王 睿，漆泰岳，朱 鑫，李 濤

(西南交通大學交通隧道工程教育部重點實驗室，成都 610031)

襯砌裂縫是最常見的隧道病害，是襯砌結構破壞或失穩(wěn)坍塌的重要原因［1］。目前對隧道裂縫的檢測主要采用裂縫觀測儀，人工判讀和記錄，該方法費時、費力，主觀性較強，不利于隧道結構安全的客觀安全評估［2］。近些年，國內外對裂縫檢測的研究方向主要基于圖像處理的檢測系統(tǒng)的研究［3-9］。在此，提出一種對基于CCD相機采集的襯砌裂縫圖像進行分析處理的方法。

對于裂縫圖像而言，邊緣是裂縫最基本的特征，是后續(xù)裂縫信息有效提取以及裂縫健康評估的前提［10］。由于環(huán)境和設備的影響，所采集的裂縫病害圖像噪聲比較嚴重，因此需認真分析圖像的濾波算法以及圖像分割，較好地保留裂縫的邊緣信息，為裂縫幾何特征以及幾何參數(shù)的提取奠定了良好的基礎。

1 隧道襯砌裂縫檢測系統(tǒng)的適應性分析和系統(tǒng)組成

1.1 檢測系統(tǒng)的適應性分析

高速鐵路隧道檢測必須結合高速鐵路隧道自身特點選擇合適的方法，需滿足以下條件:(1)檢測系統(tǒng)需能完成大面積襯砌檢測，以得到整個隧道襯砌狀況的完整可靠數(shù)據(jù);(2)高速鐵路隧道長度較長，且“開天窗”時間較短，因此要求系統(tǒng)在滿足檢測精度的條件下具有較高的檢測速度［11］;(3)高速鐵路隧道內環(huán)境惡劣，要求檢測工作能夠在惡劣環(huán)境下完成檢測工作且保持穩(wěn)定;(4)對于隧道襯砌檢測盡可能采用無損、無接觸且對操作人員無危險的檢測方法;(5)檢測方法應能夠讀取量化襯砌病害情況數(shù)據(jù)，數(shù)據(jù)信息可以利用相關軟件和硬件做進一步處理和分析。

1.2 系統(tǒng)組成

檢測系統(tǒng)由四大部分組成:采集系統(tǒng)、定位系統(tǒng)、照明系統(tǒng)以及控制系統(tǒng)，如圖1所示。

圖1 檢測系統(tǒng)組成

工作原理:在LED光源提供合適均勻照明條件下，以CCD相機為核心部件的圖像采集系統(tǒng)對隧道斷面進行連續(xù)的信息采集，通過圖像采集卡進行A/D信號轉換，即將光信號轉變?yōu)殡娦盘枺俅螌㈦娦盘栟D變?yōu)橛嬎銠C可以識別的數(shù)字圖像信息，然后再經(jīng)過圖像處理系統(tǒng)，提取出襯砌裂縫信息。

2 裂縫圖像增強處理

在圖像采集過程中，由于輸入輸出設備以及周圍環(huán)境影響，圖像存在很多噪聲，如圖像采集時光照不均勻、隧道襯砌表面的顆粒產(chǎn)生的噪聲以及由于電磁波的干擾圖像在傳輸過程中產(chǎn)生的脈沖噪聲等。

針對以上特點需提出相應算法來滿足圖像處理的要求，為后續(xù)裂縫有效信息的提取做好準備。

2.1 裂縫圖像濾波算法

圖像增強分為兩類:空域法(In spatial Domain)和頻域法(In FreguencyDomain)［10］，其中空域法較多地應用于裂縫識別

其中，f(x，y)表示原始圖像;g(x，y)為處理后圖像;h(x，y)為空間運算函數(shù)。

雖然圖像檢測系統(tǒng)在公路和橋梁方面已經(jīng)得到廣泛應用，但是在圖像增強方面并沒有統(tǒng)一的算法。文獻［13］采用了中值濾波法來增強圖像;文獻［14］采用了維納(Wiener)濾波作為裂縫圖像去噪增強的方法;文獻［15］將加權平均算法和中值濾波算法兩種方法結合起來使用，文獻［16-17］采用了加權的鄰域平均法來平滑圖像。幾種算法如表1所示。

