基于图搜索的桥梁裂缝检测

2019-11-18高忠文

传感器与微系统 2019年11期

张晓，高忠文

(哈尔滨理工大学自动化学院，黑龙江哈尔滨 150080)

0 引言

桥梁工程是交通建设的重要组成部分，它的安全关系到人民群众的生命。因此，应加大对桥梁裂缝的检测力度。目前，桥梁检测主要依靠人工，借助于检测车，利用高倍显微镜进行近距离读数，其精度低，效率低，检测主观性大。近几年，国内学者使用数字图像处理方法，对裂缝进行检测[1]。文献[2]使用Sobel算子、Canny算子、小波变换、以及傅里叶变换等对桥梁裂缝进行检测，运算速度取得极大提升，但方法上存在严重局限性。文献[3]采用数学形态学方法，对桥梁裂缝进行图像分割，但识别精度不高。文献[4,5]运用快速最小生成树来解决图像分割问题，分割标准是相邻元素之间强度差异。该算法能够保留低变异图像区域的细节，但忽略高变区域的细节。文献[6]采用多尺度输入图像渗透模型设计桥梁裂缝检测模型，使用最佳阈值分割滤除非裂缝区域，利用梯度信息提取裂缝。在计算裂缝面积时，没有考虑裂缝方向多样性，造成得到结果误差比较大。

针对上述不足，以桥梁裂缝为实验对象，提出一种图搜索检测裂缝边缘方法，统计桥梁裂缝的像素数目，从而计算桥梁裂缝宽度。然后将图搜索算法与100倍带光源读数显微镜测量结果进行对比，验证图搜索裂缝算法的可靠准确性。

1 裂缝图像采集以及裂缝计算方法选取

1.1 裂缝图像采集

桥梁裂缝一般比较小，不易观察，为使检测结果精确，采用高分辨率相机——尼康D850拍摄。拍摄过程中，不断调整相机镜头，尽量使裂缝在相机成像清晰。拍摄图片如图1(a)所示。

1.2 裂缝计算方法

裂缝宽度计算采用像素数据与实际裂缝宽度数值转换方法[7]，根据透镜成像公式

(1)

式中L′为像距，L为物距(相机和被测目标之间的距离)，f为相机镜头焦距。由式(1)可得

(2)

成像放大倍数θ为

(3)

式中A为裂缝尺寸，A′为裂缝图像的像素数。

由式(3)可得

(4)

式中L和f已知的情况下，如果测出裂缝图像的像素数，可根据公式计算出裂缝尺寸。由式(2)，式(4)可得

(5)

式中 35.9 mm为尼康D850传感器最长边物理尺寸，8 256为拍摄的图像长边像素点数。

为验证以上理论的准确性，进行一组模拟试验。已知某一线段宽平均大约0.40 mm，分别对拍摄距离为1 600，1 800，2 000，2 200，2 500 mm的图像中线段进行拍摄和测量，根据式(5)进行试验计算，实验结果如表1。

表1 显微镜观测值和计算值 mm

由表1可知，不同物距计算值与显微镜观测值相差不到0.03 mm，该裂缝宽度计算方法满足工程需求，可推广到桥梁裂缝图像采集和分析上。

2 桥梁裂缝提取

在获得裂缝图像之后，需进行以下工作：灰度化、二值化、滤波去噪、图搜索(裂缝提取)、裂缝尺寸计算等。

2.1 灰度化

拍摄图片是彩色图片，彩色图片数据量增大3倍，导致存储空间负担过大，而彩色图片信息并不好用，需将彩色图片转化为灰度图。将桥梁裂缝图灰度化后，如图1(b)所示。

2.2 二值化

二值化过程中，使用OTSU算法进行阈值分割[8]，OTSU算法具有自适应获取分割阈值，使裂缝和背景自动分离，达到最佳分割目的。二值化处理效果如图1(c)所示。

2.3 滤波去噪

从图1(c)可以看出，一些噪声点仍存在于二值化后的图像上，为了提高桥梁裂缝提取准确率，必须消除噪声点。本文拟采用图像平滑处理[9]，选取某一点，在该点8邻域内，统计白点个数，若白点个数大于黑点个数，认为该点灰度值为255，否则，该点灰度值为0。处理效果如图1(d)所示。

