劉博

（山西省交通科技研發(fā)有限公司，山西太原，030012）

0 引言

近十年以來，我國公路隧道里程每年增量超過1000公里，隧道的科學檢測與養(yǎng)護已逐漸發(fā)展成為一個突出的技術問題。伴隨著技術的發(fā)展，基于機器視覺的無損檢測技術及在隧道檢測中的應用越來越廣泛。區(qū)別于傳統(tǒng)的人工檢測方式，該技術可以避免主觀的檢測干擾，大幅提高檢測效率與檢測結果的一致性。基于這些數(shù)據(jù)，可以建立隧道的信息化健康檔案，并研究隧道健康狀況的變化趨勢。有助于隧道病害的發(fā)展趨勢分析，實現(xiàn)隧道的精準維護，對降低養(yǎng)護成本有著重要意義。

本文通過對隧道襯砌圖像主要評價指標的研究，構建了隧道襯砌圖像采集質量評價體系，確定了圖像采集質量與相機采集參數(shù)之間的映射關系，基于此，提出了高速運動的視覺采集參數(shù)自適應策略，提高了圖像采集效率。并通過合理的壓縮算法對圖像進行壓縮，在保證圖像質量的前提下降低了圖像數(shù)據(jù)量，為提高數(shù)據(jù)處理效率奠定了基礎。

1 圖像質量評價方法

隧道智能檢測系統(tǒng)在進行圖像采集的過程中，設備載體（特種車輛）的顛簸、隧道襯砌尺寸各異等因素，會導致成像設備與隧道襯砌的距離時刻變化，并且不同襯砌表面材質的反射率不相同，如果采集系統(tǒng)相關參數(shù)不調整的話，會導致拍攝得到的圖像質量無法保持一致，影響后續(xù)的圖像處理與隧道檢測效果。為了解決這一問題，首先要建立對采集圖像質量統(tǒng)一的評價標準，并將評價標準與采集參數(shù)進行關聯(lián)，使采集圖像時刻保持最優(yōu)。

隧道檢測會產(chǎn)生大量的圖像數(shù)據(jù)，無法采用人工逐一檢查。并且，相比較于主觀的圖像質量評價，客觀評價方法采用統(tǒng)一的評價指標，不會因為個體視覺的差異導致最后評價結果的出入，因此它具有很強的實用性。圖像質量客觀評價的目標是找出能夠客觀反映圖像質量的參數(shù)指標。目前有許多學者對其進行了深入的研究，且形成了較多的研究成果[1]。常用的客觀評價指標有：灰度均值、標準差、信噪比等[2]。這些方法一般不需要使用參考圖像，主要通過估計圖像中的塊效應、噪聲、模糊等因素來評價圖像的質量。

圖像作為一個二維的數(shù)字矩陣，在不同位置有不同的灰度，即灰度值不同。相關研究證明，圖像熵的大小可以表示像素點灰度分布的離散程度的大小，當圖像像素點的灰度值分布較為分散時熵也較大，當圖像中所有像素點灰度值分布較為集中時熵最小[3]。當圖像過度曝光或曝光不足時，像素灰度值分布離散度較小，熵較小，而當圖像曝光正常，像素灰度值分布離散度大，熵較大。因此視覺系統(tǒng)在調光時，可將圖像的熵值作為參考進行[4]。

在圖像采集過程中，由于隧道襯砌的反光條件不一致，在一定采集參數(shù)條件下，有可能會出現(xiàn)過度曝光或曝光不足的情況，造成圖像信息的丟失。過度曝光或曝光不足的視覺效果是整幅圖像看上去偏亮偏白或者是偏暗偏黑。曝光不足、光照不勻、對比度差的原始圖像直方圖動態(tài)范圍較小、分布較狹窄，可以反映圖像整體的灰度級數(shù)值較低，因此其灰度像素分布窄而集中分布傾向于灰度值低的區(qū)域，即集中于直方圖的左側，灰度級的中部和亮度區(qū)域幾乎不存在像素。

采集的圖像是8位灰度圖像，像素灰度值區(qū)間為[0, 255]，過度曝光時像素灰度值總體偏高（趨于255），曝光不足時像素灰度值總體偏低（趨于0），如圖1所示。根據(jù)這一特性來判斷圖像的曝光度，通過建立與相機采集參數(shù)的映射關系，實時調整采集參數(shù)，避免圖像的過度曝光或曝光不足影響后續(xù)的圖像識別。

針對曝光不足、正常曝光、過度曝光這三類情況，分別選取1000張圖像進行灰度均值的計算。通過計算，曝光不足的圖像序列灰度平均值區(qū)間為[4,43]；正常曝光的圖像序列灰度平均值區(qū)間為[39, 200]；過度曝光的圖像序列灰度平均值區(qū)間為[182,243]。

