本發(fā)明屬于圖像處理技術領域，具體涉及一種隧道裂縫檢測的圖像處理方法。

背景技術：

近年來，我國軌道交通發(fā)展迅速，特別是隧道工程在軌道交通中越來越被更多的采用，但由于在隧道工程中使用的混凝土收縮徐變、自然風化引起的結構破壞，以及一些地質災害或人為因素導致的破壞使得大量建筑設施的養(yǎng)護問題顯現(xiàn)出來，使軌道交通中的隧道工程進入了養(yǎng)護期,如果能夠提前預測線路的安全隱患或在設施出現(xiàn)故障的初期就對其采取相應措施，將會大大降低養(yǎng)護費用，提高線路的安全指數(shù)。因此，隧道安全的檢測已經(jīng)成為設施養(yǎng)護中的主要任務。

我國對隧道裂縫的檢測主要還是停留在人工判讀的水平，在線路無運營任務的時間段，通過人工觀測并記錄隧道裂縫，首先敲打墻壁,通過肉眼觀察裂縫的形態(tài)和走勢，然后用卷尺測量裂縫長度并記錄，用裂縫寬度測量儀測量裂縫寬度并記錄，最后根據(jù)工作經(jīng)驗判斷裂縫潛在的危害性。這種方法不僅費時費力，效率低下，而且不同的專業(yè)水平會使判斷結果也不盡相同，因此帶有很強的主觀性，不利于對隧道結構客觀地評估。

目前，隨著科學技術的發(fā)展，一種基于形變數(shù)據(jù)的固定式自動化檢測方法被提出，這種方法是在隧道上安裝傳感器以獲取裂縫形變數(shù)據(jù),再利用采集到的數(shù)據(jù)及算法評估隧道裂縫的危害程度。但這種方法必須在整條線路上都安裝傳感器，這樣不僅成本高，工作繁雜，而且無法均勻覆蓋隧道的所有區(qū)間,因此不能被廣泛采用。

技術實現(xiàn)要素：

本發(fā)明的目的是提供一種隧道裂縫檢測的圖像處理方法，可以有效克服現(xiàn)有技術中存在的缺點。

本發(fā)明是這樣實現(xiàn)的，其特征是包括下列步驟：

第一步：對讀入的一幅隧道圖像D進行預處理，去除管狀物、電線等有規(guī)則的近似直線物體所在的無效區(qū)域，包括下列步驟：

一、讀入一幅隧道圖像D將其轉化為double型，并進行高斯濾波得到imb，其分辨率為p×q；

二、對高斯濾波后的圖像imb，進行下列操作：

①去除直線類無效區(qū)域得到valid1：用Canny算子對imb進行邊緣檢測，去除Canny檢測后圖像中的兩類區(qū)域：一是長度近似相等的平行線條所包含的區(qū)域即管狀物所在的區(qū)域imline_pipe，二是水平和垂直直線所包含的區(qū)域即有規(guī)則的近似直線的物體所在區(qū)域imline_vh；

管狀物所在區(qū)域imline_pipe須同時滿足以下幾個特征：

1)經(jīng)膨脹操作后的圖像中，連通區(qū)域的長軸長度與短軸長度的比值axis要大于90，以確保該區(qū)域近似為直線；

2)經(jīng)膨脹操作后的圖像中，兩線條長度的比值ratio要滿足0.8＜ratio＜1.2，以確保兩線條長度近似相等；

3)在兩條認為長度相等的線條上，由兩個不同的位置求出這兩線條距離，將所得的兩個距離做乘積得dis，且dis要小于待測圖像尺寸最小值的1/5；

有規(guī)則的近似直線的物體所在區(qū)域imline_vh須同時滿足以下幾個特征：

1)經(jīng)膨脹操作后的圖像中，區(qū)域長軸長度與短軸長度的比值axis要大于20，以確保該區(qū)域近似為直線；

2)若該區(qū)域長軸與x軸交角大于85度或小于-85度，則判為垂直直線；

3)若該區(qū)域長軸與x軸交角大于-5度且小于5度，則判為平行直線；

②去除邊界閉合的塊狀物體所在的無效區(qū)域得到valid2：先對imb中每個像素點imb(x,y)用公式(1)求取梯度，并根據(jù)梯度值對圖像進行閾值分割，去除區(qū)域中梯度值小于12的部分，再通過膨脹操作、空洞填補和去除較寬區(qū)域等處理得到有效區(qū)域valid2；

