張 順，譚書林，許里杰，陳 磊

(重慶交通大學(xué)土木工程學(xué)院，重慶 400074)

鋼管混凝土是鋼管混凝土拱橋的基本結(jié)構(gòu)，它結(jié)合了鋼管抗彎能力強(qiáng)與混凝土抗壓強(qiáng)度高等優(yōu)勢(shì)，使得鋼管混凝土拱橋具有承載能力強(qiáng)、跨度大等優(yōu)點(diǎn)。但是，由于溫度、施工方法、混凝土收縮徐變的影響等[1-2]原因，鋼管混凝土結(jié)構(gòu)會(huì)逐漸產(chǎn)生脫空，這對(duì)結(jié)構(gòu)非常不利。因此，為保障結(jié)構(gòu)服役安全，需要對(duì)鋼管混凝土內(nèi)部質(zhì)量進(jìn)行監(jiān)測(cè)，這對(duì)指導(dǎo)鋼管混凝土結(jié)構(gòu)的合理修復(fù)加固、減少經(jīng)濟(jì)損失具有十分重要的意義。常用于結(jié)構(gòu)內(nèi)部質(zhì)量無(wú)損檢測(cè)的技術(shù)有超聲波檢測(cè)、彈性波回彈檢測(cè)以及紅外熱像檢測(cè)等[3-5]。紅外熱像損傷檢測(cè)是近年來發(fā)展起來的一種非接觸無(wú)損檢測(cè)方法，具有快速、圖像直觀、不受場(chǎng)地限制等優(yōu)點(diǎn)，但是其熱圖本身存在分辨率低、缺陷與非缺陷區(qū)域?qū)Ρ榷炔粔蚋叩膯栴}。針對(duì)上述不足，國(guó)內(nèi)外研究人員在使用紅外熱像損傷檢測(cè)的同時(shí)，也致力于圖像處理技術(shù)的研究。Tighe等[6]采用了脈沖相位紅外熱成像的方法對(duì)碳纖維增強(qiáng)塑料(CFRP)的不同類型的缺陷進(jìn)行了檢測(cè)分析。結(jié)果表明，紅外無(wú)損檢測(cè)的方法能夠較好地對(duì)缺陷進(jìn)行檢測(cè)。胡爽[7]用紅外熱像技術(shù)對(duì)鋼管混凝土密實(shí)度缺陷進(jìn)行了研究，對(duì)鋼管混凝土表面溫度和缺陷深度計(jì)算公式進(jìn)行了理論推導(dǎo)，并且通過實(shí)驗(yàn)得到主動(dòng)檢測(cè)法和被動(dòng)檢測(cè)法針對(duì)壁管厚度的使用范圍。趙迪等[8]采用多分辨率奇異值分解的圖像融合方法，重構(gòu)熱圖，并采用模擬退火算法對(duì)重構(gòu)的圖像進(jìn)行增強(qiáng)處理，提高了圖像的清晰度和辨識(shí)率。馮琪智等[9]采用熱圖重構(gòu)(TSR)算法挖掘隱藏的缺陷信息，并采用區(qū)域生長(zhǎng)算法顯著提高缺陷區(qū)域與非缺陷區(qū)域的對(duì)比度，實(shí)現(xiàn)缺陷的精確檢出?？梢钥闯黾t外熱成像損傷檢測(cè)技術(shù)非常適用于檢測(cè)鋼管混凝土脫空，但由于熱圖對(duì)比度低且缺陷信息不明顯，導(dǎo)致缺陷難以準(zhǔn)確識(shí)別。

基于此，本文提出一種基于CLAHE的鋼管混凝土脫空檢測(cè)熱像圖增強(qiáng)方法。該方法采用TSR算法將每個(gè)像素點(diǎn)的溫度響應(yīng)曲線從時(shí)域轉(zhuǎn)換到對(duì)數(shù)域，再用多項(xiàng)式進(jìn)行擬合，進(jìn)而求其一階、二階微分，從而挖掘出隱藏的缺陷信息，然后對(duì)重構(gòu)后的圖像進(jìn)行增強(qiáng)處理，最終在提高熱圖分辨率以及缺陷與非缺陷之間對(duì)比度的同時(shí)，還能縮短加熱時(shí)間，提前識(shí)別出缺陷。

