英语原文共 13 页，剩余内容已隐藏，支付完成后下载完整资料
基于渗流的大尺寸混凝土表面图像快速裂缝检测方法
摘要：混凝土表面裂缝的检测是混凝土结构检测中最重要的一步。传统的裂纹检测方法是由经验丰富的人工检测人员进行的，他们手工绘制裂纹图案；然而，这种检测方法既昂贵又主观。因此，本文提出了利用图像处理的自动裂纹检测技术。 然大多数基于图像的方法都集中在裂纹检测的精度上，但由于数字图像的大小越来越大，计算时间对于实际应用也很重要 因为图像像素增加到一千万。我们介绍了一种高效、高速的裂缝检测方法，该方法采用基于渗流的图像处理。我们建议附加终止和跳过程序以减少计算时间。通过计算加工过程中的圆度来终止渗流过程。此外，根据相邻像素的圆度，可以在后续像素中跳过渗流处理。实验结果表明，该方法有效地降低了计算成本。
关键字：裂缝检测，渗透，大尺寸图像，混凝土表面
1介绍
混凝土表面裂缝的检测是检测、诊断、维护中最重要的一步，以及混凝土结构安全的寿命预测，因为裂缝是混凝土结构退化的最早迹象之一。在过去，由经验丰富的人类检查员通过手工操作进行了裂纹检测；因此，检测方法昂贵且主观。 因此，基于图像处理的混凝土表面裂缝检测方法是为了获得客观准确的数据而需要的。
最近，一些用于裂纹检测的系统被开发为商业产品。裂片查看器[1]是一种便携式裂纹检查制度。该系统的缺点是用户需要设置焦点部分，包括混凝土表面图像上的裂缝，以检测裂缝。 此外，由于图像面积范围小，无法有效地检测大型结构和建筑物的裂缝。另一方面，IRP-100[2]被开发用于检测图像中的裂纹。 但是，它不能探测到裂缝从真实混凝土表面的图像中，包含类似于裂缝的噪音，如混凝土瑕疵、污渍和阴影。在这种情况下，裂缝必须手动指示。因此它不能用来实现自动化系统。 因此，在试图实现自动化裂纹检测系统时，裂纹检测的准确性是第一个问题。 为了应付这个问题，已经提出了几种技术[3-5]。Abdel-Qader等人[6]提出了利用小波变换对桥面图像中裂纹检测的有效性进行比较，傅里叶变换、Sobel滤波器和Canny滤波器。 他们得出结论，小波变换比其他方法更可靠。哈钦森等人[7]采用Canny滤波器和小波变换进行裂纹检测，并对参数进行了估计。我们还提出了一种利用小波变换[8，9]进行裂纹检测的方法。该系统已用于实际混凝土结构的定期检查。此外，Takeda等人[10]还提出了一种基于小波变换的实用裂纹检测系统。然而，这些方法没有考虑裂纹的本质特征，如它们的连通性。因此，当图像包括噪声时，不能准确地检测裂纹 另一方面，Iyer等人[11]使用数学形态学和Miwa等人[12]采用分水岭分割。他们把重点放在线性度作为裂纹特征；然而，这些方法不能高精度地检测裂纹，因为检测到的线是近似裂纹，而精度是图像中准确测量裂纹宽度的重要因素。罗利[13]和Hatada等人[14]认为裂缝的方向是局部窗户的一个特征，然后试图检测花岗岩板和排水沟上的裂缝。Fujita等人[15]提出了两种采用减法和Hessian矩阵的预处理方法。由于局部窗口是固定的，这些方法不能灵活地应用于不同的方法租金宽度。
在我们以前的研究中，我们提出了一种基于渗流模型的裂纹检测方法[16]。该方法是一种考虑相邻像素之间连通性的可伸缩局部处理方法。我们的方法的这一特性使得能够根据渗流过程形成的团簇的形状来评估局部窗口中的中心像素是否是裂纹。该方法与传统方法相比提供了准确的结果[9]。然而，它需要更长的计算时间。
基于图像处理的裂纹检测所需的处理时间一般取决于图像大小。最近，数码相机的图像分辨率已经超过了一千万像素。图像分辨率的提高使得能够获得混凝土表面的详细图像。 此外，一次拍摄可以获得混凝土表面的宽幅图像。 一幅宽幅图像可以用于实际的裂纹检测系统，因为它实现了廉价的应用。因此，处理图像的速度降低。 因此，有必要减少有效裂纹检测的计算成本。