其中x＝1,2,3,...,3000；y＝1,2,3,...,3000，w_x和h_y為分別為像素點im(x,y)的橫向邊緣值和縱向邊緣值；

三、對valid1和valid2區(qū)域求和，經(jīng)膨脹處理和小面積區(qū)域去除等操作獲得裂縫檢測的有效區(qū)域valid；

第二步：基于一維信號的波谷檢測

對預處理后的圖像valid進行波谷檢測：先從圖像valid獲取任意行或列得到一維信號并檢測信號的波峰點peak，再從該點取一段信號，在此段信號內，找到其他波峰點并與peak比較，將valid中大于像素值32的波峰按峰值從小到大的順序進行保留，將其他像素值去除，最后去除面積小于32×32的連通區(qū)域，得到im_label；

第三步：去除無效邊界

一、根據(jù)區(qū)域矩形度和離心率等特性去除im_label中的無效邊界得im_label_1：逐一求取im_label中每個連通區(qū)域的矩形度、離心率和區(qū)域像素的坐標，將滿足下列任一特征的區(qū)域視為無效區(qū)域并去除；

1)該區(qū)域的矩形度recd小于0.5，或大于2；

2)coxx大于c的最大值；

3)coyy大于c的最大值；

4)離心率lixinlv小于0.5；

5)axis小于2；

其中c為待測區(qū)域im_label_1的大小；coxx、coyy分別為區(qū)域像素橫坐標與縱坐標的最大值和最小值之差；axis為區(qū)域長軸長度與短軸長度的比值；

二、根據(jù)待測區(qū)域的均值和方差，去除im_label_1中的無效邊界得im_label_2：在im_label_1中去除均值大于128或方差大于15的區(qū)域，得到im_label_2；

三、根據(jù)兩個連通區(qū)域的均值和方差，去除im_label_2中的無效邊界得im_label_3，其中兩個連通區(qū)域為im_label_2中待測區(qū)域做膨脹處理后，將膨脹部分沿待測區(qū)域的長軸方向分開得到的兩個區(qū)域：將im_label_2中滿足下列任一特征的區(qū)域視為無效區(qū)域并去除，得到im_label_3；

1)兩區(qū)域均值差的絕對值小于6.5；

2)區(qū)域1中像素的最大值與最小值之差maxmin1大于70；

3)區(qū)域2中像素的最大值與最小值之差maxmin2大于70；

4)第一個區(qū)域的方差std1大于15；

5)第二個區(qū)域的方差std2大于15；

四、根據(jù)三個連通區(qū)域的均值和方差去除無效邊界得im_label_4，其中三個連通區(qū)域為im_label_3中的待測區(qū)域和對該待測區(qū)域做膨脹處理，將膨脹部分沿此待測區(qū)域的長軸方向分開得到的兩個連通區(qū)域：將im_label_3中滿足下列任一特征的區(qū)域視為無效區(qū)域并去除，得到im_label_4；

1)區(qū)域1和區(qū)域2均值差的絕對值大于6；

2)區(qū)域0和區(qū)域1均值差的絕對值小于4；

3)區(qū)域0和區(qū)域2均值差的絕對值小于4；

4)區(qū)域0中像素的最大值與最小值之差maxmin0大于60；

5)區(qū)域1中像素的最大值與最小值之差maxmin1大于60；

6)區(qū)域2中像素的最大值與最小值之差maxmin2大于60；

7)第0個區(qū)域的方差std0大于7；

8)第1個區(qū)域的方差std1大于8；

9)第2個區(qū)域的方差std2大于8；

第四步：對im_label_4進行最后的處理

對圖像im_label_4中的連通區(qū)域進行骨架提取，若同時滿足條件：①連通區(qū)域長度大于500、②面積與長度的比值小于5.5，則對該連通區(qū)域的面積、長度以及寬度進行標記，否則將其去除，最終得到D_output；

經(jīng)過上述操作輸出標記裂縫的圖片D_output。

本發(fā)明的優(yōu)點及積極效果是：

1、本發(fā)明采用的方法與傳統(tǒng)的人工檢測方法相比，更加客觀地對隧道裂縫進行測量和標注，提高檢測結果的準確性。

2、該方法克服了基于形變數(shù)據(jù)的固定式檢測方法中存在的缺點，本發(fā)明所提出的方法采用移動式的檢測車獲取隧道圖像，不必在整條線路上都安裝獲取裂縫形變數(shù)據(jù)的傳感器，這樣采集的數(shù)據(jù)可以覆蓋整個隧道，同時也節(jié)省了檢測成本，降低了工作的復雜度。

