面向復(fù)雜光照條件的橋底裂紋檢測與測量算法研究?

徐 豐 孟 康 聶 鑫

（武漢工程大學(xué)土木工程與建筑學(xué)院 武漢 430074）

1 引言

橋梁事故無論是對人們的出行還是生命安全方面都帶來不可預(yù)測的風(fēng)險，根據(jù)《城市橋梁檢測和養(yǎng)護(hù)維修管理辦法》中的說明，城市人民政府市政工程設(shè)施行政主管部門應(yīng)該根據(jù)實情，需要定期定量的對大橋進(jìn)行維護(hù)，經(jīng)常性檢查、定期檢測、特殊檢測。根據(jù)吉伯海等［1］的研究，橋梁事故發(fā)生的74%可以總結(jié)為施工，超載等人為因素，與橋梁的維護(hù)和裂紋檢測息息相關(guān)。但是往往人工檢測帶來大量的資源浪費和效率低下，是否有一種自動化的裂紋檢測滿足人們的需求。

近年來，隨著圖像處理技術(shù)的發(fā)展，機(jī)器取代人工已經(jīng)變成一種大勢。如耿飛利用統(tǒng)籌的方法實現(xiàn)了對混凝土裂縫的量化研究及開裂面積的計算［2］，曾燕華開展了基于計算機(jī)視覺的橋梁表面缺陷檢測技術(shù)［3］，北京交通大學(xué)的張國旗開展了基于圖像處理的技術(shù)的橋梁裂縫檢測的研究［4］，洪漢玉等利用特征提取將提取的偽特征進(jìn)行去除然后進(jìn)行識別［5］，張維峰等實現(xiàn)數(shù)字圖像處理技術(shù)在橋梁裂紋測量中的應(yīng)用［6］。但是這些都存在一些問題：1）是他們的檢測都是在正常光照下進(jìn)行的，沒有考慮到橋底裂紋的光照的遮擋光照不足，逆光，反光等情況。2）是現(xiàn)有的檢測效果比較好的Canny算子［7］，能很好地模糊圖像，對邊緣保存不是很好。所以在這一點上提出了改進(jìn)。

本文提出了在橋梁底部裂紋在光照不足或者昏暗的條件下進(jìn)行全局自適應(yīng)光照調(diào)整得到比較好的光照圖片，然后用多個角度拍攝的圖像拼接［8］獲得底面的全橫截面圖像對橋地面可視化，運用改進(jìn)的Canny算子測出裂紋的圖像，最后計算它們的長和寬。

2 處理流程

面向復(fù)雜光照條件下的橋底裂紋檢測與測量的流程圖見圖1。

圖1 橋梁裂紋檢測的流程圖

由于橋梁底部的裂紋是通過仰視拍攝得到的，受到光線的影響因素比較大，所以得先降低光照的影響。通過多個攝像頭在不同位置的拍攝情況，得到不同角度的照片，最后通過多個角度的圖片進(jìn)行圖像的拼接融合，把拼接融合的圖片用改進(jìn)的can?ny算子進(jìn)行計算，最后輸出圖中裂紋的像素長寬。

2.1 圖片光自適應(yīng)調(diào)整模型

在橋梁底部的裂紋圖片大部分是暗光的條件，裂縫被陰影遮擋或者光線暗的條件下會忽視甚至?xí)l(fā)現(xiàn)不了。在此基礎(chǔ)上考慮把原始圖片使用光照增強(qiáng)的技術(shù)來得到效果更好的圖片。

由于現(xiàn)在的關(guān)于橋梁底部的裂紋樣本比較少，使用深度學(xué)習(xí)的方法會產(chǎn)生比較大的誤差。于是可以采用傳統(tǒng)的方法進(jìn)行實驗?，F(xiàn)有的一些光照增強(qiáng)的方法，如Ahn，Hyunchan等［9］提出了全局自適應(yīng)和局部自適應(yīng)的HDR實現(xiàn)過程，對HDR image進(jìn)行色調(diào)映射，現(xiàn)在大部分的光照增強(qiáng)的方法［10～11］都是對圖片顏色的恢復(fù)有一定的要求，但是該實驗對橋梁底部裂紋的圖片會對光照增強(qiáng)的圖片進(jìn)行灰度化，沒有對顏色的要求，所以本文提出的方法是先把圖像從RGB空間轉(zhuǎn)換到Y(jié)UV空間，然后對亮度，進(jìn)行提升，然后轉(zhuǎn)換回RGB空間。這樣做只提升了圖像的亮度，而沒有提高色度和濃度，圖像會顯得很亮，但是色彩不夠鮮艷，符合實際檢測的需求。如圖2所示。

