基于数字图像的隧道表观病害识别方法研究

阐述了公路隧道结构快速检测车图像采集的原理,以隧道结构表观图像为研究目标,系统分析了隧道裂缝和渗漏水病害的图像特征;基于裂缝图像特征,通过CTA测度算法和边缘检测结合可准确地识别裂缝;根据渗漏水图像特征,采用改进的CTA算法,并结合形态学处理方法,可实现隧道结构渗漏水的识别与定位。研究表明:采用CTA测度及其改进算法可较好地实现表观病害识别,可有效地减弱线缆干扰、光照变化带来的影响。     

基于自适应均值的地铁隧道裂缝图像滤波算法

地铁隧道表面光照不均匀、对比度低、噪声干扰严重,采集到的裂缝图片较灰暗且含有大量混合噪声,因而单一的滤波方法不能达到很好的去噪效果。针对该问题,提出一种基于快速中值的自适应均值滤波算法来实现隧道裂缝图像滤波。该算法先对图像进行反转以增强裂缝与背景的对比度,通过快速中值法计算滤波窗口的中值,自适应地选取合适的阈值来对滤波系数加以优化,并将窗口各像素点的灰度值进行加权运算,其结果作为窗口中心点灰度值,并输出。通过与传统中值、均值滤波算法比较,提出的新算法不仅降低了图像噪声,而且有效地保护了裂缝边缘,降低后续对裂缝特征量提取及分割识别的难度。     

基于Beamlet变换的路面裂缝图像匀光算法

为解决路面病害检测过程中在不同光照条件下裂缝识别可靠性的问题,Beamlet变换提供了一种多尺度分析算法．该算法采用递归二进法将图像分块,利用在所有像素尺度下的Beamlet线段逼近裂缝,将裂缝从图像背景中分离,并采用插值函数均匀光照背景．在图像裂缝提取过程中,对图像中裂缝的线性提取可以有效地滤除噪声,提高裂缝提取的准确性．较传统的图像处理算法,该算法在准确地检测路面裂缝,均匀光照背景的同时有效地抑制了噪声干扰,检测效果良好,且运算速度快．均匀的路面背景为路面裂缝图像的定性、定量分析奠定基础．     

基于样本自动标注的隧道裂缝病害智能识别

隧道表面裂缝的检测已经成为地铁运营人员的重要巡检任务之一.为实现隧道裂缝病害的自动监测，提出一种结合病害特征提取和深度学习的隧道裂缝样本自动标注与识别算法；针对隧道裂缝形态特征建立裂缝图像的特征样本库，改进了AlexNet深度卷积网络结构；设计研制了轨道移动式隧道图像采集系统以及巡检车，采集并构建了包含4 500张裂缝图像样本和1 500张测试图像的数据集，用以验证算法的可行性和有效性.研究结果表明：采集的图像清晰度符合要求，所设计算法可完成裂缝目标自动标注；裂缝图像测试集的识别率达到97.8%，证明了算法研究和采集系统的有效性.     

基于K-S检验方法的公路隧道裂缝分布特征研究

裂缝是运营期隧道衬砌结构的主要病害。为了有效地开展衬砌裂缝的预防及修复工作,首先使用人工检测和自动化检测两种方法,对浙江48座隧道的衬砌裂缝病害进行了调查,并结合文献查阅,统计了境内外109条含有裂缝的隧道实例。随后,运用K-S检验方法,分析了衬砌裂缝各种特征分布规律。     

公路隧道衬砌裂缝检测方法研究

设计图像采集系统对普通公路隧道衬砌部分进行图像采集,然后对采集到的图像进行预处理,通过区域生长算法对裂缝区域进行提取,应用形态学进行修正,计算裂缝的长度和宽度,同时分析影响裂缝检测精度的一些影响因素。实践证明此方法可行,不仅提高了检测期间公路隧道的通行能力,同时在解决隧道裂损衬砌的检测问题时,不会对周围环境产生影响,因此具有较好的环境效益。     

寒区隧道病害成因分析与处治措施研究

衬砌裂缝及渗漏水是寒区隧道最常见的病害,严重影响隧道的使用寿命和行车安全。结合山西省某隧道病害情况,分析了隧道衬砌裂缝和渗漏水原因,提出了裂缝凿槽注浆补强、W钢带加固和U形槽导流等处治措施,为寒区隧道病害处治提供了一种可行的方法 。     

衬砌裂缝对隧道稳定性的影响分析

由于地质、设计、施工以及运营管理等方面的原因,运营中的隧道常常出现一系列的病害,其中最常见的就是隧道衬砌裂缝,严重影响了隧道的交通运营安全。以重庆八一、向阳隧道的病害治理工程为背景,运用有限元软件ANSYS对隧道衬砌裂缝受力性能进行数值模拟分析。结果表明:衬砌裂缝的存在导致衬砌应力集中,严重时甚至影响隧道结构的稳定性;裂缝深度越大,隧道结构位移、应力越大,裂缝尖端的应力集中现象越明显,最终应力达到材料的强度极限,从而导致隧道的失稳破坏。     