3、該方法針對隧道裂縫特征先后對圖像進行預處理、一維波峰檢測、無效邊界去除等操作，準確率高、漏檢率低，可以髙效、準確地檢測出隧道圖像中的裂縫。

附圖說明

圖1是本發(fā)明的系統(tǒng)實施框圖；

圖2待處理的原始隧道圖像D；

圖3是圖2經(jīng)轉換濾波后得到的圖像imb；

圖4是canny檢測后去除管狀物體、有規(guī)則的近似直線物體以及邊界閉合的塊狀物體所在區(qū)域后的圖像valid；

圖5基于一維信號的波谷檢測得到的結果im_label；

圖6是根據(jù)區(qū)域特征、區(qū)域均值和方差去除無效邊界得到結果im_label_4；

圖7是對有效區(qū)域進行骨架提取后進一步去除無效邊界得到輸出圖像D_output。

具體實施方式

對本發(fā)明提出的隧道裂縫檢測的圖像處理方案，我們做了初步的測試實驗。采用一幅隧道圖像作為輸入圖像。使用華碩筆記本電腦作檢測處理，筆記本參數(shù)為：Intel(R),Core(TM)i5CPU，3210，@2.5GHz，4.00GB內存。軟件平臺為MatlabR2014a，用Matlab語言編程實現(xiàn)了隧道圖像裂縫檢測的方案。

圖1給出了本發(fā)明流程圖，其特征在于具體步驟如下：

第一步：對讀入的一幅隧道圖像D進行預處理，去除管狀物、電線等有規(guī)則的近似直線物體所在的無效區(qū)域，包括下列步驟：

一、讀入一幅隧道圖像D即圖2，將其轉化為double型，并進行高斯濾波得到imb如圖3所示，其分辨率為3000×3000；

二、對高斯濾波后的圖像imb，進行下列操作，得到圖4所示的有效區(qū)域：

①去除直線類無效區(qū)域得到valid1：用Canny算子對imb進行邊緣檢測，去除Canny檢測后圖像中的兩類區(qū)域：一是長度近似相等的平行線條所包含的區(qū)域即管狀物所在的區(qū)域imline_pipe，二是水平和垂直直線所包含的區(qū)域即有規(guī)則的近似直線的物體所在區(qū)域imline_vh；

管狀物所在區(qū)域imline_pipe須同時滿足以下幾個特征：

1)經(jīng)膨脹操作后的圖像中，連通區(qū)域的長軸長度與短軸長度的比值axis要大于90，以確保該區(qū)域近似為直線；

2)經(jīng)膨脹操作后的圖像中，兩線條長度的比值ratio要滿足0.8＜ratio＜1.2，以確保兩線條長度近似相等；

3)在兩條認為長度相等的線條上，由兩個不同的位置求出這兩線條距離，將所得的兩個距離做乘積得dis，且dis要小于待測圖像尺寸最小值的1/5；

有規(guī)則的近似直線的物體所在區(qū)域imline_vh須同時滿足以下幾個特征：

1)經(jīng)膨脹操作后的圖像中，區(qū)域長軸長度與短軸長度的比值axis要大于20，以確保該區(qū)域近似為直線；

2)若該區(qū)域長軸與x軸交角大于85度或小于-85度，則判為垂直直線；

3)若該區(qū)域長軸與x軸交角大于-5度且小于5度，則判為平行直線；

②去除邊界閉合的塊狀物體所在的無效區(qū)域得到valid2：先對imb中每個像素點imb(x,y)用公式(1)求取梯度，并根據(jù)梯度值對圖像進行閾值分割，去除區(qū)域中梯度值小于12的部分，再通過膨脹操作、空洞填補和去除較寬區(qū)域等處理得到有效區(qū)域valid2；

其中x＝1,2,3,...,3000；y＝1,2,3,...,3000，w_x和h_y為分別為像素點im(x,y)的橫向邊緣值和縱向邊緣值；

三、對valid1和valid2區(qū)域求和，經(jīng)膨脹處理和小面積區(qū)域去除等操作獲得裂縫檢測的有效區(qū)域valid如圖4所示；

第二步：基于一維信號的波谷檢測

對預處理后的圖像valid進行波谷檢測：先從圖像valid獲取任意行或列得到一維信號并檢測信號的波峰點peak，再從該點取一段信號，在此段信號內，找到其他波峰點并與peak比較，將valid中大于像素值32的波峰按峰值從小到大的順序進行保留，將其他像素值去除，最后去除面積小于32×32的連通區(qū)域，得到im_label如圖5所示；

