混凝土坝裂缝识别的数字图像处理算法研究

摘要

常见的大坝病害大多开始出现在结构表面，如裂缝、渗漏、破损、以及结构的外观变形等。其中，裂缝是混凝土大坝最常见的病害表现形式。针对大坝裂缝，目前国内外仍然采用传统测量方法进行检测，这种方法费时费力，效率低且主观性大。采用的基于机器视觉的裂缝监测方法简单易行，可以快速提取裂缝特征信息，消除人工测量的主观误差，同时提高裂缝检测精度和效率，降低成本。 本文建立基于数字图像技术的混凝土坝裂缝识别试验系统采集裂缝图像，对裂缝检测算法中的彩色图像处理、灰度图像预处理、图像分割等方法进行研究，并且提出了基于樽海鞘群优化的图像分割算法，对大坝裂缝图像检测具有重要意义。 本文完成了以下工作： （1）建立了基于数字图像技术的裂缝识别试验系统。主要包括根据工程实际情况选择民用网络摄像机（型号：DS-2DC6223IW-A和DS-2CD3T46DWD-i5）作为图像采集设备，并且在实验室内修筑混凝土墙壁用以模拟大坝表面。 （2）研究了裂缝图像处理方法，包括裂缝彩色图像处理和灰度图像处理。采用区域生长法对彩色图像进行分割，效果较好，但该方法存在一定的主观性和局限性；裂缝灰度图像分割方法包括Canny算法、迭代法、最大类间方差法、粒子群算法和樽海鞘群算法等；本文提出的基于樽海鞘群优化的图像分割算法具有用时短，计算量小，分割效果好的优点。 （3）研究了裂缝图像的特征信息提取方法，并建立了基于MATLAB的混凝土坝裂缝识别GUI系统。 （4）根据采集的某水库裂缝病害图像，进行工程实例应用分析，验证了本文算法结果的可行性，展示了本文设计的GUI系统的实用性。

目录

声明

1 绪论

1.1 课题研究背景及意义

1.1.1 课题研究背景

1.1.2 研究意义

1.2 国内外研究现状

1.2.1 传统大坝病害检测技术的研究现状

1.2.2 裂缝图像处理方法研究现状

1.3 本文研究内容和章节结构

1.3.1 研究内容

1.3.2 论文章节结构

2 混凝土坝裂缝监测试验系统

2.1 引言

2.2 监测端的硬件设计

2.2.1 图像采集设备

2.2.2 其他设备

2.3 试验环境的模拟设计

2.4 本章小结

3 裂缝彩色图像处理方法研究

3.1 引言

3.2.1 RGB图像介绍

3.2.2 彩色图像平滑

3.2.3 彩色图像锐化

3.3 彩色图像分割方法研究

3.4 本章小结

4 裂缝灰度图像处理方法研究

4.1 引言

4.2 裂缝图像读取

4.3 病害图像预处理

4.3.1 图像灰度化

4.3.2 图像增强

4.3.3 滤波去噪处理

4.3.4 图像锐化

4.4 裂缝图像分割方法研究

4.4.1 Canny算法

4.4.2 迭代法

4.4.3 最大类间方差法

4.4.4 基于标准粒子群优化算法的图像分割算法

4.4.5 基于樽海鞘群的图像分割算法

4.4.6 图像分割算法对比

5 裂缝特征信息提取

5.1 概述

5.2 图像区域去噪

5.3 裂缝区域填充

5.4 裂缝特征分析

5.4.1 裂缝走向判断

5.4.2 裂缝投影计算

5.4.3 裂缝长度的计算

5.4.4 裂缝宽度的计算

5.4.5 裂缝面积的计算

5.5 混凝土墙面裂缝特征值计算

5.6 本章小结

6 混凝土坝裂缝检测识别系统GUI设计

6.1 裂缝检测系统GUI设计

6.2 某水库工程实例应用分析

6.2.1 病害图像采集

6.2.2 裂缝图像处理

6.2.3 裂缝特征信息提取

6.2.4 裂缝识别系统GUI

6.3 本章小结

7 结 论

参考文献

攻读硕士学位期间发表学术论文情况

致谢

大连理工大学学位论文版权使用授权书