水下大壩裂縫圖像分割方法研究 

張大偉許夢釗馬莉荀挺

摘要：由于水下環(huán)境復雜，以及大壩裂縫形狀的不規(guī)則性和方向的不確定性，邊緣的灰度突變程度不一，嚴重影響大壩裂縫的檢測效果。提出了一種改進的Canny算法。該算法基于最大熵原理，使傳統(tǒng)Canny算子具有自適應性。理論與實驗證明，該算法對于水下大壩裂縫檢測效果較好。

關鍵詞：水下大壩裂縫；邊緣檢測；Canny算法；最大熵；自適應性

DOIDOI：10.11907/rjdk.161393

中圖分類號：TP317.4

文獻標識碼：A文章編號文章編號：16727800（2016）009017003

基金項目基金項目：

作者簡介作者簡介：張大偉（1984-），男，四川南充人，國網成都供電公司電力調度控制中心工程師，研究方向為廠站自動化管理；許夢釗（1991-），男，河北邢臺人，河海大學物聯網工程學院碩士研究生，研究方向為計算機技術應用；馬莉（1978-），女，四川簡陽人，國網成都供電公司電力調度控制中心工程師，研究方向為電網調度自動化管理；荀挺（1986-），男，江蘇南京人，江蘇省瑞中數據股份有限公司工程師，研究方向為電力系統(tǒng)自動化管理。

0引言

大壩是水利水電工程的重要組成部分。我國的大壩建設處于世界領先地位[1]，發(fā)揮著巨大的工程效益。大壩裂縫是大壩安全的極大隱患，對大壩裂縫的檢測極其重要。然而，一旦大壩投入使用便會處于復雜的開放環(huán)境中，產生的裂縫不盡相同，且水下環(huán)境復雜，采集的圖像具有模糊不清、對比度低、亮度不均等特點，使大壩裂縫檢測十分困難[2]。

大壩裂縫有幾個共同特點：①大壩裂縫通常呈線性特點，具有發(fā)散性，雖然通常是斷裂的，但整體上是連續(xù)的；②大壩裂縫的邊緣為高頻信息；③大壩裂縫的灰度值偏低，即顏色較暗。

針對這些問題，許多學者對裂縫的檢測展開了研究。范新南等[3]針對水下光照不均勻，提出了一種基于勻光處理的自適應閾值分割算法。Chen等[4]提出了基于有邊緣信息熵確定加權系數從而確定邊緣的算法。伯邵波等[5]提出了通過構造8 個方向模板的 Sobel 算子并結合迭代閾值分割算法和全方位膨脹形態(tài)學方法，對邊緣檢測后的圖像進行處理。HoangNam Nguyen等[6]提出了先用PSCEF對稱型裂紋增強濾波器，再利用三次樣條函數確定邊緣點的算法檢測邊緣。GOKMEN等[7]提出了利用振動法檢測裂縫。Zhu等[8]提出了基于嵌入式壓電方法檢測算法。Hu等[9]提出了通過局部二元模式算子的基于紋理分析的裂縫檢測算法。Zou等[10]提出了基于目標最小生成樹算法的裂縫檢測方法，其中用最小生成樹來表達裂縫區(qū)域像素點的空間線性聚集特性。肖玲玲等[11]提出一種逐行滑動鄰域取最小值的圖像分割方法，并提出采用塊分割特征匹配方式提高動態(tài)裂縫檢測的準確性。徐歡等[12]提出了一種基于OpenCV開源平臺及改進Canny算子的路面裂縫檢測技術，該算法利用形態(tài)學濾波對原有的濾波方式進行改進，使用Ostu算法實現雙閾值的自適應獲取。

上述算法大致可分為基于邊緣的檢測算法、基于閾值的檢測算法、基于區(qū)域的邊緣檢測算法以及一些物理上的無損檢測算法，包括電位法[13]、振動法[14]、超聲波檢測法[15]、探地雷達法[16]、傳感器檢測方法[17]等。無損檢測方法實現困難，耗時耗力且檢測效果一般。基于生態(tài)學的算法如BP人工神經網絡算法[18]、人工蟻群算法等具有一定的自適應性且檢測效果較好，但是算法實現困難。傳統(tǒng)的檢測算法雖然簡單，但去噪效果不明顯、邊緣檢測準確度不高、連貫性不好，最重要的是不具有自適應性，這些算法并不完全適用于水下大壩裂縫的檢測。本文提出了一種基于最大熵的自適應閾值的改進Canny算法。該算法通過對傳統(tǒng)Canny算法的改進，利用最大熵原理自動確定最佳的閾值，從而達到最佳的檢測效果。

1Canny算法及其局限性

1.1傳統(tǒng)Canny算法

Canny邊緣檢測[19]的實質可以轉換為求信號函數的極大值問題。Canny算子邊緣檢測的方法是尋找圖像梯度的局部最大值。Canny算子有3個判斷準則，分別是信噪比準則、定位精度準則和單邊緣響應準則，其中單邊緣響應是指要保證單邊緣只有一個像素響應。其算法大致流程如下所示：①利用高斯濾波器進行平滑處理，以減少噪聲；②用一階偏導的有限差分計算梯度的幅值與方向；③第②點中確定的邊緣點會導致梯度幅度圖像中出現脊，然后算法跟蹤所有脊的頂部，并將所有不在脊上的頂部像素設為零，以便在輸出中給出一條細線，這就是非最大值抑制處理；④雙閾值檢測并連接邊緣點。

