基于特征分析的图像式地铁隧道裂缝检测方法研究

地铁隧道表面裂缝的自动检测技术是当下一个重要的研究方向。通过设计基于机器视觉的隧道裂缝自动检测系统来对裂缝进行识别,针对地铁隧道表面普遍存在的光照不均匀、噪声污染严重、对比度低等问题,依次采用Mask均光与灰度级腐蚀相结合的方法对图像进行增强处理,采用高斯-快速中值滤波算法滤除大量噪声,采用基于边缘信息的二次改进Otsu方法对裂缝图像进行有效分割,最终得到裂缝区域完整且噪声区域较少的二值图像。采用投影和阈值结合的方法判定裂缝种类,获取裂缝的长度、宽度及面积等特征指标来实现对裂缝的检测识别。研究结果表明:所提出的算法对普通裂缝的识别率达93%以上,对于地铁隧道表面裂缝识别准确率可达83%,验证了本文算法的有效性。

基于自适应均值的地铁隧道裂缝图像滤波算法

地铁隧道表面光照不均匀、对比度低、噪声干扰严重,采集到的裂缝图片较灰暗且含有大量混合噪声,因而单一的滤波方法不能达到很好的去噪效果。针对该问题,提出一种基于快速中值的自适应均值滤波算法来实现隧道裂缝图像滤波。该算法先对图像进行反转以增强裂缝与背景的对比度,通过快速中值法计算滤波窗口的中值,自适应地选取合适的阈值来对滤波系数加以优化,并将窗口各像素点的灰度值进行加权运算,其结果作为窗口中心点灰度值,并输出。通过与传统中值、均值滤波算法比较,提出的新算法不仅降低了图像噪声,而且有效地保护了裂缝边缘,降低后续对裂缝特征量提取及分割识别的难度。