基于特征分析的圖像式地鐵隧道裂縫檢測方法研究

李清奇

（婁底職業技術學院 土木工程學院，湖南 婁底 417000）

0 引言

隨著時代的進步我國在城市化建設方面的投入不斷加大，推動了鐵路的修建速度使得大量的鐵路映入眼簾。在進行鐵路的修建過程中對于隧道的施工要求極為嚴格，為了確保隧道的施工工程質量，減少地鐵在隧道中運行時候的出現的安全問題，所以在地鐵隧道的施工中引入隧道檢測的圖像處理技術，是為了能夠及時檢測隧道中表面出現的裂縫，避免安全事故的發生。交通技術作為我國重要發展技術之一，越來越多的出行方式不斷出現在人們的生活中，如：高速鐵路、地鐵、公路等。在鐵路的建設中，隧道的建設能夠很好的解決線路的平順性同時降低環境對線路的影響程度，因此隧道備受人們關注，成為鐵路建成中的重要舉措之一。隨著鐵路隧道的快速建成和運營，安全問題就呈現在人們的視線中，在地鐵隧道中安全問題是極為重要的，需要對其進行定期的檢測以及危害信息的獲取處理和反饋。雖然隧道工程在不斷的成熟，但在鐵路的檢測設施以及技術方面仍然處于較落后的趨勢，近年來在隧道發生的一系列安全事故讓人們注意到了隧道安全這一嚴重的問題。如根據相關報告了解到的2012年12月2日在日本的某個縣城發生的隧道塌方導致多人傷亡；在我國的也出現過類型的事故，由此可見事情的嚴重性。在隧道中裂縫的出現仍然是一個很大的難題，像固疾一樣牢牢的經常出現在隧道中。裂縫作為地鐵運營過程中的影響極大的安全隱患，這一安全隱患就需要工作人員在對隧道進行定期的信息采集、處理分析避免出現裂縫。那么本文就針對于此對地鐵隧道裂縫檢測的方法進行研究。

1 傳統檢測方法的弊端

從鐵路隧道的建成至今，我國所使用的傳統隧道裂縫檢測技術大多數是以人工檢測為主要，利用人工在現場進行實時的設備搭設，技術人員通過肉眼觀察或者進行隧道的圖片的拍攝，通過所拍攝的照片進行裂縫的查找、地質雷達通過電磁波反射信號進行對裂縫的檢測。這些方法雖然可以進行現場的勘察但存在著許多的問題，如：當使用人工肉眼觀測時候，如果是在地鐵高速運行時候的話，進行檢測的人員的人身安全將會受到威脅，并對于隧道內的視線問題將技術實施的難度加大，使得工程變慢不利于人員檢測導致裂縫檢測效率過低。如果是使用拍照檢測的技術方法則會受到拍照光線不均勻、照片失真等的因素影響直接是照片質量不能夠達標，增加檢測難度降低檢測效率[1-3]。對于這兩種技術方法來說，存在著十分嚴重的弊端，對于技術的實施對于人工的依賴太過于過大，對工作人員的技術水平要求也是十分苛刻的，且工作人員的技能水平及素質大不相同，檢測出的結果也不一樣。這兩種技術方法的主觀性過于太強，效率也過于低下；對于地質雷達檢測方法來說，雖然該方法能夠通過不同的反射電磁波進行對裂縫的檢測且有著很高精確度、有叫高強度的抗干擾能力等但對于隧道表面的裂縫檢測沒有很高的效率，只適合于檢測結構內部的裂縫。所以這些傳統的隧道裂縫檢測方法已經不能夠很好的滿足現代的檢測要求了。

2 隧道裂縫檢測中圖像處理技術原理

2.1 硬件構成

對于隧道的硬件檢測系統來說，為了將其作用發揮到最大，就把硬件按照車載的結構進行設計，讓硬件檢測系統通過一定的速度在隧道中運轉，并結合高精確度的耦合器件相機進行精確檢測就可以采集到隧道表面的裂縫信息。這種耦合器件相機（CCD）的耦合相機采用光學系統，將光信號轉化成視頻信號實現高分辨率、高動態情景、高靈敏度等[4]。對于硬件的檢測系統來說還包含著其他的器件配件如：編碼器。這一配件可以對運行車速進行測試，再通過對相機的采集速度進行調度，確保運行車速和相機的采集速度保持一致。通過這一方法的實施就可以很好的解決圖像出現變形的現象，進而確保采集到的圖像裂縫信息與實際情況一致。在硬件檢測系統中的圖像采集卡能夠將CCD精確相機捕捉到的視頻信息存到圖像采集卡中并把采集到的圖像進行A/D的轉化。對于硬件檢測系統中的照明系統來說，可以通過高頻穩定的大功率照明設備如LED條形光源，來彌補CCD相機的低光敏性。

2.2 圖像處理技術工作原理分析

在隧道裂縫檢測中通過CCD相機對隧道表面的信息采集并以圖像的形式存儲到采集卡以及硬盤中。在存儲技術上使用了磁盤陣列技術，能夠在實際開展工作儲存高分辨率的圖像數據時候確保不出現丟包、丟幀、存儲失敗等問題。最后再連接計算機進行對圖像數據的處理得到精確的隧道裂縫信息。

