基于自適應(yīng)閾值Canny算法的裂縫檢測方法研究*

孫 亮，邢建春，謝立強(qiáng)，王進(jìn)京

(1.中國人民解放軍理工大學(xué) 國防工程學(xué)院，江蘇 南京 210007；2.山東省軍區(qū)軍事設(shè)施保護(hù)辦公室，山東 濟(jì)南 250000)

基于自適應(yīng)閾值Canny算法的裂縫檢測方法研究*

孫 亮1，邢建春1，謝立強(qiáng)1，王進(jìn)京2

(1.中國人民解放軍理工大學(xué) 國防工程學(xué)院，江蘇 南京 210007；2.山東省軍區(qū)軍事設(shè)施保護(hù)辦公室，山東 濟(jì)南 250000)

隨著科學(xué)技術(shù)的不斷發(fā)展，橋梁、隧道、高速公路等土木工程設(shè)施開始大量出現(xiàn)在人們的生活之中。它們在給予人們方便之余，也存在著大量的安全隱患，而由于土木工程體量、處在地自然環(huán)境等因素的限制，現(xiàn)行的人工檢測方法很難及時地對土木工程進(jìn)行結(jié)構(gòu)健康監(jiān)測，數(shù)字圖像處理成為解決這個問題的首選之一。文中首先對現(xiàn)行的Canny裂縫檢測算法進(jìn)行了詳細(xì)的介紹，并針對其只能人工選取閾值的缺點進(jìn)行了改進(jìn)，結(jié)合Harris特征檢測算法和圖像中各像素點的梯度值，提出了一種自適應(yīng)閾值的Canny檢測算法；然后，結(jié)合自身的學(xué)習(xí)，在現(xiàn)有的兩種裂縫評價指標(biāo)裂縫寬度和長度之外，引入了裂縫的橫向位移和旋轉(zhuǎn)角度，構(gòu)建了新的裂縫安全評估指標(biāo)。通過實驗對所提出的算法進(jìn)行了驗證。

數(shù)字圖像；Canny算法；結(jié)構(gòu)健康檢測；裂縫；自適應(yīng)閾值

0 引言

自19世紀(jì)以來，隨著科技水平的進(jìn)步和人類社會的不斷發(fā)展，建設(shè)了大量的鋼筋混凝土結(jié)構(gòu)的工程。橋梁、隧道、高速公路的出現(xiàn)大大方便了人們的出行和生活，但是他們同時也留有一定的隱患[1]。這些工程設(shè)施經(jīng)過了長期的運營及使用后，結(jié)構(gòu)的性能往往開始退化，如果不加以保養(yǎng)和維護(hù)，就會釀成不可挽回的后果。1907年在加拿大的魁北克省，魁北克大橋在建設(shè)中突然失穩(wěn)倒塌，86名建橋工人和19 000噸鋼材被拋入水中，最后只有11人幸存[2]。2007年美國密西西比河大橋突然發(fā)生坍塌，造成了13人遇難、145人受傷，是美國近幾十年來發(fā)生的最嚴(yán)重的橋梁垮塌事件[3]。而在我國，2001年11月7日，四川南部城市宜賓的南門大橋發(fā)生懸索及橋面斷裂事故，使得橋兩端斷裂，宜賓對外的交通和通訊一度受到很大的影響。這一系列的重大事故告訴我們，對土木工程進(jìn)行結(jié)構(gòu)健康監(jiān)測是何等重要的一件事情。

目前，針對材料內(nèi)部缺陷的檢測技術(shù)有紅外線、超聲波等探傷技術(shù)，針對表面裂縫的檢測包括圖像識別、雷達(dá)檢測等方法[4]。但主要使用的還是人工檢測法，通過技術(shù)人員定期對工程中的各個關(guān)鍵部位進(jìn)行檢測，從而防止重大事故的產(chǎn)生。而國防工程的建筑體積相對較大，檢測要求精度高，部分工程還處于人煙罕至的叢林和陡峭的山區(qū)之中，自然環(huán)境比較惡劣，使用人工進(jìn)行檢測基本不可能實現(xiàn)[5]。因而數(shù)字圖像監(jiān)測技術(shù)也就有了很強(qiáng)的現(xiàn)實意義。