为了降低计算成本，提出了一些模板匹配方法。 罗森菲尔德等人提出了粗细策略 [17]。 这种方法使用低分辨率模板和输入图像在第一次匹配过程中，以降低计算成本。只有在粗匹配中存在较高相似性时才使用高分辨率数据。 Tanimoto[18]引入了涉及金字塔数据结构的粗到细策略。 在该方法中，在粗图像中确定裂纹区域，然后通过使用金字塔结构。 然而，宽度比图像分辨率窄的浅裂纹没有被检测到，因此裂纹检测精度降低。 因此，虽然这种方法可以减少计算时间，但不能保持精度。 另一方面，Barnea等人[19]介绍了一类快速模板匹配的顺序算法；这些算法被称为SSDA。 它们的设计是为了通过使用绝对差异之和等相似性度量来降低匹配过程中所涉及的计算成本。 如果相似度单调递减，达到一定的阈值，则在处理过程中可以终止匹配过程。 因此，我们不必计算局部窗口中所有像素之间的相似性。主动搜索[20-22]是一种有效的方法，可以降低模板匹配所涉及的计算成本。 该方法通过跳过相似度上界低于阈值的窗口来修剪搜索空间。 这些方法有效地降低了计算成本。 然而，它们并不直接应用于局部处理技术，如我们的渗流方法，因为它们是基于区域的估计过程。
在本研究中，我们提出了一种有效的方法来降低基于渗流的图像处理方法的计算成本，同时保持裂纹检测的准确性[23]。 我们假设输入图像是灰度的，包含噪声，如污渍和阴影，但不包含纹理模式。 在本地窗口处理中，最好考虑小窗口大小，以减少计算负担。 在我们的情况下，窗口的大小影响裂纹检测的准确性，因为我们计算了局部窗口中形状的特征。 因此，如果焦像素是裂纹像素，则保留大尺寸的窗口。 如果选择的像素是背景像素，则窗口的大小减小。 然而，这种方法是有缺陷的，因为在应用图像处理之前必须估计裂纹像素。 在应用图像处理之前计时。 为了解决这一问题，我们采用了模板匹配的加速技术。通过计算圆度，终止了渗流过程。 此外，还可以根据邻域像素的圆度在后续像素上跳过渗流处理。
因此，当像素被视为背景像素时，该方法可以获得较小的窗口大小。 只有当选择的像素是裂纹像素时，计算成本才会增加。 因此，该方法可以实现快速高效的裂纹检测，因为图像中的裂纹像素明显少于背景像素。 通过实际混凝土表面图像的实验研究了该技术的有效性。
本文组织如下。 在第二节，本文对基于渗流的图像处理进行了总结。 在第三节，提出了一种能达到预期效率和加速速度的裂纹检测方法。 第四节讨论了该方法的计算成本。 第五节说明计算使用人工图像的成本的核实情况。 在第六节，给出了在大图像中应用裂纹检测的计算时间和裂纹检测精度的实验结果。 在第七节，我们讨论了该方法的参数。 最后，在第八节中给出了结论。
2基于渗流的图像处理概述
渗流模型[24,25]是基于液体渗透自然现象的物理模型。这个模型能有效地描述例如流行病的传播、在果园中的火灾、铁磁性和无序的电气网络等各种现象。 在我们以前的研究中，我们使用基于渗流模型的可伸缩局部处理来检测裂纹[16]。该方法的特点是根据渗流过程形成的聚类，对局部窗口中的中心像素（即选择的像素）进行评价。可伸缩窗口的处理是通过改变渗流过程的终止条件来进行的。假设有一个256级灰度图像。我们将黑色设置为0、白色设置为255来表示这个图像。然后，渗流过程就像如下所描述的那样。
- 首先，初始窗口的大小固定为Ntimes;N，最大窗口定义为Mtimes;M。初始窗口位于图像中的左上角。位于局部窗口中心的像素被设置为渗流的初始像素，并且该像素包含于渗流区域中。 进一步地，所述渗滤阈值T设置为初始像素亮度的值；
- 阈值T定义如下：
(公式 1)
其中w是加速渗流的加速度参数；
- 将的八个相邻区域定义为候选区域。 在中，亮度小于阈值T的像素被渗透并将其包含于中。 如果这样的像素不存在，只取在中最小亮像素包含于中；
- 当到达Ntimes;N窗口的边界时，渗滤过程进入步骤(5)，N增加为N 2. 否则，进程返回到步骤(2)；
- 阈值T的替换方式与步骤(2)相同；
- 在的相邻区域中，将亮度小于T的像素包含在中。 如果不存在此类像素，则终止渗滤过程；
- 当到达Ntimes;N窗口的边界时，N增为N 2。否则，进程将返回到步骤(v)；
- 如果N大于最大窗口大小M，则进程终止。否则，进程返回到步骤(V)。
在该算法中，我们得到了最终的作为渗流过程的结果区域，如图1所示。然后，我们评估选择的像素，通过观察的特点以确定它是否属于裂缝。对为了估计的圆度进行了如下定义：
(公式 2)
(a)背景
(b)裂缝
图 1 渗滤过程的例子
其中表示和中的像素数，即的最大长度。的范围在0到1之间。例如，在图1中，如图1a所示，上面的图像的接近1，因为的形状几乎是圆形的。 另一方面，如图1b所示，下面的图像的接近0，因为的形状是线性的，与圆的形状完全不同。.