交通事件视频图像自动识别系统的研究

如何有效利用高速公路视频图像信息,实时全天候自动智能检测交通事件,提升交通管理部门应急处置能效,是当前公路视频监控亟需解决的问题．本文基于视频图像处理技术,开展交通事件自动识别算法和系统的研究：采用中值滤波、亮度缩放等图像预处理方法,提取交通视频图像的前景目标边界并抑制噪声;基于灰度阈值化方法,对车辆前景进行二值化分割处理;提出一种二值化场景图像连通区域标定算法,对交通事件前景目标进行特征提取与检测识别,并基于上述算法和识别流程开发了交通事件视频自动识别系统．试验表明,该系统对噪声干扰抑制能力较强,识别准确率较高．     

运营隧道的典型病害及其处治技术研究

在总结分析运营隧道水损害、衬砌裂损、冻害、衬砌腐蚀、偏压等典型病害诱因及其影响的基础上,通过工程实例研究病害处治技术.采取水害治理技术可有效控制结构的渗漏水现象;通过裂损处治技术修复衬砌断面缺损以及裂缝,补偿病害引发的衬砌刚度损失;冻害处治技术可防止隧道受到冻胀力作用而破坏;偏压处理技术确保了隧道的稳定性和安全性.运营隧道的病害处治技术在工程实践中有显著效果.     

基于自适应阈值和连通域的隧道裂缝提取

为了解决传统人工隧道裂缝检测存在诸如效率低、主观性大、安全性差等弊端,利用裂缝具有方向性和连续性等特征,提出了一种基于自适应阈值和连通域标记的隧道裂缝提取方法. 首先,根据裂缝的方向性特征,设计了一种阿拉伯数字算法（Algorithmic）对裂缝进行粗提取,其中对于该算法公式中的阈值选取进行了自适应阈值化,利用改进的阈值迭代法完成系统自动获取最佳阈值,无需人工干预;然后,根据裂缝的连续性特征,采用数学形态中的连通域标记法对裂缝进行细提取,其中通过控制连通域面积大小,实现裂缝粗提取后的去噪处理,通过膨胀和腐蚀操作实现裂缝粗提取后的修复处理;最后,选取了共计165张不同类型的裂缝图像作为实验样本,在MATLAB上进行仿真实验. 从实验数据可以看出,自适应阈值和连通域标记的提取方法其提取精度可高达94.2%,平均运行时间仅35.4 s,误识率和拒识率已控制在2.7%和1.1%,相较于传统的图像处理方法有着显著的提高,充分展现出良好的应用前景.      

隧道掌子面岩体裂隙快速识别方法

隧道掌子面上含有许多地质信息,若能充分提取和分析,将有助于对隧道工程地质状态作出评价,用于指导隧道设计和施工. 以隧道掌子面数码图像为基础,对掌子面上岩体裂隙检测、提取、分组算法进行研究. 首先,基于数字图像处理技术对掌子面岩体裂隙目标分割算法进行分析,根据分割结果,通过图像细化和边界线拟和、分离、合并、过滤,连接不连续边界,过滤短边界,形成较完整的岩体边界线识别结果;然后,计算岩体边界线视倾角,将视倾角相近的边界线合并为一组,实现对裂隙边界线的自动分组;最后,将本方法应用于实际掌子面岩体图像测试其有效性. 测试结果表明:该方法基本实现了对掌子面上岩体裂隙的自动提取和分组;对具有明显裂隙的掌子面岩体,本算法能较完整的提取出岩体裂隙,错误提取率不超过10%,并实现了自动分组,自动分组错误率不超过5%,提高了掌子面岩体分析的自动化程度,可用于地质素描,并为掌子面围岩分级提供参考依据.      

隧道二次衬砌裂缝处理方法的探讨

主要针对隧道中出现的二次衬砌非受压造成裂缝等情况,采用简单、经济的方法进行处理,既保证衬砌质量不受影响,又可以保证外观的一致,为同类工程处理提供一些可靠依据。     

Automatic identification of cracks from borehole image under complicated geological conditions

Identifying cracks from the spread image of a borehole wall is one of the most common usages of borehole imaging method. The manual identification of cracks is time-consuming and can be easily influenced by objective judgment. In this study, firstly, the image translation from RGB color model to HSV color model is done to highlight the structural plane region, which is closer to the color recognition of human sight; secondly, the Saturation component is filtered for further processing and a twice segmentation method is proposed to improve the accuracy of automatic identification. The primary segmentation is based on the statistics of saturation over a longer borehole section and can give a rough estimation of a crack. Then, the pixels are shifted in the reverse direction to the sine curve estimated and make the centerline of the crack flat. Based on the shifted image, the secondary segmentation is done with a small rectangle region that takes the baseline of the roughly estimated crack as its centerline. The result of the secondary segmentation can give a correction to the first estimation. Through verifying this method with actual borehole image data, the result has shown that this method can identify cracks automatically under very complicated geological conditions.     