2.2 不同濾波處理結果比較

原始圖像如圖2(a)所示，將同一裂縫圖像通過不同濾波算法進行處理，其處理效果如圖2(e)～(f)。

鄰域平均法和中值濾波法是兩種最基本的濾波算法，算法的思想簡單、清晰，處理結果分別為圖2(b)和圖2(c)所示，可以看出這兩種方法濾除噪聲的效果也比較明顯，但是，在突出裂縫的邊緣特征上沒有幫助;圖2(d)是維納濾波處理效果圖，相比鄰域平均法和中值濾波法，該算法的去噪效果并不理想;圖2(e)為加權鄰域算法處理后的圖像，與鄰域平均法處理效果圖2(b)對比可以看出，該算法雖然同樣模糊了裂縫邊緣，卻使得背景圖像更加均勻化，且銳化了邊緣裂縫，圖像增強效果較好;圖2(f)是自適應中值濾波后的結果，相比與中值濾波處理結果圖2(c)，裂縫背景得到了更好的平滑，噪聲濾除效果較好，相比于圖2(e)，其裂縫邊緣得到了很好的保存。因此選用自適應中值算法作為圖像去噪增強的方法。

3 裂縫圖像二值化

為了更好分析隧道襯砌裂縫，需將其從圖像中分離提取出來。裂縫區(qū)域灰度值較低，背景區(qū)域灰度值較高，因此可以找到一個合適的閾值將裂縫與背景圖像分離，稱此過程為圖像二值化。如式(2)所示［18］

表1 圖像濾波方法

圖2 不同濾波算法的處理結果

3.1 直方圖閾值分割法

直方圖閾值分割法是由Prewitt提出的一種目視檢查閾值法，如圖3所示的直方圖有兩個不同的模式，可較容易地選取閾值T按照式進行圖像分割，但該方法不適合于直方圖中峰值差別很大或雙峰間的谷比較寬廣而平坦的圖像以及單峰直方圖情況［14］。

3.2 Otsu最大類間方差法

Otsu 最大類間方差法原理［18，19］:假設某幅圖像包含N個像素點，所有像素點的灰度值在區(qū)間［0，L－1］內，其中每個灰度級i對應的像素點個數(shù)為Ni，則每個灰度級的像素點占整幅圖像的概率為

圖3 通過目視分析一個雙峰模式直方圖來選擇閾值

設置初始閾值T將圖像中像素分為灰度不同的兩個區(qū)域——A0與A1。由此，可以計算出整幅圖像、區(qū)域 A0和區(qū)域 A1的灰度均值 μT、μ0、μ1

由式上述公式可得

Otsu法的類間方差定義為

Otsu法選取閾值使得類間方差最大，并認為此閾值T*即為圖像分割的最佳閾值，如式(8)所示。

3.3 局部閾值處理法

局部閾值處理法中閾值的選取與點的灰度值和局部鄰域特征有關。該方法根據(jù)圖像中不同區(qū)域特征，將圖像分成若干個部分，在每個部分中分別尋找閾值對圖像進行分割。其表達式如下

其中

f0(x，y)是f的形態(tài)學開運算，T0是對f0選取的局部鄰域進行最大類間方差處理后得到的閾值。

3.4 不同圖像分割結果

自適應中值濾波后得到的圖像的直方圖如圖4所示。直方圖傾向于“單峰”情況，若將其看作雙峰情況，雙峰間的谷底較寬，不符合直方圖閾值分割法的適應準則，因此不適于采用該方法。

圖4 輸入圖像的直方圖

局部閾值法分割后的圖像如圖5(a)所示，紋理以及背景更加復雜，不能很好地凸顯裂縫信息，不適應該種類型的圖像。Otsu類間方差閾值分割法分割效果見圖5(b)，對裂縫圖像能夠很好地進行二值化，較好地保留了裂縫邊緣，為圖像進一步處理打下了良好的基礎。因此，本文選用Otsu法對裂縫圖像進行二值分割，而且該方法比較簡單，圖像處理速度較快，適合對大量圖像進行實時處理。

