基于图像连通域的桥梁裂缝提取方法

裂缝是水泥混凝土桥梁的一种常见病害形式,基于图像的桥梁裂缝病害检测是实现桥梁数字化无损检测的一项新技术.为此,提出了一种基于图像连通域的桥梁裂缝提取方法,以实现从桥梁图像上准确识别裂缝,并提取其特征参数.针对水泥混凝土桥梁图像采集时,施工接缝、光照、污损、抖动等因素造成的干扰,主要分3个步骤实现裂缝目标的提取:(1)对...     

雾霾天气下的桥梁裂缝检测

随着空气湿度增加及雾霾加剧,能见度降低,晴朗天气下传统的桥梁裂缝检测已不能满足不良天气检测的需要.针对此问题,提出一种新的桥梁裂缝检测方法,将暗通道先验去雾算法和图像处理裂缝检测相结合.在能见度下降的情况下,对待检裂缝图片进行暗通道去雾处理,获取去雾后的图像.接下来进行裂缝检测,通过灰度化,均值滤波对图像预处理,边缘检测和图像分割,使用连通分量提取获取裂缝特征,再通过计算裂缝的分布密度来判断裂缝类型.使用200张桥梁裂缝图片进行检验,实验结果表明,该算法识别横向、纵向、网状裂缝的准确度可以达到93. 3%,90%,87. 5%,具有良好的识别能力,弥补了传统算法的局限性,桥检适用范围得到了推广.     

基于Matlab图像处理方法的桥梁裂缝宽度检测研究

为实现桥梁裂缝检测的快速化和智能化,基于Matlab图像处理技术,提出一种非接触式的桥梁裂缝测定方法,其主要通过预先获取桥梁裂缝图像,采用图像灰度化和中值滤波去噪的方法对目标裂缝图像进行预处理,并通过多次腐蚀和膨胀操作,消除裂缝二值图像的边缘毛刺,最后调用Minboundrect函数对目标裂缝图像进行精确测定。结果表明:所选裂缝样本点的宽度尺寸测定值与真值间的相对误差满足工程要求。     

远距离混凝土桥梁结构表面裂缝精确提取算法

在分析桥梁结构表面裂缝图像特征基础上,结合改进Snake主动轮廓模型图像分割算法,融合距离传感器信息,提出一种综合高分辨率图像采集、裂缝敏感区域截取、孤立噪声去除、裂缝旋转和标记的裂缝提取算法,实现了交互式远距离混凝土桥梁结构表面裂缝的精确提取。分析结果表明:改进Snake主动轮廓模型图像分割算法误分率为3.89%,运算时间为153ms,试验对比裂缝宽度显微镜观测值,裂缝提取绝对误差小于0.05mm,该算法可满足工程检测需求。     

基于SIFT的路面裂缝配准及拼接算法

针对贯穿双车道的长裂缝,路面裂缝采集过程中往往不能得到完整的裂缝信息,可能造成对路面损毁程度的错误评估.为解决路面图像检测过程中采集裂缝信息不完整的问题,拟采用SIFT算法对在不同时刻对同一路面采集到的同一裂缝信息进行特征点提取.针对裂缝边缘处的特征点灰度较背景像素灰度有阶跃变化的特点,在裂缝图像特征点筛选过程中引入阈...     

关于通过图像灰度判断裂缝宽度的研究

随着近年来无人机技术的快速发展,利用无人机携带高清云台相机进行桥梁检测逐渐成为一种快速、高效的检测手段。利用无人机进行桥梁检测最重要的一个问题是对拍摄图像的判读,如何从拍摄的影像资料里准确获取病害尺寸一直是困扰检测工程师的大问题。本文针对该问题,提出了一种通过灰度图像计算裂缝宽度的方法,并进行了相关的实验,计算结果表明对于0.2mm以上的裂缝计算的准确度较高。     

基于相位编组法的路面裂缝自动识别

研究了基于数字图像处理技术的路面裂缝自动识别方法,给出了基本的系统组成及工作原理.通过对路面裂缝图像的分析,对比了各种图像增强算法的特点和适应性;结合路面裂缝图像的随机性和目标、背景变化复杂的特点,指出传统方法中仅仅利用灰度变化的幅度作为局部边缘提取的主要度量是存在问题的.提出采用相位编组法进行裂缝提取,并在现场采集大量的图像尝试进行实例验证.结果表明:相位编组法有利于检测出有弱对比度的裂缝,并可以检测到细小裂缝.     