1 增強(qiáng)圖像處理技術(shù)簡(jiǎn)介

1.1 鋼管混凝土脫空檢測(cè)的提出

利用紅外熱成像技術(shù)對(duì)鋼管混凝土進(jìn)行內(nèi)部核心混凝土脫空檢測(cè)的原理是：在對(duì)待測(cè)鋼管混凝土加熱后，利用結(jié)構(gòu)表面的溫差實(shí)現(xiàn)鋼管混凝土脫空檢測(cè)。當(dāng)鋼管混凝土結(jié)構(gòu)發(fā)生脫空時(shí)，脫空區(qū)域被空氣填充，其熱導(dǎo)率低于非脫空區(qū)域混凝土的熱導(dǎo)率，阻礙脫空處鋼管表面熱量的傳遞，從而使得脫空區(qū)域與非脫空區(qū)域的鋼管表面溫度存在差異。鋼管混凝土表面輻射出的熱量經(jīng)過大氣作用后，被紅外熱像儀采集，經(jīng)過軟件、硬件設(shè)施處理后轉(zhuǎn)換為包含溫度信息的熱像圖，從而反映出鋼管混凝土結(jié)構(gòu)的脫空信息。

紅外熱成像檢測(cè)按加熱方式分類可分為被動(dòng)式檢測(cè)和主動(dòng)式檢測(cè)。被動(dòng)式檢測(cè)是指在自然條件下不經(jīng)過外加熱源的檢測(cè)方式，雖然操作簡(jiǎn)單，但是檢測(cè)效果一般且需長(zhǎng)時(shí)間太陽(yáng)光持續(xù)照射；主動(dòng)式檢測(cè)指人為外加熱源加熱被檢測(cè)試件，加快結(jié)構(gòu)表面的溫度變化，節(jié)省了檢測(cè)時(shí)間。但是熱圖本身始終存在分辨率低、缺陷與非缺陷區(qū)域?qū)Ρ榷炔粔蚋叩膯栴}。

針對(duì)上述問題，本文提出一種基于有限對(duì)比適應(yīng)性直方均衡化的鋼管混凝土脫空檢測(cè)方法，主要由基于熱圖重構(gòu)的紅外熱像融合和基于CLAHE的紅外熱像圖增強(qiáng)兩部分組成。前者將視頻數(shù)據(jù)的每一幀圖像進(jìn)行向量化，并將整個(gè)視頻序列轉(zhuǎn)為矩陣，將每個(gè)像素點(diǎn)溫度響應(yīng)曲線從時(shí)域轉(zhuǎn)換到對(duì)數(shù)域，并求其一階導(dǎo)和二階導(dǎo)得到重構(gòu)圖像，能更加清晰地反應(yīng)缺陷與非缺陷區(qū)域溫度變化響應(yīng)的區(qū)別；后者在前者得到的重構(gòu)圖像基礎(chǔ)上采用CLAHE算法對(duì)圖像進(jìn)行增強(qiáng)處理，實(shí)現(xiàn)缺陷的精確檢出，同時(shí)還可提前發(fā)現(xiàn)缺陷，使加熱時(shí)間縮短，從而能夠更準(zhǔn)確更快速地對(duì)鋼管混凝土脫空進(jìn)行定性。

1.2 基于熱圖重構(gòu)的紅外熱像融合

1.2.1 表面溫度數(shù)學(xué)模型

在外界熱源激勵(lì)的情況下，被加熱鋼管混凝土的表面溫度隨著激勵(lì)時(shí)間t的變化而發(fā)生改變，在表面照射能量Q趨于平衡的過程中，可將每個(gè)像素點(diǎn)的溫度變化簡(jiǎn)化為簡(jiǎn)單的一維熱傳導(dǎo)模型，則鋼管混凝土的表面溫度Tsurface(t)可表示為：

(1)

1.2.2 熱圖重構(gòu)(TSR)算法原理

熱圖重構(gòu)算法將每幀圖像的每個(gè)對(duì)應(yīng)像素點(diǎn)的溫度信息按照時(shí)間順序提取出來，從而得到每個(gè)像素點(diǎn)溫度變化-時(shí)間曲線，簡(jiǎn)化該曲線從時(shí)域轉(zhuǎn)到對(duì)數(shù)域，TSR算法的表達(dá)式式(1)兩邊取對(duì)數(shù)運(yùn)算得到

(2)

