基于圖像處理的橋梁裂縫與干擾物分類算法研究

王聰雅　張杰

摘要：混凝土橋梁裂縫對橋體安全的影響很大，通過數字圖像處理技術能夠快速、直觀地了解橋體底面裂縫情況。投影法對采集的圖像進行識別分類，能較為清晰地區分裂縫與干擾物，從而很大程度上幫助工作人員快速發現裂縫信息，及時保證橋梁安全。文章對基于圖像處理的橋梁裂縫與干擾物分類算法進行了研究。

關鍵詞：橋梁裂縫；數字圖像處理；干擾物；投影法；分類算法 文獻標識碼：A

中圖分類號：TP391 文章編號：1009-2374（2016）09-0016-02 DOI：10.13535/j.cnki.11-4406/n.2016.09.007

橋梁作為陸地交通的咽喉，在我國交通運輸中的地位尤為重要，近年來混凝土技術被越來越多地應用于橋梁構造上面。混凝土自身內部會產生間隙，橋梁荷載及所受到溫度、水分會催化間隙的產生，從而引發橋梁出現裂縫。橋梁裂縫對橋梁的行車安全埋下了隱患，更為嚴重的會發生橋梁坍塌的事故，嚴重威脅了陸地運輸及行人人身安全，橋梁裂縫的檢測與防治十分關鍵。目前，橋梁裂縫檢測的方法有很多種，但主要依賴于人工檢測，這種方式需要安排專業人士親自在橋體底面附近進行肉眼檢測，操作繁瑣，安全性低，費時費力。采用儀器進行檢測局限性大且造價昂貴。圖像識別技術是橋梁裂縫檢測中的新興技術，操作簡單，成本較低，直觀方便。圖像識別技術主要通過相機拍攝橋梁底面照片，通過圖像處理技術對裂縫信息進行完善修補，最后完成裂縫識別與分類。

1 國內外研究現狀

由于橋梁裂縫危害十分嚴重，各國對裂縫檢測防治的研究也尤為重視。目前對橋梁裂縫檢測的方式主要分為人工檢測和儀器檢測兩種。

1.1 人工檢測

人工檢測多通過專業人員肉眼或通過望遠鏡觀測橋體加以檢測，對一些條件較為惡劣的橋體地段通過搭乘檢測車、檢測架進行實地檢測，這種檢測方式較為原始，對人員專業知識要求過高，操作步驟繁瑣，且存在一定的安全隱患。

1.2 儀器檢測

儀器檢測借助其他技術設備進行檢測，已成型的檢測方式有超聲波檢測、沖擊彈性檢測、傳感器檢測、光纖傳感系統檢測、圖像處理檢測。其中超聲波和沖擊彈性檢測局限性較大，傳感器檢測需要在橋體預先鋪埋傳感器，光纖傳感系統檢測需要部署整個系統較為昂貴。圖像處理的方法尚處于初級階段，通過部署相機對橋底面進行定時拍攝記錄，仍有許多新興的相關方法等待

研究。

2 采用圖像處理技術對橋梁裂縫進行檢測

通過相機采集的橋梁裂縫圖像中，會存在一些其他非裂縫因素，我們稱之為干擾物，干擾物的種類有很多，常見的有橋體表層脫落、劃痕、水漬、泥漬、蜂窩等，這對我們識別橋梁裂縫產生了很大的阻礙，通過圖像預處理可以大幅度地削弱這些干擾物的信息，使裂縫特征表現得更加明顯。

圖像預處理的過程是首先對圖像進行灰度化，然后對灰度化圖像進行去噪濾波，再對處理完的圖像進行二值化方便裂縫識別，最后對圖像進行銳化及干擾物消減。圖像預處理能很大程度上去除非裂縫信息的干擾，但有一些干擾物由于與裂縫信息較為相似，仍難以去除。本文旨在提出一種基于投影法的裂縫干擾物識別分類方法，在一定程度上區分裂縫與干擾物的相關信息。

橋梁裂縫主要分為橫向裂縫、縱向裂縫、斜向裂縫、網狀裂縫等。但由于其形成原因多具備一定的線狀特征；干擾物多為無規則圖形，且由于其多為非橋體本身因素形成，多聚集在一起呈閉合圖形，我們根據此特征可以直觀地對圖像中出現的裂縫和干擾物進行分類。具體實現方法如下：

我們將經過預處理的二值化圖像進行XY投影。設定圖像的寬高為一個二維數組，運用先列后行和先行后列的方式分別遍歷原圖像，當遇到像素灰度為255的點時，將數組中對應的元素數值加1，遍歷完畢，形成直方圖。分析直方圖特征：

