王 劍，周志美

(1.江西省水利科學(xué)院，江西 南昌 330029；2.撫州港輝水利建筑有限公司，江西 撫州 334000)

隨著視覺圖像處理技術(shù)的發(fā)展，采用視覺圖像分析方法建立水利工程的隱患檢測模型。通過分析水利工程的視覺特征參數(shù)，結(jié)合對水利工程的紅外遙感視覺特征分析，采用力學(xué)參數(shù)和視覺空間重構(gòu)的方法，實現(xiàn)對水利工程的缺陷和隱患檢測，提高水利工程隱患排除的智能檢測和分析能力。相關(guān)的水利工程隱患檢測和排除方法研究在水利工程的運維管理中具有重要意義。

當(dāng)前，對水利工程隱患檢測方法主要有機器視覺的特征分析方法[1]、模糊預(yù)應(yīng)力特征分析方法、光譜分析方法以及紅外檢測方法等[2]，其中，基于多尺度輸入圖像滲透模型的橋梁裂縫檢測方法[3]，使用加權(quán)分段函數(shù)進行圖像對比度增強，通過最佳閾值分割濾除大部分非裂縫區(qū)域；通過視覺多尺度分解，實現(xiàn)橋梁裂縫檢測，但該方法進行水利工程隱患檢測的特征辨識能力不好?；陔p目立體視覺技術(shù)的橋梁裂縫測量系統(tǒng)[4]，采用相機標(biāo)定、圖像匹配、三維坐標(biāo)計算等雙目立體視覺技術(shù)對橋梁裂縫的寬度和長度進行計算；采用模糊度特征提取，實現(xiàn)橋梁工程裂縫檢測，但該方法進行橋梁隱患檢測的精密度不高，單目測量性能不好。針對上述問題，本文提出基于視覺圖像的水利工程隱患檢測方法。首先采用紅外遙感探測技術(shù)提取水利工程隱患部位的視覺圖像特征參數(shù)；然后在沿梯度方向求得水利工程缺陷部分為變質(zhì)層次特征參量，通過疲勞裂紋視覺特征重構(gòu)，采用機器視覺重組，實現(xiàn)水利工程的隱患優(yōu)化檢測；最后進行實驗測試，展示了本文方法在提高水利工程隱患檢測能力方面的優(yōu)越性能。

1 水利工程隱患檢測系統(tǒng)

1.1 水利工程隱患檢測系統(tǒng)構(gòu)成

為了實現(xiàn)基于視覺圖像的水利工程隱患檢測，基于灰度圖像處理的方法，建立水利工程隱患排除的二維圖像分析模型，結(jié)合水利工程隱患特征的異常標(biāo)定，采用模板匹配的方法，分析灰度特征點分布位置的隱患特性[5]；采用工件本構(gòu)模型參數(shù)分析，結(jié)合水利工程工件材料的形變、相變參數(shù)分析；采用旋轉(zhuǎn)不變矩檢測的方法，結(jié)合應(yīng)力參數(shù)分析和光學(xué)視覺特征分析，建立水利工程隱患檢測的參數(shù)采集模型。在光學(xué)傳感器下建立水利工程隱患視覺成像模型，提取水利工程雨水沖刷的痕跡或者人為的印跡，通過對光學(xué)特征分析和視覺參數(shù)分析，采用動態(tài)視覺特征分析，建立單位像素尺度分析模型。基于視覺特征分析，通過仿射變換和特征提取[6]，在平移、旋轉(zhuǎn)、縮放、剪切等一系列原子變換下實現(xiàn)視覺跟蹤識別。采用連續(xù)小波變換，構(gòu)建水利工程隱患的機器視覺圖像采集模型，通過微觀組織的特征分析進行水利工程隱患的視覺觀察，在單背景約束下，分析水利工程隱患的表面光澤點，采用3×3平滑濾波模板檢測的方法，提取水利工程隱患部位的視覺動態(tài)參數(shù)。通過拉普拉斯-高斯(Laplacian-Gauss，LoG)算子進行邊緣檢測，通過窗內(nèi)像素梯度特征分析，得到水利工程隱患部位的機器動態(tài)視覺特征投影模板為((x，y)，(x，y′))，引入投影誤差，使得裂縫的輪廓與背景區(qū)域分割，得到水利工程隱患檢測如圖1所示。

