李 娜 許元飛 賈澎濤

(西安科技大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院 陜西 西安 710054)

0 引 言

橋梁裂縫識(shí)別是數(shù)字圖像處理技術(shù)與橋梁監(jiān)測(cè)的主要結(jié)合點(diǎn)，圖像質(zhì)量評(píng)價(jià)成為該問題的有效解決方法。盡管已有裂縫識(shí)別算法眾多，但裂縫圖像的連通性和完整性方面均表現(xiàn)欠佳，快速、準(zhǔn)確地識(shí)別完整的裂縫圖像依然是一大挑戰(zhàn)[1]。近年來研究者趨向于人眼視覺特征的圖像質(zhì)量評(píng)價(jià)方法[2-3]研究，具體是將圖像在顏色空間中進(jìn)行分解，在已分解的子分量上利用已有人眼視覺模型獲取質(zhì)量測(cè)度，但應(yīng)用于復(fù)雜紋理圖像時(shí)，存在計(jì)算復(fù)雜的問題。對(duì)此，研究者提出了各種可計(jì)算的質(zhì)量測(cè)度方法。HDR[4]方法利用HDR-VDP-2.2中的基于視覺感知的模型得到關(guān)于亮度與對(duì)比度的視覺保真度特征，通過支持向量回歸對(duì)特征進(jìn)行融合，得到高動(dòng)態(tài)圖像的客觀評(píng)價(jià)值。文獻(xiàn)[5]結(jié)合峰值信噪比(PSNR)的計(jì)算優(yōu)勢(shì)與人眼視覺特征信息熵的結(jié)構(gòu)特性，提出一種基于視覺特征信息熵的彩色圖像質(zhì)量評(píng)價(jià)方法。VIF[6]方法通過計(jì)算失真和參考圖像間的互信息相關(guān)性實(shí)現(xiàn)質(zhì)量評(píng)價(jià)，具有較好的性能，缺點(diǎn)是小波分解帶來復(fù)雜計(jì)算。

圖像質(zhì)量主觀評(píng)價(jià)和客觀評(píng)價(jià)的利弊體現(xiàn)在：主觀評(píng)價(jià)方法[7]準(zhǔn)確、合理，但受觀察者知識(shí)水平等影響，導(dǎo)致結(jié)果不穩(wěn)定，且難以滿足實(shí)時(shí)處理的要求[8-9]?？陀^評(píng)價(jià)具有實(shí)時(shí)穩(wěn)定、簡(jiǎn)單高效等優(yōu)點(diǎn)。客觀評(píng)價(jià)從自然圖像統(tǒng)計(jì)和空域變換角度出發(fā)，提出無參客觀質(zhì)量評(píng)價(jià)方法[10-12]?；谔荻刃畔⑴cHVS濾波器[13]的方法建立了一種新的清晰度評(píng)價(jià)算法，該算法計(jì)算每個(gè)像素點(diǎn)的梯度值，得到每點(diǎn)的清晰度描述。Lab色彩空間更接近于人眼視覺，通過提取Lab色彩空間的信息熵特征來表征圖像質(zhì)量信息[14]。文獻(xiàn)[15]將圖像的模糊度評(píng)價(jià)轉(zhuǎn)化為待測(cè)圖像與參考圖像對(duì)應(yīng)分量的相似度測(cè)量。

為了提高識(shí)別的實(shí)時(shí)性與準(zhǔn)確性，本文在無災(zāi)害參考圖像和待檢測(cè)圖像間建立安全評(píng)價(jià)函數(shù)，利用評(píng)價(jià)值對(duì)橋梁裂縫的病害情況進(jìn)行自動(dòng)評(píng)價(jià)并快速識(shí)別。

1 基于圖像質(zhì)量評(píng)價(jià)的橋梁裂縫識(shí)別算法

1.1 橋梁裂縫安全評(píng)價(jià)時(shí)間序列

選擇橋梁初建成時(shí)且通過相關(guān)質(zhì)量認(rèn)定即質(zhì)量最好時(shí)的圖像作為基礎(chǔ)參考圖像R。設(shè)定一定時(shí)間間隔，采集橋梁表面圖像。設(shè)當(dāng)前n(n>1)時(shí)刻的圖像為待評(píng)價(jià)圖像En，將其與參考圖像R利用評(píng)價(jià)函數(shù)進(jìn)行比較，得出質(zhì)量評(píng)價(jià)參數(shù)Dn，如圖1所示。