圖2 光照增強(qiáng)處理的圖片

其中圖2（a）是光照增強(qiáng)前的圖片，圖2（b）是使用全局自適應(yīng)原理進(jìn)行的光照增強(qiáng)的實驗的效果圖。全局自適應(yīng)方法的原理如下具體公式如下：

上述式子中，Lg(x，y)代表全局自適應(yīng)處理的輸出結(jié)果；Lw(x，y)表示輸入圖像的亮度值；Lwmax表示輸入圖像亮度的最大值；表示輸入圖像的亮度值的對數(shù)平均值；其中，m*n代表圖像的尺寸。σ是一個很小值，為了防止遇到圖像中亮度為0的黑點的情況。

2.2 圖片融合

將多個不同角度攝像頭拍攝的圖像固定為大小尺寸一樣的原始圖像，并將不同角度拍攝的圖片進(jìn)行圖片的拼接融合［12］，得到一個固定尺寸比較全面的拼接圖片。

在不同角度拍攝的橋梁裂紋圖片有可能大小都不同，讓裂紋檢測的精準(zhǔn)度不好把控。為解決這一問題，計算機(jī)視覺界引入了尺度不變特征的概念。它的理念是，不僅在任何尺度下拍攝的物體都能檢測到一致的關(guān)鍵點，而且每個被檢測的特征點都對應(yīng)一個尺度因子。理想情況下，對于兩幅圖像中不同尺度的同一個物體點，計算得到的兩個尺度因子之間的比率應(yīng)該等于圖像尺度的比率。文章使用：SURF特征。SURF全稱為“加速穩(wěn)健特征”（Speeded Up Robust Feature），將會看到，它們不僅是尺度不變特征，而且是具有較高計算效率的特征。拼接后的圖片有利于軟件實際的檢測。

2.3 圖片裂紋的檢測與測量

2.3.1 圖片增強(qiáng)對比度

為了讓灰度化后的圖片更加的清晰，使背景和裂紋更加容易區(qū)分，使用圖片對比度增強(qiáng)的方法，具體公式如下：

在圖像像素中其中，參數(shù)f（x）表示源圖像像素，參數(shù)g（x）表示輸出圖像像素。參數(shù)a（需要滿足a＞0）被稱為增益，常常被用來控制圖像的對比度。參數(shù)b通常被稱為偏置，常常被用來控制圖像的亮度。在圖片增加對比度之后可以明顯發(fā)現(xiàn)比較之前的圖片，增加對比度后的圖片中顯示的裂紋信息更加的清晰。

2.3.2 用改進(jìn)Canny邊緣算子檢測圖中裂紋

傳統(tǒng)的Canny邊緣檢測算子首先通過高斯濾波函數(shù)對圖像進(jìn)行濾波去噪，高斯濾波是基于空間域的一直濾波，離中心越近權(quán)重越大，能很好地模糊圖像，對邊緣保存不是很好。文章采用的是雙邊濾波（Bilateral blur）相對于傳統(tǒng)的高斯濾波來說很重要的一個特性即可以保持邊緣，這個特點對于一些圖像模糊來說很有用。一般的高斯模糊在進(jìn)行采樣時主要考慮了像素間的空間距離關(guān)系，但是卻并沒有考慮像素值之間的相似程度，因此這樣得到的模糊結(jié)果通常是整張圖片一團(tuán)模糊。Bilateral blur的改進(jìn)就在于在采樣時不僅考慮像素在空間距離上的關(guān)系，同時加入了像素間的相似程度考慮，因而可以保持原始圖像的大體分塊進(jìn)而保持邊緣。雙邊濾波的具體公式如下：

g（i，j）代表輸出點；S（i，j）的是指以（i，j）為中心的（2N+1）（2N+1）的大小的范圍；f（k，l）代表（多個）輸入點；w（i，j，k，l）代表經(jīng)過兩個高斯函數(shù)計算出的值。ws為空間臨近高斯函數(shù)，wr為像素值相似度高斯函數(shù)：

可以看到，w是ws和wr的乘積。對于ws來說，這就是普通的高斯濾波函數(shù)，其代入的坐標(biāo)，σ是程序輸入值，該函數(shù)是在空間臨近度上計算的。而wr是計算像素值相似度（顏色空間），注意，這就是高斯函數(shù)代入坐標(biāo)值，2的上方是范數(shù)，在這里的值為|f(i，j)—f(k，l)|2。也就是兩個點像素值差值的絕對值的平方。其中，彩色圖片計算差值時應(yīng)將（i，j）點的RGB三通道值之和減去（k，l）點的RGB三通道值之和。這里是顏色空間計算，不能當(dāng)成單通道，但是在最后矩陣卷積時，是單通道與權(quán)值相乘而不是三個通道之和。