基于数字图像处理的桥梁裂缝检测技术

针对含有裂纹缺陷的立交桥墩台和混凝土试件,采用数字图像分析技术,综合应用各种图像算法,在分析桥梁裂纹图像特点的基础上,开发出了一套适用于桥梁缺陷较远距离图像检测分析软件。在户外条件下对含裂纹混凝土试件的对比试验结果表明,采用图像处理技术进行桥梁小损伤的无损检测是切实可行的。     

基于头脑风暴优化的PCNN路面裂缝分割算法

为提升裂缝检测的分割精度和鲁棒性,基于头脑风暴优化（brainstorming optimization,BSO）和脉冲耦合神经网络（pulse coupled neural network,PCNN）,提出了一种路面裂缝图像分割算法（BSO-PCNN）. 该算法采用最大熵准则作为BSO算法的适应度函数,并依据适应度值决定参与次轮迭代的个体;BSO具有强收敛性,可快速确定最优个体解;结合图像特征,获得PCNN模型的最优参数,将其代入PCNN模型实现对裂缝图像的分割. 试验结果表明:算法可在20次迭代内取得不同类型路面裂缝图像的最大适应值,从而确定最佳分割参数;与Sobel边缘检测算法、PCNN图像分割算法、基于最大熵的遗传算法（genetic algorithm based on the maximun entropy of the histogram,GA-KSW）、基于遗传算法参数优化的PCNN分割算法（genetic algorithm based on the pulse coupled neural network,GA-PCNN）相比,BSO-PCNN算法取得了0.9924的区域一致性与0.0900的区域对比度.      

隧道二衬裂缝允许灌浆压力的力学模型分析

通过简单的ANSYS断裂力学模型,计算隧道二衬裂缝在不同灌浆压力作用下的缝端应力强度因子,并依据裂缝扩展准则的判据,分析不同灌浆长度时的允许灌浆压力,给压力灌浆修补隧道二次衬砌裂缝方面提供科学、合理的理论支撑。     

软弱地层中既有明洞的基底处理及沉降控制

富水、积水条件下的全风化花岗岩地层往往呈现出膨胀及软化特征,继而导致该地层下明洞基础发生不均匀沉降及衬砌开裂。通过裂缝素描确定合理的注浆孔布置方案,先期注浆小导管对明洞基础进行加固,后续设计钢管树根桩补强方案。监控量测表明该方案有效地控制和缓解了明洞衬砌开裂发展及地基沉降变形,可为类似工程提供借鉴和参考。     

隧道衬砌质量检测中探地雷达图像特征研究

探地雷达采用了先进的连续透视扫描无损探伤技术,能够快速而又非常简便地对隧道衬砌的实际情况进行检测。不同的衬砌缺陷对电磁波具有不同的反射特性,表现在探地雷达图像上具有不同的图像特征。本文简要介绍了探地雷达隧道衬砌质量检测技术,数据采集过程中的测线布置和参数设置,系统研究了衬砌不同缺陷类型的雷达图像特征,据此提高隧道衬砌质量检测中探地雷达图像的解释精度。     

路面破损图像自动处理技术研究进展

总结了路面破损图像自动处理技术的重要研究成果, 分析了该领域关键技术的研究进展, 包括路面破损检测系统、图像处理算法和识别算法评估; 比较了不同路面破损检测系统与目标自动识别算法的检测精度和适用性, 给出了路面破损图像自动处理技术未来可能的主要研究方向。研究结果表明: 在路面破损检测系统方面, 从早期基于摄影技术的图像采集到目前的3D激光扫描技术, 路面图像采集技术更加便捷和高效, 但破损图像自动分析和目标自动识别算法仍然存在挑战; 在路面破损图像处理算法方面, 传统的路面裂缝目标分割算法已由过去的基于单一特征(灰度、边缘形状等) 的检测方法演化到多特征融合检测方法和图优化检测方法, 还出现了一些精细化的裂缝目标连接与恢复算法, 大幅提高了裂缝检测精度, 但需要的计算资源和人工先验知识库也随之不断增大; 在路面裂缝处理算法评估和比较方面, 主要利用人工分割来评价自动识别结果, 目前迫切需要建立一个面向全球开放的大型路面破损图像数据库, 以客观、有效地评估现有各种路面破损图像处理算法; 基于2D图像特征分析的路面破损图像自动识别算法很难在识别精确性、算法通用性和实时性方面同时取得最佳效果; 近年来, 大量学者开始尝试借助深度学习神经网络自动识别路面破损, 但该技术仍处于活跃的演进过程中; 在提高路面破损自动识别精度和效率方面, 3D激光扫描技术和基于人工智能的深度学习技术的发展将对未来路面破损图像自动识别技术的最终突破产生重大推进作用。