1 土木工程表面裂縫識別

在土木工程結(jié)構(gòu)健康檢測中，對表面裂縫的識別檢測是其中最重要的環(huán)節(jié)之一，對于混凝土結(jié)構(gòu)來說，除去材料剛度退化、支座沉降等內(nèi)部問題外，開裂是最為常見的劣化現(xiàn)象[6]。裂縫產(chǎn)生的原因眾多：構(gòu)建損壞變形、混凝土的裂變、結(jié)構(gòu)支座發(fā)生位移等。裂縫不僅會影響結(jié)構(gòu)外觀，而且會導(dǎo)致混凝土層對內(nèi)部鋼筋的保護(hù)失效，快速發(fā)展的裂縫更是結(jié)構(gòu)倒塌的前兆。因此，對于混凝土表面裂縫進(jìn)行識別與監(jiān)測是安全評估的重要環(huán)節(jié)。目前對混凝土表面識別主要有人工觀察法、數(shù)字圖像識別法和雷達(dá)檢測法等。相對于其他兩種方法，數(shù)字圖像算法具有實時性高、精度好、可操作性強(qiáng)等優(yōu)點，因而得到了更廣泛的應(yīng)用[7]。

傳統(tǒng)的數(shù)字圖像處理算法主要是使用Canny等邊緣檢測算法提取裂縫的邊緣特征，并基于所提取的特征求取裂縫的寬度，根據(jù)寬度來評估裂縫的變化和危害大小。而在檢測中容易出現(xiàn)由于晃動和噪聲等干擾以及算法自身的缺陷引起的檢測誤差，從而不能達(dá)到很好的效果[8]。本文根據(jù)土木工程圖像的現(xiàn)實特點，結(jié)合Harris特征檢測算法，提出了一種新的基于自適應(yīng)Canny邊緣檢測的土木工程健康檢測方法，并通過實驗對其進(jìn)行了驗證。

2 基于數(shù)字圖像的檢測算法

基于數(shù)字圖像的結(jié)構(gòu)健康監(jiān)測算法主要通過使用Canny算法對裂縫輪廓進(jìn)行檢測，從而得到裂縫的輪廓圖像，并基于輪廓進(jìn)行結(jié)構(gòu)安全的分析處理，Canny算法的主要思路分為4個步驟：

(1)圖像平滑去噪

對于一幅裂縫圖像，在拍攝過程中往往會受到霧氣和噪音等干擾，這嚴(yán)重影響了檢測的精確性，對它的改善可以使用高斯濾波器對原始圖像進(jìn)行平滑濾波[9]。

(2)計算梯度幅值和方向

梯度的計算是Canny算法中最核心的環(huán)節(jié)，算子對圖像中的每個像素的2×2鄰域求取一階偏導(dǎo)，從而得到圖像I(x,y)的梯度幅值M(x,y)和梯度方向H(x,y)，計算公式如下所示：

(1)

H(x,y)=arctan[kx(x,y),ky(x,y)]

(2)

(3)

其中，kx、ky分別是圖像I(x,y)沿行方向和列方向與fx、fy卷積所得的結(jié)果。

(3)非極大值抑制

為了防止所得的邊緣點太過于密集，出現(xiàn)部分偽邊緣的情況，算法在每個像素點使用3×3的模板進(jìn)行非極大值抑制，去掉偽邊緣點。

(4)雙閾值方法檢測和連接邊緣

Canny算法使用雙閾值對邊緣進(jìn)行檢測。用高閾值Hth和低閾值Lth對經(jīng)過抑制的梯度值進(jìn)行分割，將梯度小于閾值的像素灰度值定為0，得到兩個閾值邊緣圖像H(i,j)和L(i,j)，在圖像H(i,j)中連接邊緣輪廓，連接到端點時，在L(i,j)中尋找弱邊緣點，填補(bǔ)圖像H(i,j)的邊緣空隙，從而得到最終的檢測結(jié)果[10]。

3 改進(jìn)的檢測和評估算法

3.1 自適應(yīng)閾值的Canny算法

在經(jīng)典的Canny檢測算法中，最后一步閾值的選取往往是通過經(jīng)驗或者是隨機(jī)選擇，不能適用于整幅圖像的檢測，并且對每一個點都進(jìn)行梯度計算也增加了算法的復(fù)雜程度。在結(jié)構(gòu)健康檢測中，主要關(guān)注的是裂縫以及裂縫周邊的信息，而對于其他一些邊緣信息則并不需要。因此在本文中引入了Harris特征檢測算法對其進(jìn)行改進(jìn)，具體步驟如下：

