孫亮1,，邢建春1，謝立強(qiáng)1,，王進(jìn)京2

　?。?.中國人民解放軍理工大學(xué) 國防工程學(xué)院，江蘇 南京 210007,；2.山東省軍區(qū)軍事設(shè)施保護(hù)辦公室,，山東 濟(jì)南 250000）

       摘要：隨著科學(xué)技術(shù)的不斷發(fā)展，橋梁,、隧道,、高速公路等土木工程設(shè)施開始大量出現(xiàn)在人們的生活之中。它們?cè)诮o予人們方便之余,，也存在著大量的安全隱患,，而由于土木工程體量、處在地自然環(huán)境等因素的限制,，現(xiàn)行的人工檢測方法很難及時(shí)地對(duì)土木工程進(jìn)行結(jié)構(gòu)健康監(jiān)測,，數(shù)字圖像處理成為解決這個(gè)問題的首選之一,。文中首先對(duì)現(xiàn)行的Canny裂縫檢測算法進(jìn)行了詳細(xì)的介紹，并針對(duì)其只能人工選取閾值的缺點(diǎn)進(jìn)行了改進(jìn),，結(jié)合Harris特征檢測算法和圖像中各像素點(diǎn)的梯度值,，提出了一種自適應(yīng)閾值的Canny檢測算法；然后,，結(jié)合自身的學(xué)習(xí),，在現(xiàn)有的兩種裂縫評(píng)價(jià)指標(biāo)裂縫寬度和長度之外，引入了裂縫的橫向位移和旋轉(zhuǎn)角度,，構(gòu)建了新的裂縫安全評(píng)估指標(biāo),。通過實(shí)驗(yàn)對(duì)所提出的算法進(jìn)行了驗(yàn)證。

　　關(guān)鍵詞：數(shù)字圖像,；Canny算法,；結(jié)構(gòu)健康檢測；裂縫,；自適應(yīng)閾值

　　中圖分類號(hào)：TP391文獻(xiàn)標(biāo)識(shí)碼：ADOI： 10.19358/j.issn.1674-7720.2017.05.012

　　引用格式：孫亮,，邢建春，謝立強(qiáng),，等.基于自適應(yīng)閾值Canny算法的裂縫檢測方法研究［J］.微型機(jī)與應(yīng)用,，2017,36（5）：35-37，41.

0引言

　　*基金項(xiàng)目：國家自然科學(xué)基金（51505499）自19世紀(jì)以來,，隨著科技水平的進(jìn)步和人類社會(huì)的不斷發(fā)展,，建設(shè)了大量的鋼筋混凝土結(jié)構(gòu)的工程。橋梁,、隧道,、高速公路的出現(xiàn)大大方便了人們的出行和生活，但是他們同時(shí)也留有一定的隱患［1］,。這些工程設(shè)施經(jīng)過了長期的運(yùn)營及使用后,，結(jié)構(gòu)的性能往往開始退化，如果不加以保養(yǎng)和維護(hù),，就會(huì)釀成不可挽回的后果,。1907年在加拿大的魁北克省，魁北克大橋在建設(shè)中突然失穩(wěn)倒塌,，86名建橋工人和19 000噸鋼材被拋入水中,，最后只有11人幸存［2］。2007年美國密西西比河大橋突然發(fā)生坍塌,，造成了13人遇難,、145人受傷，是美國近幾十年來發(fā)生的最嚴(yán)重的橋梁垮塌事件［3］,。而在我國,，2001年11月7日,，四川南部城市宜賓的南門大橋發(fā)生懸索及橋面斷裂事故，使得橋兩端斷裂,，宜賓對(duì)外的交通和通訊一度受到很大的影響,。這一系列的重大事故告訴我們，對(duì)土木工程進(jìn)行結(jié)構(gòu)健康監(jiān)測是何等重要的一件事情,。

　　目前,，針對(duì)材料內(nèi)部缺陷的檢測技術(shù)有紅外線、超聲波等探傷技術(shù),，針對(duì)表面裂縫的檢測包括圖像識(shí)別,、雷達(dá)檢測等方法［4］。但主要使用的還是人工檢測法,，通過技術(shù)人員定期對(duì)工程中的各個(gè)關(guān)鍵部位進(jìn)行檢測,，從而防止重大事故的產(chǎn)生。而國防工程的建筑體積相對(duì)較大,，檢測要求精度高,，部分工程還處于人煙罕至的叢林和陡峭的山區(qū)之中，自然環(huán)境比較惡劣,，使用人工進(jìn)行檢測基本不可能實(shí)現(xiàn)［5］,。因而數(shù)字圖像監(jiān)測技術(shù)也就有了很強(qiáng)的現(xiàn)實(shí)意義。