由于Q趨于平衡，所以變量只有時(shí)間t。對(duì)于理想的非脫空區(qū)域，由式(2)繪制出的對(duì)數(shù)衰減響應(yīng)曲線應(yīng)是斜率為-1/2的直線。然而，在實(shí)際應(yīng)用中，溫度響應(yīng)曲線會(huì)受到背景輻射、缺陷區(qū)域及非線性相位響應(yīng)等的影響，出現(xiàn)不滿足理想線性關(guān)系的情況。因此可采用n次多項(xiàng)式函數(shù)來近似擬合每個(gè)像素點(diǎn)的對(duì)數(shù)溫度變化，不僅能消除噪音，還提高了圖像的質(zhì)量，其表達(dá)式為：

(3)

通過計(jì)算式(3)的一階和兩階微分，分別獲得表面溫度曲線在時(shí)間軸上的變化率和凹凸性，可進(jìn)一步挖掘出缺陷信息。所以獲得重構(gòu)之后的圖像能更加清晰地反應(yīng)脫空區(qū)域和非脫空區(qū)域溫度變化相應(yīng)的區(qū)別。計(jì)算結(jié)果如下：

(4)

(5)

1.2.3 實(shí)現(xiàn)步驟

采用熱成像信號(hào)重構(gòu)算法，將紅外熱像儀采集到的視頻序列轉(zhuǎn)為重構(gòu)后的熱像圖灰度矩陣序列，主要的步驟如下：

Step 1 將紅外熱像儀收集到的視頻文件轉(zhuǎn)灰度矩陣，包括將視頻轉(zhuǎn)為圖像、提取圖像溫度信息、圖像向量化以及按時(shí)間順序組合列向量生成新的矩陣，示意圖見圖1。

圖1 視頻轉(zhuǎn)化為矩陣過程

Step 2 將獲取的灰度矩陣?yán)锩總€(gè)像素點(diǎn)溫度響應(yīng)曲線從時(shí)域轉(zhuǎn)換到對(duì)數(shù)域，其中灰度矩陣中每一行即為一個(gè)點(diǎn)像素在時(shí)域的變化情況。點(diǎn)像素隨時(shí)間變化的溫度響應(yīng)曲線見圖2。

圖2 像素隨時(shí)間變化的溫度響應(yīng)圖

Step 3 多項(xiàng)式擬合每個(gè)像素點(diǎn)的對(duì)數(shù)溫度變化，并求其一階、兩階偏導(dǎo)，從而得到重構(gòu)的新的熱圖序列。

1.3 基于CLAHE的紅外熱像圖增強(qiáng)

紅外熱成像技術(shù)在諸多領(lǐng)域已得到運(yùn)用，并取得較為滿意的成果，但熱圖本身存在著分辨率低、缺陷與非缺陷處對(duì)比度不夠高的問題；因此需要采用圖像增強(qiáng)算法來解決此問題。

常見的圖像增強(qiáng)算法有直方圖均衡化算法(histogram equalization，HE)和自適應(yīng)直方圖均衡化(adaptive HE)。HE是一種全局性增強(qiáng)方法，把原始圖像的灰度直方圖從比較集中的某個(gè)灰度區(qū)間拉伸成全部灰度范圍內(nèi)的均勻分布，從而擴(kuò)大了圖像灰度的動(dòng)態(tài)分布范圍，改善了整體的視覺效果；但是該算法在拉伸過程中可能存在量化誤差，造成原圖某些灰度信息丟失，而且處理后的圖像因概率密度的不均勻性而出現(xiàn)“過暗或過亮”現(xiàn)象。為解決上述問題，Schatz提出AHE算法[10]，與HE算法的全局引入不同，AHE算法將直方圖均衡化引入局部分析中來改變局部灰度分布，使得局部信息得到明顯改善，但是該算法忽略了局部以外其他區(qū)域的像素，造成局部與整體脫節(jié)；因此會(huì)過大放大區(qū)域噪聲，且均勻化后會(huì)出現(xiàn)明顯的塊塊效應(yīng)。因此，Cromartie等[11]提出CLAHE算法，它同時(shí)考慮框選區(qū)域內(nèi)、外的直方圖，這更加符合人的視覺特性，并通過限幅使局部區(qū)域?qū)Ρ榷冗^度增強(qiáng)以及區(qū)域噪聲放大的問題得到有效改善。將超過限值的部分進(jìn)行裁剪，然后把該部分均分到每個(gè)灰度級(jí)，限幅裁剪、重新分配的過程見圖3。

