高 晶

(山西省信息產(chǎn)業(yè)技術(shù)研究院有限公司，山西 太原 030012)

0 引言

地下交通工程主要包括了城市軌道交通工程及公路隧道工程。城軌交通方面，截至2018年底，我國共有35個城市開展了城市軌道交通建設(shè)，運營線路185條，總長度5761.4 km，2018年全年累計完成客運量210.7億人次；公路隧道方面，截至2018年底，我國公路隧道為15987處、14158.7 km。其中，特長隧道815處、3622.7 km，長隧道3520處、6045.5 km。隨著交通運輸業(yè)的迅速發(fā)展，運營隧道的數(shù)量爆發(fā)式增長，隧道維護(hù)及隧道病害處理方面的工作愈發(fā)重要。隧道病害主要包括襯砌裂紋、隧道滲漏水、隧道凍害及空氣污染等幾方面，其中，裂紋病害及滲漏水現(xiàn)象又存在安全隱患大、發(fā)生概率高等特點，是維護(hù)工作重點需要解決的問題。傳統(tǒng)裂紋病害及滲漏水檢測依靠人工方式實現(xiàn)，在隧道停止運營的有限時間內(nèi)開展人工巡視，作業(yè)環(huán)境差、效率低、受主觀影響大。隨著機器視覺等先進(jìn)技術(shù)的發(fā)展，將OpenCV圖像處理技術(shù)應(yīng)用于裂紋病害及滲漏水檢測，是目前隧道維護(hù)自動化檢測研究的熱門方向之一，其具有檢測效率高、準(zhǔn)確度高、自動化智能化程度高等特點，在替代傳統(tǒng)的地下交通工程病害檢測方面具有重要的實用價值[1]。

1 圖像處理方案設(shè)計

地下交通工程病害檢測系統(tǒng)主要實現(xiàn)裂紋病害及滲漏水現(xiàn)象的智能識別及標(biāo)注；應(yīng)用OpenCV圖像處理技術(shù)及機器視覺圖像采集技術(shù)。系統(tǒng)主要包括了圖像載入、圖像閾值化、中值濾波、Canny邊緣檢測、形態(tài)學(xué)變換及標(biāo)注病害等6個部分。

1.1 圖像載入

圖像采集硬件系統(tǒng)利用4K線掃相機組成環(huán)形陣列，實現(xiàn)隧道襯砌表面圖像采集，與編碼器聯(lián)動輸出4000*4096規(guī)格的原始圖片，保存于硬盤。軟件系統(tǒng)依托圖形工作站的強大處理能力，調(diào)用原始圖片進(jìn)行圖像處理及病害識別。

1.2 圖像閾值化

本系統(tǒng)主要處理的隧道表面圖像由于光照、現(xiàn)場環(huán)境等原因，均存在對比度較低的問題，故首先采用全局直方圖均衡化的方法實現(xiàn)圖像增強，其主要步驟為：計算圖像的灰度直方圖；計算灰度直方圖的累加直方圖；輸入灰度級和輸出灰度級之間的映射關(guān)系；根據(jù)映射關(guān)系循環(huán)輸出圖像每一個像素的灰度級。其中的映射關(guān)系是：

增強后的圖像即進(jìn)行閾值化操作，將圖像上點的灰度置為0或255，得到的二值化圖像有利于進(jìn)一步處理，且圖像的集合性質(zhì)只與像素值為0或255的點的位置有關(guān)，不再涉及像素的多級值，使后期處理變得簡單，數(shù)據(jù)的處理和壓縮量小。圖像閾值化操作采用局部閾值化的方法完成，根據(jù)像素鄰域塊的像素值分布來確定該像素位置上的二值化閾值，每個像素位置處的二值化閾值不是固定不變的，而是由其周圍鄰域像素的分布來決定的。不同亮度、對比度及紋理的局部圖像區(qū)域?qū)O(shè)置相對應(yīng)的局部二值化閾值[2]。圖像增強及閾值化操作后的圖像如圖1所示。

圖1 圖像增強及閾值化操作

1.3 中值濾波

中值濾波是一種非線性濾波器，本質(zhì)上是統(tǒng)計排序濾波器的一種，中值濾波對圖像特定噪聲類型(例如椒鹽噪聲)會取得比較好的去噪效果，是常見的圖像去噪聲與增強的方法之一。中值濾波在其對應(yīng)ROI區(qū)域下對所有像素值排序，取中值作為中心像素點的輸出值。中值濾波處理后的圖像有利于保留邊緣的尖銳度[3]。

結(jié)合隧道表面圖像的特點，使用OpenCV中值濾波函數(shù)medianBlur()，通過mask operation操作實現(xiàn)濾波功能，將ksize參數(shù)設(shè)置為7，得到的濾波后圖像如圖2所示。