圖1 基于參考圖像的橋梁輔助安全評(píng)價(jià)

圖1產(chǎn)生兩組時(shí)間序列，分別是待評(píng)價(jià)圖像序列[E1,E2,…,En]、評(píng)價(jià)參數(shù)序列[D1,D2,…,Dn]。評(píng)價(jià)圖像En和參考圖像R分別通過相關(guān)度比較算法即安全評(píng)價(jià)函數(shù)F計(jì)算評(píng)價(jià)參數(shù)Dn，如式(1)所示。若Dn有較大異常，提示人工檢測(cè)。

Dn=F(En)-F(R)

(1)

1.2 基于顏色矩與灰度差分的安全評(píng)價(jià)

HSV顏色模型與其他顏色空間相比較，能夠更好地適應(yīng)人類對(duì)顏色的主觀理解，本文選擇HSV模型實(shí)現(xiàn)裂縫安全評(píng)價(jià)。

通過對(duì)圖像進(jìn)行H、S、V分量觀察，發(fā)現(xiàn)V分量的圖像與灰度圖視覺效果相同，式(1)變成：

Dn=F(Env)-F(Rv)

(2)

式(2)在HSV模型中的V分量上進(jìn)行裂縫安全性計(jì)算。

通過二階矩計(jì)算待測(cè)區(qū)域的顏色方差，即顏色的不均勻性。En與R的第i像素在V分量上的二階矩分別表示為：

(3)

式中：N為像素的個(gè)數(shù)，M1Eiv和M1Riv分別為Ei和Ri的一階矩。

(4)

V(Eiv)和V(Riv)分別代表Ei與Ri上第i個(gè)像素在V分量上的值。

裂縫在顏色特征變化的同時(shí)，紋理特征也有改變，通過熵計(jì)算紋理圖像的灰度差分統(tǒng)計(jì)特征。Ei與Ri的熵分別表示為：

(5)

利用顏色二階矩與灰度差分表示橋梁裂縫圖像在顏色和紋理上的變化，并進(jìn)行裂縫安全性比較，則F表示為：

F=M2+Ent

(6)

評(píng)價(jià)參數(shù)Dn表示為：

Dn=(M2Eiv-M2Riv)+(EntEiv-EntRiv)

(7)

基于顏色二階矩和灰度差分的橋梁裂縫病害評(píng)價(jià)流程如圖2所示。

圖2 安全評(píng)價(jià)算法流程

在圖2中，通過基于顏色二階矩與熵的人眼視覺特征相關(guān)度方法評(píng)價(jià)裂縫安全性，評(píng)價(jià)參數(shù)D值越大，表示相關(guān)度越低，代表安全質(zhì)量較差，病害程度越嚴(yán)重。

對(duì)公路監(jiān)控設(shè)備采集到的橋梁表面圖像信息，利用數(shù)字圖像的質(zhì)量評(píng)價(jià)，提出道路安全自動(dòng)輔助評(píng)價(jià)方法。通過待評(píng)價(jià)圖像En與參考圖像R相關(guān)程度的客觀比較，利用得到的評(píng)價(jià)參數(shù)輔助說明橋梁表面裂縫的質(zhì)量安全。

2 實(shí)驗(yàn)仿真

選取6組病害程度不同的橋梁裂縫圖像作為待檢測(cè)對(duì)象，資料搜集建立初期的圖像作為參考圖像R。

2.1 裂縫提取結(jié)果

為了與安全評(píng)價(jià)算法進(jìn)行對(duì)比，分別選取邊緣提取sobel算子、prewitt算子、roberts算子、log算子和canny算子對(duì)6組裂縫實(shí)現(xiàn)特征提取，觀察病害程度，具體見圖3-圖8。

