桥梁裂缝特征的图像分析处理研究.docVIP

桥梁裂缝特征的图像分析处理研究 　　摘 要 桥梁裂缝严重危害着桥梁安全，桥梁裂缝信息的监测与报警对桥梁的安全运营具有重要的意义。通过对桥梁裂缝特征的灰度形态运算，比较并分析裂缝特征结果。实验结果表明通过面积和比例特征，可确定裂缝的存在。 　　【关键词】桥梁裂缝 图像处理 灰度形态 比例特征 　　由于桥梁裂缝的人工测定方法较为困难，效率较低，因此通常采用图像识别方法进行桥梁裂缝的判断与测量。在Sobel算子完成裂缝边缘特征提取后，对裂缝图像的特征边缘信息进行灰度形态二次分析运算，可实现对一定形态的结构元素进行去提取目标和图像分析的目的。灰度形态学基本运算有四种，分别是腐蚀、膨胀、开运算和闭运算。 　　1 基本运算方法与过程结果验证 　　1.1 膨胀和腐蚀 　　膨胀是将与目标对象邻接的背景点合并到该物体中，使目标边界向外部扩张。假定设灰度图像描述为f（x， y），结构元素定义为b（x， y），膨胀和腐蚀运算的计算公式如下： 　　（f?b）（s， t） = max{ f（s - x ， t - y） + b（x ， y） |（s - x ） ， （t - y） ∈ Df ； （x， y） ∈ Db}。 　　灰度腐蚀运算过程如下： 　　（fΘb）（s， t） = min{ f（ s + x ， t + y） - b（x ， y） |（s + x ） ， （t + y） ∈ Df ；（x， y） ∈ Db}。 　　式中，图像f和结构元素b定义均在R2 或Z2 中，图像f的定义域为Df ，结构元素b的定义域为Db。 　　在本研究中，膨胀和腐蚀算法的实现流程：按像素遍历图片，分析每一个像素点周围的八个像素的灰度值，比较该像素周围像素的灰度值与该像素的灰度值，膨胀运算将该像素颜色设置为周围像素的最大值，腐蚀运算将该像素颜色设置为周围像素的最小值。 　　1.2 开运算和闭运算 　　?_运算和闭运算是膨胀运算和腐蚀运算的复合运算，先腐蚀后膨胀的过程为开运算，其运算过程为： 　　（f○B） = （fΘB）?B 　　先膨胀后腐蚀的过程为闭运算：其运算过程为： 　　（f●B） = （f?B）ΘB 　　1.3 运算过程结果分析 　　选取一张SOBEL处理后的裂缝图像，进行灰度形态运算验证，其处理结果如图1所示。 　　2 图像特征统计 　　2.1 图像标记 　　本研究中所采用的图像标记过程如下：设定标记标准值，该参数通过多次实验进行校正，按像素遍历图片，判断该像素与标记标准值偏差，当偏大大于设定门限值时，将该像素点标记为红色，并记录标号。遍历完成后，将相同区域进行连通，并将标号归并，以达到区分物体的目的。 　　2.2 典型特征描述方法 　　典型的特征描述方法有以下几种：基于Fourier的特征描述、基于矩的特征描述、比例特征描述、边心距特征描述等。 　　2.2.1 基于傅里叶的特征描述 　　通过傅里叶系数可提取出的形状特征包括：圆形度、细长度、散射度、凹度、形心偏差度等。该形状特征提取方法是通过规范化图像边界曲线的动点坐标变化时所构造的周期函数，并将该周期函数展开成傅里叶级数。 　　2.2.2 基于矩的特征 　　当一个图像区域R仅表示为其内部点的形式时，可通过基于矩进行图像特征描述，该特征描述对图像的大小、旋转和平移等变化操作都是不变。 　　本研究中目标对象的质量中心坐标的计算过程如下：采用一阶矩 　　和分别除以零阶矩m00后所得的（x，y）值：，该（x，y）也称为图像区域的灰度中心坐标。 　　2.2.3 比例特征描述 　　二维图像中，在不同目标图像面积相同的条件下，不同目标图像所组成的边界形状中，具有光滑边界的圆形图像的周长最短，因此圆形图像可称为最密集形状。图像的密集度定义如下式所示： 　　C=P2/（4πA） 　　式中：C为密集度，也称为形状因子，P为目标图像的边界周长，A为目标图像的面积。 　　圆形图像的密集度为1。随着图像边界的凹凸变化，变化程度越大，周长P则越大，相应的图形密集度C也随之增大。对于不同形状的图像，有可能有相同的图像密集度，因此该密集度参数C是一个二维图像中仅与形状相关的特征参数。 　　2.2.4 边心距特征描述 　　目标图像的边心距特征表示的是无论目标对象做旋转、平移等操作，其形状中心到图像边界上的某一特定点的距离都将是不变的。在进行图像归一化操作后，该特征同时具备比例不变性。 　　3 检测结果分析 　　本文根据典型特征的比例特征进行裂缝的识别运算。首先根据面积特征，消除小面积的噪声影响，再根据图像的比例特征确定裂缝的存在。裂缝检测的过程结果如图2所示，由实验结果可知，通过该方法可较好的检测出桥梁表面裂缝。 　　4 结论 　　实验结果表明，通过对边缘