基于動(dòng)態(tài)閾值的混凝土裂縫高抗噪提取及識(shí)別方法

楊才千 李 帥 王博昆陳耀井 洪 萬(wàn) 瞿 馮 潘 勇

(1湘潭大學(xué)土木工程與力學(xué)學(xué)院, 湘潭 411100)(2東南大學(xué)土木工程學(xué)院, 南京 210096)(3江蘇高速公路工程養(yǎng)護(hù)有限公司, 淮安 223005)(4南京工業(yè)大學(xué)土木工程學(xué)院, 南京 211800)(5江蘇東部高速公路管理有限公司, 鹽城 224002)

混凝土表面裂縫作為混凝土病害的主要存在形式，嚴(yán)重影響著結(jié)構(gòu)的安全性與耐久性.對(duì)混凝土表面裂縫進(jìn)行有效、可靠的檢測(cè)才能保證其正常服役.目前，人工巡查是裂縫檢測(cè)中最常見的方法.在應(yīng)對(duì)環(huán)境不友好的工況時(shí)，人工巡查存在危險(xiǎn)，且易受檢測(cè)員主觀性影響，效率和準(zhǔn)確性均較低[1].

基于圖像識(shí)別技術(shù)的機(jī)器視覺技術(shù)[2]能高效地將圖像信號(hào)轉(zhuǎn)化成數(shù)字信號(hào)進(jìn)行處理，相比于人工巡查，強(qiáng)大的計(jì)算能力使裂縫信息的收集工作變得更加智能與便捷.裂縫圖像識(shí)別一般先采用濾波去噪法[3]來(lái)去除輕微噪聲，常見方法包括高斯濾波去噪[4]與雙邊濾波去噪[5]；然后，對(duì)圖像進(jìn)行閾值分割，將裂縫圖像轉(zhuǎn)化成二值圖，常見方法為K-means聚類分割法[6]和閾值分割法[7].Ito等[8]通過(guò)調(diào)整裂縫圖像對(duì)比度，采用小波變換并二值化的方法來(lái)提取裂縫，該方法基于亞像素原理進(jìn)行圖像處理，實(shí)現(xiàn)了裂縫的自動(dòng)特征提取和裂紋定量分析.Fujita等[9]采用Hessian矩陣線性過(guò)濾器來(lái)增強(qiáng)圖像中線性結(jié)構(gòu)，研究了復(fù)雜噪聲環(huán)境下的混凝土表面裂縫圖像提取方法，但由于設(shè)置的固定閾值只針對(duì)單一特征的裂縫，無(wú)法將算法泛化到實(shí)際工程檢測(cè)中，實(shí)用性較差.Cha等[10]采用基于卷積神經(jīng)網(wǎng)絡(luò)的深度學(xué)習(xí)方法來(lái)識(shí)別裂縫，但在應(yīng)對(duì)混凝土表面存在不均勻色斑與紋理的識(shí)別場(chǎng)景時(shí)實(shí)用性較低.趙君愛等[11]針對(duì)復(fù)雜背景噪聲環(huán)境下混凝土微小缺陷圖像閾值分割難的問(wèn)題，提出了一種基于像元搜索算法的微小缺陷檢測(cè)方法.現(xiàn)實(shí)情況下，混凝土表面存在隨機(jī)分布的裂縫以及蜂窩麻面等強(qiáng)噪聲干擾，增加了裂縫提取處理的難度.

裂縫特征識(shí)別是裂縫檢測(cè)的重要部分.周亞群等[12]在提取裂縫后通過(guò)MatLab平臺(tái)獲取裂縫的垂直、水平方向投影曲線圖，從而得到裂縫長(zhǎng)度、最大寬度、最小寬度等相關(guān)特征參數(shù).梁雪慧等[13]通過(guò)改進(jìn)GoogLeNet網(wǎng)絡(luò)模型檢測(cè)裂縫，提取裂縫骨架線，計(jì)算其特征參數(shù)，發(fā)現(xiàn)將裂縫歐氏距離作為裂縫寬度具有較好的精度.然而，上述方法均僅針對(duì)簡(jiǎn)單的混凝土背景噪聲，復(fù)雜背景下混凝土裂縫提取與識(shí)別效果仍然較差.

本文基于裂縫的長(zhǎng)度、寬度、面積等幾何特征與灰度特征，提出了一種基于動(dòng)態(tài)閾值的裂縫提取方法，并通過(guò)多組實(shí)驗(yàn)與實(shí)際橋梁裂縫的檢測(cè)，驗(yàn)證了該方法的可實(shí)施性與普適性，為混凝土裂縫的有效識(shí)別、道路橋梁管理和養(yǎng)護(hù)等提供了參考依據(jù).

