橋梁紅外無損檢測主觀評價指標探析

■許瀚文

（新疆維吾爾自治區交通規劃勘察設計研究院， 烏魯木齊 830002）

在橋梁無損檢測的探究中，諸多學者一直致力于研究如何評價橋梁檢測的圖像處理效果的好壞，但對于橋梁檢測圖像質量的評價標準并不統一。 傳統方法一般分為主觀評價方法和客觀評價方法，其主觀評價方法就是檢測者根據圖像提取的橋梁鋼構件損傷部位信息結合事先規定的評價尺度或者自己的經驗，對橋梁測試圖像按視覺效果做出質量判斷，給出橋梁損傷程度等級[1]。 這種方法雖然很好地利用了檢測者的經驗，但是無法用數學統計模型對橋梁直觀損傷程度進行描述， 不易定量檢測，不利于信息化處理，而且評價的結果受檢測者的知識背景、情緒以及疲勞程度等因素的影響，因此在橋梁檢測的應用中受到了嚴重的限制。 相比之下，客觀評價方法的優勢在于可以根據一定的數學模型對試驗圖像進行定量的計算和測量， 如對比度、均方根誤差、峰值信噪比等，以獲得更加準確的評價結果[2-5]。

但隨著國家對橋梁檢測技術的不斷規范化、嚴格化，目前以客觀評價為主的檢測報告已經遠遠無法滿足現有工程檢測的需求，迫切需要將主觀評價進行信息化處理。 近年來許多學習者也發現了主觀評價的重要性，劉麗[6]對實驗結果進行定量分析，采用線性模糊性指數量度、清晰度和標準差來定量分析算法的增強性能， 但個別評價結果數值較為接近，無法準確判斷處理效果的好壞。 因此本文針對橋梁無損檢測的紅外圖像處理結果評價體系進行研究對比，提出了主觀評價輔助指標，一方面打破現有橋梁檢測對客觀評價的高度依賴性，同時對主觀評價進行圖像信息可視化，進一步完善橋梁無損檢測評價體系。

1 橋梁損傷部位紅外熱波圖像處理技術

1.1 試驗設備及環境

本文采用帶圓孔橋梁鋼腹板為實驗對象，實驗裝置如圖1 所示，鋼腹板構件長度為0.3 m，寬度為0.05 m，厚度為0.002 m，中部圓孔半徑為0.006 m，該試件的材料參數分別為導熱系數k=36.7 W/（m·K），比熱容c=470 J/（kg·K），密度ρ=7790 kg/m3，構件底端固定，上端以5 Hz 頻率為施加幅值為-1×108～1×108N/m2的周期荷載， 實驗室溫27℃， 空氣濕度51%RH。

圖1 試驗裝置

1.2 試驗圖像獲取

圖2 為荷載作用下橋梁帶孔鋼腹板的紅外熱波序列圖像，與可見光圖像相比，荷載作用下的紅外圖像信噪比低，分辨率低，對比度低的問題更為突出。 為了能夠更為直接地對圖像進行后期處理，選取荷載作用t=180 s 時的圖像作為研究對象。

圖2 紅外熱波序列圖像

運用傳統圖像處理方法，利用灰度變化將紅外熱波圖像轉化為灰度圖像，采用高通濾波增強圖像邊緣信息，以起到圖像銳化作用；隨后利用中值濾波去除圖像中的隨機噪聲和椒鹽噪聲[7]；再用傳統閾值分割對增強后的圖像進行分割處理，有效分離出目標和背景以達到目標識別的目的，處理效果圖像如圖3 所示。

2 橋梁無損檢測評價體系

2.1 主觀評價

原有橋梁主觀評價方法主要根據檢測者事先規定的評價尺度或者自身經驗，對測試圖像按視覺效果做出質量判斷，給出評價分數[8]。 該方法雖然可以較好地反映圖像的直觀質量，但因為橋梁許多鋼制構件比較隱蔽，導致很多橋梁損傷圖像處理效果不夠明顯， 使得檢測者無法利用視覺清晰分辨，檢測結果不夠準確、全面；且知識背景、情緒、疲勞程度等外界因素也對檢測者有相應的影響。 因此提出利用三維空間數據重建，即三維體繪制法作為主觀評價的測定指標之一，其顯示效果好，重建質量高，可以并行處理，打破了原有橋梁主觀評價的諸多局限。 具體步驟如下：

（1）三維體數據生成：三維體數據是以矩陣的行和列構成三維體數據的平面坐標、像素值為三維體數據的縱坐標構成。 圖像大小視原始圖像大小決定， 本研究的缺陷材料試件探傷圖像大小為424×424 像素。