改进K-means算法在混凝土裂缝图像去噪中的应用

在复杂裂缝情况下，传统裂缝图像去噪技术很难达到理想的降噪效果，且在所提取的图像中裂缝通常表现出畸形、间断或者填充不密实的现象。针对这些问题，提出了一种基于改进初始聚类中心的K-means混合降噪方法：首先利用改进K-means聚类算法对原始RGB图像中裂缝进行预提取；然后设置阈值进行图像灰度二值化操作；最后采用腐蚀膨胀的方法对裂缝区域和形态进行改善。试验结果表明，该方法在降低图像存储大小的同时有效去除了噪声，加快了裂缝形态的提取速度，保证了裂缝形态的真实性和完整性，能够批量化处理大量混凝土裂缝图像。     

基于无人机及Mask R-CNN的桥梁结构裂缝智能识别

桥梁结构表面裂缝检测为桥梁状态识别、病害治理、安全评估提供了重要状态信息和决策依据。为解决传统人工检测方法存在的危险性高、影响交通、费用昂贵等问题,提出基于无人机（Unmanned Aerial Vehicle,UAV）及深度学习的桥梁结构裂缝智能识别方法。采用大疆M210-RTK多旋翼无人机进行贴近航摄,获取桥梁结构混凝土表面高清图像;利用SDNET裂缝数据集等图像资源,制作1 133张标记裂缝精确区域的深度学习训练样本图像库;引入掩膜区域卷积神经网络（Mask R-CNN）深度学习算法,训练和建立Mask R-CNN裂缝识别模型;基于Mask R-CNN裂缝识别模型,采用矩形滑动窗口模式扫描混凝土表面高清图像,实现裂缝自动识别和定位。构建包含图像二值化、连通域去噪、边缘检测、裂缝骨架化、裂缝宽度计算等流程的图像后处理方法,实现裂缝形态及宽度信息自动获取。通过精度验证试验,证实采用M210-RTK无人机+ZENMUSE X5S相机+45 mm奥林巴斯镜头的组合装备,当无人机至桥梁结构表面垂直距离为10.0 m时,无人机方法识别的裂缝宽度与裂缝测量仪结果吻合,其绝对误差小于0.097 mm,相对误差小于9.8%。将该无人机裂缝检测方法应用于高136.8 m长沙市洪山大桥桥塔表面裂缝检测,采用深度学习Mask R-CNN算法进行裂缝智能识别,其裂缝识别准确率和召回率分别达到92.5%和92.5%。研究结果表明：无人机桥梁裂缝检测方法可实现高耸桥梁结构表面裂缝的远程、非接触、自动化检测,具有重要的科学研究和工程应用价值。     

桥梁混凝土结构表面裂缝自动识别技术研究

为了满足桥梁检测发展的需求,提高混凝土结构表面裂缝的识别精度,基于既有图像预处理技术,提出一种新的裂缝提取及宽度计算方法。在图像预处理基础上,通过裂缝连接保留细小裂缝,将裂缝区域当作连通区域,根据裂缝特征参数过滤虚假裂缝,提取真实裂缝;寻找裂缝区域的交叉点,通过交叉点将整个裂缝区域划分成多个小裂缝,将小裂缝的最小外接矩形分割成多个小矩形区域,计算小矩形区域中裂缝特征参数,得到裂缝宽度。以混凝土试件重力加载形成的表面裂缝为对象,改变相机拍摄距离与拍摄倾斜角度获取裂缝图像,应用该方法计算裂缝宽度,并与裂缝观测仪的测量结果进行误差对比分析。结果表明:该算法裂缝识别率高、检测误差小,裂缝检测误差随拍摄距离或拍摄倾斜角度的增大而增大;为了满足实际工程的需要,采集裂缝图像时,拍摄距离最好保持在1m以内,倾斜角度尽量不要超过15°。     

