一種隧道病害的識(shí)別方法
【專利摘要】本發(fā)明公開了一種隧道病害的識(shí)別方法以及多圖像識(shí)別方法。利用線陣CCD以及圖像融合技術(shù)，高速獲取隧道表面的數(shù)字圖像并存儲(chǔ)。再利用數(shù)字圖像處理算法對(duì)已知隧道病害進(jìn)行特征分類建模，建立特征數(shù)據(jù)庫，進(jìn)行病害特征匹配與病害識(shí)別，提高了病害檢測(cè)效率與準(zhǔn)確性。對(duì)潛在病害利用多次檢測(cè)手段重復(fù)提取病害特征，保證檢測(cè)效率的同時(shí)，提高了病害分類的準(zhǔn)確性以及估計(jì)參數(shù)的準(zhǔn)確性。
【專利說明】一種隧道病害的識(shí)別方法

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及圖像提取與識(shí)別技術(shù)，尤其涉及一種隧道病害的識(shí)別方法。

【背景技術(shù)】
[0002] 近年，有相關(guān)單位與學(xué)者提出了自動(dòng)化隧道表面病害信息采集系統(tǒng)，該系統(tǒng)主要 是利用光學(xué)成像技術(shù)，在移動(dòng)平臺(tái)上安裝相機(jī)設(shè)備，對(duì)地鐵隧道拍攝高清圖像并記錄圖像 拍攝位置。獲取地鐵隧道高清圖像后，再對(duì)海量圖像數(shù)據(jù)進(jìn)行人工搜尋查找隧道病害。該 系統(tǒng)主要解決了隧道內(nèi)部信息獲取問題，維護(hù)人員不再需要進(jìn)入狹窄的隧道仔細(xì)排查。 200810235410. 9涉及基于CCD圖像特征的表面疲勞裂紋檢測(cè)方法，該方案公開了表征裂紋 擴(kuò)展的長(zhǎng)度與寬度的方法，并提供可靠的裂紋檢測(cè)方法。該方案適用于小型工件的裂紋檢 測(cè)，圖像特征庫過大時(shí)，檢測(cè)效率低。
[0003] 201210407674. 4涉及一種用于路面裂紋圖像采集與處理的機(jī)器視覺系統(tǒng)，包括： CCD相機(jī)、高速采集模塊、圖像預(yù)處理模塊、圖像顯示模塊、光照模塊、圖像無線傳輸模塊和 運(yùn)動(dòng)控制模塊。該案僅羅列物理結(jié)構(gòu)，沒有公開裂紋檢測(cè)的具體技術(shù)方案。
[0004] 201210213385. 0涉及基于二維圖像和深度信息的路面信息提取裝置，其包括二維 圖像提取單元和深度圖像提取單元，該方案需要逐一分析畫面，數(shù)據(jù)量龐大，處理效率低。