根據(jù)上述數(shù)據(jù)可以看出，通過圖像的平均灰度值可初步判斷圖像是否正常曝光。但同時需要注意的是，由于隧道襯砌上可能會有線纜槽、燈具等特征，其在圖像上反應的灰度值趨近于黑色，與圖像過暗時的特征相似；同時由于隧道襯砌表面反光條件不一致，有時圖像只有部分區(qū)域存在曝光不足或過渡曝光，三種情況的灰度平均值區(qū)間存在重疊，使得只根據(jù)這一項指標難以完全判斷圖像是否正常曝光。

根據(jù)前文分析，圖像熵也是衡量圖像質量的一個主要指標。當圖像過曝過過暗時，圖像信息的豐富程度自然而然會大幅降低，利用這一特性，可以對圖像質量進行判斷。通過各選取1000張不同類型的圖像進行熵值的計算，為了便于比較，并將所有樣本熵值進行歸一化處理。通過計算，正常曝光的圖像歸一化熵值明顯較高，達到了0.868；而曝光不足或過度曝光的圖像歸一化熵值明顯較低，分別為0.235和0.198。并且正常與非正常圖像之間參數(shù)有明顯的區(qū)分。通過該方法，可有效避免不同類型圖像灰度平均值重疊的問題。

在此基礎之上，需要建立圖像質量與系統(tǒng)采集參數(shù)的映射關系，從而指導系統(tǒng)的調參工作，以便獲得較好質量的圖像。

在圖像正常曝光的前提下，即不存在過度曝光或曝光不足，針對不同采集參數(shù)下的圖像樣本進行熵值的計算與分析，如圖2所示。在不同采集參數(shù)下分別選取1000張圖像進行熵值的計算，為便于比較，對整個樣本的熵值與系統(tǒng)采集參數(shù)進行歸一化處理，從圖中可以看出，圖像的熵值與采集參數(shù)存在相關性，當采集參數(shù)適當增大時，圖像熵值也隨之增大。根據(jù)該結果，可以通過前期測試快速建立隧道圖像采集質量與檢測系統(tǒng)采集參數(shù)的映射表，通過該映射表在采集過程中進行參數(shù)調整，實現(xiàn)對采集參數(shù)的快速調整。

圖2 圖像熵值與采集參數(shù)映射關系

具體工作流程是，在圖像采集過程中，同時計算采集圖像的熵值，當圖像平均灰度不在正常范圍時，系統(tǒng)進行參數(shù)調整，當圖像平均灰度在正常區(qū)間范圍內時，開始判斷圖像熵所在范圍，快速查找參數(shù)映射表，通過之前標定的圖像熵值與采集參數(shù)映射關系來調整系統(tǒng)參數(shù)。

從當前的圖像熵值開始，和相鄰圖像熵值進行比較。為減少計算量，以20張圖像作為間隔。如果當前圖像熵值是最大的，那么返回當前圖像熵值，作為最大值；反之就用相鄰的最高值代替當前值。如此循環(huán)直到達到圖像熵值最大，圖像效果最好，系統(tǒng)調參結束。

通過這樣的方式來提高圖像采集過程的自動化程度，可有效提高采集圖像質量，避免因圖像質量不佳導致需要在檢測現(xiàn)場重復采集?？蔀楹罄m(xù)的圖像處理工作提供質量穩(wěn)定的數(shù)據(jù)，進一步提高數(shù)據(jù)處理的準確度。

2 圖像壓縮方法研究

目前全國隧道檢測裝備普遍的成像精度為1mm/pixel。占絕大多數(shù)的高速公路兩車道隧道襯砌周長為23米左右。以灰度圖像為例，相機拍攝圖片為8位的灰度點位圖，則每個像素點占用存儲空間為1Byte，通過計算，單公里隧道檢測圖像數(shù)據(jù)可達21.42GB。若檢測圖像為彩色圖像，則至少需要64.26GB。如此巨大的數(shù)據(jù)量對于檢測數(shù)據(jù)的存儲與后續(xù)的圖像處理帶來了巨大的挑戰(zhàn)。

因此，在得到質量較好的圖像之后，海量圖像的處理也是要解決的一個重要問題。通過將圖像進行合理的壓縮，在保證圖像質量的前提下可以有效減少數(shù)據(jù)量，這樣一來就可以減少后續(xù)的圖像處理工作量，以此方式來提高效率。同時也可以減少圖像數(shù)據(jù)的存儲空間，減少存儲設備的投入，為后續(xù)建立隧道檢測數(shù)據(jù)庫提供了便利。