圖3 橋梁裂縫1

圖4 橋梁裂縫2

圖5 橋梁裂縫3

圖6 橋梁裂縫4

圖7 橋梁裂縫5

圖8 橋梁裂縫6

對(duì)于6組病害圖，5種算子中前三種基本能夠提取出裂縫特征，后2種算子噪聲影響較大。通過算子提取的裂縫特征，觀察得到6組裂縫寬度由小到大變化。

2.2 安全評(píng)價(jià)參數(shù)比較

對(duì)圖3-圖8的6組病害圖用本文方法進(jìn)行安全評(píng)價(jià)。按照?qǐng)D2的算法流程，通過式(3)、式(5)、式(7)計(jì)算質(zhì)量評(píng)價(jià)參數(shù)，具體數(shù)據(jù)見表1。

表1 6組病害圖的安全評(píng)價(jià)參數(shù)

表1中，均值、方差不符合裂縫提取6組病害由小到大的變化趨勢(shì)，數(shù)值有前后波動(dòng)，無法獲得變化規(guī)律?；叶炔罘衷诘?組圖處有波動(dòng)，評(píng)價(jià)參數(shù)D的值由小到大變化，結(jié)合1.2節(jié)對(duì)D的說明，評(píng)價(jià)參數(shù)檢測(cè)到6組病害逐級(jí)嚴(yán)重，與2.1節(jié)的特征提取結(jié)果一致。

將本文方法與峰值信噪比方法和文獻(xiàn)[7]中彩色圖像質(zhì)量評(píng)價(jià)方法計(jì)算的圖像質(zhì)量相關(guān)度參數(shù)進(jìn)行比較，計(jì)算結(jié)果見表2，值越大代表相關(guān)度越低。

表2 幾種方法的質(zhì)量評(píng)價(jià)參數(shù)

2.3 實(shí)驗(yàn)分析

根據(jù)2.1節(jié)中的裂縫提取結(jié)果，將病害圖按照安全質(zhì)量優(yōu)劣順序排序，依次是橋梁裂縫1、橋梁裂縫2、橋梁裂縫3、橋梁裂縫4、橋梁裂縫5、橋梁裂縫6。評(píng)價(jià)參數(shù)序列依照值越小相關(guān)度越高，安全質(zhì)量較好的原則。本文方法的客觀質(zhì)量評(píng)價(jià)從小到大依次是橋梁裂縫1、橋梁裂縫2、橋梁裂縫3、橋梁裂縫4、橋梁裂縫5、橋梁裂縫6，結(jié)果與裂縫提取判斷一致，驗(yàn)證了方法的有效性。

而對(duì)于表2中峰值信噪比的評(píng)價(jià)參數(shù)值，橋梁裂縫1、橋梁裂縫3、橋梁裂縫4由于受到噪聲的影響，值較小，不易按照最小值判斷其裂縫情況，故不適合于橋梁裂縫的自動(dòng)安全評(píng)價(jià)。對(duì)于視覺感知的評(píng)價(jià)參數(shù)值，能夠說明橋梁裂縫6的相關(guān)度最低，但是該方法的時(shí)間復(fù)雜度高于本文方法。

3 結(jié) 語

針對(duì)橋梁監(jiān)控圖像的計(jì)算機(jī)自動(dòng)安全輔助，本文提出基于參考圖像的輔助安全識(shí)別方法。建立具體的顏色二階矩與人眼視覺信息熵特征客觀評(píng)價(jià)函數(shù)及算法流程。利用參考圖像序列、評(píng)價(jià)圖像序列，計(jì)算評(píng)價(jià)參數(shù)序列，本文方法自動(dòng)化程度較高，且與人眼主觀感受一致，對(duì)于橋梁的自動(dòng)安全監(jiān)控有重要的現(xiàn)實(shí)應(yīng)用價(jià)值。由于監(jiān)控圖像的持續(xù)性難度和不穩(wěn)定性特點(diǎn)，本文方法在特殊環(huán)境下有可能造成評(píng)價(jià)失誤。下一步工作主要是對(duì)評(píng)價(jià)參數(shù)矩陣的特點(diǎn)進(jìn)行分析，研究其中蘊(yùn)含的質(zhì)量評(píng)價(jià)規(guī)律。