基于图像处理的桥梁裂缝与干扰物分类算法研究

王聪雅　张杰

摘要：混凝土桥梁裂缝对桥体安全的影响很大，通过数字图像处理技术能够快速、直观地了解桥体底面裂缝情况。投影法对采集的图像进行识别分类，能较为清晰地区分裂缝与干扰物，从而很大程度上帮助工作人员快速发现裂缝信息，及时保证桥梁安全。文章对基于图像处理的桥梁裂缝与干扰物分类算法进行了研究。

关键词：桥梁裂缝；数字图像处理；干扰物；投影法；分类算法 文献标识码：A

中图分类号：TP391 文章编号：1009-2374（2016）09-0016-02 DOI：10.13535/j.cnki.11-4406/n.2016.09.007

桥梁作为陆地交通的咽喉，在我国交通运输中的地位尤为重要，近年来混凝土技术被越来越多地应用于桥梁构造上面。混凝土自身内部会产生间隙，桥梁荷载及所受到温度、水分会催化间隙的产生，从而引发桥梁出现裂缝。桥梁裂缝对桥梁的行车安全埋下了隐患，更为严重的会发生桥梁坍塌的事故，严重威胁了陆地运输及行人人身安全，桥梁裂缝的检测与防治十分关键。目前，桥梁裂缝检测的方法有很多种，但主要依赖于人工检测，这种方式需要安排专业人士亲自在桥体底面附近进行肉眼检测，操作繁琐，安全性低，费时费力。采用仪器进行检测局限性大且造价昂贵。图像识别技术是桥梁裂缝检测中的新兴技术，操作简单，成本较低，直观方便。图像识别技术主要通过相机拍摄桥梁底面照片，通过图像处理技术对裂缝信息进行完善修补，最后完成裂缝识别与分类。

1 国内外研究现状

由于桥梁裂缝危害十分严重，各国对裂缝检测防治的研究也尤为重视。目前对桥梁裂缝检测的方式主要分为人工检测和仪器检测两种。

1.1 人工检测

人工检测多通过专业人员肉眼或通过望远镜观测桥体加以检测，对一些条件较为恶劣的桥体地段通过搭乘检测车、检测架进行实地检测，这种检测方式较为原始，对人员专业知识要求过高，操作步骤繁琐，且存在一定的安全隐患。

1.2 仪器检测

仪器检测借助其他技术设备进行检测，已成型的检测方式有超声波检测、冲击弹性检测、传感器检测、光纤传感系统检测、图像处理检测。其中超声波和冲击弹性检测局限性较大，传感器检测需要在桥体预先铺埋传感器，光纤传感系统检测需要部署整个系统较为昂贵。图像处理的方法尚处于初级阶段，通过部署相机对桥底面进行定时拍摄记录，仍有许多新兴的相关方法等待

研究。

2 采用图像处理技术对桥梁裂缝进行检测

通过相机采集的桥梁裂缝图像中，会存在一些其他非裂缝因素，我们称之为干扰物，干扰物的种类有很多，常见的有桥体表层脱落、划痕、水渍、泥渍、蜂窝等，这对我们识别桥梁裂缝产生了很大的阻碍，通过图像预处理可以大幅度地削弱这些干扰物的信息，使裂缝特征表现得更加明显。

图像预处理的过程是首先对图像进行灰度化，然后对灰度化图像进行去噪滤波，再对处理完的图像进行二值化方便裂缝识别，最后对图像进行锐化及干扰物消减。图像预处理能很大程度上去除非裂缝信息的干扰，但有一些干扰物由于与裂缝信息较为相似，仍难以去除。本文旨在提出一种基于投影法的裂缝干扰物识别分类方法，在一定程度上区分裂缝与干扰物的相关信息。

桥梁裂缝主要分为横向裂缝、纵向裂缝、斜向裂缝、网状裂缝等。但由于其形成原因多具备一定的线状特征；干扰物多为无规则图形，且由于其多为非桥体本身因素形成，多聚集在一起呈闭合图形，我们根据此特征可以直观地对图像中出现的裂缝和干扰物进行分类。具体实现方法如下：

我们将经过预处理的二值化图像进行XY投影。设定图像的宽高为一个二维数组，运用先列后行和先行后列的方式分别遍历原图像，当遇到像素灰度为255的点时，将数组中对应的元素数值加1，遍历完毕，形成直方图。分析直方图特征：