(1)高斯平滑去噪；

(2)使用Harris特征檢測算法對圖像進(jìn)行處理，得到圖像的特征點集Ki；

(3)因為特征點往往處于裂縫或者邊緣部位，而這些部位正是需要處理的。因而先對這些點求取梯度值M(xi,yj)。對于所有經(jīng)過非極大值抑制的特征點梯度值M(xi,yj),對其從大到小進(jìn)行排列，再根據(jù)其選取自適應(yīng)閾值，如下：

(4)

(5)

其中，M(xi,yj)為各特征點的梯度值，N為特征點的總個數(shù)。Hth和Lth為新得到的自適應(yīng)閾值。使用新的閾值對整個圖像進(jìn)行檢測，即可得到精確的裂縫輪廓圖。

為了對改進(jìn)算法的效果進(jìn)行驗證，使用了一張橋梁裂縫圖像進(jìn)行檢測，圖1(a)是橋梁裂縫的原圖，由圖中可以看出，在檢測中最重要的部分是橋梁下部的一道裂縫；圖1(b)是橋梁圖像的灰度圖；圖1(c)則是圖像的梯度矩陣圖，通過矩陣可以看出，圖像中梯度的極值基本集中在裂縫和邊緣處，而我們最想得到的則是裂縫部分的輪廓圖；圖1(d)是使用了Harris特征檢測算法處理之后的圖像，可以看出檢測得到的特征點基本處于裂縫和邊緣等位置，因而特征點的梯度信息最能體現(xiàn)出裂縫位置的信息；圖1(e)是使用經(jīng)典的Canny檢測算法所得圖像，算法雖然保留了部分裂縫輪廓，但是也檢測出了大量的偽輪廓點，檢測精度相對較差；圖1(f)則是使用本文所提出改進(jìn)算法檢測出來的圖像，由結(jié)果可以看出，裂縫和邊緣等重要的輪廓被算法保留，而其他非重要的輪廓被算法剔除，這大大增加了算法的精確度，也有利于進(jìn)一步的處理。

3.2 裂縫安全評估方法

在得到裂縫的輪廓圖像之后，要對輪廓進(jìn)行分析，從而得出土木工程的結(jié)構(gòu)健康情況，目前人們往往只關(guān)注裂縫寬度和長度的變化，而忽視了其他的一些因素。最近有些科學(xué)家發(fā)現(xiàn)，裂縫的橫向位移和偏離角度也能很好地反應(yīng)土木工程結(jié)構(gòu)健康情況。因此本文將以上4個方面進(jìn)行結(jié)合，提出一種新的安全評估方法，如圖2所示，左邊兩個畫十字的地方是前一次檢測時選取的定位點，右邊畫十字的位置則是經(jīng)過了一段時間之后兩個定位點的位置，這兩張圖片被固定在此處的高清數(shù)碼相機(jī)拍下，通過比較發(fā)現(xiàn)兩個定位點發(fā)生了一定程度的偏移，通過它們可以將裂縫的變化求取出來。裂縫的寬度變化求取方法如式(6)：

W=Lfinalcos(r)-Linitial

(6)

其中，r為裂縫的偏移角度，Linitial是第一次測量時兩個點之間的距離，Lfinal是最后一次測量時兩個點之間的距離。

裂縫的位移求取方法如式(7)：

S=S2-S1

(7)

其中，S1是第一次測量時兩點之間的直線距離，S2是第二次測量時兩點之間的直線距離。

將裂縫的寬度W、裂縫的長度L以及裂縫的橫向位移S一起作為新的評估標(biāo)準(zhǔn)，可以結(jié)合神經(jīng)網(wǎng)絡(luò)，把它們的值作為學(xué)習(xí)量，得出一個新的模型，當(dāng)一張新的圖出現(xiàn)時，求取以上3個參數(shù)帶入神經(jīng)網(wǎng)絡(luò)模型中，從而得出它們是否處于危險狀態(tài)，如果處于危險狀態(tài)，就通過網(wǎng)絡(luò)對控制方進(jìn)行報警。