圖5 閾值圖像分割

4 結語

(1)裂縫是隧道常見的病害，結合高速鐵路隧道自身特點提出了一種CCD相機的襯砌裂縫快速檢測系統(tǒng)。

(2)對采集的裂縫圖像進行濾波處理，通過各種方法比較，應用自適應中值濾波得到了較好的效果。

(3)為了更好地提取裂縫信息，將進行濾波后的圖像結合使用Otsu最大類間方差法進行圖像分割，處理后的裂縫邊緣得到較好保護，為隧道裂縫幾何特征以及幾何參數(shù)的提取奠定了良好的基礎。

［1］劉曉瑞，謝雄耀.基于圖像處理的隧道表面裂縫快速檢測技術研究［J］.地下空間與工程學報，2009，5(S2):1624-1628.

［2］王平讓，黃宏偉，薛亞東.基于圖像局部網(wǎng)格特征的隧道裂縫自動識別［J］.巖石力學與工程學報，2012(5):991-999.

［3］Oh J，Lee A，Oh SM，et al.Design and Control of Bridge Inspection Robot System［J］.IEEE Computer Society:3634-3639.

［4］Lee J H，Lee J M，Kim H J，etal.Machine Vision System for AutomaticInspectionof Bridges［J］.Congress on Image and Signal Processing:363-366.

［5］Tung P C，Hwang Y R，Wu M C.The development of a mobile manipulatorimaging system for bridge crack inspection［J］.Automation in construction，2002，11(6):717-729.

［6］Abdel-Qader I，Abudayyeh O，Kelly M E.Analysis of edge－detection techniquesfor crack identification in bridges［J］.Journal of Computing in Civil Engineering，2003，17(4):255-263.

［7］張維峰，劉萌，楊明慧.基于數(shù)字圖像處理的橋梁裂縫檢測技術［J］.現(xiàn)代交通技術，2008，5(5):34-36.

［8］鄒大鵬.智能視頻橋梁檢測車工作臂避障系統(tǒng)的研究［D］.廣州:廣東工業(yè)大學，2005.

［9］PynnJ，Wright A，Lodge R.Automatic identification of cracks in road surfaces［C］.Image Processing and Its Applications，1999.Seventh International Conference on(Conf.Publ.No.465).IET，1999，2:671-675.

［10］冷彪，仇文革，王剛，等.數(shù)字圖像處理在隧道工程地質分析中的應用研究［J］.鐵道標準設計，2013(11):77-81.

［11］王華夏，漆泰岳，王睿.高速鐵路隧道襯砌裂縫自動化檢測硬件系統(tǒng)研究［J］.鐵道標準設計，2013(10):97-102.

［12］秦襄培.Matlab圖像處理與界面編程寶典［M］.北京:電子工業(yè)出版社，2009.

［13］肖旺新，張雪，黃衛(wèi)，等.路面破損自動識別的一種新算法［J］.公路交通科技，2005，22(11):75-78.

［14］謝昌榮，張郭晶.路面裂縫檢測圖像處理算法的研究［J］.中外公路，2009(6):112-115.

［15］曾燕華.基于計算機視覺的橋梁表面缺陷檢測技術研究［D］.廣州:廣東工業(yè)大學，2005.

［16］李晉惠.用圖像處理的方法檢測公路路面裂縫類病害［J］.長安大學學報，自然科學版:2004(3):24-29.

［17］楊帆，周又玲.基于輪廓特征的路面裂縫圖像拼接［J］.中國科技信息，2005(22A):88-89.

［18］Gonzalez，R.C.數(shù)字圖像處理MATLAB 版［M］.北京:電子工業(yè)出版社，2012.

［19］Yang M D，Su T C.Segmenting ideal morphologies of sewer pipe defects on CCTV images for automated diagnosis［J］.Expert Systems with Applications，2009，36(2):3562-3573.