在航空影像中自動提取路橋病害信息技術研究

劉 田 俊

(山西省晉中路橋建設集團有限公司，山西 晉中 030600)

1 路橋病害檢測工作的難點

1.1 路橋結構復雜化，局部檢測困難

借助航空影像進行路橋結構的病害檢測是主流檢測手段。但是，隨著部件形狀、大小、造型的改變，以固定三腳架、移動車載、機器人為平臺的攝影方式并不能夠檢測到側面、底部以及主要部件的細部信息，捕捉不到這些部分的病害情況。為了能夠檢測到這些信息，養護運營企業必須派出專業人員進行現場目視解譯，工作效率大大降低，已不能滿足現代養護工作的要求。

1.2 路橋病害模型訓練的不夠充分

為了實現路橋病害的自動化檢測，采用“訓練—檢測—驗證”的模型構建方式。一般而言，路橋項目病害模型的圖像數據在1 000張以內，對于參數量較大的模型而言，其訓練過程是不充分的。在使用中容易出現病害遺漏、病害錯識的情況，尤其在網狀病害、線性病害中。針對這種情況，往往會采取簡化模型參數的方法，但其性能會有所下降，并且對圖像數據的要求更高，需要按照具體氣候、季節進行圖像數據補充。

1.3 路橋病害信息的圖像提取不準確

計算機圖像識別技術的發展仍沒有達到百分百檢測的水平，以邊緣檢測、語義分割、模板匹配以及機器學習算法為代表的圖像提取技術一方面受病害圖像信息庫數量、類型不足的制約，另一方面受航拍影像分辨率的影響，對線性裂縫、網狀裂縫的識別性能較差，無法起到及時防治的作用。此外，路橋病害信息庫的更新速度不夠，其泛化能力不足，難以跨地區、跨路段使用，大大增加了圖像提取的成本。

2 自動提取路橋病害信息的路線設計和技術分析

2.1 自動提取路橋病害信息的設計路線

為了克服路橋病害檢測工作的難度，實現路橋病害信息的自動化提取，以大疆六旋翼無人機為搭載平臺，構建了自動提取路橋病害信息系統，實現高準確率自動化檢測。其設計路線如圖1所示。

首先，以無人機為搭載平臺，通過設計多條航飛路線，對需要檢測的路段進行多角度拍攝，包括路面、側面、底面以及部件的隱蔽位置；然后，采用SIFT算法對因外界風力、光照影響產生的色差、變形進行圖像預處理，最大程度地降低外界干擾；再然后，將影像傳入自動化處理系統，經由模型庫比對，將路橋病害進行識別，并提取；最后，在軟件中，以三維形式進行提取結果展示。

2.2 基于航空影像的路橋病害信息提取技術分析

2.2.1標準各向異性擴散處理影像噪聲技術

在航拍影像中，線性裂縫和小型網狀裂縫受路表顏色、材料顆粒的干擾比較大，必須采取一定的預處理方法擴大其差異，才能降低病害信息提取的錯誤率。標準各項異性擴散方法在邊緣檢測、數據增強、紋理分析中有著良好效果。因此，采用標準各項異性擴散技術進行圖像去噪。此技術以矩形選定圖像域，通過引入時間參數，計算圖像域的均值和方差，計算持續時間內圖像擴散狀態。首先，選定原始處理圖像，在PDF上以限定時間T獲取去噪圖像，通過散度算子中的擴散函數來控制邊緣處理，達到平滑或增強的目的；然后，選定梯度算子，控制非線性擴散函數求導速度，尋找到最優的函數參數；最后，擴散函數中的對比參數進行自動化調整，通過在(0,1)范圍內多次試值，選擇最優的方式降低PDF結果的不確定性。盡管在參數調節過程中，會耗費部分時間，但其效果優于傳統的邊緣識別方法，受噪聲干擾性更小。

2.2.2部件模型的獲取以及模型庫更新技術

根據路橋建筑、部件結構以及常見病變的形狀，對航空影像內的建筑物對象進行切分，獲得路橋不同位置、不同形狀的病害并將其制作為部件模型。無人機能夠在短時間內對大橋、長路面、特殊結構細部進行圖像收集，可源源不斷地提供部件模型。在工程中，首先，定期接受航飛回傳影像，將影像中的病害制作成部件模型；然后，將部件模型加入模型庫，以更新、擴充后的模型庫為準，定期更新病害識別參數，確保模型庫能夠對新型病害有良好的識別能力；最后，識別參數更新后，在固有驗證集上進行精度驗證，并采用查錯率、漏查率兩大檢測指標進行檢驗。當訓練集與驗證集二者的檢測指標數值相差不大，則表明模型更新是有效的；若二者的指標數值相差較大，尤其是驗證集指標出現偏離時，需要對模型參數進行再次更新處理，直到二者指標數值相近。

2.2.3路橋病害識別技術

自動提取路橋病害信息系統是以病害的圖像特征為基礎的，包括全局特征、顏色特征和紋理特征。全局特征在處理病害圖像形變、尺度、位置方面具有較好的魯棒性；顏色特征能夠將裂縫顏色與路橋材料進行區分；紋理特征則能夠對路橋結構、病害結構進行識別。基于此理論背景，路橋病害識別技術才能取得良好效果。首先，對三項特征的36維數據進行了數值分析，得到了13維可用信息，包括：色差、對比度、平移等；然后，基于13維可用特征進行圖像像素級特征映射，以微分求導的形式突出有差異像素值的邊界；最后，對特征進行降維處理，通過PCA對13維特征的實際性能進行排序，實現梯度幅值的歸一化。由此，圖像中的病害和正常路面就可以區分開。

2.2.4路橋病害提取技術

病害特征和邊界的識別為病害提取提供了強有力的支持，而提取的過程是對航空影像進行二值化處理的過程。首先，在線性裂縫、網狀裂縫和坑洞進行預處理和識別分析的基礎上，將病害部分與正常路面的邊界劃分開，得到裂縫的外邊界；然后，對病害區域、正常路面附著不同的顏色，一般為黑色和白色，也可為不同的彩色，進而得到病害位置；最后，調節病害識別自適應閾值，對形狀不同、損害程度不同進行區別化提取，可分為初發階段、增長擴大階段和已損壞階段，幫助養護人員做好預防、治理、修復等工作。此外，針對初發階段路橋病害提取的精度不夠高，受噪聲影響比較大。因此，在調節自適應閾值時，可適當提高其值，抑制噪聲影響。

2.2.5路橋病害信息展示技術

路橋病害影像信息需與三維DEM相結合，進行數據三維化展示。首先，無人機影像、自動化處理結果與DEM進行貼合，將病害的具體位置展示在三維模型中；然后，通過目視解釋方式，對檢測到的病害信息進行人工目視判斷，對其病害類別、成因、危害程度等進人工分析，對路面異物、構件遮擋地區進行巡檢和多時段影像疊加分析，避免漏測；最后，基于多時相影像檢測結果，對路橋不同構件，包括路面、露筋、積水等部分區域進行病害預測防治。由此可知，路橋病害信息展示技術能夠大大提高養護管理工作效率，不僅能夠對病害信息技術提取、分類，還能夠根據多時相影像檢測效果的不同進行針對性的病害預防。

3 結語

航空影像自動提取路橋信息技術能夠在路橋養護運營中發揮極大的價值，不僅實現了路橋病害信息的準確提取，還為如何防治提供了基礎材料。因此，路橋養護工作者應站在航空攝影的角度，對路橋病害檢測工作方法進行改革，增強對計算機自動提取路橋病害信息技術的應用，實現路橋各位置病害的高質量檢測。