[发明专利]一种混凝土桥梁裂缝的自动检测方法和预测方法

说明书

本文发明涉及一种混凝土桥梁裂缝的自动检测方法和预测方法。本发明结合了数字图像处理、机器学习和计算机视觉的相关经典算法，尤其是创造出的灰度空间多尺度特征组，使本发明即使是在路面状况十分复杂的情况下，十分细小的裂缝都可以检测出来，解决了现有技术中存在的数字图像处理对于裂缝图像对比度比较低，裂缝细小根本检测不到的问题；机器学习依赖于裂缝分割，一旦裂缝分割失败，提取的特征错误；以及都不能对桥梁裂缝进行预测的问题；另外根据检测出的裂缝的区域，结合计算机视觉的图像拼接技术，构建裂缝密度地图，结合先验知识，可以得到裂缝比较严重的区域，该区域预示着桥梁可能发生断裂或者发生危险事故，从而完成预测。

技术领域

本文发明属于计算机视觉、机器学习和数字图像处理技术领域，具体涉及一种混凝土桥梁裂缝的自动检测方法和预测方法。

背景技术

数字图像处理进行裂缝检测大多采用边缘检测、形态学或者阈值化等方法，且针对的是高对比度的裂缝图像，但是这些方法对噪声、油渍、水渍等干扰物敏感，鲁棒性不强，并且需要人为设置和调整参数，更重要的是，现实中的裂缝图像对比度比较低，甚至于裂缝很细小，根本检测不到。

机器学习不需要人为设置和调整参数，具有自适应性，已经成功运用到图像识别和分类中。机器学习的关键在于构建合适的算法来提取具有代表性的特征。例如，神经网络被用来决定裂缝方向时，提取特征运用的是标准图像二值化方法；支持向量机、最邻近算法和神经网络被用来分类时，提取的特征运用的是统计学原理和数字图像处理方法。

但这些机器学习方法有一个共同的缺点：依赖于裂缝分割。一旦裂缝分割失败，提取的特征就是错误的，随之，后续的一系列处理也就没有了意义。

整体来说，现有技术中，对于混凝土桥梁裂缝检测的研究是在不断进步的，但是结合计算机视觉、机器学习和数字图像处理相关技术的混凝土桥梁裂缝检测研究还是比较少的。

2014年，周传林在《筑路机械与施工机械》第2期中，发表了《图像处理技术在混凝土桥梁裂缝检测中的应用研究》，重点研究了灰度化、图形增强、空间滤波以及灰度阈值等裂缝图像处理技术。2015年，李文波和杨保春在《湖南交通科技》第41卷第1期中，发表了《基于图像处理技术的混凝土桥梁裂缝宽度检测》，主要研究了canny算法来提取裂缝轮廓。以上基于图像处理的桥梁裂缝检测算法之所以取得了良好的实验效果，是因为采集图像的对比度很高，噪声很低，且场景比较简单，不存在油渍、水渍等障碍物；如果采集的图像受各种因素的干扰，则很难检测到对比度比较低的以及细小的裂缝。

2016年，陈瑶、梅涛和王晓杰等人在《中国科学技术大学学报》第46卷第9期中，发表了《基于爬壁机器人的桥梁裂缝图像检测与分类方法》，该文献运用图像处理方法对获取的图片进行预处理，然后运用小波变换对图像中的裂缝目标进行增强，再用二值图像形态学分析提取裂缝目标，最后用支持向量机方法对裂缝进行分类。虽然该文献对机器视觉和机器学习等领域进行了探索，但是研究的不够深入，仅仅涉及到机器视觉中的非接触采集图像和机器学习中的支持向量机算法，更不能对桥梁的裂缝进行预测。

发明内容

为了解决现有技术中存在的数字图像处理对于裂缝图像对比度比较低，甚至于裂缝很细小，根本检测不到的问题；机器学习依赖于裂缝分割，一旦裂缝分割失败，提取的特征就是错误的；以及都不能对桥梁裂缝进行预测的问题，本发明创造性地结合了数字图像处理、机器学习和计算机视觉的相关经典算法，开发出了一个实用的混凝土裂缝自动检测和预测方法。本发明通过以下技术方案实现：

一种混凝土桥梁裂缝的自动检测方法，包括以下步骤：

S1、采集桥梁路面数据集：采集桥梁路面状况视频，再将视频序列转变为图像序列，得到原始图像；

S2、用鲁棒的线段探测器定位裂缝所占区域：将S1采集到的所有原始图像裁剪成像素为15*15的图像块，运用鲁棒的线段探测器在每个图像块中拟合一条线段，通过图像块中是否存在拟合出来的线段，来定位裂缝所占区域；