3 隧道裂縫圖像處理技術算法設計

3.1 隧道裂縫圖像的特點及分類

就目前而言主要將隧道的裂縫分為如圖1、圖2：橫向裂縫、縱向裂縫、網狀裂縫、斜向裂縫，這些裂縫類型大都出現在從隧道口進入的方向成直線分布與頂部拱處及其附近。橫向裂縫則和縱向裂縫沿著90°進行分布，在隧道的拱線、交斷面、巖面交界處出現較多；斜向裂縫和縱向裂縫也會成一定的角度進行分布，通常在隧道的拱腰的中間位置分布較多；網狀裂縫則是隨機產生，其特點成網絡狀，通常在隧道的拱部位置出現較多。

圖1 橫向裂縫以及縱向裂縫

圖2 斜向裂縫以及網狀裂縫

在對隧道裂縫的圖像信息進行設計時通常認為其特點主要體現為裂縫部位相較于背景區更加暗淡，但因為采集設備、環境等的不同因素導致所采集到的隧道圖像呈現不一樣的特點[5-6]。對于隧道的實際圖像特征大致如下所述：

（1）隧道內部空間狹隘，環境復雜存在過多雜音導致在采集圖像信息時候存有大量的噪音。

（2）一般裂縫灰度值明顯小于背景灰度值。

（3）隧道中采集到的裂縫像素遠不足于背景圖像的像素總值。

（4）因為隧道中光照不均勻，環境潮濕等因素都會導致采集的圖像背景區域的灰度不均，出現裂縫像素點和背景像素點重合的現象，對于后續的圖像分割造成影響。

（5）隧道中的裂縫有著一定的方向性。

在進行對裂縫的類別進行分析時候需要把隧道內的復雜環境因素考慮進去并以上述特征結合具有可行性的算法對圖像進行處理，把裂縫從背景圖像中分離出來。

3.2 圖像的灰度變換方法

由于在進行圖像信息的采集的時候，經常會出現裂縫的灰度值分布不均的現象并集中在一定的值數范圍內，這使得圖像難以凸顯出裂縫的細節，所以得對采集到的裂縫圖像進行灰度的變換，這是保證后續圖像處理方法實施的基礎步驟。對于圖像的灰度主要變化方法有：非線性拉伸、線性拉伸、直方圖均衡化，這其中非線性拉伸是說值數和對數的拉伸，而線性拉伸則是指均勻拉伸、分段拉伸以及限幅線性拉伸等。本文接下來則對限幅線性拉伸、非線性拉伸這兩種方法進行分析對比研究：限幅線性拉伸。線性拉伸的作用是在進行圖像處理時候提升灰度值的動態范圍。假設原采集到圖像坐標為(x，y)，對應的灰度值則為f(x，y)，進行拉伸后的灰度值變為g(x，y)；這就可以將線性拉伸用函數來進行表示為：g(x，y)=α＊f(x，y)+β，這式子中的α代表拉伸系數、α和β的取值就可以從實驗中所獲得。

倘若最大灰度范圍在拉伸前的范圍為{fmin，fmax}，灰度范圍進行拉伸后的取值為{m，n}那么線性拉伸函數的表達式為：g(x，y)=b-a/fmin-fmax[f(x，y)-fmin]+a；限幅線性拉伸的灰度值限定范圍為{m，n}，對于小于限定值m的灰度值都為m，大于限定值n的灰度值為n，那么在對其線性拉伸時候的函數式子為：

變換函數則如圖3所示：

圖3 限幅線性拉伸變換函數

非線性拉伸。通過非線性函數進行對原采集的圖像進行拉伸，常見的拉伸方法為指對數拉伸。指數拉伸能夠擴大高亮度區域表達式為：g(x，y)=bc[f(x，y)-a]，該表達式中a代表曲線開始的位置，c代表曲線的變化率，其指數變換函數如圖4所示。

圖4 指數拉伸函數

對數拉伸能夠擴展灰度較低的區域，與此同時將高灰度區域進行壓縮，從而加強圖像的細節程度，其表達式如下：

該表達式中a的取值按照實驗的要求進行取值，通常a的取值一般為e，所以對上式子改寫后得到：

改寫后式子中C表示尺度比例系數（可進行調節）。若f(x，y)+1的取值不為0，那么對數的變換函數如圖5所示；

圖5 對數變換函數

3.3 對隧道裂縫圖像進行分割處理

在進行所采集到的圖像分割時候所遵守的就是均勻原則，把所采集到的經過一系統處理后的圖像分割成多個有不同意義的圖像，并且每個分割后的圖像都需要符合某個特性。在進行隧道裂縫圖像處理時候圖像的分割算法有：生長分割技術、閥值分割技術等就目前使用最為廣泛的則當屬于閥值分割技術。對于閥值T來說，對采集到的圖像的直方圖進行分析可以得出確切的值。當一個圖像中只存有背景及目標這兩個因素時候，直方圖則可做為雙峰圖來進行分析，并將兩個峰之間的最低點做欸分割閥值。還有一種情況相對于進行起來過于復雜那就是裂縫襯砌圖像，這種圖像的直方圖都只呈現出單峰形態，這種情況只利用直方圖則很難確定精確的分割閥值。在對裂縫圖像進行分割時候可將兩種方法分別進行計算對比，這兩種方法都能很好的將所采集到的圖像中的裂縫以及背景圖像區分開來，能夠達到預期的效果。

4 結語

本文對圖像處理技術中的圖像的灰度變換方法以及圖像分割法進行分析闡述。對于在進行勘測時候可根據實際情況來進行合理的選擇。