图像处理技术在混凝土桥梁裂缝检测中的应用研究

通过设置裂缝提取流程,经过灰度化、图形增强、空间滤波以及灰度阈值分割等裂缝图像预处理技术,对桥梁裂缝检测图像进行特征提取,并作出判断,避免了将干扰物误认为裂缝目标的现象。实践证明:这种方法对提取桥梁检测图像中的裂缝是准确有效的。     

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%。     

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。     

桥梁裂缝监测系统的实现与应用

结合项目实际阐述了视频图像在桥梁裂缝监测中的应用情况,该系统适用对重要裂缝进行监测,根据桥梁裂缝视频图像宽度值比对,是否超限设定阀值预警,从而可知桥梁裂缝是否超过预设值,可以提示进一步采取措施。系统使用和监测过程直观,能够自动采集、自动分析和自动报警,实现远程监测。     

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IFC标准的混凝土裂缝信息分析

针对混凝土桥梁裂缝无法参数化表达的问题,本文将BIM技术引入桥梁管养检测裂缝病害的可视化中,以BIM核心建模软件Sketch Up为开发平台,IFC标准为基础通用语言,构建混凝土桥梁裂缝病害通用IFC参数模型。分析该裂缝IFC数据文件。提出基于IFC标准的立体模型病害参数化建模的新方法,对混凝土裂缝进行可视化表达。通过裂缝信息与模型的交互,实现裂缝病害的显示、病害特征信息属性导出、修改、导入和可视化的目标。     

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...     

路面裂缝检测图像处理算法的研究

采用图像滤波和图像二值化方法,分析了几种图像处理算法,实现了针对路面裂缝图像的处理分析,获得了较好的图像处理效果,着重研究了均值滤波、中值滤波、维纳滤波、直方图阈值分割法、类间方差阈值分割法等几种滤波和二值化算法.通过大量的野外试验和对实际裂缝的测量比较分析,证明该算法可以取得较好的裂缝形状,实现对路面裂缝的精确检测.     

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。     

基于深度学习方法的路面裂缝目标检测

公路和城市道路最主要的路面损坏类型是裂缝类病害。能否准确识别,尤其在众多路面信息图像中高效甄别各类表观病害,为路面技术状况评定、养护科学决策和路面病害处置提供基础数据,是当前领域研究的重难点。为此,对横向裂缝、纵向裂缝、斜裂缝长度类和龟裂、破损板面积类等典型裂缝类病害几何特征进行分析,确定了自动识别裂缝样本标注方法,构建了路面裂缝目标检测样本库,包含沥青裂缝长度类图像样本6 311个、龟裂面积类图像样本4 086个、水泥裂缝长度类图像样本37 945个、破碎板面积类图像样本7 310个。基于Faster-RCNN进行训练验证,开展路面裂缝目标检测并实现自动识别。利用北京市政道路2 000 km路面图像进行试验验证,并与路面裂缝Unet分割自动识别方法进行对比。试验结果表明,开展路面裂缝目标检测可通过提出的深度学习方法,有效提高召回率和准确率,其值高达85%以上,自动识别运行效率为12.3帧/s,与Unet分割自动识别方法对比更接近路面裂缝实际情况。     

高速公路场景图像的二值化及交通标志定位检测方法

采用CCD摄像机采集高速公路场景图像，并通过图像颜色空间变换，将图像的RGB量值转换为色度-饱和度-亮度（HSV）量值。采用基于阈值的方法对场景图像中颜色饱和度分量进行二值化分割处理；利用场景二值化图像形状特征（周长、形状参数、圆形性参数）去除非目标区域，并通过搜索场景二值化图像方向投影值序列的突变点实现标志准确定位。采用HSV颜色模型中的亮度分量和最佳阈值法对场景图像中标志区域进行二值化处理。结果表明，应用上述方法能取得良好的效果。     

沥青路面破损图像测量方法研究

本文提出了一种路面破损图像测量方法,即将路面破损图像等分为64×64象素的子块,选取路面破损子块图像的灰度方差值描述子块图像特征,采用了神经网络分类器识别路面破损子块图像模式,并在路面破损子块模式识别的基础上,确定路面破损面积的测量方法。在测量裂缝宽度时,首先确定破损最严重的裂缝子块区域,然后对该子块进行中值滤波、二值化等图像处理,最后通过计数的方法确定裂缝的宽度。     