【發(fā)明內(nèi)容】

[0005] 本發(fā)明要解決的技術(shù)問題在于提出一種隧道病害的識(shí)別方法，可以有效識(shí)別滲 水，裂縫以及襯砌剝落等表面病害。
[0006] 本發(fā)明的技術(shù)方案是這樣實(shí)現(xiàn)的：
[0007] -種隧道病害的識(shí)別方法，其特征在于包括：
[0008] 線陣(XD相機(jī)與位移傳感器固定于同一檢測(cè)平臺(tái)，
[0009] 檢測(cè)平臺(tái)移動(dòng)過程中，位移傳感器提供位移信號(hào)，線陣CCD相機(jī)根據(jù)該位移信號(hào) 獲取隧道彩色圖像，
[0010] 線陣C⑶相機(jī)獲取的圖像流媒體數(shù)據(jù)進(jìn)行融合；
[0011] 沿著隧道延伸方向?qū)Σ噬珗D像分塊壓縮存儲(chǔ)，將彩色圖像轉(zhuǎn)化成灰度圖像，降噪 處理；
[0012] 利用梯度邊緣檢測(cè)算法以及圖像區(qū)域灰度特征對(duì)圖像進(jìn)行分割，并作形態(tài)學(xué)膨脹 腐蝕與二值化處理，獲得輪廓特征；
[0013] 提供正常的隧道表面和人工標(biāo)記病害的隧道表面，重復(fù)上述步驟，獲取隧道表面 正常輪廓特征以及病害輪廓特征，建立數(shù)據(jù)特征庫；
[0014] 獲取待監(jiān)測(cè)隧道表面的輪廓特征，與數(shù)據(jù)特征庫進(jìn)行特征配準(zhǔn)分析，確定隧道病 害位置和類型；
[0015] 在已知類型的病害位置進(jìn)行多次成像，提取病害輪廓特征，測(cè)算病害參數(shù)。
[0016] 在本發(fā)明的隧道病害的識(shí)別方法中，圖像的降噪方法包括圖像增強(qiáng)以及濾波算 法。
[0017] 在本發(fā)明的隧道病害的識(shí)別方法中，病害參數(shù)包括滲水面積，裂縫長(zhǎng)度、寬度以及 襯砌剝落面積。
[0018] 一種隧道病害的多圖像識(shí)別方法，其特征在于包括以下步驟：
[0019] 檢測(cè)平臺(tái)安裝多個(gè)線陣CCD相機(jī)，移動(dòng)過程中，線狀激光器向隧道表面發(fā)射激光 線，位移傳感器提供位移信號(hào)，線陣CCD相機(jī)根據(jù)該位移信號(hào)獲取隧道彩色圖像，激光線在 與激光器相鄰的兩個(gè)CCD相機(jī)獲取的兩個(gè)圖像上均有成像；
[0020] 利用紅外激光器標(biāo)記對(duì)不同CCD相機(jī)獲取的圖像進(jìn)行拼接融合；
[0021] 對(duì)圖像進(jìn)行灰度變換、硬閾值分割，得到二值輪廓特征圖，檢測(cè)輪廓特征 圖的直線，標(biāo)記長(zhǎng)度大于設(shè)定值的直線，直線坐標(biāo)為P0S，圖像拼接區(qū)間為[? 08-index, pos+index]，index為拼接區(qū)間寬度參數(shù)；
[0022] 生成拼接系數(shù)參數(shù) yx = 0· 5*exp(_0. 5*χ2/ 〇 2)，其中，X e [-index, index];

