本發(fā)明屬于測(cè)繪科學(xué)與圖像處理的交叉領(lǐng)域，特別是涉及一種灰度圖像中裂縫自動(dòng)識(shí)別和檢測(cè)方法。主要應(yīng)用于橋墩表面裂縫自動(dòng)識(shí)別和檢測(cè)，也可應(yīng)用于隧道襯砌、大壩表面的裂縫檢測(cè)和識(shí)別。

背景技術(shù)：

橋墩在使用過(guò)程中在載荷和自然環(huán)境的共同作用下，會(huì)形成多種破損，表面裂縫是最常見(jiàn)的一種破損形式，對(duì)橋墩危害很大。為了評(píng)價(jià)橋墩出現(xiàn)裂縫后的穩(wěn)定性，必須對(duì)裂縫進(jìn)行必要的檢查和測(cè)量，為橋梁結(jié)構(gòu)安全評(píng)估和病害治理提供依據(jù)。目前對(duì)裂縫的檢測(cè)主要有兩種方法：一種是采用數(shù)顯式裂縫觀測(cè)儀，人工讀取數(shù)據(jù)并記錄。但是這種方法費(fèi)時(shí)費(fèi)力，不利于大規(guī)模的對(duì)橋墩進(jìn)行安全檢測(cè)評(píng)估。另一種方法是采用圖像處理的方法檢測(cè)和識(shí)別裂縫，首先用ccd相機(jī)獲取橋墩表面的灰度圖像，然后用圖像處理算法識(shí)別出裂縫，并從背景中把裂縫提取出來(lái)。這種方法具有便捷、直觀、非接觸、可再現(xiàn)、適應(yīng)性強(qiáng)等優(yōu)點(diǎn)，具有很好的應(yīng)用前景。

混凝土表面的自動(dòng)裂縫識(shí)別主要有下面幾種圖像識(shí)別算法：

第一：閾值分割識(shí)別算法。這種方法假設(shè)裂縫和背景的灰度范圍有較大差別，同過(guò)自適應(yīng)的尋找閾值將其分開(kāi)，從而提取裂縫。該方法計(jì)算簡(jiǎn)單但抗干擾性較差。

第二：邊緣檢測(cè)識(shí)別算法。這種方法假設(shè)裂縫具有較強(qiáng)的邊緣特征，即背景內(nèi)部和裂縫內(nèi)部的灰度變化緩慢，從背景到裂縫灰度變換會(huì)產(chǎn)生跳躍?？梢岳贸Ｓ玫倪吘墮z測(cè)算子，如sobel算子、拉普拉斯算子、canny算子等，檢測(cè)裂縫的邊緣。但這種方法對(duì)噪聲較為敏感。

第三：基于區(qū)域生長(zhǎng)的種子游走算法。這用方法是以一組“種子”像素點(diǎn)作為開(kāi)始，根據(jù)一定的規(guī)則判斷相鄰像素點(diǎn)與“種子”像素是否相似，如果相似則將這些相鄰像素點(diǎn)附加到“種子”像素上。最后根據(jù)圖像的形態(tài)判斷這些“生長(zhǎng)”出來(lái)的圖像是否為裂縫。這種方法的精確度仍然不高。

第四：基于神經(jīng)網(wǎng)絡(luò)的識(shí)別算法。這種方法是利用神經(jīng)網(wǎng)絡(luò)模擬大腦的工作模式。用神經(jīng)網(wǎng)絡(luò)進(jìn)行裂縫識(shí)別需要訓(xùn)練樣本對(duì)計(jì)算機(jī)進(jìn)行訓(xùn)練，這些樣本如果有裂縫則是正樣本，如果沒(méi)裂縫則是負(fù)樣本。神經(jīng)網(wǎng)絡(luò)一般包括輸入層、隱含層和輸出層，每一層有大量的權(quán)值和閾值，通過(guò)訓(xùn)練來(lái)不斷的調(diào)整這些權(quán)值和閾值，以保證輸出結(jié)果的正確率。這種方法計(jì)算復(fù)雜度高、速度慢、檢測(cè)過(guò)程復(fù)雜，還沒(méi)有在工程實(shí)踐中驗(yàn)證其價(jià)值。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明克服現(xiàn)有技術(shù)存在的不足，解決了現(xiàn)有自動(dòng)裂縫識(shí)別的方法對(duì)噪聲比較敏感，導(dǎo)致檢測(cè)準(zhǔn)確度下降的問(wèn)題，旨在提供一種灰度圖像中裂縫自動(dòng)識(shí)別和檢測(cè)方法，該方法受噪聲影響較小，檢測(cè)準(zhǔn)確度高。