圖1 水利工程隱患自動檢測的總體實現(xiàn)結(jié)構(gòu)

根據(jù)圖1所示的水利工程隱患檢測總體結(jié)構(gòu)，基于小波和Radon變換的方法，建立水利工程隱患視覺圖像配準(zhǔn)技術(shù)和SIFTI(Scale-invariant Feature Transform，尺度不變特征轉(zhuǎn)換)模型，統(tǒng)計裂縫地圖中灰度值為0的個數(shù)為G，其中g(shù)i=(gix，giy，giz)(i=0，…Ng-1)為核函數(shù)G中的第i個頂點，通過熱-力耦合和塑性變形特征分析，得到水利工程隱患檢測的二維平面圖像映射模型，如圖2所示。

圖2 水利工程隱患檢測的二維平面圖像映射模型

根據(jù)上述分析，采用紅外遙感探測技術(shù)提取水利工程隱患部位的視覺圖像特征參數(shù)，在多分辨背景下采用動態(tài)形變參數(shù)檢測的方法，構(gòu)建視覺圖像對比度增強模型，通過最佳閾值分割，進行圖像特征分解和視覺定位[7]。

1.2 水利工程隱患檢測的圖像預(yù)處理

基于最佳閾值分割的方法，分析水利工程隱患部位比如裂縫的梯度動態(tài)分布特征，研究水利工程的殘余應(yīng)力及變質(zhì)層特性[8]，基于模板網(wǎng)格化匹配，建立水利工程的隱患裂縫信息提取模型，網(wǎng)格分布如圖3所示。

圖3 水利工程隱患定位的網(wǎng)格配置示意圖

在圖3所示的網(wǎng)格模板分配結(jié)構(gòu)圖中，選取每個像素的實際面積，通過建立以DoG最大值/最小值為中心分塊模型結(jié)構(gòu)，統(tǒng)計裂縫地圖中灰度值為0的個數(shù)sum，在隱患部位分布的坐標(biāo)系(XPN，YPN)中，采用旋轉(zhuǎn)不變矩檢測的方法，得到水利工程隱患邊緣點坐標(biāo)(xk，yk)，滿足當(dāng)xk>XPN時，水利工程隱患邊緣特征值滿足iL=iL+1；當(dāng)xk

(1)

由此，采用增強裂縫圖像對比度的方法，結(jié)合模板匹配，建立水利工程圖像的過程匹配和邊緣特征分析模型[9]。

2 水利工程隱患檢測優(yōu)化實現(xiàn)

2.1 水利工程隱患特征提取

根據(jù)隱患部位的裂縫灰度差異分布，在沿梯度方向求得水利工程缺陷部分為變質(zhì)層次特征參量。水利工程隱患視覺圖像的模板核函數(shù)在視覺傳感下通過對水利工程的結(jié)構(gòu)紋形變、相變參數(shù)進行動態(tài)分析[10]，得到單位時間內(nèi)水利工程隱患部位的結(jié)構(gòu)紋理信息為G(x，y;t)。在時域上進行水利工程圖像的過程特征分析，采用平移動態(tài)參數(shù)分析的方法，得到水利工程隱患檢測的傳遞函數(shù)，表示為：

(2)

式中，φkl—不同尺度水利工程隱患部位的邊緣像素值；θkl—不同尺度下的裂縫地圖的相位特征；εi(t)—水利工程隱患部分的干擾特性信息。

直接將不同尺度的圖像S(x，y)作為滲透模型的輸人圖像進行處理，得到邊緣中心區(qū)域中的點集C∈S，采用最小二乘濾波，得到水利工程隱患視覺圖像的尺度參數(shù)為：