4 結(jié)論

數(shù)字圖像技術(shù)是目前結(jié)構(gòu)健康監(jiān)測領(lǐng)域的新興方法，而土木工程所具有的特殊條件更使得通過圖像監(jiān)控進(jìn)行結(jié)構(gòu)健康檢查有了重要的現(xiàn)實意義，本文對Canny算法進(jìn)行了介紹，對其只能選取固定閾值的缺點進(jìn)行改進(jìn)，結(jié)合Harris特征檢測算法和圖像梯度值，提出了一種自適應(yīng)的閾值選取辦法，并且通過實驗對改進(jìn)算法效果進(jìn)行了驗證。最后，提出了一種新的國防工程結(jié)構(gòu)健康監(jiān)測的評價標(biāo)準(zhǔn)，在以往的基礎(chǔ)上引入了裂縫的橫向位移，從而更好地實現(xiàn)對裂縫的監(jiān)控檢測。

[1] 鄒飛, 李海波, 周青春, 等.基于數(shù)字圖像灰度相關(guān)性的類巖石材料損傷分形特征研究[J]. 巖土力學(xué), 2012,33(3):731-737.

[2] NISTER D. Preemptive RANSAC for live structure and motion estimation[J]. Machine Vision and Applications, 2005, 16(5):321-329.

[3] 鄒飛, 李海波, 周青春, 等. 巖石節(jié)理傾角和間距對隧道掘進(jìn)機(jī)破巖特性影響的試驗研究[J]. 巖土力學(xué), 2012, 33(6): 1640-1646.

[4] 李卉. 數(shù)據(jù)可視化技術(shù)在物聯(lián)網(wǎng)監(jiān)控系統(tǒng)中的研究與應(yīng)用[D].北京：北京郵電大學(xué),2013.

[5] ROSTEN E, DRUMMOND T. Machine learning for high-speed corner detection[M].Computer Vision-ECCV 2006. Springer Berlin Heidelberg, 2006: 430-443.

[6] 徐浩. 市政橋梁安全監(jiān)控網(wǎng)絡(luò)系統(tǒng)的研究[D].合肥：合肥工業(yè)大學(xué),2005.

[7] 賀強(qiáng),晏立. 基于LOG和Canny算子的邊緣檢測算法[J]. 計算機(jī)工程, 2011, 37(3):210-212.

[8] 陳宏希. 基于邊緣保持平滑濾波的Canny算子邊緣檢測[J]. 蘭州交通大學(xué)學(xué)報,2006,25(1):86-90.

[9] 王濤, 徐婭萍, 亢海龍. 結(jié)合 Canny 算子的圖像二值化方法[J]. 微型電腦應(yīng)用, 2010, 26(2): 4-7.

[10] 豐曉霞. 基于深度學(xué)習(xí)的圖像識別算法研究[D].太原：太原理工大學(xué),2015.

An adaptive threshold-based Canny algorithm for crack detection

Sun Liang1, Xing Jianchun1, Xie Liqiang1, Wang Jinjing2

(1.College of Defense Engineering, PLA University of Science and Technology, Nanjing 210007, China; 2.Protection Office of Military Installations in the Military Region of Shandong Province, Jinan 250000, China)

With the continuous development of science and technology, bridges, tunnels, highways and other civil engineering facilities have begun to appear in people’s lives. They give people convenience, but there are also a lot of potential safety hazards. Due to the limits of civil engineering volume, the natural environment and other factors, the current method of manual detection can not be very good and timely for structural health monitoring of civil engineering, thus digital image processing has become one of the first to solve the problem. This paper firstly introduces the current crack detection algorithm of Canny, and makes some improvement for the only artificial selection of threshold. Then, in addition to Harris corner detection and the crack width and length of the existing two kinds of fracture evaluation index, the new fracture safety assessment index is introduced, which is introduced by the transverse displacement and rotation angle of the crack. The validity of the proposed algorithm is verified by experiments.

digital image; Canny algorithm; structural health monitoring; crack; self-adaptive threshold

國家自然科學(xué)基金(51505499)

TP391

A

10.19358/j.issn.1674- 7720.2017.05.012

孫亮，邢建春，謝立強(qiáng)，等.基于自適應(yīng)閾值Canny算法的裂縫檢測方法研究[J].微型機(jī)與應(yīng)用，2017,36(5)：35-37，41.

2016-10-12)

孫亮(1991-)，男，博士研究生，主要研究方向：計算機(jī)視覺和圖像處理。

邢建春(1964-)，男，博士，教授，主要研究方向：計算機(jī)視覺和圖像處理、虛擬現(xiàn)實技術(shù)、智能控制。

謝立強(qiáng)(1980-)，男，博士，講師，主要研究方向：微納感測技術(shù)與智能化應(yīng)用技術(shù)。