1 裂縫圖像提取處理

1.1 裂縫圖像預(yù)處理

采集的圖像一般為三通道彩色圖像，直接處理既增加計(jì)算工作量，又容易對(duì)有用信息的提取造成干擾.如圖1所示，采集的裂縫原圖經(jīng)過(guò)灰度變換后只包含亮度信息，灰度圖像方便存儲(chǔ)，可提高計(jì)算效率.混凝土是由膠凝材料和粗細(xì)骨料膠結(jié)而成的復(fù)合材料，其表面存在深色區(qū)域的顏色噪聲以及蜂窩麻面等結(jié)構(gòu)噪聲.采用高斯濾波將一個(gè)掩膜矩陣和圖像像素矩陣進(jìn)行卷積，可過(guò)濾大部分細(xì)微噪聲，再將圖像進(jìn)行細(xì)節(jié)增強(qiáng)處理，便可使裂縫細(xì)節(jié)變得更加突出.

(a) 灰度變換

(b) 高斯濾波

(c) 圖像增強(qiáng)

(d) OTSU閾值分割

1.2 裂縫區(qū)域分割提取

作為前景目標(biāo)，裂縫形態(tài)清晰.但對(duì)于非裂縫的背景區(qū)域，中間灰度級(jí)像素點(diǎn)的存在導(dǎo)致圖像中仍保留部分偽裂縫噪聲，因此需要將真實(shí)的裂縫區(qū)域盡可能分割出來(lái)，去除偽裂縫像素點(diǎn)的灰度擾動(dòng).本文采用OTSU閾值分割法來(lái)分割裂縫區(qū)域，使圖像僅保留灰度值為0和255的像素點(diǎn)，圖像僅剩裂縫與部分背景噪聲信息.

1.3 裂縫區(qū)域連通域分析

連通域是指位置相鄰、像素值相同的多個(gè)像素點(diǎn)所圍成的區(qū)域.一般情況下，連通域內(nèi)所有像素點(diǎn)具有相同的屬性，即同一物體.連通域的面積由物體本身的形狀所決定.利用這一特性，通過(guò)設(shè)定連通域面積動(dòng)態(tài)閾值，便可區(qū)分不同屬性的目標(biāo)物體.由圖1(d)所示，經(jīng)形態(tài)學(xué)處理和面積分割提取后的裂縫圖像，除具有最大面積的背景區(qū)域外，裂縫區(qū)域的面積相對(duì)較大，而噪聲呈圓點(diǎn)狀、小面積無(wú)規(guī)則分布.本文通過(guò)設(shè)置動(dòng)態(tài)閾值的方法，提取面積由大到小排在第2位的連通域，從而完成裂縫的初步提取工作.該方法不受固定閾值的限制，具有較強(qiáng)的普適性和應(yīng)用價(jià)值.

利用種子填充法遍歷圖像矩陣，采用八鄰域路徑掃描法尋找灰度值為255的區(qū)域，形成各個(gè)連通域，將其進(jìn)行編號(hào)并用不同顏色表示，結(jié)果見圖2.

圖2 裂縫區(qū)域連通域標(biāo)識(shí)

調(diào)用OpenCV視覺庫(kù)中的Connected components with stats函數(shù)找出所有連通域，基于像素個(gè)數(shù)統(tǒng)計(jì)其面積、像素尺寸以及坐標(biāo)信息，并根據(jù)面積大小將所有連通域降序排列.面積最大者為背景連通域，第二大者一般為裂縫連通域.利用這一特性，只需將裂縫圖像中的第二大連通域面積值設(shè)為閾值，便可去除裂縫圖像中絕大部分噪聲干擾，使圖像僅保留背景及裂縫信息.

混凝土表面存在隨機(jī)分布的蜂窩麻面以及白斑現(xiàn)象，部分纖維混凝土的裂縫處還存在如圖3(a)圓圈中所示的纖維斷絲，這類強(qiáng)干擾噪聲將影響裂縫提取效果.采用傳統(tǒng)的數(shù)字圖像方法難以去除這些強(qiáng)噪聲干擾，而本文方法則具備高抗噪能力，可滿足強(qiáng)噪聲干擾條件下的裂縫提取工作.

(a) 輸入端裂縫圖像

(b) 輸出端裂縫圖像

2 裂縫特征參數(shù)識(shí)別

2.1 裂縫面積識(shí)別

裂縫的面積識(shí)別是裂縫檢測(cè)的一個(gè)重要部分.預(yù)處理后對(duì)裂縫圖像進(jìn)行閾值分割，可得到已去除大部分強(qiáng)噪聲干擾的裂縫二值圖圖像，然后調(diào)用Connected components with stats函數(shù)便可對(duì)裂縫進(jìn)行提取.