為解決上述技術(shù)問(wèn)題，本發(fā)明采用的技術(shù)方案為：灰度圖像中裂縫自動(dòng)識(shí)別和檢測(cè)方法，包括以下步驟：

步驟一，讀取圖像，對(duì)圖像依次進(jìn)行圖像降噪處理和增強(qiáng)處理，得到增強(qiáng)后的圖像，記為i0；

步驟二，設(shè)計(jì)模板矩陣，模板矩陣包括0度模板矩陣、45度模板矩陣、90度模板矩陣、135度模板矩陣共四個(gè)方向的矩陣；

步驟三，使用四個(gè)模板矩陣對(duì)圖像i0分別進(jìn)行圖像卷積運(yùn)算，得到4個(gè)卷積后的圖像，記為i10、i11、i12和i13，

步驟四，對(duì)i10、i11、i12和i13進(jìn)行限幅操作，即在上述圖像矩陣中，如果一個(gè)元素的值小于零，則將該元素的值置零，如果一個(gè)元素的值大于給定的最大值，則將該元素的值置最大值；

步驟五，將i10、i11、i12和i13合并成圖像矩陣i2，合并公式為：

i2(x,y)＝max{i10(x,y),i11(x,y),i12(x,y),i13(x,y)}；

步驟六，對(duì)圖像矩陣i2進(jìn)行二值化處理，即給定一個(gè)閾值，i2中所有大于閾值的元素置1，小于閾值的元素置0，二值化后的圖像記為b0，這些值為1的元素可以組成若干個(gè)連通域，將連通域中元素的個(gè)數(shù)稱(chēng)為該連通域的面積，刪除那些面積小于給定閾值的連通域，統(tǒng)計(jì)每個(gè)連通域的面積、長(zhǎng)度、寬度和長(zhǎng)寬比，給定一組閾值，如果有一個(gè)參數(shù)小于閾值，則刪除該連通域，最后剩余的連通域則為檢測(cè)出的裂縫。

步驟一中圖像降噪處理采用高斯濾波和中值濾波來(lái)去除噪聲。

步驟二中模板矩陣的設(shè)計(jì)原則為：

模版矩陣分成3個(gè)區(qū)域，記為a區(qū)、b區(qū)、c區(qū)，每個(gè)區(qū)域內(nèi)部元素的值相等，a、b、c區(qū)域中元素值記為a，b，c，a區(qū)域和c區(qū)域的元素個(gè)數(shù)相同，記為n1，b區(qū)域的元素個(gè)數(shù)記為n2，要求n1×(a+c)-n2×b≈0。

步驟四中圖像限幅操作可以根據(jù)額外獲得的圖像信息，改變i10、i11、i12和i13中元素的值。

本發(fā)明跟現(xiàn)有技術(shù)相比具有的有益效果為：本發(fā)明的裂縫自動(dòng)識(shí)別和檢測(cè)方法，能夠快速準(zhǔn)確地表達(dá)出裂縫結(jié)構(gòu)信息，從而得到可以正確度量的相關(guān)參數(shù)。為后面橋墩表面裂縫的修復(fù)提供可靠的參考數(shù)據(jù)，具有十分重要的意義。本發(fā)明的方法也可以應(yīng)用到隧道襯砌、大壩表面的裂縫檢測(cè)和識(shí)別。

附圖說(shuō)明

下面結(jié)合附圖對(duì)本發(fā)明做進(jìn)一步詳細(xì)的說(shuō)明。

圖1為0度模版矩陣示意圖。

圖2為45度模版矩陣示意圖。

圖3為90度模版矩陣示意圖。

圖4為135度模版矩陣示意圖。

圖5為原始圖像1。

圖6為原始圖像1采用canny邊緣檢測(cè)算法檢測(cè)到的裂縫圖像。

圖7為原始圖像1采用本發(fā)明檢測(cè)到的裂縫。

圖8為原始圖像2。

圖9為原始圖像2采用canny邊緣檢測(cè)算法檢測(cè)到的裂縫圖像。

圖10為原始圖像2本發(fā)明檢測(cè)到的裂縫。

具體實(shí)施方式

為使本發(fā)明的目的、特征和優(yōu)點(diǎn)能夠更為明顯易懂，下面結(jié)合附圖對(duì)本發(fā)明的具體實(shí)施方式做詳細(xì)的說(shuō)明。