1土木工程表面裂縫識(shí)別

　　在土木工程結(jié)構(gòu)健康檢測中,，對(duì)表面裂縫的識(shí)別檢測是其中最重要的環(huán)節(jié)之一,，對(duì)于混凝土結(jié)構(gòu)來說，除去材料剛度退化,、支座沉降等內(nèi)部問題外,，開裂是最為常見的劣化現(xiàn)象［6］。裂縫產(chǎn)生的原因眾多：構(gòu)建損壞變形,、混凝土的裂變,、結(jié)構(gòu)支座發(fā)生位移等。裂縫不僅會(huì)影響結(jié)構(gòu)外觀,，而且會(huì)導(dǎo)致混凝土層對(duì)內(nèi)部鋼筋的保護(hù)失效，快速發(fā)展的裂縫更是結(jié)構(gòu)倒塌的前兆,。因此,，對(duì)于混凝土表面裂縫進(jìn)行識(shí)別與監(jiān)測是安全評(píng)估的重要環(huán)節(jié)。目前對(duì)混凝土表面識(shí)別主要有人工觀察法,、數(shù)字圖像識(shí)別法和雷達(dá)檢測法等,。相對(duì)于其他兩種方法，數(shù)字圖像算法具有實(shí)時(shí)性高,、精度好,、可操作性強(qiáng)等優(yōu)點(diǎn),，因而得到了更廣泛的應(yīng)用［7］。

　　傳統(tǒng)的數(shù)字圖像處理算法主要是使用Canny等邊緣檢測算法提取裂縫的邊緣特征,，并基于所提取的特征求取裂縫的寬度,，根據(jù)寬度來評(píng)估裂縫的變化和危害大小。而在檢測中容易出現(xiàn)由于晃動(dòng)和噪聲等干擾以及算法自身的缺陷引起的檢測誤差,，從而不能達(dá)到很好的效果［8］,。本文根據(jù)土木工程圖像的現(xiàn)實(shí)特點(diǎn)，結(jié)合Harris特征檢測算法,，提出了一種新的基于自適應(yīng)Canny邊緣檢測的土木工程健康檢測方法,，并通過實(shí)驗(yàn)對(duì)其進(jìn)行了驗(yàn)證。

2基于數(shù)字圖像的檢測算法

　　基于數(shù)字圖像的結(jié)構(gòu)健康監(jiān)測算法主要通過使用Canny算法對(duì)裂縫輪廓進(jìn)行檢測,，從而得到裂縫的輪廓圖像,，并基于輪廓進(jìn)行結(jié)構(gòu)安全的分析處理，Canny算法的主要思路分為4個(gè)步驟：

　?。?）圖像平滑去噪

　　對(duì)于一幅裂縫圖像,，在拍攝過程中往往會(huì)受到霧氣和噪音等干擾，這嚴(yán)重影響了檢測的精確性,，對(duì)它的改善可以使用高斯濾波器對(duì)原始圖像進(jìn)行平滑濾波［9］,。

　　（2）計(jì)算梯度幅值和方向

　　梯度的計(jì)算是Canny算法中最核心的環(huán)節(jié),，算子對(duì)圖像中的每個(gè)像素的2×2鄰域求取一階偏導(dǎo),，從而得到圖像I(x, y)的梯度幅值M(x, y)和梯度方向H(x, y)，計(jì)算公式如下所示：

　　其中,，kx,、ky分別是圖像I(x, y)沿行方向和列方向與fx、fy卷積所得的結(jié)果,。

　?。?）非極大值抑制

　　為了防止所得的邊緣點(diǎn)太過于密集，出現(xiàn)部分偽邊緣的情況,，算法在每個(gè)像素點(diǎn)使用3×3的模板進(jìn)行非極大值抑制,，去掉偽邊緣點(diǎn)。