以这种方式，通过光栅扫描对图像中的每个像素进行渗滤处理，我们通过根据圆度设置的阈值来确定像素是否包含在裂纹中。
在该方法中，参数N和M与图像分辨率和裂纹尺寸有关。如果裂纹长度小于N，则该方法无法检测裂纹。而且，当局部窗口的中心点位于裂纹边缘时，为了使长度大于等于N，参数M被设置为N值的两倍。参数通过初步试验确定。
3有效的裂纹检测方法
在这一部分中，我们描述了一种基于渗流图像处理的有效加速裂纹检测方法。
3.1终止条件
当渗流区域到达初始窗口边界时，窗口的大小被扩展以继续渗流过程。因此，我们的方法可以用于检测不同尺寸的裂纹。然而，如果选择的像素是背景像素，则窗口的大小将大于N，从而导致不必要的计算。图2显示了一个裂缝的图像作为一个例子。白框中的像素是2times;8窗口中的目标像素。图3a显示了局部窗口图像，其中2times;8窗口中的每个像素如图2所示，并且设置为选择的像素。原始方法[16]确定的渗流区域如图3b所示。白色区域代表渗滤区。 另一方面，图3C在处理过程中显示了渗滤区域。在选择的像素是背景像素的情况下，渗透区域会向全方向扩展。因此，如果窗口的大小增加到N以外，我们决定使用式(2)迭代执行循环的计算过程。当圆度大于阈值，当背景中包含选择的像素以生成循环渗滤区域时，终止渗滤过程，然后将选择的像素视为背景像素。在步骤(4)和(5)之间插入这一如下程序：
（1）计算圆度。如果大于阈值，则渗滤过程也被终止。
图 2 裂缝图像(白盒目标区域为2times;8像素，从a到p)
(a)每一个目标像素点的初始区域
(b)通过原始方法估计的每个像素的渗滤区域
(c)处理期间每个像素的渗滤区域
图 3 目标区域的渗滤区域
(a)通过添加终止程序估计每个像素的渗滤区域
(b)通过添加终止和跳过程序估计每个像素的渗滤区域
图 4 拟议方法估计的目标区域的渗滤区域
图4a显示了用添加终止过程获得的渗滤区域。如果选择的像素是背景像素，则在处理
过程中可以停止所提出的终止程序。另一方面，当选择的，像素为裂纹时，渗流过程继续进行。因此，当选择的像素为背景像素时，可以降低计算成本。
3.2跳过程序
从图3.中，当选中的像素为背景像素时，渗滤区域包括背景像素和裂缝像素。另一方面，当选中的像素是裂缝像素时，它看起来类似于只包含裂纹像素的渗滤区域。因此， 我们假设定义裂纹像素的两个条件：
（1）裂纹像素的亮度比裂纹像素的八个相邻像素中的背景像素的亮度更暗。
（2）当焦点像素为裂纹像素时，在渗流过程的第一次迭代时，背景像素不包括在渗流区域中。
当渗流过程继续进行时，由于方程（1）中的加速度参数w，出现了渗流区域包括背景像素的情况。当像素a在3.1节中描述的过程中已经被视为背景像素，它们被包含在第一次迭代的渗流区域中。因此，在这种情况下当前的选中的像素也可以被视为背景像素。 因此，没有必要继续这个过程，我们可以跳过它并继续到后续的像素。因此，当选中的像素成为背景像素时窗口大小变成3times;3。在步骤(3)和步骤(4)之间插入步骤(3rsquo;)这一程序：
（1） 如果背景像素包含在中，则仅在第一次迭代中终止渗滤过程。否则，该过程进入步骤（4）。
图4b显示了用添加终止和跳过过程获得的渗滤区域。跳过过程可以被确认，因为渗滤区域变得最小，如果选中的像素被视为一个裂缝，则渗滤区域生长到最大局部窗口的边界。因此，根据相邻像素的结果跳过当前焦像素的渗流过程。
如图5所示，改进方法的流程图，包括终止和跳过过程。虚线部分表示添加的过程。
图 5 拟议方法的流程图
4讨论计算成本
在本节中，我们考虑了所提出的方法的计算成本。如之前所述，拟议的方法包括终止和跳过程序。渗流过程的计算成本难以估算。例如，我们在图6中给出了第一个渗流过程的三种情况A、B和C。对处理技术的评价因相邻像素的亮度而异。候选区域的像素数对于计算成本的讨论很重要。计算成本取决于候选区域使用的评估过程以及是否将像素添加到渗滤区域。在情况A、B和C下，候选像素数分别变为10、12和14。在渗流过程中，计算成本是不同的，这取决于A等四个邻域和B等八个相邻像素之间的区别以及Perc的数量 在特定的瞬间缩小像素。由于这些差异，当在Mtimes;M窗口中进行渗流时，很难准确地计算成本。
因此，我们假设渗滤过程中有两种情况。第一种就是全方位扩张，这是一个高成本的例子。第二种就是线性膨胀。在这种情况下，我们将扩展到
剩余内容已隐藏，支付完成后下载完整资料
资料编号：[237728]，资料为PDF文档或Word文档，PDF文档可免费转换为Word
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