（2）三維體數據處理：紅外熱波圖像的數據量較大，采用體繪制時會有一定的限制，因此需要對紅外熱波圖像的數據進行提取和處理。 在不影響數據處理效果的前提下， 采用適當的數據抽取比例，本文選取抽取比例為0.2。

（3）體數據三維顯示：顯示結果分別以x、y、z 三個坐標軸表示，其中縱坐標表示像素值，即亮度值。

2.2 客觀評價

為了進一步提高圖像評價的準確性，結合熵和空間頻率作為客觀評價指標來評價圖像細節處理效果。

（1）熵（Entropy）

熵即變量的不確定性越大，其值越大，也就代表信息量越大，圖像的細節也就越豐富[9-10]。 其函數定義為：

式中，E(x,y)是圖像中某個像素點處對應灰度值在整個圖像中出現的頻率；log2Ei(x,y)為求出該點對應灰度值頻率的對數。

（2）空間頻率（Spatial Frequency，SF）

空間頻率可以表征圖像的清晰程度，是衡量圖像細節信息豐富程度的一個重要指標[11-12]。 熱波圖像的空間頻率越高，其細節成分越豐富，缺陷區也越清晰，其函數定義為：

式中， RF 為行空間頻率；CF 為列空間頻率，其表達式為：

式中，F(m,n)表示圖像中坐標為(m,n)點的灰度值，M、N 為矩陣。

3 研究分析

利用t=180 s 的橋梁紅外熱波序列圖像進行圖像增強、分割、識別等一系列算法操作，并對每個算法操作結果進行了三維體繪制重建和客觀評價。

通過對t=180 s 時的橋梁缺陷圖像進行三維體繪制重構，效果圖如圖4 所示，可以清楚地看到橋梁缺陷部位的立體空間構造，圖4（a）為橋梁紅外熱波探傷圖像的原始三維圖像，可以看見缺陷周圍布滿了噪聲，受噪聲影響較大。 為方便后續圖像處理，將紅外熱波序列圖像經過灰度變換轉換為灰度圖像，其三維體繪制圖像如圖4（b）所示。 圖4（c）顯示表明，經過高通濾波增強處理之后，缺陷的邊緣信息有明顯增強，缺陷部位輪廓較為清晰。 圖4（d）顯示表明，經過中值濾波處理后，缺陷周圍噪聲得到有效抑制。 圖4（e）為采用閾值分割法對圖4（d）進行分割后，能較好地保持橋梁鋼構件缺陷形狀以及去除缺陷以外的噪聲和背景，如圖4（f）所示。

圖4 三維體繪制重構圖像

為進一步對圖像進行定量化及信息化評價，利用熵和空間頻率對處理后的紅外熱波圖像進行客觀評價，其定量化結果如表1 所示。

表1 橋梁無損檢測客觀評價指標

從表中數據可以看出，相比于原始圖像，經高通濾波和中值濾波處理后熵值和空間頻率都有大幅提升， 即處理后的圖像細節信息進一步豐富，圖像所含信息量也越來越多，表明橋梁鋼構件缺陷區域越來越清晰。

從重構圖像中可以清晰地觀察到每一步圖像處理后的效果，可以對測試圖像按三維呈現的視覺效果做出質量判斷，同時利用熵和空間頻率對圖像定量化分析，可以看出主觀評價的三維體繪制重構其信息化的視覺效果與圖像客觀評價所得定量化結論吻合。

4 結論

針對現有橋梁紅外圖像處理結果評價指標在橋梁檢測中存在的局限性，尤其是在主觀評價體系中對檢測者的高度依賴性和低信息化處理，提出利用三維體繪制重構作為主觀評價輔助指標，并利用熵值及空間頻率作為定量化信息驗證。 利用圖像增強、分割、識別技術對紅外熱波圖像序列進行處理，而后利用程序語言從處理后的圖像中提取出重建所需的空間數據，隨后進一步對空間數據進行精煉和刪減，最大程度地保留原有信息，減少有用信息丟失。 體繪制重建一方面達到更好地圖像顯示效果，將環境影響因素立體化，另一方面降低軟件運行時長，實現圖像并行處理，提高處理效率。 為降低檢測者對三維體繪制結果的視覺限制，進一步結合了客觀評價指標熵值和空間頻率，對橋梁鋼構件紅外熱波圖像進行定量化評價， 根據評價結果顯示，定量化評價結果同主觀評價結果吻合，該主觀評價輔助指標具有更好的立體性、定量化、高效性、準確性等優點，彌補現有橋梁檢測方面的單一性，具有較高的實際工程應用價值。