2.3.3 裂紋測量方法

一些學(xué)者為測量圖像中的裂紋長度或者像素提出過很多的方法［13～14］。為測得圖片中清晰可見的裂紋，文章提出另外一種簡單的計算裂縫長度和寬度的方法，提高測量的精度。該方法的基本思想是先通過腐蝕膨脹的操作去除孤立的點，然后細(xì)化圖像中的裂縫邊緣，然后再統(tǒng)計細(xì)化后圖像中的白色像素點的個數(shù)，并將該數(shù)值作為裂縫的長度CL，可以用裂縫的平均寬度CW來表示裂縫的寬度，計算公式如下：

式中，Area為裂縫區(qū)域的面積，CL為裂縫的長度。其中Area區(qū)域的面積一般是指各個連通區(qū)域中所包含的像素的個數(shù)，可以用來衡量連通域的大小。其計算步驟如下：

1）用M*N矩陣來表示圖像B，將所有連通域的面積變量Arealabel的初始值都設(shè)為0。

2）按自左向右，自上向下的順序遍歷圖像矩陣B中的所有像素，當(dāng)像素點的標(biāo)記label非零時，將該像素所在區(qū)域的面積加一，即：

3）當(dāng)遍歷完圖像B后，各區(qū)域的面積則保存在相應(yīng)的Arealabel變量中。

3 實驗結(jié)果與分析

3.1 圖像的光照增強(qiáng)實驗

如圖3，圖中的第一列是選取的在光照條件不足或昏暗條件下選取的原始圖片，第二列是原始圖片檢測的裂紋效果，第三列是把原始圖片使用光照增強(qiáng)后的圖片，第四列是光照增強(qiáng)后檢測的裂紋效果圖，從圖中可以明顯看出加了光照后檢測的效果會更好。

圖3 原始圖片與光照增強(qiáng)圖片的對比

該實驗選取50張圖片進(jìn)行光照測試，分別計算原始圖片和光照增強(qiáng)圖片后檢測的裂紋個數(shù)，從表中就可以看出加了光照增強(qiáng)效果的圖片測得的圖片裂紋數(shù)更多。如表1所示。

表1 計算的裂紋個數(shù)

3.2 各種算法檢測的對比

圖4中（a）是原始圖片；（b）是馬衛(wèi)飛［15］用深度學(xué)習(xí)BCDCGN模型檢測 后的圖片；（c）是楊先鳳［16］用Canny算子檢測油管裂紋，在這里顯示的是檢測橋梁的底部裂紋后的圖片；（d）是文章使用的方法用改進(jìn)的Canny算子經(jīng)過變換后檢測出來的圖片，可以清晰地看見（d）的效果圖是最好的。

圖4 各種算法的對比

3.3 裂紋計算長度和寬度與實際的對比

該部分通過拍攝的幾組裂紋圖片進(jìn)行實驗，分別通過幾種方法對圖片進(jìn)行識別，分別計算出它們的像素長和像素寬，最后求取幾組實驗的平均值，根據(jù)平均值計算出它們的實際長度，最后根據(jù)真實的長度計算它們的誤差。如圖5顯示的就是文章改進(jìn)的Canny算子檢測出圖片中裂紋的像素長和像素寬。

圖5 對圖中裂紋的測量

表2針對的是檢測方法中用到的幾種邊緣檢測算子的檢測結(jié)果，通過檢測出它們的像素長度和像素寬度，根據(jù)實際計算后與真實值的對比。實驗一共分為兩組，檢測了200張橋梁地面裂紋的圖片，每組為100張圖片。

表2 圖片中裂紋大小計算和實際值的對比

表2中的識別尺度是經(jīng)過圖片中裂紋檢測出的像素根據(jù)實際的比例進(jìn)行計算取平均值后的結(jié)果，根據(jù)表中的內(nèi)容可以看出，改進(jìn)的Canny算子經(jīng)過一系列的計算后的誤差與別的算法對比可以看出明顯的優(yōu)勢。

4 結(jié)語

本文對橋梁的底部裂紋的檢測識別進(jìn)行了研究。對于檢測橋梁的底部裂紋的圖片清晰度和光照的問題，采用光照增強(qiáng)的方法，然后進(jìn)一步對圖像進(jìn)行處理和檢測并且計算出相應(yīng)的像素值，取得了比較好的效果。實驗結(jié)果表明論文中提出的算法具有較強(qiáng)的穩(wěn)定性和準(zhǔn)確性，可以有效地解決橋梁底部裂紋檢測和測量的問題。