圖3 CLAHE直方圖限定過程

CLAHE算法其基本流程如下[12]：

1)將原圖像劃分為連續(xù)、非重疊的k×k個(gè)大小為m×n的固定子塊，k可取值為4、8、16和32等，m，n代表子塊的行數(shù)和列數(shù)，兩者共同決定圖像的細(xì)節(jié)增強(qiáng)程度。

2)將分割所得的全部子塊進(jìn)行直方圖均衡化，并求其灰度變換函數(shù)。

3)計(jì)算受限值，設(shè)NCR-X、NCR-Y分別為子區(qū)域x、y方向的像素個(gè)數(shù)，Ngray為該區(qū)域的灰度級(jí)數(shù)，按以下可計(jì)算出子區(qū)域像素個(gè)數(shù)均分到每個(gè)灰度級(jí)的平均值

(6)

限定每個(gè)灰度級(jí)包含像素?cái)?shù)不允許超過平均值Naver的Nclip，則實(shí)際剪切極限值NCL為

NCL=Nclip·Naver

(7)

4)剪切每個(gè)子塊的灰度直方圖超過限值NCL的部分(圖陰影部分)，將被剪切下來的像素?cái)?shù)目重新均分到直方圖的各灰度級(jí)中，設(shè)陰影部分的像素總數(shù)為Nsumclip，由此均分到每個(gè)灰度級(jí)的像素?cái)?shù)

(8)

結(jié)合圖，可將裁剪、重新分配過程用如下算法表示：

ifH(i)>HCL，H(i)=NCL；elseifH(i)+Hacq≥NCL，
H(i)=NCL；elseH(i)=H(i)+Nacq

(9)

其中，H(i)為原始區(qū)域中第i個(gè)灰度級(jí)的像素?cái)?shù)。對(duì)剩余像素從最小灰度級(jí)開始按以上方法進(jìn)行循環(huán)分配，直至超限像素個(gè)數(shù)為0為止，得到新的直方圖。

5)將經(jīng)過剪切得到的新直方圖進(jìn)行直方圖均衡化。

6)線性插值過程。以每個(gè)子塊中心點(diǎn)的灰度值為參考點(diǎn)，對(duì)圖像中每一個(gè)像素點(diǎn)進(jìn)行灰度線性插值。根據(jù)相鄰參考點(diǎn)的個(gè)數(shù)，變化函數(shù)可分為4個(gè)參考點(diǎn)的雙線性插值、2個(gè)參考點(diǎn)的單線性插值以及1個(gè)參考點(diǎn)的采用參考點(diǎn)所在塊灰度值。以雙線性插值為例，計(jì)算插值后的點(diǎn)灰度值。

圖4中，4個(gè)參考點(diǎn)A(xA，yA)，B(xB，yB)，C(xC，yC)，D(xD，yD)對(duì)應(yīng)的灰度值分別為GA(i)，GB(i)，GC(i)，GD(i)，其計(jì)算點(diǎn)P(x，y)的插值灰度值G(i)為：

G(i)=a[bGA(i)+(1-b)GB(i)]+
(1-a)[bGD(i)+(1-b)GC(i)]

(10)

其中：a=(y-yB)/(yC-yB)，b=(x-xA)/(xB-yA)，且有xA=xD，xB=xC；yA=yB，yC=yD。

圖4 線性插值示意圖

2 仿真與實(shí)驗(yàn)

2.1 試驗(yàn)系統(tǒng)和脫空樣本

試驗(yàn)采用主動(dòng)式加熱，所用的熱激勵(lì)裝置為溫度模擬試驗(yàn)箱，其光源為4個(gè)功率相同的碘鎢燈。試驗(yàn)制作2個(gè)鋼管混凝土試件，分別布設(shè)不同形式的脫空。試件1鋼管壁內(nèi)粘貼一處面積較大的聚乙烯塑料泡沫，試件2鋼管壁內(nèi)粘貼3處面積相同但厚度不同的聚乙烯塑料泡沫，試件詳細(xì)信息見表1。