　?。?）雙閾值方法檢測和連接邊緣

　　Canny算法使用雙閾值對(duì)邊緣進(jìn)行檢測,。用高閾值Hth和低閾值Lth對(duì)經(jīng)過抑制的梯度值進(jìn)行分割，將梯度小于閾值的像素灰度值定為0,，得到兩個(gè)閾值邊緣圖像H(i,j)和L(i,j),，在圖像H(i,j)中連接邊緣輪廓，連接到端點(diǎn)時(shí),，在L(i,j)中尋找弱邊緣點(diǎn),，填補(bǔ)圖像H(i, j)的邊緣空隙,，從而得到最終的檢測結(jié)果［10］。

3改進(jìn)的檢測和評(píng)估算法

　　3.1自適應(yīng)閾值的Canny算法

　　在經(jīng)典的Canny檢測算法中,，最后一步閾值的選取往往是通過經(jīng)驗(yàn)或者是隨機(jī)選擇,，不能適用于整幅圖像的檢測，并且對(duì)每一個(gè)點(diǎn)都進(jìn)行梯度計(jì)算也增加了算法的復(fù)雜程度,。在結(jié)構(gòu)健康檢測中,，主要關(guān)注的是裂縫以及裂縫周邊的信息，而對(duì)于其他一些邊緣信息則并不需要,。因此在本文中引入了Harris特征檢測算法對(duì)其進(jìn)行改進(jìn),，具體步驟如下：

　　（1）高斯平滑去噪,；

　?。?）使用Harris特征檢測算法對(duì)圖像進(jìn)行處理，得到圖像的特征點(diǎn)集Ki,；

　?。?）因?yàn)樘卣鼽c(diǎn)往往處于裂縫或者邊緣部位，而這些部位正是需要處理的,。因而先對(duì)這些點(diǎn)求取梯度值M(xi,yj),。對(duì)于所有經(jīng)過非極大值抑制的特征點(diǎn)梯度值M(xi,yj),對(duì)其從大到小進(jìn)行排列，再根據(jù)其選取自適應(yīng)閾值,，如下：

　　其中,，M(xi,yj)為各特征點(diǎn)的梯度值，N為特征點(diǎn)的總個(gè)數(shù),。Hth和Lth為新得到的自適應(yīng)閾值,。使用新的閾值對(duì)整個(gè)圖像進(jìn)行檢測，即可得到精確的裂縫輪廓圖,。

　　為了對(duì)改進(jìn)算法的效果進(jìn)行驗(yàn)證,，使用了一張橋梁裂縫圖像進(jìn)行檢測，圖1(a)是橋梁裂縫的原圖,，由圖中可以看出,，在檢測中最重要的部分是橋梁下部的一道裂縫；圖1(b)是橋梁圖像的灰度圖,；圖1(c)則是圖像的梯度矩陣圖,，通過矩陣可以看出，圖像中梯度的極值基本集中在裂縫和邊緣處,，而我們最想得到的則是裂縫部分的輪廓圖；圖1(d)是使用了Harris特征檢測算法處理之后的圖像,，可以看出檢測得到的特征點(diǎn)基本處于裂縫和邊緣等位置,，因而特征點(diǎn)的梯度信息最能體現(xiàn)出裂縫位置的信息,；圖1(e)是使用經(jīng)典的Canny檢測算法所得圖像，算法雖然保留了部分裂縫輪廓,，但是也檢測出了大量的偽輪廓點(diǎn),，檢測精度相對(duì)較差；圖1(f)則是使用本文所提出改進(jìn)算法檢測出來的圖像,，由結(jié)果可以看出,，裂縫和邊緣等重要的輪廓被算法保留，而其他非重要的輪廓被算法剔除,，這大大增加了算法的精確度,，也有利于進(jìn)一步的處理。

　　3.2裂縫安全評(píng)估方法

　　在得到裂縫的輪廓圖像之后,，要對(duì)輪廓進(jìn)行分析,，從圖1Canny算法效果比較圖2裂縫參數(shù)求取方法而得出土木工程的結(jié)構(gòu)健康情況，目前人們往往只關(guān)注裂縫寬度和長度的變化,，而忽視了其他的一些因素,。最近有些科學(xué)家發(fā)現(xiàn)，裂縫的橫向位移和偏離角度也能很好地反應(yīng)土木工程結(jié)構(gòu)健康情況,。因此本文將以上4個(gè)方面進(jìn)行結(jié)合,，提出一種新的安全評(píng)估方法，如圖2所示,，左邊兩個(gè)畫十字的地方是前一次檢測時(shí)選取的定位點(diǎn),，右邊畫十字的位置則是經(jīng)過了一段時(shí)間之后兩個(gè)定位點(diǎn)的位置，這兩張圖片被固定在此處的高清數(shù)碼相機(jī)拍下,，通過比較發(fā)現(xiàn)兩個(gè)定位點(diǎn)發(fā)生了一定程度的偏移,，通過它們可以將裂縫的變化求取出來。裂縫的寬度變化求取方法如式（6）：

