基于NSCT的隧道裂縫圖像檢測

沈 瑜

（蘭州交通大學，甘肅 蘭州 730070）

0 引言

隨著中國鐵路建設(shè)的高速發(fā)展，許多特長隧道、雙層隧道、大跨度扁平隧道、盾構(gòu)隧道、沉管隧道、寒區(qū)隧道，以及高海拔隧道等相繼建成，相應(yīng)的隧道病害也日益突出。隧道的襯砌位于復雜的圍巖地質(zhì)之中，由于受到周圍巖體壓力、溫度、收縮應(yīng)力作用、腐蝕性介質(zhì)作用、運營車輛的循環(huán)荷載等作用，導致隧道混凝土襯砌結(jié)構(gòu)產(chǎn)生變形和裂縫，造成隧道更大災(zāi)害隱患出現(xiàn)。在工程中通常根據(jù)裂縫情況來評價其破壞程度，因此需要合適的檢測方法來得到準確的數(shù)據(jù)，從而進行正確的分析。

2004年，鄒軼群等提出了一種基于數(shù)字圖像處理的表面裂紋檢測算法[1]。張娟等分析了基于數(shù)字圖像處理的路面裂縫識別與評價系統(tǒng)的工作原理[2]。2005年，劉清元等提出了判斷混凝土裂紋的綜合算法[3]。2006年，尹蘭等利用了基于光測法的數(shù)字圖像處理技術(shù)對混凝土表面裂縫寬度特征進行了測量和分析[4]。2012年，劉學增等采用圖像增強預處理、循環(huán)迭代法裂縫區(qū)域提取、數(shù)學形態(tài)學修整、亞像素邊緣檢測等圖像處理手段，提出隧道襯砌裂縫識別算法。

本文提出一種基于NSCT的隧道裂縫圖像檢測算法。因為NSCT具有如下特點：（1）NSCT可以從多方向性、多分辨率地對圖像中的輪廓和紋理等方向信息進行稀疏表示。（2）NSCT變換是一種固定框架的多尺度多方向的變換，能夠有效地避免參數(shù)設(shè)置問題，使結(jié)果更加穩(wěn)定。實驗結(jié)果表明，該算法在分割正確率和分割精度等指標上表現(xiàn)出良好的性能。

1 非下采樣Contourlet變換

非下采樣Contourlet變換(NSCT)是一種冗余變換,具有完全平移不變性,可以有效捕捉圖像中廣泛存在的幾何特征。非降采樣Contourlet變換(Nonsubsampled Contourlet Transform,NSCT)包括兩個具有平移不變性的組件，它們是保證多尺度性質(zhì)的非下采樣金字塔濾波器（Nonsubsampled Pyramid Filter Bank,NSPFB）和保證方向性的非下采樣方向濾波器組（Nonsubsampled Direcional Filter Bank,NSDFB）。

對于NSCT，首先，采用非下采樣塔式濾波器組對圖像進行多尺度分解。然后，使用非采樣方向濾波器組對得到的各尺度子帶圖像進行多方向分解，見圖1[4]。之后，將輸入圖像和一個二維濾波器進行卷積，得到原始圖像的低頻圖像。原始圖像與低頻圖像的差值為高頻細節(jié)圖像。最后，經(jīng)過非下采樣方向濾波器組，就得到了高頻細節(jié)圖像的方向性細節(jié)特征。圖像在經(jīng)過N級NSCT分解后，得到1+個與原始輸入圖像尺寸大小相同的子帶圖像，其中，lj為尺度j下的方向分解級數(shù)。

圖1 NSCT結(jié)構(gòu)圖

2 算法實現(xiàn)

2.1 算法流程

本文算法的步驟見圖 2。

圖2 算法流程

具體算法描述如下:

（1）采用NSCT變換，將圖像分解成低頻子帶系數(shù)和高頻子帶系數(shù)。

（2）對高頻子帶圖像進行邊緣檢測，采用模極值點法[5]。每個模極大值點檢測只需將其與所在梯度方向上相鄰2個像素的模值進行比較檢測。通常，將每個區(qū)域?qū)?yīng)的梯度中線方向認為是該子帶系數(shù)的梯度方向。若沿著梯度方向上像素的模值均大于相鄰2個像素的值，則將該點記為模極大值點；如不滿足，則其為 0。