1.2傳統(tǒng)Canny算法局限性分析

傳統(tǒng)的Canny算法對整幅圖像使用固定的高、低閾值進行分割。如果直接使用傳統(tǒng)的Canny算子，就會因為閾值設置過高而丟掉重要邊緣，閾值設置過低導致噪聲得不到抑制，局部邊緣信息丟失。如果不能設置恰當的閾值，就無法在消除噪聲干擾的同時兼顧那些灰度值變化緩慢的局部邊緣，得到的邊緣就會是不連續(xù)的、斷裂的、不準確的，影響檢測結果。實際情況中，不同圖像的最佳閾值也是不同的，因此，使用傳統(tǒng)的Canny算法不具有自適應能力，還會檢測出偽邊緣或者丟失局部邊緣。與此同時，某些重要邊緣細節(jié)可能會由于干擾或是對比度不夠而變得模糊，而在實際情況中某些邊緣細節(jié)可能因與噪聲類似而被誤認為噪聲除去。如果使用傳統(tǒng)的Canny算法，固定的雙閾值難以在抑制噪聲的同時兼顧到保護低幅度值的邊緣信息，從而影響檢測效果。

綜上所述，本文針對傳統(tǒng)Canny算法固定閾值的缺點，提出一種改進的Canny算法：基于最大熵的自適應閾值Canny算法。

4結語

針對水下圖像對比度不高、大噪聲、模糊不清，以及大壩裂縫的不規(guī)則變化等問題，本文提出了基于最大熵算法的自適應閾值的改進Canny算法。本算法在Canny算法第②步驟之后，利用最大熵原理確定最佳的高低閾值，再以此進行下一步的檢測、定位，從而達到最佳檢測效果。

參考文獻：

[1]賈金生.中國和世界水電建設進展情況[N].國際商報，20090916（1）.

[2]孫傳東，李馳，張建華，等.水下成像鏡頭的光學設計[J].光學精密工程，1998（5）：713.

[3]范新南，巫鵬，顧麗萍，等.基于勻光處理的自適應裂縫分割與提取算法[J].科學技術與工程，2014（7）：7277.

[4]CHEN C P，WANG J，ZOU L，et al.Underwater dam image crack segmentation based on mathematical morpholog[J].Applied Mechanics & Materials，2012，2（3）：13151319.

[5]伯紹波，閆茂德，孫國軍，等.瀝青路面裂縫檢測圖像處理算法研究[J].微計算機信息，2007，23（15）：280282.

[6]NGUYEN H N，KAM T Y，CHENG P Y.An automatic approach for accurate edge detection of concrete crack utilizing 2d geometric features of crack[J].Journal of Signal Processing Systems，2014，77（3）：120.

[7]GOKMEN S H.A method for the detection of rail fractures and cracks[P].WO 2014027977 A1，2014.

[8]朱勁松.Piezoelectricbased crack detection techniques of concrete structures：experimental study[J].Journal of Wuhan University of TechnologyMater Sci Ed，2012，27（2）：346352.

[9]HU Y，ZHAO C X.A local binary pattern based methods for pavement crack detection[J].Journal of pattern Recognition research，2010，1（3）：140147.

[10]ZOU Q，CAO Y，LI Q，et al.Cracktree：automatic crack detection from pavement images[J].Pattern Recognition Letters，2012，33（3）：227238.

[11]肖玲玲，魏浩.一種基于塊分割特征匹配的巖體動態(tài)裂縫檢測算法[J].礦業(yè)研究與開發(fā)，2014（4）：5054.

[12]徐歡，李振璧，姜媛媛，等.基于OpenCV和改進Canny算子的路面裂縫檢測[J].計算機工程與設計，2014（12）：42544258.

[13]劉建偉，劉克強.電位法在探測堤壩滲漏中的應用[J].人民黃河，2008，30（2）：156159.

[14]王柏生，何宗成，趙琛.混凝土大壩結構損傷檢測振動法的可行性[J].建筑科學與工程學報，2005，22（2）：5156.

[15]劉康.基于小波分析的混凝土超聲波缺陷檢測方法研究[D].武漢：武漢紡織大學，2013.

[16]時方穩(wěn)，杜應吉，郝楓楠.探地雷達在水利工程安全檢測中的應用[J].人民長江，2012，43（7）：4446

[17]OLIVEIRA H，CORREIA P L.Automatic road crack detection and characterization[J].Intelligent Transportation Systems，IEEE Transactions on，2013，14（1）：155168.

[18]EDUARD KURISCAK，PETRMARSALEK，JULIUS STROFFEK，et al.Biological context of Hebb learning in artificial neural networks[J].a review 10.1016/j.neucom，2014（11）：2223.

[19]TINGNIAN HE，XIAOHONG LI，YUN JIANG.Improved HT object detection algorithm based on canny edge operator[J].Journal of Multimedia，2014，9（9）：10891096.

[20]邢丁亮，郝占慶.最大熵原理及其在生態(tài)學研究中的應用[J].生物多樣性，2011，19（3）：295302.

責任編輯（責任編輯：杜能鋼）