圖2 中值濾波操作

1.4 Canny邊緣檢測

Canny邊緣檢測是由Laplace濾波器改進(jìn)而成的邊緣檢測算法，其基本思想是對圖像選擇一定的Gauss濾波器進(jìn)行平滑濾波，然后采用非極值抑制技術(shù)進(jìn)行處理得到最后的邊緣圖像，具有錯誤率低、定位良好、最小響應(yīng)等特點，能夠快速高效地實現(xiàn)圖像特征邊緣的檢測與提取[4]。Canny邊緣檢測一般分為4步：噪聲去除、計算圖像梯度、非極大值抑制、滯后閾值。

本系統(tǒng)使用OpenCV邊緣檢測值函數(shù)Canny()，將(threshold1,threshold2)閾值分別設(shè)置為(10，150)，得到的邊緣檢測圖像如圖3所示。

1.5 形態(tài)學(xué)變換

形態(tài)學(xué)變換是基于圖像形狀的一種操作，基礎(chǔ)操作為腐蝕和膨脹，另外還衍生出開運算、閉運算、梯度運算等。針對邊緣檢測操作處理后的圖像，本系統(tǒng)采用閉運算的操作對圖像進(jìn)行處理。閉運算先膨脹再腐蝕，用來排除小型空洞、平滑物體輪廓、彌合(連接)窄的間斷點溝壑以及填補輪廓線斷裂[5]。

本系統(tǒng)選取的結(jié)構(gòu)化元素為MORPH_RECT、(5,5)，處理后圖像中檢測到的輪廓基本被填充，得到的形態(tài)學(xué)變換圖像如圖4所示。

圖4 形態(tài)學(xué)變換操作

1.6 標(biāo)注病害

經(jīng)以上處理，最后對圖像中的填充區(qū)域進(jìn)行病害特征的標(biāo)注，標(biāo)注時可根據(jù)隧道病害維護(hù)工作積累的經(jīng)驗，對病害特征的面積、周長等信息設(shè)置合理的閾值，實現(xiàn)數(shù)據(jù)的再次去噪及智能化選擇。病害特征使用紅色字體標(biāo)注在原始圖像上，識別效果突出，易于用戶對照檢查。圖像標(biāo)注病害后的結(jié)果如圖5所示。

圖5 病害標(biāo)注結(jié)果圖

2 系統(tǒng)測試

選取某地鐵隧道襯砌表面拍攝圖像，合成后圖像質(zhì)量為4096*16000，圖像大小約60M，達(dá)到病害檢測精度要求。圖像經(jīng)人工排查存在裂紋及滲漏水的病害現(xiàn)象。應(yīng)用地下交通工程病害檢測系統(tǒng)對圖像進(jìn)行處理，能夠識別標(biāo)注襯砌表面存在的裂紋現(xiàn)象，并計算裂紋長度；能夠識別標(biāo)注襯砌表面存在的滲漏水現(xiàn)象，并計算滲漏水污染的面積；能夠自定義輸出檢測結(jié)果報表用于人工核驗。部分檢測結(jié)果如圖6所示。同時，在進(jìn)行了大量的人機檢測與對比后得出，該系統(tǒng)的檢測精度達(dá)到mm級；對圖像中存在的裂紋病害及滲漏水現(xiàn)象檢出率達(dá)到95%以上；在所檢出的病害現(xiàn)象中，誤報率控制在6%以內(nèi)，并能夠通過場景內(nèi)大量檢測數(shù)據(jù)調(diào)整檢測閾值，進(jìn)一步降低誤報率。

圖6 病害檢測結(jié)果

4 結(jié)論

本文對基于OpenCV的地下交通工程病害檢測系統(tǒng)中的圖像處理部分做了詳細(xì)敘述。通過測試，系統(tǒng)能夠有效地檢出圖像中存在的裂紋及滲漏水病害，并能夠?qū)崿F(xiàn)自定義方式的干擾信息過濾，避免了地下交通工程復(fù)雜環(huán)境對檢測過程的影響。系統(tǒng)應(yīng)用于實際工作，能夠取代傳統(tǒng)人工巡檢方式，提高地下交通工程運維工作效率。另外，研究過程中發(fā)現(xiàn)，在地下交通工程環(huán)境下開展圖像采集工作，對光源的要求極為嚴(yán)格，光照不均及照度不足會加大后期圖像處理難度，故而應(yīng)使用大功率穩(wěn)定LED光源或配套的激光光源作為圖像采集光源；其次，在檢測數(shù)據(jù)積累到一定的規(guī)模，可以引入深度學(xué)習(xí)的方法，構(gòu)建、訓(xùn)練模型實現(xiàn)隧道病害現(xiàn)象的自主檢測，進(jìn)一步提高檢測工作的智能化水平。