基于多尺度输入图像渗透模型的公路桥梁裂缝检测

黄小红

(广西交科集团有限公司，广西 南宁 530007)

0 引言

公路桥梁裂缝问题成为影响交通事业发展的关键问题，国家及社会对公路行驶质量及安全的要求较高，所以需要做好裂缝检测工作，及时发现并处理问题，确保道路安全不会受到影响。多尺度输入图像渗透模型相比于传统的人工视觉检测方法，其精准度、效率更高，更能符合公路桥梁裂缝检测的现代化要求。以某市公路桥梁为例，在对裂缝图像进行处理时，采用的软件为VisualC++6.0语言编程程序，在检测过程中，得到的数据如表1所示。

表1 裂缝宽度的实验值与人工测量最值的比较结果表

1 多尺度图像分析理论

图像的光滑程度在不同的应用背景中是不同的，图像光滑变化有机组合在一起就可以形成尺度空间。多尺度分析就是这种不同程度的图像变化方法，原始图像嵌入到一个单参数导出图像族中，在连续尺度上对图像进行分析，这样就可以让图像(位于不同尺度层次)能够满足特定的关系，然后达到各类尺度层上信息综合获取的目的。图像的多尺度分析是一种人类世界感知外界事物的过程[1]。为确保图像分析的精准性，需要利用计算机等先进技术，提升图像分析的精准度。

2 基于多尺度输入图像渗透模型的公路桥梁裂缝检测

对公路桥梁的裂缝进行检测时，是通过图像预处理、裂缝地图生成及裂缝信息提取三个部分共同实现的。下面就对这三个部分进行介绍。

2.1 图像预处理

在对公路桥梁裂缝凸显的直方图进行统计分析时，能发现一定规律。拟合裂缝图像的直方图，可以在函数权重的调整下实现，通过这样的方式，裂缝图像的对比度能增加，得到亮度图，然后实施最佳阈值分割，这样就可以得到滤除噪声的待处理图像S(x，y)。

2.2 裂缝地图生成

裂缝地图的生成是通过多尺度输入图形的渗透模型实现的，通过卷积的方法对多尺度高斯函数G(x，y，σ)与图像S(x，y)，不同尺度的输入图像Ii(x，y)可以由Si(x，y)-Si-1(x，y)输入，不同尺度细节的裂缝地图Ii(x，y)则可以使用渗透模型得到，这时的裂缝地图为Bi(x，y)，对其进行相加可以得到裂缝地图B。

2.3 裂缝信息提取

需要对B中的灰度值为0的个数sum进行统计，裂缝面积=sum×像素的实际面积。先计算出裂缝地图的梯度，再计算出裂缝长度。同时需要对沿着梯度方向统计灰度值0的个数Qi，裂缝宽度=Qi×实际宽度[2]。

3 裂缝地图的生成

裂缝地图的生成过程，首先要输入多尺度输入图像，再对空白图像Bi与N×N待检测窗口Ms进行创建，具体如图1所示。

图1 裂缝地图检测流程图

3.1 多尺度输入图像

3.2 渗透模型

为将不同尺度裂缝的细节信息在结果图像中保留，渗透模型算法是建立在多尺度输入基础上的，在对不同尺度细节信息的裂缝地图进行处理时，就是使用的渗透模型[3]。合并上一层产生的裂缝地图，得到最终的裂缝地图，在地图中包含各类重要细节信息。原来单一的尺度输入图像被多尺度输入所代替。多尺度输入图像渗透模型在得到裂缝地图时，需做好下面几项工作：

输入图像为Ii，创建空白图像Bi，Bi的大小与Ii的大小相同，选择待检测窗口Ms，窗口大小为N×N→渗透的种子点为P点，将阈值设为T。这时可以发现在已经渗透的像素集Dp中包含了种子点P，待渗透像素集De为Dp周围的8邻域像素。Dp包含于T的像素点，为便于理解，可以通过图形的形式进行分析，具体形式如下页图2所示，需要限制阈值T的最大值，这样才能确保在渗透过程中，最大值会扩展到非裂缝区域。最大值为Tmax，这个最大阈值是最好的亮度值。在De中当阈值T的值都大于灰度值时，且Tmax要比T大，在Dp中包含代渗透像素集中亮度最低的点，然后可以对阈值T更新，可以得到：Tmax=(maxp∈Dp(Ii(P)，T)，在已渗透像素集Dp的扩充期间，在待渗透像素集De中包含渗透区域邻接的新像素点。渗透的停止时间一般为Ms的边界像素被渗透后，扩大Ms的大小，将N扩大为N+2，但是需要注意的是，扩大之后的裂缝图像不能超过PS。在计算窗口中有一部分已经渗透过，还有一个圆的相似率，下一个尺度的裂缝地图Bi+1可以让尺度i←i+1。最终形成裂缝地图B需要通过迭代技术渗透，并能将全部尺度的裂缝地图进行合并[4]，如图2所示。

图2 渗透过程示意图

3.3 提取裂缝信息

公路桥梁裂缝检测对于公路的安全影响会产生极大影响，所以需要在检测过程中，检测裂缝面积、宽度等数据，为是否进行裂缝检修提供参考。在考察过程中，裂缝最大宽度是十分重要的数据信息，一般情况下要求最大裂缝宽度需控制在0.20 mm以内[5]。

在对裂缝信息进行提取过程中，为保证对裂缝检测的效果，要做好下面几项工作：

(1)裂缝面积。裂缝面积对于裂缝图像来说，是指在裂缝地图中全部灰度值为0的像素所表示的实际总面积。在地图B中，灰度值为0的总个数进行统计时，总个数为sum，可以计算得出裂缝的实际面积：S=sum×S0，在该公式中，S0是实际面积。

(2)梯度计算。梯度计算的难度相对较大，需要求出每个像素位置的计算偏导数。

(3)裂缝长度。裂缝长度=裂缝边缘像素的总长度/2。

(4)最大宽度。垂直于边缘向上的全部灰度值为0的像素的实际宽度，这就是最大宽度，为所有宽度的最大值。梯度的方向与边缘的方向垂直，最终可以计算出最大宽度对应的灰度值为0的个数为：Qmax=max{Q0，Q1，…，Qn}，在该公式中，Qi为边缘上的像素点沿着梯度方向上的灰度值为0的像素点的个数、最大宽度。然后可以通过计算，得到裂缝的最大宽度：D=Qmax×d0，在该公式中，d0为每个像素的实际宽度[6]。

在本案例中，可以得到不同尺度裂缝地图(见图3、图4)，主要的裂缝包含于尺度为1的裂缝中。重要信息细节包含于尺度2、3的裂缝地图中。合并的结果见图3(e)。在该方法应用下，能对不同层次的细节信息进行提取，对裂缝检测期间，应注意对图像不同尺度细节信息的问题进行有效解决，这样可以确保检测的精细化与可靠性。

图3 对尺度裂缝地图1示意图

图4 对尺度裂缝地图2示意图

4 结语

公路桥梁裂缝是影响公路安全的主要因素，严重阻碍我国社会经济的快速发展。利用多尺度输入图像渗透模型对裂缝进行有效检测，可以提升检测的精准度，为公路检修提供可靠支持。未来依然需要加强这方面的理论与实践研究，为公路桥梁的可靠检测提供支持。