（3）對低頻子帶圖像進行邊緣檢測。用Canny算子對低頻子帶系數(shù)進行邊緣檢測,得到低頻邊緣圖像。

（4）將高頻子帶圖像與低頻子帶圖像融合后再細化[6]。由于NSCT變換的平移不變性,高頻子帶圖像與低頻子帶圖像可以很好的重合,所以只需要簡單相加即可得到效果很好的邊緣圖像,再將圖像細化成單像素點的邊緣圖像。

3 實驗結(jié)果與分析

實驗采用烏鞘嶺隧道中拍攝的裂縫圖像為例。檢測車上的CCD線掃描相機拍攝高度為3m，拍攝角度平行，車速為60 km/h。分辨率為1 280×1 024。處理前，先將圖像轉(zhuǎn)化為大小為512×512的PNG格式的圖像。

實驗所采用三種已有的邊緣檢測算法與本文算法進行對比。這三種算法是Sobel算子、Canny算子和小波模極大方法。本文 NSCT變換 采用“9—7”濾波器進行尺度分解，采用“dmaxflat”濾波器進行方向分解。一共分解了 4層，第1層為低頻層，不進行方向分解。高頻層分別為 2、3、4層，其方向分解數(shù)依次取為 4、8、16。

在主觀評價方面，主要通過邊緣分割質(zhì)量進行比對；在客觀評價方面，對比誤檢邊緣點數(shù)和品質(zhì)因數(shù)，以證明本文算法的有效性。

實驗結(jié)果見圖3。

從圖3可以看出：由于Sobel算子沒有去噪，存在很多噪聲點和邊緣模糊。由于高斯平滑的模糊特性，Canny算子得到的各目標邊緣大都存在定位抖動現(xiàn)象，同時受到斑點噪聲的影響，存在多檢邊緣；小波模極大邊緣檢測方法由于降斑效果仍不理想和缺乏弱邊緣連接，存在較多的孤立噪聲點；本文方法得到的邊緣則最為完整和平直，幾乎沒有定位抖動，噪聲點也非常少。

圖3 各自邊緣檢測算法結(jié)果比較

不同方法邊緣提取結(jié)果比較見表1。

表1 不同方法邊緣提取結(jié)果比較

由表 1可知：Sobel算子誤檢邊緣點數(shù)最多，定位準確性最差；Canny算子誤檢邊緣點數(shù)較少，但定位準確性較差；小波模極大邊緣檢測方法定位準確性較好，但誤檢邊緣點數(shù)較多；本文算法的誤檢邊緣點數(shù)最少，定位準確性最好。

6 結(jié)論

相較于小波變換，NSCT變換具有更好的方向性和平移不變性。而且它可以更有效地檢測紋理豐富的邊緣，對高頻子帶圖像進行檢測，采用模極大值方法篩選系數(shù)，使得檢測結(jié)果細節(jié)豐富，邊緣定位準確。借助Canny算子的優(yōu)越性能，對低頻自帶圖像進行邊緣檢測，使得檢測結(jié)果邊緣穩(wěn)定，完整連續(xù)。融合后的圖像不僅避免了多重邊緣，而且定位準確，誤檢邊緣點少，是一種有效的隧道裂縫圖像的邊緣檢測算法。

[1]鄒軼群,侯貴倉,楊峰.基于數(shù)字圖像處理的表面裂紋檢測算法[J].微計算機信息：測控自動化,2004,20(4):80.

[2]張娟,沙愛民,高懷鋼,等.基于數(shù)字圖像處理的路面裂縫自動識別與評價系統(tǒng)[J].長安大學學報：自然科學版,2004,24(2):18.

[3]劉清元,談橋.基于圖像處理的混凝土裂縫的檢測[J].武漢理工大學學報,2005,27(4):69.

[4]尹蘭.基于數(shù)字圖像處理技術(shù)的混凝土表面裂縫特征測量和分析[D].南京:東南大學土木工程學院,2006.

[5]王敏,李慶武,程曉軒.側(cè)掃聲納圖像的NSCT域模極大值邊緣檢測[J].計算機工程,2011(24):207-209.

[6]肖易寒,席志紅,海濤,等.基于非下采樣contourlet變換的圖像邊緣檢測新方法[J].系統(tǒng)工程與電子技術(shù),2011(7):1668-1672.