第三步：去除無效邊界得到圖6所示結果；

一、根據(jù)區(qū)域矩形度和離心率等特性去除im_label中的無效邊界得im_label_1：逐一求取im_label中每個連通區(qū)域的矩形度、離心率和區(qū)域像素的坐標，將滿足下列任一特征的區(qū)域視為無效區(qū)域并去除；

1)該區(qū)域的矩形度recd小于0.5，或大于2；

2)coxx大于c的最大值；

3)coyy大于c的最大值；

4)離心率lixinlv小于0.5；

5)axis小于2；

其中c為待測區(qū)域im_label_1的大??；coxx、coyy分別為區(qū)域像素橫坐標與縱坐標的最大值和最小值之差；axis為區(qū)域長軸長度與短軸長度的比值；

二、根據(jù)待測區(qū)域的均值和方差，去除im_label_1中的無效邊界得im_label_2：在im_label_1中去除均值大于128或方差大于15的區(qū)域，得到im_label_2；

三、根據(jù)兩個連通區(qū)域的均值和方差，去除im_label_2中的無效邊界得im_label_3，其中兩個連通區(qū)域為im_label_2中待測區(qū)域做膨脹處理后，將膨脹部分沿待測區(qū)域的長軸方向分開得到的兩個區(qū)域：將im_label_2中滿足下列任一特征的區(qū)域視為無效區(qū)域并去除，得到im_label_3；

1)兩區(qū)域均值差的絕對值小于6.5；

2)區(qū)域1中像素的最大值與最小值之差maxmin1大于70；

3)區(qū)域2中像素的最大值與最小值之差maxmin2大于70；

4)第一個區(qū)域的方差std1大于15；

5)第二個區(qū)域的方差std2大于15；

四、根據(jù)三個連通區(qū)域的均值和方差去除無效邊界得im_label_4，其中三個連通區(qū)域為im_label_3中的待測區(qū)域和對該待測區(qū)域做膨脹處理，將膨脹部分沿此待測區(qū)域的長軸方向分開得到的兩個連通區(qū)域：將im_label_3中滿足下列任一特征的區(qū)域視為無效區(qū)域并去除，得到im_label_4；

1)區(qū)域1和區(qū)域2均值差的絕對值大于6；

2)區(qū)域0和區(qū)域1均值差的絕對值小于4；

3)區(qū)域0和區(qū)域2均值差的絕對值小于4；

4)區(qū)域0中像素的最大值與最小值之差maxmin0大于60；

5)區(qū)域1中像素的最大值與最小值之差maxmin1大于60；

6)區(qū)域2中像素的最大值與最小值之差maxmin2大于60；

7)第0個區(qū)域的方差std0大于7；

8)第1個區(qū)域的方差std1大于8；

9)第2個區(qū)域的方差std2大于8；

第四步：對im_label_4進行最后的處理

對圖像im_label_4中的連通區(qū)域進行骨架提取，若同時滿足條件：①連通區(qū)域長度大于500、②面積與長度的比值小于5.5，則對該連通區(qū)域的面積、長度以及寬度進行標記，否則將其去除，最終輸出如圖7所示的標記有隧道裂縫的圖片D_output；

在實驗中，我們使用的圖像是3000×3000的隧道圖像。首先讀入原始隧道圖像D，并將其轉換為double型；然后，對圖像進行預處理操作，在高斯濾波后，同時進行canny算子檢測和閾值分割操作：經(jīng)canny算子檢測出圖像管狀物所在的區(qū)域和有規(guī)則的近似直線的物體所在區(qū)域并將其去除，經(jīng)閾值分割后再進行膨脹操作、小面積區(qū)域去除、空洞填補和較寬區(qū)域去除等一系列處理，將結果與canny邊緣檢測結果相結合獲取有效區(qū)域如圖4；然后，對預處理后得到的結果做基于一維信號的波谷檢測得到圖5；接著進行無效邊界的去除，根據(jù)待處理區(qū)域的矩形度和離心率等特征，以及待處理區(qū)域均值和方差去除無效邊界得到圖6；最后將得到的圖像進行后處理，先逐一對連通區(qū)域的長度和面積進行測量標注，再根據(jù)線條長度和面積做最終的無效邊界去除得到最終結果圖7。

本發(fā)明采取的隧道裂縫檢測方法與傳統(tǒng)人工檢測方法相比，在檢測效率和客觀性上都有大幅度提高；與基于形變數(shù)據(jù)的固定檢測方法相比，克服了檢測成本高，工作繁雜和采集的數(shù)據(jù)不完整等缺點?？梢姡景l(fā)明方案對隧道裂縫檢測具有極高的現(xiàn)實意義。