图1 裂缝图像处理结果

2.4 图搜索

将滤波去噪图映射成带有权值的有向图，根据裂缝边缘特点，即灰度级间断、亮度不连续性，通过图搜索找到最小开销路径，以达到检测裂缝边缘的目的。

如图2(a)所示，点p和q是四邻接的像素点，将边缘定义为p和q之间边界，边缘像素就是由点p(xp,yp)和点q(xq,yq)来确定[10]。

由点p和q确定的边缘像素都有相应的开销，定义为

c(p,q)=H-(f(p)-f(q))

(6)

式中H为图像中灰度值最大值，f(p)，f(q)分别为点p，q相应的灰度值。这样定义将图像映射为带有权值的有向图，图像中的每一个像素点为图的每一个节点，图中两像素点之间的权值也就是两节点之间的开销。

裂缝边缘之间的像素有不连续的特性，造成裂缝边缘像素之间的差值很大。如果点p，q恰好处在图像边缘上，f(p)，f(q)二者差值的绝对值会很大；直接用f(p)，f(q)二者差值容易产生负值，比较起来很麻烦。为了尽快寻找到裂缝边缘，决定采用式(6)作为相邻像素之间的权值。

当已经确定上一时刻追踪方向，要做的是根据上一时刻方向，判断出下一时刻追踪方向，并且计算可能追踪方向最小开销值。假设确定上一时刻的边缘像素就是图3中所示的点p，q，追踪方向是向下的箭头，并且其为边界像素，下一时刻追踪方向会有3个(如图2(b)所示)。

图2(b)中(1)，(2)，(3)对应的开销表示的是c(n,q)，c(m,n)，c(p,m)，然后计算并比较这三个值，取最小的开销，记录方向并且存储此边缘像素的坐标位置。找到起始点后，以此类推，遍历整幅图片，确定开销值总和最小的路径，并标记出来，裂缝就是开销值最小的路径。

图2 像素点与追踪方向示意

整体算法如下：

1)确定起始点的位置。

2)判断起始点是不是孤立的点，判断方法：以此点为中心，取3×3模板，比较所得到的和与此点的值是否相等，若相等则舍去此点；反之保留并存储此点。

3)根据步骤(2)找到的起始点，利用前面讲到的理论，寻找起始追踪方向，就是在起始点周围寻找可能的追踪方向，然后求出对应的开销，比较得出可能的追踪方向的最小值，存储边缘像素的坐标值，并且记录此时最可能追踪方向。

4)根据步骤(3)得到的最可能追踪方向，还有与其相对应下一时刻追踪方向，求出它们相应开销值，比较取最小值，然后记录此时追踪方向并存储边缘像素的坐标值。

5)重复执行步骤(4)。在追踪过程中，若每个追踪方向的开销值相等，可能进入到噪声区域，对于此种情况，舍去此起始点；然后由下一起始点开始，从步骤(2)依次开始。

6)假设在得到的边缘像素中，有一点坐标与起始点坐标一样，就停止搜索。此时我们得到的全部边缘序列，就是所需要的边缘。

2.5 裂缝尺寸计算

经过图搜索检测的裂缝边缘，没有噪声干扰，直接读取裂缝边缘的像素数目，进行裂缝尺寸宽度计算。主要有以下步骤：1)扫描图3(a)中已经确定为边缘像素的点f(x,y)，确定左右端点；2)然后根据左右端点，将该图片旋转至水平位置，并且放大到可以观测清晰像素为止，如图3(b)所示；3)横坐标不变，读取纵坐标值，比较纵坐标最大差值，最大差值位置也就是最宽裂缝位置，统计像素数目，并保存；4)根据式(5)进行裂缝宽度计算。