在研究圖像壓縮方法時，運算時間、和壓縮、編碼效率來衡量。設壓縮前圖像的平均碼長為，熵為H(S)，壓縮后圖像的平均碼長為，則定義：

冗余度：編碼效率：

壓縮比：

面對海量信息，經(jīng)典的圖像壓縮算法已經(jīng)難以滿足實際需要。根據(jù)當前的研究成果，小波變換在圖像的壓縮、分類、識別等領域有著廣泛地應用，取得了較好的效果[5]?；谛〔ǖ膱D像壓縮方法特點是壓縮比高，壓縮后能保持圖像的特征相對不變，并且有相對較強的抗干擾能力，這各特性對處理背景復雜的隧道檢測圖像是較為有利的?；跈C器視覺的隧道檢測的最終目的是檢測出相關病害信息，諸如裂縫、滲水、剝落。這些病害在圖像上的表征有線性與區(qū)域性的特點，這些圖像特征首先是有較為明顯的邊緣特征，而圖像處理的過程就是通過這些邊緣信息來識別病害特征。在圖像壓縮的過程中，基于小波的圖像壓縮方法對于這些重要的圖像邊緣信息可以較好的保留，這對于后續(xù)的圖像處理有著重要意義。

小波變換有別于傅里葉變換，基函數(shù)的選擇對于最后的處理效果有著重要影響[6]。根據(jù)小波基函數(shù)正則性、支撐長度、對稱性、相似性幾個要素來綜合考量小波基函數(shù)對于隧道檢測圖像的適用性。在小波壓縮中考慮的關鍵因素核心是正則性，即圖像約光滑，其正則性也越好。接下來的小波壓縮方法就是去掉圖像的高頻部分但是保留最為基本的低頻部分用來表征圖像的主要部分。此外，基于小波的圖像壓縮主要是去除圖像中的空間冗余和視覺冗余。隧道檢測圖像中有很多相似的背景，其采樣點之間存在著空間相關性，即相鄰點之間的取值相同或相近，基于這一特性，可利用小波方法將這類空間冗余剔除。還有視覺冗余，即視覺系統(tǒng)難以感知的畫面變化部分，剔除掉這部分冗余之后圖像應不影響圖像的機器視覺分析。

根據(jù)以上原則，本文選取三種小波函數(shù)來進行圖像壓縮，分別為db4、Haar、Bior4.4，通過數(shù)據(jù)計算分析，這三個小波基函數(shù)的相關特性較為貼合隧道檢測的圖像特點。同時，為使圖像壓縮計算過程不至于過度復雜，這里將分解層數(shù)為定位3，即保證了圖像壓縮率，又不至于使計算時間過長。同樣都取目標像素深度BPP=1.2。分別計算其H以及CR。

利用三種小波函數(shù)得到的歸一化熵值分別為0.846、0.812、0.833，均保持了較高的水平，可以認為三種方法得到的圖像質量大致一樣，并沒有過多降低圖像質量，而且Bior4.4的壓縮比相對較高，達到了15.35%，同時運算時間也最短，因此選擇Bior4.4來進行圖像壓縮。通過計算驗證，將圖像壓縮后，整體的圖像處理時間比原來的方法有了顯著降低，并且圖像壓縮時間并沒有占用很多時間。在保持了較高的準確度前提下，實現(xiàn)了圖像的快速壓縮，提高了整體的圖像處理效率。

利用小波方法先將原始圖像數(shù)據(jù)進行合理的壓縮后再進行圖像處理，可以有效降低圖像數(shù)據(jù)量與后續(xù)圖像處理的運算量，提高了基于機器視覺的隧道檢測圖像處理工作效率。有利于隧道檢測數(shù)據(jù)的信息化發(fā)展，建立“一隧一檔”的數(shù)字化檔案。為后續(xù)的病害趨勢分析與隧道精準養(yǎng)護奠定了堅實的基礎。

3 結語

通過該方法可以充分利用檢測系統(tǒng)的硬件資源，在圖像采集過程中盡可能獲取高質量圖像，避免過度曝光或曝光不足對后續(xù)圖像識別的影響，同時在保證圖像質量的前提下，本文采用比較泛用的小波方法進行圖像壓縮。以歸一化熵值來衡量圖像的壓縮效果，通過樣本數(shù)據(jù)計算，最終選擇Bior4.4小波函數(shù)進行圖像壓縮。采用圖像壓縮方法，將圖像數(shù)據(jù)量降低到原來的1/6，降低了圖像處理的運算量，有利于后續(xù)的圖像處理工作。