灰度圖像中裂縫自動(dòng)識(shí)別和檢測(cè)方法，包括以下步驟：

步驟一，讀取圖像，對(duì)圖像進(jìn)行高斯濾波和中值濾波來(lái)去除噪聲，使用冪次變換對(duì)圖像進(jìn)行增強(qiáng)處理，得到增強(qiáng)后的圖像，記為i0。

步驟二，設(shè)計(jì)模板矩陣，模板矩陣包括0度模板矩陣、45度模板矩陣、90度模板矩陣、135度模板矩陣共四個(gè)方向的矩陣，模板矩陣的設(shè)計(jì)原則為：

模版矩陣分成3個(gè)區(qū)域，記為a區(qū)、b區(qū)、c區(qū)，如圖1、圖2、圖3和圖4所示，每個(gè)區(qū)域內(nèi)部元素的值相等，a、b、c區(qū)域中元素值記為a，b，c，a區(qū)域和c區(qū)域的元素個(gè)數(shù)相同，記為n1，b區(qū)域的元素個(gè)數(shù)記為n2，要求n1×(a+c)-n2×b≈0。

例如：

3x3模版

9x9模版

步驟三，使用四個(gè)模板矩陣對(duì)圖像i0分別進(jìn)行圖像卷積運(yùn)算，得到4個(gè)卷積后的圖像，記為i10、i11、i12和i13，

步驟四，對(duì)i10、i11、i12和i13進(jìn)行限幅操作，即在上述圖像矩陣中，如果一個(gè)元素的值小于零，則將該元素的值置零，如果一個(gè)元素的值大于給定的最大值，則將該元素的值置最大值；

如果知道一些額外的信息(如方向信息等)，可以改變i10、i11、i12和i13中元素的值，比如如果知道裂縫的方向以水平為主(沒(méi)有垂直方向的裂縫)，則可以讓i12的每個(gè)元素等于零。該步驟是可選步驟，通過(guò)該步驟可以進(jìn)一步提升檢測(cè)準(zhǔn)確度。

步驟五，將i10、i11、i12和i13合并成圖像矩陣i2，合并公式為：

i2(x,y)＝max{i10(x,y),i11(x,y),i12(x,y),i13(x,y)}；

步驟六，對(duì)圖像矩陣i2進(jìn)行二值化處理，即給定一個(gè)閾值，i2中所有大于閾值的元素置1，小于閾值的元素置0，二值化后的圖像記為b0，這些值為1的元素可以組成若干個(gè)連通域，將連通域中元素的個(gè)數(shù)稱(chēng)為該連通域的面積，刪除那些面積小于給定閾值的連通域，統(tǒng)計(jì)每個(gè)連通域的面積、長(zhǎng)度、寬度和長(zhǎng)寬比，給定一組閾值，如果有一個(gè)參數(shù)小于閾值，則刪除該連通域，最后剩余的連通域則為檢測(cè)出的裂縫。

下面在通過(guò)實(shí)驗(yàn)比較本發(fā)明與現(xiàn)有技術(shù)的區(qū)別，在背景中我們介紹了4中現(xiàn)有的算法，方法1、2效果一般，但計(jì)算量較??；方法3、4效果較好，但計(jì)算量很大，不適合大規(guī)模應(yīng)用。下面我們比較了canny邊緣檢測(cè)算法和本發(fā)明算法的比較：

圖5為原始圖像，圖6為canny邊緣檢測(cè)算法檢測(cè)到的裂縫，圖7為本發(fā)明檢測(cè)到的裂縫?？梢悦黠@的看到圖6中裂縫檢測(cè)不完整，并且存在很多誤檢測(cè)。圖7的檢測(cè)結(jié)果完整且準(zhǔn)確。

從圖8-圖10也可以看出是同樣的結(jié)果，本發(fā)明的算法效果明顯改善。

綜上所述，本發(fā)明的檢測(cè)方法靈敏度高，抗噪聲干擾性強(qiáng)，能夠快速準(zhǔn)確地表達(dá)出裂縫結(jié)構(gòu)信息。

上面結(jié)合附圖對(duì)本發(fā)明的實(shí)施例作了詳細(xì)說(shuō)明，但是本發(fā)明并不限于上述實(shí)施例，在本領(lǐng)域普通技術(shù)人員所具備的知識(shí)范圍內(nèi)，還可以在不脫離本發(fā)明宗旨的前提下作出各種變化。