l Features Extracted by Gabor FiltersJ.Computer-Aided Civil and Infrastructure Engineering, 2014, 29 (5) :342-358. 6Sun L, Kamaliardakani M, Zhang Y.Weighted Neighborhood Pixels Segmentation Method for Automated Detection of Cracks on Pavement Surface ImagesJ.Journal of Computing in Civil Engineering, 2015, 30 (2) :04015021-104015021-11. 7任晓娜.基于 Otsu 算法的图像阀值自动选取算法研究与应用J.电子设计工程, 2015 (11) :75-77. 8王佳, 韩龙.基于机器视觉的图像平滑方法比较研究J.可编程控制器与工厂自动化 (PLC FA) , 2011 (11) :77-78. 9于泳波, 李万恒, 张劲泉, 等.基于图像连通域的桥梁裂缝提取方法J.公路交通科技, 2011, 28 (7) :90-93. 10胡昭华, 徐玉伟, 赵孝磊, 等.基于支持向量机的多特征选择目标跟踪J.应用科学学报, 2015 (5) :502-517.
