基于圖像處理的橋梁底面裂縫檢測識別方法研究.pdf

1、在我國的交通運輸建設過程當中，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，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，檢測結果精確度和可信度較低。隨著現(xiàn)代計算機技術的飛速發(fā)展以及計算機硬件性能的不斷提高，使發(fā)展最迅速的數(shù)字圖像處理技術能夠應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計的可以實時采集到橋梁底面圖像的橋梁檢測設備，提出了用于混凝土橋梁裂縫檢測的圖像處理算法，并采用基于機器學習的分類方法進行橋梁裂縫的分類，最后還進行了橋梁裂縫最大寬度的計算，為改善交通運輸中的橋梁檢測與維保工作做出重要貢獻。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行預處理從而使目標裂縫得到了

3、增強并且噪聲干擾物得到了相對的弱化，預處理包括灰度化，濾波以及圖像增強。然后對處理后的圖像進行粗分割，最后運用圖像形態(tài)學分析方法進行圖像中噪聲塊的濾除，從而初步分割出橋梁裂縫目標。
　　(2)目標裂縫的連接。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，論文通過一種基于KD樹的裂縫連接算法進行裂縫片段連接。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之后，還需要進行裂縫的分類工作。本文根據(jù)裂縫的分類需求提出一種基于學習型的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)訓練樣本訓練出所需的SVM分類器;最后

5、將驗證樣本集輸入訓練好的SVM分類器中進行驗證分類。最后驗證結果表明，本文所采用的分類方法對于橋梁裂縫的分類精度較高，能夠應用到工程當中。
　　(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，并對圖像細化做出了改進;然后通過二值形態(tài)學腐蝕算法按照本文設計的算法流程進行裂縫最大寬度的計算，得出的測量結果與實測結果進行對比，最后得出結論。本文提供