孫亮1，邢建春1，謝立強1，王進京2

　　（1.中國人民解放軍理工大學 國防工程學院，江蘇 南京 210007；2.山東省軍區(qū)軍事設(shè)施保護辦公室，山東 濟南 250000）

       摘要：隨著科學技術(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。它們在給予人們方便之余，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地對土木工程進行結(jié)構(gòu)健康監(jiān)測，數(shù)字圖像處理成為解決這個問題的首選之一。文中首先對現(xiàn)行的Canny裂縫檢測算法進行了詳細的介紹，并針對其只能人工選取閾值的缺點進行了改進，結(jié)合Harris特征檢測算法和圖像中各像素點的梯度值，提出了一種自適應(yīng)閾值的Canny檢測算法；然后，結(jié)合自身的學習，在現(xiàn)有的兩種裂縫評價指標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估指標。通過實驗對所提出的算法進行了驗證。

　　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：TP391文獻標識碼：ADOI： 10.19358/j.issn.1674-7720.2017.05.012

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

0引言

　　*基金項目：國家自然科學基金（51505499）自19世紀以來，隨著科技水平的進步和人類社會的不斷發(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，但是他們同時也留有一定的隱患［1］。這些工程設(shè)施經(jīng)過了長期的運營及使用后，結(jié)構(gòu)的性能往往開始退化，如果不加以保養(yǎng)和維護，就會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，對土木工程進行結(jié)構(gòu)健康監(jiān)測是何等重要的一件事情。

　　目前，針對材料內(nèi)部缺陷的檢測技術(shù)有紅外線、超聲波等探傷技術(shù)，針對表面裂縫的檢測包括圖像識別、雷達檢測等方法［4］。但主要使用的還是人工檢測法，通過技術(shù)人員定期對工程中的各個關(guān)鍵部位進行檢測，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，使用人工進行檢測基本不可能實現(xiàn)［5］。因而數(shù)字圖像監(jiān)測技術(shù)也就有了很強的現(xiàn)實意義。

1土木工程表面裂縫識別

　　在土木工程結(jié)構(gòu)健康檢測中，對表面裂縫的識別檢測是其中最重要的環(huán)節(jié)之一，對于混凝土結(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。裂縫不僅會影響結(jié)構(gòu)外觀，而且會導致混凝土層對內(nèi)部鋼筋的保護失效，快速發(fā)展的裂縫更是結(jié)構(gòu)倒塌的前兆。因此，對于混凝土表面裂縫進行識別與監(jiān)測是安全評估的重要環(huán)節(jié)。目前對混凝土表面識別主要有人工觀察法、數(shù)字圖像識別法和雷達檢測法等。相對于其他兩種方法，數(shù)字圖像算法具有實時性高、精度好、可操作性強等優(yōu)點，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，從而不能達到很好的效果［8］。本文根據(jù)土木工程圖像的現(xiàn)實特點，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，并通過實驗對其進行了驗證。

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算法對裂縫輪廓進行檢測，從而得到裂縫的輪廓圖像，并基于輪廓進行結(jié)構(gòu)安全的分析處理，Canny算法的主要思路分為4個步驟：

　?。?）圖像平滑去噪

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

　　（2）計算梯度幅值和方向

　　梯度的計算是Canny算法中最核心的環(huán)節(jié)，算子對圖像中的每個像素的2×2鄰域求取一階偏導，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。

　　（3）非極大值抑制

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

　　（4）雙閾值方法檢測和連接邊緣

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

3改進的檢測和評估算法

　　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)驗或者是隨機選擇，不能適用于整幅圖像的檢測，并且對每一個點都進行梯度計算也增加了算法的復雜程度。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特征檢測算法對其進行改進，具體步驟如下：

　?。?）高斯平滑去噪；

　?。?）使用Harris特征檢測算法對圖像進行處理，得到圖像的特征點集Ki；

　?。?）因為特征點往往處于裂縫或者邊緣部位，而這些部位正是需要處理的。因而先對這些點求取梯度值M(xi,yj)。對于所有經(jīng)過非極大值抑制的特征點梯度值M(xi,yj),對其從大到小進行排列，再根據(jù)其選取自適應(yīng)閾值，如下：

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

　　為了對改進算法的效果進行驗證，使用了一張橋梁裂縫圖像進行檢測，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基本處于裂縫和邊緣等位置，因而特征點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，檢測精度相對較差；圖1(f)則是使用本文所提出改進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，也有利于進一步的處理。

　　3.2裂縫安全評估方法

　　在得到裂縫的輪廓圖像之后，要對輪廓進行分析，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個方面進行結(jié)合，提出一種新的安全評估方法，如圖2所示，左邊兩個畫十字的地方是前一次檢測時選取的定位點，右邊畫十字的位置則是經(jīng)過了一段時間之后兩個定位點的位置，這兩張圖片被固定在此處的高清數(shù)碼相機拍下，通過比較發(fā)現(xiàn)兩個定位點發(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是第一次測量時兩個點之間的距離，Lfinal是最后一次測量時兩個點之間的距離。

　　裂縫的位移求取方法如式（7）：

　　S=S2－S1(7)

　　其中，S1是第一次測量時兩點之間的直線距離，S2是第二次測量時兩點之間的直線距離。

　　將裂縫的寬度W、裂縫的長度L以及裂縫的橫向位移S一起作為新的評估標準，可以結(jié)合神經(jīng)網(wǎng)絡(luò)，把它們的值作為學習量，得出一個新的模型，當一張新的圖出現(xiàn)時，求取以上3個參數(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狀態(tài)，如果處于危險狀態(tài)，就通過網(wǎng)絡(luò)對控制方進行報警。

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)控進行結(jié)構(gòu)健康檢查有了重要的現(xiàn)實意義，本文對Canny算法進行了介紹，對其只能選取固定閾值的缺點進行改進，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，并且通過實驗對改進算法效果進行了驗證。最后，提出了一種新的國防工程結(jié)構(gòu)健康監(jiān)測的評價標準，在以往的基礎(chǔ)上引入了裂縫的橫向位移，從而更好地實現(xiàn)對裂縫的監(jiān)控檢測。

　　參考文獻

　　［1］ 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, 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.

　?。?］ 鄒飛, 李海波, 周青春, 等. 巖石節(jié)理傾角和間距對隧道掘進機破巖特性影響的試驗研究［J］. 巖土力學, 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,2013.

　　［5］ 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,2005.

　　［7］ 賀強,晏立. 基于LOG和Canny算子的邊緣檢測算法［J］. 計算機工程, 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］. 蘭州交通大學學報,2006,25(1):86-90.