基于圖像處理的橋梁底面裂縫檢測識別方法研究.pdf

1、在我國的交通運(yùn)輸建設(shè)過程當(dāng)中，公路橋梁一直是非常重要的組成部分。由于之前改革開放的大力建設(shè)，現(xiàn)階段，我國每年步入維保期的橋梁總數(shù)也在日益增加，因此對橋梁安全檢測尤其是對橋梁裂縫檢測的需求已經(jīng)提高到一個新的高度，然而由于傳統(tǒng)的人工檢測方法不但工作危險系數(shù)大，工作成本高，而且檢測效率低，檢測結(jié)果精確度和可信度較低。隨著現(xiàn)代計算機(jī)技術(shù)的飛速發(fā)展以及計算機(jī)硬件性能的不斷提高，使發(fā)展最迅速的數(shù)字圖像處理技術(shù)能夠應(yīng)用到橋梁裂縫檢測中也成為可能，所以

2、，提出新的可視化裂縫檢測方法來完成對橋梁的健康評估勢在必行，而且具有非常大的價值意義。
　　本文工作基于一種自主設(shè)計的可以實時采集到橋梁底面圖像的橋梁檢測設(shè)備，提出了用于混凝土橋梁裂縫檢測的圖像處理算法，并采用基于機(jī)器學(xué)習(xí)的分類方法進(jìn)行橋梁裂縫的分類，最后還進(jìn)行了橋梁裂縫最大寬度的計算，為改善交通運(yùn)輸中的橋梁檢測與維保工作做出重要貢獻(xiàn)。其中具體工作有以下幾個方面:
　　(1)首先針對采集到的圖像進(jìn)行預(yù)處理從而使目標(biāo)裂縫得到了

3、增強(qiáng)并且噪聲干擾物得到了相對的弱化，預(yù)處理包括灰度化，濾波以及圖像增強(qiáng)。然后對處理后的圖像進(jìn)行粗分割，最后運(yùn)用圖像形態(tài)學(xué)分析方法進(jìn)行圖像中噪聲塊的濾除，從而初步分割出橋梁裂縫目標(biāo)。
　　(2)目標(biāo)裂縫的連接。由于裂縫圖像通過上述的圖像處理方法會一定程度影響裂縫連接性，為了得到更加連續(xù)、完整的裂縫目標(biāo)，論文通過一種基于KD樹的裂縫連接算法進(jìn)行裂縫片段連接。首先，計算每段裂縫間的最小外接凸多邊形并找到每段裂縫的端點;接著，設(shè)定一個閾值

4、并判斷不同裂縫段上兩端點之間的距離是否小于該閾值，小于則連接這兩個端點;最后將連線之間的裂縫連通域填充起來，從而提取出完整的連續(xù)的裂縫。
　　(3)裂縫目標(biāo)的分類。因為不同類型的裂縫對橋梁的危害不同，所以在提取出完整的裂縫目標(biāo)之后，還需要進(jìn)行裂縫的分類工作。本文根據(jù)裂縫的分類需求提出一種基于學(xué)習(xí)型的SVM決策樹分類方法用于橋梁的裂縫分類。首先根據(jù)裂縫的不同特征提取了7維的裂縫特征向量;然后根據(jù)訓(xùn)練樣本訓(xùn)練出所需的SVM分類器;最后

5、將驗證樣本集輸入訓(xùn)練好的SVM分類器中進(jìn)行驗證分類。最后驗證結(jié)果表明，本文所采用的分類方法對于橋梁裂縫的分類精度較高，能夠應(yīng)用到工程當(dāng)中。
　　(4)裂縫長度及最大寬度計算。針對裂縫長度寬度等幾何信息計算精度不高的問題，本文首先在二值圖像上計算裂縫的骨架點，通過骨架化求取裂縫長度，并對圖像細(xì)化做出了改進(jìn);然后通過二值形態(tài)學(xué)腐蝕算法按照本文設(shè)計的算法流程進(jìn)行裂縫最大寬度的計算，得出的測量結(jié)果與實測結(jié)果進(jìn)行對比，最后得出結(jié)論。本文提供