第一，縱向裂縫的垂直投影有明顯的凸起且投影的范圍比較集中，其水平投影沒有明顯的凸起且波形的普遍幅值都不太大，整體比較平緩，投影范圍較廣。橫向裂縫的投影效果與縱向裂縫的投影效果相反，其水平投影有一個明顯的凸起，投影的范圍比較集中，垂直投影沒有明顯的凸起且波形的普遍幅值都不太大，整體比較平緩，投影范圍較廣。

第二，網狀裂縫的投影效果特點是其垂直投影和水平投影的范圍都比較大，其間也有明顯的凸起且幅值較大。斜向裂縫的投影效果較為特殊，當其傾斜程度接近水平時投影效果接近橫向裂縫的投影效果，當其傾斜程度接近垂直時投影效果接近縱向裂縫的投影效果。

第三，干擾物的投影效果種類有很多，但大多數干擾物的垂直投影和水平投影都有很明顯的突起且投影的范圍都比較集中，波形的普遍幅度都不太大，整體較為平緩。

設圖像在垂直投影時其波形的最大波峰值為H1，平均波峰值為h1，投影的范圍為Xmin～Xmax，水平投影時其波形的最大波峰值為H2，平均波峰值為h2，投影的范圍為Ymin～Ymax，則：

對于縱向裂縫H1較大，較小，H2較小，較小較大。橫向裂縫H1較小，較大，H2較大，較小。網狀裂縫H1、H2、及都比較大。通過這種識別方式，橫向裂縫和縱向裂縫的類型判斷準確率很高。

干擾物由于其自身種類繁多，形狀不規則，但多為聚合在一起的圖形，因此通過投影法也能找到較為明顯的特征，其中較小，較小，h1h2較大，且X、Y值比裂縫投影的X、Y值有明顯的大值趨勢。

對干擾物運用投影法得到的圖像為：

（a）垂直投影 （b）水平投影

圖1

3 實驗過程及結果

為了驗證文中裂縫與干擾物分類算法的有效性，挑選一定數量的各類裂縫及干擾物的檢測圖像，對該算法進行測試。具體過程如下：

實驗測試數據：挑選裂縫100幅，干擾物50幅，所有圖像均是二值化處理的圖像。

測試方法：將測試樣本送入分類方法進行分類，記錄每個裂縫分類結果，并統計分類精度。統計結果如表1所示（由于橫縱裂縫投影結果較為相同，所以劃為一組；網狀及斜向裂縫也劃為一組）：

表1

圖像類型 圖像個數 識別出個數 識別精度

橫縱裂縫 50 43 96%

網狀及斜向裂縫 50 40 80%

干擾物 50 35 70%

從表1中可以發現，文中算法可以實現四種裂縫及干擾物的識別，且橫縱裂縫由于其本身特征十分明顯，分成一組，識別度高達96%，網狀及斜向裂縫稍微復雜，但仍具有裂縫總體的投影特征，識別度仍然能達到80%。干擾物由于其自身屬性不穩定，識別精度為70%。

4 結語

本文基于橋梁圖像識別處理研究了一種裂縫與干擾物的分類識別方法，其主要思想是通過投影法將裂縫與干擾物進行分類識別，并通過實驗測試，對干擾物的識別精度達到70%。但由于干擾物其自身來源廣泛，具有不穩定性，仍有很多情況難以識別。因此下一步工作是從實際情況出發，對干擾物特征進行再度分類識別。

參考文獻

[1] 齊超.橋梁裂縫檢測中圖像識別處理與測量技術的研究[D].北京交通大學，2014.

[2] 蔡光明.高速鐵路橋梁底面裂縫的視頻檢測系統研究[D].北京交通大學，2011.

[3] 劉小燕.基于數字圖像處理的混凝土橋梁底面裂縫的檢測[D].武漢理工大學，2014.

[4] 張采芳，田巖，李江，等.基于幾何特征分析的路面裂縫分類算法研究[J].紅外與激光工程，2015，（4）.

[5] Oh J K，Jang G，Oh S，et al.Bridge inspection robot system with machine vision[J].Automation in Construction，2009，18（7）.

[6] Lee J H，Lee J M，Kim H J，et al.Machine vision system for automatic inspection of bridges[A].Image and Signal Processing，2008.CISP08.Congress on.IEEE

[C].2008.

作者簡介：王聰雅（1991-），男，江蘇寶應人，北京交通大學碩士研究生，研究方向：數字圖像處理。

（責任編輯：黃銀芳）