基于数字图像处理的表面裂缝宽度测量

为了避免传统人工裂缝宽度检测方法耗时、耗力、危险、花费高等缺点,提出了一种新的基于数字图像处理技术的表面裂缝宽度测量方法。介绍了该法首先通过编制的程序对采集到的数字图像进行像素标定、灰度转换、阈值分割、中值滤波等步骤后,提取裂缝的图像,进而计算得到裂缝的宽度的过程。同时,利用试验方法对该法进行了误差分析,验证了该法具有相当高的精确性与可行性,可以满足工程实际的需要。     

基于图像处理的桥梁混凝土裂缝检测研究进展

基于图像处理的桥梁裂缝检测技术是近年来快速发展起来的一种新型无损检测技术,具有高效、准确、智能化的特点,具有广阔的工程应用前景。对基于图像处理的裂缝检测技术中的图像识别、图像增强、图像分割、裂缝特征描述及算法进行了综述,介绍了图像处理技术在桥梁裂缝检测过程中的应用研究进展,并进一步探讨了现有裂缝图像识别算法存在的问题。     

基于计算机视觉的桥梁裂缝半自动检测方法

桥梁裂缝对桥梁危害很大,对其进行识别检测对桥梁安全至关重要。但桥梁环境复杂,含有大量噪声和干扰信息,很难准确的自动识别出裂缝。本文提出一种半自动检测桥梁裂缝的方法,通过用户在裂缝上选取多个种子点,实现裂缝的自动跟踪,然后用区域连通的方法对多个种子点填充出的区域进行连接,从而提取出完整的桥梁裂缝。实验结果表明,该方法通过人机交互,降低了对算法的要求,裂缝识别更有针对性,能够快捷准确地提取出隧道裂缝。     

基于YOLOv5和DeepLabv3+的桥梁结构病害智能识别技术

传统以人工为主的桥梁表观病害识别方式存在着效率低下、风险高等问题，已不能满足当今桥梁检测任务的要求。针对上述问题，本研究结合目标检测与语义分割技术，提出了一套桥梁表观病害智能识别算法，完成了桥梁病害的智能识别与尺寸计算任务。研究中通过多种手段收集桥梁病害图像，构建桥梁表观病害目标检测数据集和语义分割数据集；训练了YOLOv5病害识别及定位网络和DeepLabv3+病害区域提取网络；对病害区域提取结果进行噪点去除、毛刺剔除、裂缝体分解等预处理后，采用邻域划分和正交骨架实现了病害长、宽尺寸的计算，并在桥梁实拍病害图像上进行了算法测试。本研究开发的病害识别技术实现了桥梁表观病害高效率、高精度的自动识别和尺寸计算，提升了桥梁检测的工作效率和安全性。     

基于轻量化卷积神经网络的桥梁混凝土裂缝检测方法及验证

针对基于边缘检测算法、阈值法等传统的混凝土裂缝检测算法易受到干扰的问题，采用基于轻量化卷积神经网络的桥梁混凝土裂缝检测方法对混凝土裂缝检测难的问题进行研究，并通过对桥梁裂缝图像真实数据集进行检测验证。检测结果表明：1)所研究的轻量化卷积神经网络模型能够实现像素级的标注；2)所研究的轻量化卷积神经网络模型训练参数相比其他文献明显减少，权重文件所占内存明显减小；3)所研究的神经网络模型能够清晰准确地划分出图像中的裂缝像素，且不受图像分辨率大小、对比度等因素影响。上述结果表明，所研究的网络模型具有在像素级准确检测裂缝的良好性能，且权重文件占用内存小，能很好地适用于工程实践。     