=-σ[Gx(x，y;t)i+Gy(x，y;t)j]

(3)

根據(jù)上述分析，建立水利工程隱患特征提取模型，結(jié)合灰度邊緣特征檢測，進行水利工程隱患像素特征分解。

2.2 水利工程隱患檢測圖像輸出

根據(jù)隱患部位的裂縫灰度差異分布，在沿梯度方向求得水利工程缺陷部分為變質(zhì)層次特征參量。結(jié)合邊緣特征分解，采用邊緣像素滲透的方法，得到水利工程缺陷及隱患的滲透模型，滲透模型參數(shù)為F，水利工程隱患視覺圖像的灰度值為P。采用Canny算子對相鄰尺度圖像之差S(x，y)-S(x，y)作特征分解，采用塊特征匹配的方法，得到水利工程隱患部位的動態(tài)匹配像素值為f(x，y)，對應(yīng)的(p+q)階譜特征量為：

(4)

式中，M，N—水利工程的結(jié)構(gòu)紋形變模板特征參數(shù)；xp、yq—水利工程隱患部位的歸一化動態(tài)匹配特征量；f(x，y)—非裂縫區(qū)域的模板函數(shù)；p，q—待滲透區(qū)域和已滲透區(qū)域的像素值。

根據(jù)上述算法設(shè)計，通過疲勞裂紋視覺特征重構(gòu)，采用機器視覺重組，實現(xiàn)對水利工程缺陷及隱患的滲透模型檢測和裂縫定位，實現(xiàn)流程如圖4所示。

圖4 算法的實現(xiàn)流程

3 實驗測試

建立水利工程隱患檢測仿真實驗的開發(fā)環(huán)境為Matlab R2009a。采用標(biāo)準(zhǔn)誤差約束的方法，進行隱患檢測的可靠性分析，水利工程隱患檢測的圖像成像像素為200×250像元，模板匹配的分辨率為0.24mm，干擾信噪比為-15dB，采集圖像的相關(guān)參數(shù)分見表1。

表1 圖像參數(shù)分布

根據(jù)表1的參數(shù)設(shè)定，進行水利工程隱患檢測仿真實驗，得到水利工程的隱患部位裂縫分布如圖5所示。

圖5 水利工程的隱患部位裂縫分布

根據(jù)圖5的裂縫視覺圖像采集結(jié)果，進行視覺特征分析和定位，得到3個裂縫的模板匹配值：15×15，灰度直方圖的分布窗口W=1.5s，裂縫的分布尺度σ=0.42，由此實現(xiàn)水利工程的隱患定位，得到定位檢測結(jié)果如圖6所示。

分析圖6得知，本文方法能有效實現(xiàn)對水利工程的隱患自動定位。測試定位檢測精度，得到對比結(jié)果如圖7所示，分析圖7得知，本文方法的檢測精度更高，提高了水利工程隱患檢測的智能化水平。

圖6 隱患定位結(jié)果

圖7 檢測性能對比

4 結(jié)語

本文所建立水利工程隱患檢測方法具有檢測精度高、檢測手段方便、檢測成果顯示清晰等優(yōu)勢。但該方法由于數(shù)據(jù)分析成果是基于水利工程建構(gòu)筑施工材料的變質(zhì)層次特征參量，而水利工程建構(gòu)筑物類型區(qū)域多樣，本文所建立的評價模型較為單一，不能適用于金屬等其他類型水利工程設(shè)施，從而制約了其推廣應(yīng)用性。在進行圖像采集時，該檢測方法使用的是紅外波段的信號收集器，如檢測區(qū)域存在較大的信號干擾或檢測對象對于紅外波段有較強吸附能力時，檢測數(shù)據(jù)將出現(xiàn)失真。針對上述問題，研究人員將進一步深入研究廣泛收集分析評價模型數(shù)據(jù)，改進信號收集裝置，進而提高該檢測方法的適用性。