隧道裂缝图像智能匹配与变化趋势检测算法研究

摘要

裂缝是影响隧道内部安全的重要因素之一，并且随着时间推移可能发生进一步形变，最后对地铁运营安全造成严重影响，所以要对特定的危险裂缝进行密切监测。近几年，视觉检测与图像处理技术，成为隧道裂缝病害自动检测的主要方法。进行裂缝检测时，由于外部环境及拍摄设备的原因，不同时间拍摄得到的同一裂缝所在图像，会出现裂缝产生一定的平移、旋转甚至缩放等问题。本文提出了一种基于图像处理的地铁隧道裂缝匹配和变化趋势检测算法，能够进行裂缝图像匹配，在大量图像库中检测出包含指定裂缝的图像，并比较裂缝宽度变化。
　　本文首先利用MASK算法对隧道裂缝图像进行匀光处理，平衡图像光照，增强对比度，然后采用OTSU方法对裂缝图像进行阈值分割，接下来采用基于连通区域的两步滤波算法滤除噪声，得到只包含裂缝信息的二值图像。针对此二值图像，采用细化算法和去分支算法进行处理，得到裂缝骨架图。
　　为了提取图像的特征，便于下一步匹配，本文设计了裂缝图像特征提取算法，采用改进的Harris算子提取裂缝骨架图的特征点，并设计算法对特征点矩阵进行扩充和归一化，得到最终的特征点集。接下来要进行裂缝图像特征点集匹配，本文提出了基于Fréchet距离和Hausdorff距离的点集配准算法进行裂缝特征点匹配。
　　在裂缝变化趋势检测时，本文采用将二值图像与灰度图相结合的方法计算裂缝宽度，取1-σ准则作为裂缝宽度计算准则，在像素域进行宽度计算。采用MATLAB仿真的方法使得裂缝宽度发生变化，并将变化前后的宽度计算结果进行比较，验证了该宽度计算方法的准确性。
　　最后采用本文提出的裂缝图像匹配算法，对墙面、路面、隧道三种场景中采集的裂缝图像进行实验，实验表明文中的裂缝图像匹配算法在三种场景下都表现良好。在路面裂缝图像和地铁隧道裂缝图像匹配实验中，算法误检率分别为8％和19％。

目录

声明

致谢

摘要

1．1 研究的背景与意义

1．2 国内外研究现状

1．2．1 国外研究现状

1．2．2 国内研究现状

1．3 课题研究内容与章节安排

2 裂缝匹配与变化趋势检测算法总体设计

2．1 总体算法设计

2．2 算法功能

2．2．1 裂缝图像预处理

2．2．2 裂缝特征提取算法

2．2．3 裂缝图像匹配算法

2．2．4 裂缝变化趋势检测

2．3 本章小结

3 裂缝图像预处理算法设计

3．1 MASK匀光

3．2 OTSU图像分割

3．3 基于连通区域的去噪算法

3．3．1 连通区域标记

3．3．2 散点噪声去除

3．3．3 紧密型噪声去除

3．4 细化及去分支算法

3．4．1 细化算法

3．4．2 去分支算法

3．5 本章小结

4 裂缝图像特征提取算法设计

4．1 特征点提取方法研究

4．1．1 Moravec算子

4．1．2 Forstner算子

4．1．3 Susan算子

4．1．4 Harris算子

4．2 基于改进Harris算子的角点提取算法

4．3 特征点矩阵扩充及归一化

4．4 本章小结

5 裂缝图像特征匹配算法设计

5．1 图像匹配方法研究

5．1．1 图像匹配的概念及数学定义

5．1．2 图像匹配方法研究

5．2 基于距离的点集匹配方法

5．2．1 点集间Fréchet距离计算

5．2．2 基于Hausdorff距离的点集匹配

5．3 本章小结

6 裂缝变化趋势检测算法设计

6．1 裂缝宽度计算

6．1．1 二值图方形模板内垂线计算

6．1．2 灰度图裂缝宽度计算

6．2 裂缝参数变化分析

6．3 本章小结

7 裂缝图像匹配实验结果与分析

7．1 墙面裂缝图像匹配实验

7．2 路面裂缝图像匹配实验

7．3 隧道裂缝图像匹配实验

7．4 实验结果分析

7．5 本章小结

8．1 工作总结

8．2 未来展望

参考文献

作者简历及攻读硕士学位期间取得的研究成果

学位论文数据集