　　W=Lfinalcos(r)－Linitial(6)

　　其中,，r為裂縫的偏移角度,，Linitial是第一次測量時(shí)兩個(gè)點(diǎn)之間的距離，Lfinal是最后一次測量時(shí)兩個(gè)點(diǎn)之間的距離,。

　　裂縫的位移求取方法如式（7）：

　　S=S2－S1(7)

　　其中,，S1是第一次測量時(shí)兩點(diǎn)之間的直線距離，S2是第二次測量時(shí)兩點(diǎn)之間的直線距離,。

　　將裂縫的寬度W,、裂縫的長度L以及裂縫的橫向位移S一起作為新的評(píng)估標(biāo)準(zhǔn)，可以結(jié)合神經(jīng)網(wǎng)絡(luò),，把它們的值作為學(xué)習(xí)量,，得出一個(gè)新的模型，當(dāng)一張新的圖出現(xiàn)時(shí)，求取以上3個(gè)參數(shù)帶入神經(jīng)網(wǎng)絡(luò)模型中,，從而得出它們是否處于危險(xiǎn)狀態(tài),，如果處于危險(xiǎn)狀態(tài)，就通過網(wǎng)絡(luò)對(duì)控制方進(jìn)行報(bào)警,。

4結(jié)論

　　數(shù)字圖像技術(shù)是目前結(jié)構(gòu)健康監(jiān)測領(lǐng)域的新興方法,，而土木工程所具有的特殊條件更使得通過圖像監(jiān)控進(jìn)行結(jié)構(gòu)健康檢查有了重要的現(xiàn)實(shí)意義，本文對(duì)Canny算法進(jìn)行了介紹,，對(duì)其只能選取固定閾值的缺點(diǎn)進(jìn)行改進(jìn),，結(jié)合Harris特征檢測算法和圖像梯度值，提出了一種自適應(yīng)的閾值選取辦法,，并且通過實(shí)驗(yàn)對(duì)改進(jìn)算法效果進(jìn)行了驗(yàn)證,。最后，提出了一種新的國防工程結(jié)構(gòu)健康監(jiān)測的評(píng)價(jià)標(biāo)準(zhǔn),，在以往的基礎(chǔ)上引入了裂縫的橫向位移,，從而更好地實(shí)現(xiàn)對(duì)裂縫的監(jiān)控檢測。

　　參考文獻(xiàn)

　?。?］ 鄒飛, 李海波, 周青春, 等.基于數(shù)字圖像灰度相關(guān)性的類巖石材料損傷分形特征研究［J］. 巖土力學(xué), 2012,33(3):731-737.

　?。?］ NISTER D. Preemptive RANSAC for live structure and motion estimation［J］. Machine Vision and Applications, 2005, 16(5):321-329.

　　［3］ 鄒飛, 李海波, 周青春, 等. 巖石節(jié)理傾角和間距對(duì)隧道掘進(jìn)機(jī)破巖特性影響的試驗(yàn)研究［J］. 巖土力學(xué), 2012, 33(6): 1640-1646.

　?。?］ 李卉. 數(shù)據(jù)可視化技術(shù)在物聯(lián)網(wǎng)監(jiān)控系統(tǒng)中的研究與應(yīng)用［D］.北京：北京郵電大學(xué),2013.

　?。?］ ROSTEN E, DRUMMOND T. Machine learning for highspeed corner detection［M］.Computer Vision ECCV 2006. Springer Berlin Heidelberg, 2006: 430443.

　　［6］ 徐浩. 市政橋梁安全監(jiān)控網(wǎng)絡(luò)系統(tǒng)的研究［D］.合肥：合肥工業(yè)大學(xué),2005.

　?。?］ 賀強(qiáng),晏立. 基于LOG和Canny算子的邊緣檢測算法［J］. 計(jì)算機(jī)工程, 2011, 37(3):210-212.

　?。?］ 陳宏希. 基于邊緣保持平滑濾波的Canny算子邊緣檢測［J］. 蘭州交通大學(xué)學(xué)報(bào),2006,25(1):86-90.