论文部分内容阅读
随着我国城市化建设的迅速发展,地铁隧道基础设施的安全检测至关重要。地铁隧道裂缝的出现影响隧道的稳定性和列车运行的安全性,因此必须对其进行定期的裂缝检测。由于计算机软硬件技术的成熟,运用图像处理技术来处理工业相机捕获的隧道图像,提取必要的裂缝信息,是一种高效且可行的方法,所以传统的人工检测已逐步被更加安全、可靠的基于图像处理算法的裂缝检测所代替。但目前基于图像处理技术的检测存在诸多问题,比如图像预处理效果不佳、识别准确性差等。因此,研究基于图像处理的地铁隧道裂缝识别与分类方法具有重要意义。本文以地铁隧道裂缝为研究对象,分析隧道裂缝的特点,对裂缝图像进行图像增强处理,图像滤波去噪,图像二值分割以及特征提取。本文的重点是对隧道裂缝的处理算法的研究,这也是隧道检测的重要环节。通过对比不同的图像处理算法,提出适应于地铁隧道裂缝处理的方法。(1)研究地铁隧道裂缝及其隧道裂缝的形成原因,从隧道病害的分类,隧道裂缝的分类及危害做了深入研究,根据裂缝的特征划分等级,便于维护人员进行重点维护。(2)利用基于Mask匀光与区域差值的自适应中值滤波进行预处理。首先,采用Mask匀光算法去除不均匀的背景;然后,利用灰度均值与自适应灰度拉伸建立联系,提高裂缝对比度;最后,利用区域差值对噪声点进行判别,并且只对滤波窗口内的有效值进行操作,滤除大量噪声。(3)采用基于边缘检测的Otsu法阈值分割方法对预处理后图像进行分割。通过对基于边缘检测和阈值分割的不同方法进行分析,结合Canny边缘检测与Otsu法,在Canny检测中,将梯度值分成三类,利用Otsu法计算最佳分割阈值,得到裂缝二值图像。(4)对分割后的二值图像分析,利用裂缝连通域的面积特征去除孤立点噪声,设计结构元素进行形态学裂缝连接;对连接后的图像进行图像细化以及去毛刺操作,得到裂缝的骨架图,并利用连通域的个数和投影特征对裂缝图像进行分类;在裂缝骨架图和二值图像中计算裂缝的长度、宽度、面积等特征,完成裂缝的特征提取,设计并实现地铁隧道裂缝的自动检测原型系统。实验结果表明阈值分割后裂缝识别准确率高达90%,裂缝分类识别率在92%以上,对地铁隧道裂缝识别与分类的效果很好。