数字图像处理技术分析.pptx

数字图像处理技术在桥梁裂纹测量中的应用 基于对桥梁裂纹图像特征的深度分析,综合应用图像连通区域检测和图像边缘检测等数字图像处理技术,研发了一套基于现代数字图像处理理论的远距离非接触式裂纹几何尺寸图像识别系统。户外条件下对在役桥梁裂纹检测的对比试验结果表明,该系统对于桥梁微小损伤的远距离无损检测具有较高的工程应用价值。 目录 contents 桥梁裂纹特征和数字图像处理方法 实例研究 桥梁裂纹特征和数字图像处理结果 近些年来,随着科学技术的进步,数字图像处理技术已逐渐在各个行业的工程实践中得到应用。如王伟等针对试件裂纹特征,通过对直方图法、结合法、梯度法和改进 Roberts法等4种图像测量分析方法的对比分析,得出采用类判别与数学形态学的平行度 ,改善了轴系平行度检测方法;在土木工程领域,赵永红等采用图像相关技术,对含裂纹岩石的损伤变形进行了研究,通过相关分析得到了岩石的位移分量,进而获得了其位移场的分布规律;伯绍波等针对道路裂缝特征,进行了几种图像识别算法的相互比较和研究。 图1 月球图像 图2 火星图像 图3 车牌号识别 然而,以上分析技术或采用的是高分辨率的电子显微镜,或研究对象与图像背景反差较大,或计算的物理量相对宏观(面积,周长),或裂纹几何尺寸相对较大,无论从图像的获取手段,还是特征识别的难度,均难以满足桥梁裂纹远距离无损检测的要求。工程实践表明,桥梁、大坝等土木工程结构裂纹等微小缺陷具有物理尺寸小、背景复杂、目标物难以接近、识别精度要求极高(工程实际中要求检测出裂纹的几何宽度在几百微米)等特点,是一种业界公认的危及桥梁安全但却较难以计测的一种破损状态。 对此类检测,通常需要检测人员借助道路检测车或者搭架通过显微观察进行。而采用图像识别技术进行桥梁裂纹检测,目前无论是国外还是国内都研究甚少,且尚未形成工程应用。为此,通过普通照相机远距离获取的桥梁裂纹图像,结合对桥梁裂纹形态特征的深入研究,综合应用图像连通区域检测和图像边缘检测等数字图像处理技术,研究出了一种满足工程要求的桥梁裂纹物理尺寸的快速识别技术,并开发出了一套构造简单、造价低廉、操作简单和检测快速的现场检测系统。 Part 1 桥梁裂纹特征和数字图像处理方法 桥梁裂纹图像特征 如图所示为采用自主开发的图像采集装置获取的西安南三环绕城高速路某高架桥含有裂纹的腹板图像 ,拍摄距离为20m 。 图4 含裂纹桥梁腹板 桥梁裂纹是一个非常小的物理量,尤其是裂纹宽度 1 由上图可以明显看出： 图像中裂纹与背景的 对比度较小 2 噪声干扰比较严重 3 因此,对于如此微小的物理量要进行远距离、非接触式的准确量测,必须对图像进行诸如降噪、图像增强等处理,然后才能准确地通过边缘检测方法得到裂纹的物理尺寸。 桥梁裂纹图像识别 在图像中,边界表明一个特征区域的终结和另一个特征区域的开始,边缘检测就是通过不同区域的灰度变化这一特征来检测和确定图像发生特性变化的位置。数学上,函数的导数反映了函数的突变,而在图像分析中,灰度值的一阶导数的极大值就表征了图像灰度变化极大的地方,也就是边界点的强度。由图4可以看出,裂纹将图像划分成为左右2个区域,因此,对裂纹信息的获取,就转化成为边缘检测和图像的分割。 设 图 像 f 中 任 意 点 的 灰 度 值 梯 度 为 G (x ,y ),则 式中:Gx 为沿f 的x 方向灰度值梯度;Gy为沿f的y方向灰度值梯度; ?f／?x为沿f 的x 方向的一阶导数; ; ?f／?y为沿f 的y 方向的一阶导数。 可以用以下3种范数衡量梯度的幅值为 式中:在数字图像处理的实际运算中,常用一小区域的模板卷积来近似计算上述3个公式中的偏导数, 本文采用式 (4),也即无穷范数 ,求取裂纹区域的梯度变化值。 在图像中,图像分割是将图像中有意义的特征部分,如图像中的边缘、区域等提取出来,这是进一步进行图像识别、分析和理解的基础。通过对大量的实测图像的统计分析,结合前述桥梁裂纹的特征信息,综合考虑计算的精度及效率。本文采用 Canny算子对图像进行裂纹边缘检测,并通过迭代求解高、低阈值,将裂纹从背景图像中提取出来,从而实现裂纹信息与图像的分割。 对于少数较为明显的图像,二值分割即可以提取所需有效信息,但大多数图像需首先进行图像增强处理,才能得到较为明显的裂纹图像。 设图像变换表达式为 g（x，y ）=T［G（x，y）］ （5） 式 中 :G (x ,y ) 为 增 强 前 的 图 像 灰 度 值 梯