基于图像分析的桥梁下部结构裂缝检测算法研究

论文摘要

裂缝对在役钢筋混凝土桥梁的承载能力、耐久性能、环境保护、交通安全等都会造成不利的影响。传统的基于人工视觉识别桥梁裂缝的方法有着成本高、危险性大、效率低、识别精度低等诸多缺点。近年来，基于图像分析的桥梁裂缝识别系统在桥梁养护领域得到了广泛研究，但当前已有的裂缝自动识别算法尚不成熟，图像数据的后期处理仍然是采用人机结合甚至完全人工的方式，导致识别工作量仍然过大。因此，设计完善的桥梁裂缝自动识别系统是当前亟待解决的热点、难点问题。本文针对桥梁裂缝自动识别算法中存在的难题，对桥梁裂缝图像的增强、去噪、图像分割、孤立噪声去除、裂缝分类、裂缝参数的提取等多方面进行深入研究，主要工作内容和研究成果简述如下：针对图像分割，提出一种改进的基于多方位结构元素形态学的桥梁裂缝图像分割算法。针对裂缝分类，依据四种类型桥梁裂缝几何形态差异的特性，提出利用投影和小波去噪算法首先区分线性裂缝和网状裂缝，进而利用裂缝分布密度的不同再区分网状裂缝与反射裂缝，后利用图像孔洞数作为参数进一步判别裂缝类型，并利用基于BP神经网络的模式分类器实现对裂缝的准确分类。在桥梁裂缝特征参数的计算这一关键问题上，对已分类好的裂缝目标，提出利用轮廓跟踪算法，设计了有效计算网状裂缝的面积、周长和形状参数等的算法。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 研究背景
• 1.2 国内外研究现状
• 1.3 基于图像分析的桥梁裂缝识别系统的结构
• 1.4 基于图像分析的桥梁裂缝自动识别系统的关键技术
• 1.5 基于图像分析的桥梁裂缝识别算法研究进展
• 1.5.1 桥梁裂缝图像预处理
• 1.5.2 桥梁裂缝目标提取
• 1.5.3 桥梁裂缝目标分类
• 1.5.4 桥梁裂缝的度量方法研究
• 1.6 桥梁裂缝识别算法研究所面临的问题
• 1.7 本文主要研究内容和章节安排
• 第二章 基于改进形态学的桥梁裂缝图像分割算法
• 2.1 引言
• 2.2 基于梯度算子的桥梁裂缝图像分割算法
• 2.2.1 以正交梯度算子实现桥梁裂缝图像分割
• 2.2.2 以二阶导数算子实现桥梁裂缝图像分割
• 2.3 多方位结构元素数学形态学算法
• 2.3.1 二值形态学基本运算
• 2.3.2 多方位结构元素形态学算法
• 2.3.3 结构元素的选取
• 2.4 基于多方位结构元素形态学的桥梁裂缝图像分割算法
• 2.5 实验与分析
• 2.6 本章小结
• 第三章 基于特征参数的桥梁裂缝分类算法研究
• 3.1 引言
• 3.2 桥梁裂缝类型分析
• 3.3 基于投影性质区分线性裂缝与不规则网状裂缝
• 3.3.1 算法步骤
• 3.3.2 实验结果
• 3.4 基于裂缝区域像素数及分布密度的桥梁裂缝分类算法
• 3.5 基于改进欧拉数的桥梁裂缝分类算法
• 3.6 实验与分析
• 3.7 本章小结
• 第四章 基于轮廓跟踪的桥梁裂缝参数提取算法
• 4.1 引言
• 4.2 桥梁裂缝参数提取分析
• 4.3 基于链码的桥梁裂缝参数提取
• 4.3.1 区域的两种表示方法
• 4.3.2 区域跟踪
• 4.4 区域参数测量与图像模板制作
• 4.4.1 三点链码和及其计算方法
• 4.4.2 边界的基本参数
• 4.5 基于轮廓跟踪的桥梁裂缝目标描述及参数测量算法
• 4.5.1 基于边界的描述
• 4.5.2 基于区域的描述
• 4.5.3 网状裂缝裂缝区域的面积测量
• 4.5.4 线性裂缝的长度测量
• 4.5.5 线性裂缝的宽度测量
• 4.6 实验与分析
• 4.6.1. 高速公路检测中心墙面裂缝
• 4.6.2. 桥梁墩柱下部图片
• 4.6.3. 误差分析
• 4.7 本章小结
• 第五章 结束语
• 致谢
• 参考文献
• 研究成果