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

隨著中國鐵路建設的高速發展，許多特長隧道、雙層隧道、大跨度扁平隧道、盾構隧道、沉管隧道、寒區隧道，以及高海拔隧道等相繼建成，相應的隧道病害也日益突出。隧道的襯砌位于復雜的圍巖地質之中，由于受到周圍巖體壓力、溫度、收縮應力作用、腐蝕性介質作用、運營車輛的循環荷載等作用，導致隧道混凝土襯砌結構產生變形和裂縫，造成隧道更大災害隱患出現。在工程中通常根據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據，從而進行正確的分析。

2004年，鄒軼群等提出了一種基于數字圖像處理的表面裂紋檢測算法[1]。張娟等分析了基于數字圖像處理的路面裂縫識別與評價系統的工作原理[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字圖像處理技術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、循環迭代法裂縫區域提取、數學形態學修整、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設置問題，使結果更加穩定。實驗結果表明，該算法在分割正確率和分割精度等指標上表現出良好的性能。

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圖像。最后，經過非下采樣方向濾波器組，就得到了高頻細節圖像的方向性細節特征。圖像在經過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。

圖1 NSCT結構圖

2 算法實現

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和高頻子帶系數。

（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，將每個區域對應的梯度中線方向認為是該子帶系數的梯度方向。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，其方向分解數依次取為 4、8、16。

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

實驗結果見圖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果比較

不同方法邊緣提取結果比較見表1。

表1 不同方法邊緣提取結果比較

由表 1可知：Sobel算子誤檢邊緣點數最多，定位準確性最差；Canny算子誤檢邊緣點數較少，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，但誤檢邊緣點數較多；本文算法的誤檢邊緣點數最少，定位準確性最好。

6 結論

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，使得檢測結果細節豐富，邊緣定位準確。借助Canny算子的優越性能，對低頻自帶圖像進行邊緣檢測，使得檢測結果邊緣穩定，完整連續。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.基于數字圖像處理的路面裂縫自動識別與評價系統[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.基于數字圖像處理技術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].系統工程與電子技術,2011(7):1668-1672.