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。     

数学形态学和多尺度分析的路面裂缝提取

针对路面图像对比度低、背景纹理复杂、噪声多的特点,首先通过设计一种频域滤波器进行滤波,去除部分噪声,增强裂缝图像和抑制背景的干扰;其次基于多尺度分析的优点,选取不同尺寸的结构元素进行形态学运算,进一步去除噪声及伪裂缝;最后进行Beamlet变换,对不同尺寸、不同位置和方向的裂缝目标进行精确逼近,重构裂缝图像从而提取目标。试验结果证明了该方法的有效性,取得了比较好的效果。     

基于视频分析的桥梁底面裂缝监测系统设计

针对智能视频分析技术在桥梁底面裂缝监测中遇到的视频数据不理想、对裂缝分析和判断意义不大的问题,在基于目标轮廓提取的基础上,提出一种新的桥梁底面裂缝算法。通过设置双警戒区,利用目标轮廓与警戒区的位置关系来定位桥梁底面裂缝。工程实践应用结果表明这种方法准确率高、计算量小、能够降低监控系统维护费用。     

基于小尺度分形维数的裂缝图像分割方法

提出了一种基于小尺度分形维数理论的裂缝图像分割方法。首先使用中值滤波处理,将要处理像素点的某个邻域内的所有像素按照灰度值的大小进行排列,取排列的中值作为该像素点的新值,进而让周围的像素接近真实值,从而消除孤立的噪声点,在保留裂缝信息的基础上能有效去除噪声的影响。其次,根据提出的小尺度分形维数算法,将维数细化到最小值使其图像的细节得到最大的体现。比较传统的分形维数方法,该方法可以使裂缝的不规则性得到更好的体现,能够对裂缝的不规则特征进行分割,可以得到更好的效果。通过计算路面图像中每个像素点的分形维数,实现了对裂缝信息的有效提取。最后通过大量试验并借助准确率-召回率评价体系验证了所提方法的有效性。根据不同算法的裂缝图像分割性能比较可知:传统的方法在准确率上并不能有较好的结果。通过曲线图可以看出:传统的方法与提出的方法仍然存在着一定的差距。在F-测度上提出的方法基本都稳定在0.9左右,而传统方法的F-测度大多都徘徊在0.7以下,二值化数据可以下降到0.3以下。试验结果表明:提出的方法能够有效实现道路图像的裂缝图像分割。     

基于T梁实测预应力损失的体外预应力加固

运营过程中混凝土桥梁开裂问题成为桥梁结构的一个通病,能否准确分析出裂缝产生的原因对桥梁加固方案的选择至关重要。本文通过对蛮金线K30+819预应力混凝土T梁桥裂缝专项检测结果对裂缝产生的原因进行分析,再利用有限元软件对预应力损失进行计算,综合比较实测有效预应力和理论有效预应力差值,分析预应力损失对桥梁结构产生的不利影响,最后针对预应力损失量按结构的3种设计状态计算找出体外预应力加固补强值,并对加固方法进行比较选择合理处治方案。     

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。     

基于高度差乘积的三维沥青路面裂缝识别

为了提高三维沥青路面中裂缝的提取精度与可靠性,提出了一种基于高度差乘积原理的沥青路面三维图像裂缝检测算法。首先,使用同时考虑空域和频域信息的双边滤波器对图像进行预处理,以达到平滑路面纹理并保持裂缝轮廓特征的目的;然后,利用裂缝轮廓的高-低-高程度大于纹理区域且具有较强对称性的特点,设计了一个高度差乘积算子,该算子能有效放大裂缝与非裂缝区域的差异程度,通过该算子的处理可得到相应的裂缝映射图像;最后,对映射图像进行动态阈值分割和去噪,获得最终的裂缝二值图像。研究测试表明:提出的算法能达到96.51%的准确率、83.35%的召回率及87.97%的F值,相对于其他典型三维裂缝检测方法有所改善。