表1 試件具體布置表 mm

2.2 試驗(yàn)過程

開始試驗(yàn)之前，需同時(shí)開啟4個(gè)碘鎢燈對(duì)溫度模擬試驗(yàn)箱進(jìn)行2 min預(yù)熱，預(yù)熱完畢后關(guān)閉碘鎢燈電源。然后開始調(diào)整紅外熱像儀以及鋼管混凝土的位置，使得鋼管混凝土試件擺放到碘鎢燈正下方，同時(shí)紅外熱像儀采集區(qū)域也正對(duì)鋼管混凝土試件的正上方。調(diào)整好后，同時(shí)開啟碘鎢燈電源以及紅外熱像儀采集按鈕，進(jìn)行采集。開啟碘鎢燈電源3 min后，關(guān)閉電源，再收集鋼管混凝土試件降溫至常溫的過程。試驗(yàn)過程圖見圖5。

圖5 加熱以及采集視頻過程

2.3 試驗(yàn)結(jié)果

用該算法將采集的視頻進(jìn)行處理，并將增強(qiáng)前、后熱圖進(jìn)行對(duì)比。圖6比較了試件1在不同加熱時(shí)間下增強(qiáng)前后的結(jié)果，圖7比較了試件2在不同加熱時(shí)間下處理前后的結(jié)果。

圖6 試件1在不同加熱時(shí)間下處理前后對(duì)比

圖7 試件2加熱45 s處理前后對(duì)比

由圖6可知，隨著加熱時(shí)間的增加，脫空與非脫空區(qū)域外表溫差越來越明顯，經(jīng)過處理后，圖像的缺陷與非缺陷區(qū)域?qū)Ρ榷仍鰪?qiáng)，能更加清晰地識(shí)別脫空位置；同時(shí)，處理前，由于邊緣效應(yīng)的存在，圖像顯示的缺陷形狀(橢圓形)與實(shí)際形狀(矩形)存在一定偏差，處理后，邊緣信息細(xì)節(jié)得到很大程度的加強(qiáng)，能夠基本反映出缺陷的實(shí)際形狀。

由圖7可知，對(duì)試件2加熱45 s，處理前很難識(shí)別布設(shè)的3處脫空的位置；處理后，能夠較清晰地識(shí)別出3處脫空的大概位置，且能初步標(biāo)定脫空的形狀和大小。

2.4 性能評(píng)價(jià)

結(jié)合主觀性能評(píng)價(jià)與客觀性能評(píng)價(jià)，文中采用的客觀質(zhì)量評(píng)價(jià)標(biāo)準(zhǔn)為：均值、標(biāo)準(zhǔn)差和信息熵，其中，圖像均值可以用來衡量圖像的平均亮度；標(biāo)準(zhǔn)差可以體現(xiàn)圖像的局部對(duì)比度；信息熵則用來衡量圖像信息的豐富程度。表2是對(duì)圖6的客觀評(píng)價(jià)參量的統(tǒng)計(jì)。

表2 不同加熱時(shí)間對(duì)圖像增強(qiáng)的客觀評(píng)價(jià)統(tǒng)計(jì)參量

從主觀角度對(duì)圖像增強(qiáng)效果進(jìn)行評(píng)價(jià)，發(fā)現(xiàn)CLAHE算法處理后的圖像所包含的圖像信息更加豐富，能夠更好刻畫出缺陷的形狀，而且增強(qiáng)后的圖像顏色明亮，且反映的缺陷形狀更接近真實(shí)缺陷形狀；從客觀角度對(duì)圖像增強(qiáng)效果進(jìn)行評(píng)價(jià)，處理后的圖像可提前發(fā)現(xiàn)脫空的位置與形狀，從而可縮短加熱時(shí)間，另外，當(dāng)加熱時(shí)間為120 s時(shí)，圖像處理效果最佳。

3 結(jié)論

針對(duì)紅外熱成像檢測(cè)鋼管混凝土脫空時(shí)，熱圖本身存在分辨率低、缺陷與非缺陷區(qū)域?qū)Ρ榷炔粔蚋叩膯栴}，本文提出基于CLAHE的鋼管混凝土脫空檢測(cè)熱像圖增強(qiáng)方法，試驗(yàn)結(jié)果表明：

1)紅外熱像圖通過本文提出的方法處理后，其缺陷區(qū)域與非缺陷區(qū)域之間的對(duì)比度明顯提高，能夠清晰識(shí)別出缺陷的位置以及形狀；

2)紅外熱像圖通過圖像增強(qiáng)處理后，可提前發(fā)現(xiàn)缺陷的位置，從而縮短了外界熱源的激勵(lì)時(shí)間；

3)通過試驗(yàn)，可尋找到合適的外界熱源的激勵(lì)時(shí)間，使得圖像處理的效果達(dá)到最佳。