統(tǒng)計(jì)裂縫區(qū)域連通域像素點(diǎn)個(gè)數(shù)N，由圖像分辨率I可計(jì)算得到裂縫實(shí)際面積Sc，即

(1)

假設(shè)圖像的像素尺寸為H×W，則圖像所在范圍的裂縫率為

(2)

式中，h、B分別為圖像的像素高度和寬度.

采用本文方法對(duì)裂縫圖像中的裂縫輪廓進(jìn)行提取，結(jié)果見圖4(a).將此裂縫輪廓映射至原裂縫圖像，所得結(jié)果見圖4(b)，由圖可知，采用本文方法提取得到的裂縫輪廓與原圖裂縫輪廓吻合良好.

(a) 裂縫圖像輪廓

(b) 裂縫輪廓原圖映射

2.2 裂縫長(zhǎng)度識(shí)別

在裂縫發(fā)展情況檢測(cè)中，通過(guò)對(duì)比裂縫多次測(cè)量的特征參數(shù)得到裂縫的發(fā)展?fàn)顟B(tài).常用的裂縫長(zhǎng)度測(cè)量算法為近似法，例如最小外接矩形法，即將矩形的長(zhǎng)邊長(zhǎng)度或者對(duì)角線長(zhǎng)度近似為裂縫長(zhǎng)度.對(duì)于曲率或者寬度較大的裂縫，該方法誤差較大，不利于工程病害評(píng)估.

調(diào)用Morphology子模塊中提供的Skeletonize函數(shù)，對(duì)提取的裂縫二值圖進(jìn)行骨架細(xì)化處理，本質(zhì)是對(duì)裂縫長(zhǎng)度信息進(jìn)行拓?fù)浔硎?在識(shí)別裂縫長(zhǎng)度特征時(shí)，采取骨架細(xì)化的方式，按照四鄰域路徑腐蝕目標(biāo)區(qū)(灰度值為255)，判斷目標(biāo)像素點(diǎn)左右鄰域的像素點(diǎn)灰度值是否都為0，若全為0，則認(rèn)為該像素點(diǎn)為內(nèi)部點(diǎn)，將其保留；若不全為0，則該像素點(diǎn)可刪除.沿著水平方向向連通域內(nèi)部依次判斷，剩下的目標(biāo)區(qū)域即為原裂縫圖像的拓?fù)湫问?

如圖5所示，當(dāng)圖像采集設(shè)備像素過(guò)高時(shí)，獲取的裂縫圖像分辨率過(guò)高，從而產(chǎn)生裂縫骨架過(guò)擬合的現(xiàn)象.對(duì)裂縫連通域進(jìn)行腐蝕操作可以解決過(guò)擬合問(wèn)題，即將裂縫圖像與掩膜矩陣進(jìn)行卷積運(yùn)算.在保證裂縫骨架不變的情況下有效減少了裂縫區(qū)域的像素點(diǎn)，消除了提取裂縫骨架時(shí)的過(guò)擬合現(xiàn)象.該方法只需根據(jù)各種圖像采集設(shè)備的特點(diǎn)，設(shè)置相應(yīng)裂縫掩膜的卷積核大小，因而適用于各種圖像采集設(shè)備獲取的裂縫圖像.

圖5 高分辨率圖像裂縫區(qū)域拓?fù)?/p>

采用骨架細(xì)化算法處理裂縫，可以降低近似誤差.裂縫經(jīng)過(guò)拓?fù)溥\(yùn)算后，只保留單個(gè)像素陣列.然而，單個(gè)像素點(diǎn)排列尺寸過(guò)小，無(wú)法計(jì)算其周長(zhǎng)，故將細(xì)化后的裂縫圖像與掩膜矩陣進(jìn)行卷積運(yùn)算，掩膜矩陣中心點(diǎn)遍歷骨架區(qū)域，得到如圖6(b)所示的膨脹后的裂縫骨架圖像.