【權(quán)利要求】
1. 一種隧道病害的識(shí)別方法，其特征在于包括： 線陣CCD相機(jī)與位移傳感器固定于同一檢測(cè)平臺(tái)， 檢測(cè)平臺(tái)移動(dòng)過程中，位移傳感器提供位移信號(hào)，線陣CCD相機(jī)根據(jù)該位移信號(hào)獲取 隧道彩色圖像， 線陣CCD相機(jī)獲取的圖像流媒體數(shù)據(jù)進(jìn)行融合； 沿著隧道延伸方向?qū)Σ噬珗D像分塊壓縮存儲(chǔ)，將彩色圖像轉(zhuǎn)化成灰度圖像，降噪處 理； 利用梯度邊緣檢測(cè)算法以及圖像區(qū)域灰度特征對(duì)圖像進(jìn)行分割，并作形態(tài)學(xué)膨脹腐蝕 與二值化處理，獲得輪廓特征； 提供正常的隧道表面和人工標(biāo)記病害的隧道表面，重復(fù)上述步驟，獲取隧道表面正常 輪廓特征以及病害輪廓特征，建立數(shù)據(jù)特征庫； 獲取待監(jiān)測(cè)隧道表面的輪廓特征，與數(shù)據(jù)特征庫進(jìn)行特征配準(zhǔn)分析，確定隧道病害位 置和類型； 在已知類型的病害位置進(jìn)行多次成像，提取病害輪廓特征，測(cè)算病害參數(shù)。
2. 根據(jù)權(quán)利要求1所述的隧道病害的識(shí)別方法，其特征在于，圖像的降噪方法包括圖 像增強(qiáng)以及濾波算法。
3. 根據(jù)權(quán)利要求1所述的隧道病害的識(shí)別方法，其特征在于，病害參數(shù)包括滲水面積， 裂縫長(zhǎng)度、寬度以及襯砌剝落面積。
4. 一種隧道病害的多圖像識(shí)別方法，其特征在于包括以下步驟： 檢測(cè)平臺(tái)安裝多個(gè)線陣CCD相機(jī)，移動(dòng)過程中，線狀激光器向隧道表面發(fā)射激光線，位 移傳感器提供位移信號(hào)，線陣CCD相機(jī)根據(jù)該位移信號(hào)獲取隧道彩色圖像，激光線在相鄰 激光器的兩個(gè)CCD相機(jī)獲取的兩張圖像上均有成像； 對(duì)單個(gè)線陣CCD相機(jī)獲取的圖像流媒體數(shù)據(jù)進(jìn)行融合，獲得固定尺寸大小的圖像； 利用紅外激光器標(biāo)記對(duì)不同CCD相機(jī)獲取的圖像進(jìn)行拼接融合； 圖像拼接完成后，沿著隧道延伸方向?qū)Σ噬珗D像分塊壓縮存儲(chǔ)，利用梯度邊緣檢測(cè)算 法以及圖像區(qū)域灰度特征對(duì)圖像進(jìn)行分割，并作形態(tài)學(xué)膨脹腐蝕與二值化處理，獲得輪廓 特征； 提供正常的隧道表面和人工標(biāo)記病害的隧道表面，重復(fù)上述步驟，獲取隧道表面正常 輪廓特征以及病害輪廓特征，建立數(shù)據(jù)特征庫； 獲取待監(jiān)測(cè)隧道表面的輪廓特征，與數(shù)據(jù)特征庫進(jìn)行特征配準(zhǔn)分析，確定隧道病害位 置和類型，對(duì)已知的病害位置和類型進(jìn)行多次成像，提取病害輪廓特征，測(cè)算病害參數(shù)。
5. 根據(jù)權(quán)利要求4所述的隧道病害的多圖像識(shí)別方法，其特征在于，所述圖像拼接融 合，包括以下步驟： 對(duì)相鄰CCD相機(jī)獲取的相同位置的兩幅圖像進(jìn)行灰度變換、硬閾值分割，得到二值輪 廓特征圖，檢測(cè)輪廓特征圖的直線，標(biāo)記長(zhǎng)度大于設(shè)定值的直線，直線位置坐標(biāo)為P〇s，圖像 拼接區(qū)間為[P〇s - index, pos+index]，index為拼接區(qū)間寬度參數(shù)； 生成拼接系數(shù)參數(shù) yx = 〇· 5*exp (_0· 5*χ2/ 〇 2)，其中，X e [-index, index];
其中j為拼接圖像上的坐標(biāo)，Ij表示坐標(biāo)為j的像素線，Ii，12表示相鄰的兩幅圖像，Iij 表示Ii上坐標(biāo)為j的像素線,posmax表示Ip 12中pos坐標(biāo)較大的一個(gè),posmin表示Ip 12中 pos坐標(biāo)較小的一個(gè)，W = pos^+W^pos*為拼接后圖像的寬度，W2為圖像12的寬度；
6. 根據(jù)權(quán)利要求4所述的隧道病害的多圖像識(shí)別方法，其特征在于，采用Hough算法檢 測(cè)輪廓特征圖的直線。
7. 根據(jù)權(quán)利要求4所述的隧道病害的多圖像識(shí)別方法，其特征在于，Pos為橫坐標(biāo)或者 縱坐標(biāo)。
8. 根據(jù)權(quán)利要求4所述的隧道病害的多圖像識(shí)別方法，其特征在于，輪廓特征圖中，被 檢測(cè)的直線應(yīng)與圖像至少一個(gè)邊的夾角小于5°C，對(duì)距離小于設(shè)定閾值ξ的兩條直線認(rèn)定 為重復(fù)直線，只保留其中一條。
9. 根據(jù)權(quán)利要求4所述的隧道病害的多圖像識(shí)別方法，其特征在于，閾值ξ小于10個(gè) 像素。
【文檔編號(hào)】G06K9/00GK104048969SQ201410275604
【公開日】2014年9月17日 申請(qǐng)日期:2014年6月19日 優(yōu)先權(quán)日:2014年6月19日
【發(fā)明者】樊曉東, 孟俊華, 唐文平, 劉家賓, 樊曉莉, 惠艷萍, 馮欣, 馮賓, 田明 申請(qǐng)人:樊曉東