关键词:
地铁隧道
图像处理
裂缝识别
阈值分割
特征提取
摘要:
我国城市轨道交通事业蓬勃发展,绝大部分地铁线路修建于地下隧道中,其安全性对于地铁交通运输至关重要。地铁隧道在建设和使用过程中由于温度、湿度、岩层性质等原因不可避免的产生裂缝。裂缝不仅影响隧道的稳定性,同时严重危害列车行车安全。因此有效的裂缝检测至关重要,为地铁隧道的检修和养护部门提供准确的基础数据。目前我国隧道裂缝检测大部分依靠人工肉眼检测和手工标记,但人工的方法不仅浪费时间,浪费精力,而且人的主观性也较强,不利于隧道的安全检测。因此,采用自动化的裂缝检测系统来代替传统方法成为隧道工程无损检测发展的必然趋势。本文首先采用Mask匀光算法来平衡图像的整体亮度,均衡光照影响,而后采用灰度级腐蚀来增强裂缝与背景的对比度,通过这些预处理来改善图像的质量,减少后续处理的难度。采用高斯-快速中值滤波算法对图形进行去噪,除去了图像中的大量背景成分的噪声,有利于后续的图像分割和识别。在图像分割处理中,采用基于边缘信息的二次改进Otsu算法对图像分割,得到二值图像,并对得到的二值图像去噪、连接。之后,对裂缝图像进行骨架图提取与毛刺滤除,结合投影法与阈值法对裂缝进行分类识别,根据处理后的二值裂缝图像在坐标轴上投影的特点,并结合设定的阈值将检测到的裂缝图像分为横向、纵向和网状裂缝。最后对裂缝图像的各类几何参数进行了计算,根据裂缝类型在像素域计算特征参数,即裂缝长度、宽度和面积等。通过实际相机标定计算裂缝实际大小,为隧道安全性评价提供科学和可靠的依据。将本文提出的算法运用Matlab仿真,通过对多张图片的检测,验证了所提出算法识别率高,漏检率低,能够有效提取隧道裂缝几何特征值,从而实现裂缝的自动识别与检测。