[發明專利]灰度圖像中裂縫自動識別和檢測方法

在審

• 申請號: 201710386790.5
• 申請日: 2017-05-26
• 公開（公告）號: CN107144572A
• 公開（公告）日: 2017-09-08
• 發明（設計）人: 王海東;王安紅;肖媛
• 申請（專利權）人: 太原科技大學
• 主分類號: G01N21/88
• 分類號: G01N21/88
• 代理公司: 北京國坤專利代理事務所(普通合伙)11491
• 代理人: 黃耀鈞

技術領域

本發明屬于測繪科學與圖像處理的交叉領域，特別是涉及一種灰度圖像中裂縫自動識別和檢測方法。主要應用于橋墩表面裂縫自動識別和檢測，也可應用于隧道襯砌、大壩表面的裂縫檢測和識別。

背景技術

橋墩在使用過程中在載荷和自然環境的共同作用下，會形成多種破損，表面裂縫是最常見的一種破損形式，對橋墩危害很大。為了評價橋墩出現裂縫后的穩定性，必須對裂縫進行必要的檢查和測量，為橋梁結構安全評估和病害治理提供依據。目前對裂縫的檢測主要有兩種方法：一種是采用數顯式裂縫觀測儀，人工讀取數據并記錄。但是這種方法費時費力，不利于大規模的對橋墩進行安全檢測評估。另一種方法是采用圖像處理的方法檢測和識別裂縫，首先用CCD相機獲取橋墩表面的灰度圖像，然后用圖像處理算法識別出裂縫，并從背景中把裂縫提取出來。這種方法具有便捷、直觀、非接觸、可再現、適應性強等優點，具有很好的應用前景。

混凝土表面的自動裂縫識別主要有下面幾種圖像識別算法：

第一：閾值分割識別算法。這種方法假設裂縫和背景的灰度范圍有較大差別，同過自適應的尋找閾值將其分開，從而提取裂縫。該方法計算簡單但抗干擾性較差。

第二：邊緣檢測識別算法。這種方法假設裂縫具有較強的邊緣特征，即背景內部和裂縫內部的灰度變化緩慢，從背景到裂縫灰度變換會產生跳躍。可以利用常用的邊緣檢測算子，如Sobel算子、拉普拉斯算子、canny算子等，檢測裂縫的邊緣。但這種方法對噪聲較為敏感。

第三：基于區域生長的種子游走算法。這用方法是以一組“種子”像素點作為開始，根據一定的規則判斷相鄰像素點與“種子”像素是否相似，如果相似則將這些相鄰像素點附加到“種子”像素上。最后根據圖像的形態判斷這些“生長”出來的圖像是否為裂縫。這種方法的精確度仍然不高。

第四：基于神經網絡的識別算法。這種方法是利用神經網絡模擬大腦的工作模式。用神經網絡進行裂縫識別需要訓練樣本對計算機進行訓練，這些樣本如果有裂縫則是正樣本，如果沒裂縫則是負樣本。神經網絡一般包括輸入層、隱含層和輸出層，每一層有大量的權值和閾值，通過訓練來不斷的調整這些權值和閾值，以保證輸出結果的正確率。這種方法計算復雜度高、速度慢、檢測過程復雜，還沒有在工程實踐中驗證其價值。

發明內容

本發明克服現有技術存在的不足，解決了現有自動裂縫識別的方法對噪聲比較敏感，導致檢測準確度下降的問題，旨在提供一種灰度圖像中裂縫自動識別和檢測方法，該方法受噪聲影響較小，檢測準確度高。

為解決上述技術問題，本發明采用的技術方案為：灰度圖像中裂縫自動識別和檢測方法，包括以下步驟：

步驟一，讀取圖像，對圖像依次進行圖像降噪處理和增強處理，得到增強后的圖像，記為I₀；

步驟二，設計模板矩陣，模板矩陣包括0度模板矩陣、45度模板矩陣、90度模板矩陣、135度模板矩陣共四個方向的矩陣；

步驟三，使用四個模板矩陣對圖像I₀分別進行圖像卷積運算，得到4個卷積后的圖像，記為I₁₀、I₁₁、I₁₂和I₁₃，

步驟四，對I₁₀、I₁₁、I₁₂和I₁₃進行限幅操作，即在上述圖像矩陣中，如果一個元素的值小于零，則將該元素的值置零，如果一個元素的值大于給定的最大值，則將該元素的值置最大值；

步驟五，將I₁₀、I₁₁、I₁₂和I₁₃合并成圖像矩陣I₂，合并公式為：

I₂(x,y)＝max{I₁₀(x,y),I₁₁(x,y),I₁₂(x,y),I₁₃(x,y)}；