第一，纵向裂缝的垂直投影有明显的凸起且投影的范围比较集中，其水平投影没有明显的凸起且波形的普遍幅值都不太大，整体比较平缓，投影范围较广。横向裂缝的投影效果与纵向裂缝的投影效果相反，其水平投影有一个明显的凸起，投影的范围比较集中，垂直投影没有明显的凸起且波形的普遍幅值都不太大，整体比较平缓，投影范围较广。

第二，网状裂缝的投影效果特点是其垂直投影和水平投影的范围都比较大，其间也有明显的凸起且幅值较大。斜向裂缝的投影效果较为特殊，当其倾斜程度接近水平时投影效果接近横向裂缝的投影效果，当其倾斜程度接近垂直时投影效果接近纵向裂缝的投影效果。

第三，干扰物的投影效果种类有很多，但大多数干扰物的垂直投影和水平投影都有很明显的突起且投影的范围都比较集中，波形的普遍幅度都不太大，整体较为平缓。

设图像在垂直投影时其波形的最大波峰值为H1，平均波峰值为h1，投影的范围为Xmin～Xmax，水平投影时其波形的最大波峰值为H2，平均波峰值为h2，投影的范围为Ymin～Ymax，则：

对于纵向裂缝H1较大，较小，H2较小，较小较大。横向裂缝H1较小，较大，H2较大，较小。网状裂缝H1、H2、及都比较大。通过这种识别方式，横向裂缝和纵向裂缝的类型判断准确率很高。

干扰物由于其自身种类繁多，形状不规则，但多为聚合在一起的图形，因此通过投影法也能找到较为明显的特征，其中较小，较小，h1h2较大，且X、Y值比裂缝投影的X、Y值有明显的大值趋势。

对干扰物运用投影法得到的图像为：

（a）垂直投影 （b）水平投影

图1

3 实验过程及结果

为了验证文中裂缝与干扰物分类算法的有效性，挑选一定数量的各类裂缝及干扰物的检测图像，对该算法进行测试。具体过程如下：

实验测试数据：挑选裂缝100幅，干扰物50幅，所有图像均是二值化处理的图像。

测试方法：将测试样本送入分类方法进行分类，记录每个裂缝分类结果，并统计分类精度。统计结果如表1所示（由于横纵裂缝投影结果较为相同，所以划为一组；网状及斜向裂缝也划为一组）：

表1

图像类型 图像个数 识别出个数 识别精度

横纵裂缝 50 43 96%

网状及斜向裂缝 50 40 80%

干扰物 50 35 70%

从表1中可以发现，文中算法可以实现四种裂缝及干扰物的识别，且横纵裂缝由于其本身特征十分明显，分成一组，识别度高达96%，网状及斜向裂缝稍微复杂，但仍具有裂缝总体的投影特征，识别度仍然能达到80%。干扰物由于其自身属性不稳定，识别精度为70%。

4 结语

本文基于桥梁图像识别处理研究了一种裂缝与干扰物的分类识别方法，其主要思想是通过投影法将裂缝与干扰物进行分类识别，并通过实验测试，对干扰物的识别精度达到70%。但由于干扰物其自身来源广泛，具有不稳定性，仍有很多情况难以识别。因此下一步工作是从实际情况出发，对干扰物特征进行再度分类识别。

参考文献

[1] 齐超.桥梁裂缝检测中图像识别处理与测量技术的研究[D].北京交通大学，2014.

[2] 蔡光明.高速铁路桥梁底面裂缝的视频检测系统研究[D].北京交通大学，2011.

[3] 刘小燕.基于数字图像处理的混凝土桥梁底面裂缝的检测[D].武汉理工大学，2014.

[4] 张采芳，田岩，李江，等.基于几何特征分析的路面裂缝分类算法研究[J].红外与激光工程，2015，（4）.

[5] Oh J K，Jang G，Oh S，et al.Bridge inspection robot system with machine vision[J].Automation in Construction，2009，18（7）.

[6] Lee J H，Lee J M，Kim H J，et al.Machine vision system for automatic inspection of bridges[A].Image and Signal Processing，2008.CISP08.Congress on.IEEE

[C].2008.

作者简介：王聪雅（1991-），男，江苏宝应人，北京交通大学硕士研究生，研究方向：数字图像处理。

（责任编辑：黄银芳）