基于小波变换的连续梁裂缝识别

在车辆驶过连续梁桥的过程中,车辆与桥梁产生耦合振动作用,这将直接影响桥梁裂缝的产生与发展。本文基于车桥耦合振动理论和单轴车辆模型对连续梁的裂缝识别进行了研究。应用连续小波变方法,由小波变换灰度图和小波系数图识别连续梁的裂缝。ANSYS软件计算分析所得的车体竖向振动速度和车体竖向位移经过小波变换后能够识别连续梁裂缝的深度和数量,小波系数图和小波系数灰度图均能有效识别裂缝的特性,并且裂缝损伤越严重越易于被识别,为实际连续梁桥工程的裂缝检测提供理论基础。     

基于图像处理的沥青路面裂缝识别算法研究

为了提高沥青路面裂缝检测效率,利用Matlab软件平台,深入研究了图像灰度化、图像灰度变换、滤波去噪、边缘检测等图像处理算法,并提出一种裂缝宽度计算方法。该文的图像处理算法较好地解决了沥青混合料中集料缝隙对裂缝识别产生干扰的问题。选取20幅裂缝图像对该文提出的算法精度进行验证,结果表明:算法可较好地用于沥青路面不规则裂缝、纵缝、横缝的识别与宽度计算。当裂缝宽度在5 mm以上时,相对误差可控制在5%以内;裂缝宽度为2～5 mm时,相对误差可控制在10%以内。     

高速公路路面裂缝识别算法研究

经过研究给出了不均匀光照的路面裂缝图像识别的详细算法。算法采用多窗口中值滤波进行图像平滑,既能去除图像的噪声点,又较好地保留了裂缝的边缘信息;使用背景子集图像插值校正法进行灰度校正,有效地克服了不均匀成像对后期图像分割的影响;采用otsu阈值分割、形态学去噪及连通区域标记完成裂缝图像分割;选用连通区域个数、投影特征和分布密度3个参数完成裂缝分类;最后提取裂缝长度、宽度和破损面积等裂缝参数。实验结果显示分类准确率为94%,线状裂缝长度误差均值为7.2%,宽度误差均值为11.3%,非线状裂缝的面积误差均值为9.6%,表明这一方法有效、可靠。      

先验信息强化的混凝土裂缝深度学习级联检测算法研究

为提高混凝土桥梁复杂表面的裂缝检测精度，提出一种基于深度学习的先验信息强化的裂缝级联检测算法。算法采用级联检测的方法将2个神经网络级联来检测裂缝；先验信息强化包括标准化和边缘强化，制作裂缝标准化切片时将裂缝旋转至水平走势并将质心放置在切片中心，同时根据灰度梯度相似性去除属于一般背景的切片；将切片进行裂缝边缘先验信息强化处理，以此人为地突出特征，降低网络训练难度。分别对比不采用先验信息强化和级联检测的网络结果，评价网络检测性能。实验结果表明，对混凝土桥梁表面裂缝检测的精确率和召回率达到89.64%和98.02%,能较好地避免背景中干扰物的影响。     

基于数学形态学的路面裂缝图像处理技术

为精确提取路面裂缝信息,将数学形态学方法应用于路面裂缝图像的分析与处理中。首先将目标图像二值化并通过全局阈值法对其进行预处理,然后通过数学形态学的开、闭运算去除图像噪声;为修补裂缝断裂,对目标图像进行膨胀、细化循环操作;为捕获目标图像边缘的有效信息,通过形态学边缘检测算子对图像边缘进行叠加与捕获。最后,采用轮廓链码方法对检测结果进行计算。结果表明,单一纵向裂缝循环14次最佳,路面龟裂循环37次最佳。经数学形态学方法进行处理的裂缝计算结果与实际检测结果相比误差小于5%。