(a) 裂縫圖像骨架拓?fù)鋱D

(b) 膨脹后的裂縫圖像

將裂縫骨架線的長(zhǎng)度近似為其實(shí)際長(zhǎng)度，受膨脹作用影響，裂縫骨架線進(jìn)行了貼合復(fù)制，即骨架線上的單個(gè)像素點(diǎn)在水平方向上得到拓展.由于像素點(diǎn)尺寸非常小，且裂縫長(zhǎng)度方向的像素點(diǎn)個(gè)數(shù)遠(yuǎn)大于寬度方向，故可將膨脹后裂縫骨架周長(zhǎng)的1/2近似為裂縫在圖像中的像素長(zhǎng)度.令膨脹后的裂縫像素周長(zhǎng)為L(zhǎng)，則裂縫的實(shí)際長(zhǎng)度為

(3)

2.3 裂縫寬度識(shí)別

裂縫區(qū)域采用矩形有限元進(jìn)行分割(見圖7)，將裂縫分為許多小矩形.圖中，Δxi、bi、ΔS分別為第i個(gè)矩形的長(zhǎng)度、寬度和面積.

圖7 裂縫有限元分割示意圖

記λ=max{Δx1,Δx2,…,Δxn}，則裂縫面積為

(4)

式中，b為裂縫平均寬度.

由式(4)可知，可將裂縫區(qū)域看作n個(gè)矩形的擬合.將裂縫面積除以裂縫長(zhǎng)度，便可得到該區(qū)域的裂縫平均寬度，即

(5)

在實(shí)驗(yàn)室內(nèi)拍攝2組裂縫圖像(見圖8)，連通域分析及裂縫提取結(jié)果分別見圖9和圖10.原圖像中縱向裂縫的分辨率為3.41 像素/mm，細(xì)裂縫的分辨率為4.93 像素/mm.由此可見，采用本文方法可成功識(shí)別出裂縫面積、區(qū)域裂縫率、裂縫長(zhǎng)度與裂縫平均寬度，其中，縱向裂縫的平均寬度為 2.01 mm，細(xì)裂縫的平均寬度為1.07 mm.表1中的裂縫特征識(shí)別結(jié)果證實(shí)了本文方法的可實(shí)施性.

(a) 縱向裂縫

(b) 細(xì)裂縫

(a) 縱向裂縫

(b) 細(xì)裂縫

(a) 縱向裂縫

(b) 細(xì)裂縫

表1 裂縫特征識(shí)別結(jié)果

3 工程實(shí)橋應(yīng)用

3.1 圖像信息

為驗(yàn)證本文方法在工程實(shí)橋應(yīng)用中的有效性，采集了某高速大橋抗震擋塊與某高速互通南墻處的裂縫圖像數(shù)據(jù)(見圖11).

(a) 某高速大橋

(b) 某高速互通

3.2 裂縫區(qū)域提取

對(duì)網(wǎng)狀裂縫圖像進(jìn)行裂縫提取處理，結(jié)果見圖12.某高速大橋裂縫圖像存在部分大噪聲區(qū)域；某高速互通裂縫圖像存在孔洞現(xiàn)象.從處理裂縫的效果可以看出，本文方法對(duì)含有復(fù)雜噪聲的混凝土裂縫與細(xì)裂縫都具有較好的提取效果，抗噪性能較好，魯棒性較強(qiáng).將裂縫輪廓映射到裂縫原始圖像后，提取出的裂縫輪廓對(duì)裂縫邊界的擬合效果較好(見圖13).

(a) 某高速大橋

(b) 某高速互通

(a) 某高速大橋

(b) 某高速互通

3.3 裂縫特征識(shí)別

對(duì)圖12進(jìn)行裂縫特征參數(shù)識(shí)別處理.某高速大橋的裂縫圖像分辨率為5.14 像素/mm，某高速互通的裂縫分辨率為4.97 像素/mm.采用本文方法識(shí)別及計(jì)算所得的裂縫特征參數(shù)見表2.由表可知，某高速大橋的裂縫平均寬度為1.34 mm，某高速互通的裂縫平均寬度為0.97 mm.

表2 工程實(shí)橋混凝土表面裂縫圖像特征測(cè)量結(jié)果

4 結(jié)論

1)在圖像預(yù)處理環(huán)節(jié)，通過(guò)灰度變換、高斯濾波、信息增強(qiáng)等方法弱化、去除噪聲，增強(qiáng)圖像中裂縫的亮度，提高裂縫與背景的對(duì)比度.

2)在裂縫圖像提取階段，采用OTSU閾值分割法將裂縫圖像二值化，只保留0和255兩種灰度值的像素點(diǎn).通過(guò)調(diào)用Connected components with stats函數(shù)并設(shè)置動(dòng)態(tài)閾值提取裂縫，抗噪性能較好，泛化能力和魯棒性較強(qiáng).

3)本文提出的混凝土裂縫識(shí)別方法可識(shí)別復(fù)雜噪聲背景下的裂縫寬度、長(zhǎng)度以及面積，識(shí)別效率較高，魯棒性較強(qiáng)，為裂縫檢測(cè)工作提供更多的數(shù)據(jù)支持.