橋梁拉索表面缺陷圖像檢測關鍵技術的研究.pdf

1、隨著橋梁交通建設的高速發(fā)展,大跨度和超大跨度橋梁的斜拉橋和懸索橋被廣泛采用。在已建成并使用的這類橋梁中,拉索是其主要受力部件,拉索的可靠性和耐久性將直接關系到橋梁的安全和使用壽命。拉索外表有聚乙烯(PE)或者高密度聚乙烯(HDPE)保護層,但是拉索保護層長期暴露于自然環(huán)境中并承受交變載荷,極易發(fā)生腐蝕破壞,從而影響拉索的使用壽命,導致橋梁安全事故的發(fā)生。因此,對拉索表面缺陷的檢測具有十分重要的意義。目前國內(nèi)外對拉索表面保護層的主要檢測方

2、法有人工檢測法和激光掃描法。這些方法存在效率低、成本高、智能化程度不足等局限。本文從此領域相關的迫切需求出發(fā),開發(fā)了一個橋梁拉索表面缺陷的機器視覺檢測系統(tǒng),并圍繞這個系統(tǒng),深入研究了機器視覺系統(tǒng)的相關理論和關鍵技術,提出了橋梁拉索表面的分布式機器視覺缺陷檢測和缺陷圖像識別的方法,取得了較好的效果。針對系統(tǒng)采集的模糊缺陷圖像,提出了基于非負支撐域遞歸逆濾波(NAS-RIF)和自適應全變分(Total Variation, TV)正則化盲圖

3、像恢復方法。為了快速有效地獲得完整的拉索表面缺陷,提出基于Harris算子改進的尺度不變特征變換(SIFT)特征匹配算法對缺陷圖像進行自動拼接。最后采用粒子群優(yōu)化(Particle Swarm Optimization, PSO)算法來優(yōu)化支持向量機(Support Vector Machine, SVM)模型并對拉索表面缺陷進行分類識別。本文的主要研究內(nèi)容與成果如下:
　　1)提出了基于分布式機器視覺橋梁拉索表面缺陷檢測與缺陷圖

4、像識別的方法。該方法首先通過爬行機器人裝載分布式圖像傳感器、光源、嵌入式DSP硬件平臺、位置傳感器和存儲設備等機器視覺系統(tǒng)沿拉索爬行,并采用4個分布式CCD圖像傳感器獲取拉索表面四周的圖像;然后以TI高性能DSP TMS320DM642(簡稱DM642)為核心處理器實時實現(xiàn)缺陷圖像預處理、缺陷目標分割和缺陷初步判別等,并對初步判別的疑似缺陷進行存儲;最后在PC機上通過圖像去模糊和圖像拼接等圖像處理技術完成缺陷圖像的識別。
　　2)

5、對橋梁拉索表面缺陷圖像預處理和缺陷提取方法的實時實現(xiàn)進行了研究。分析了表面缺陷圖像的噪聲類型及來源,并基于DM642嵌入式處理器緩存的特點,提出并改進中值濾波方法對拉索表面圖像進行快速有效的濾波處理,同時,為了快速實時實現(xiàn)缺陷目標的初步判別,結合數(shù)學形態(tài)學(Mathematical Morphology)和改進的Sobel邊緣檢測算法,提出并采用一種基于MM-Sobel的圖像分割方法提取缺陷圖像中的缺陷目標。最后對缺陷目標進行判別,并將

6、判別出的疑似缺陷圖像及其位置信息進行存儲。
　　3)針對機器視覺檢測系統(tǒng)采集的模糊表面缺陷圖像,分析了拉索表面圖像模糊的模型,提出了一種將NAS-RIF與自適應全變分正則化相結合的圖像盲復原算法。該算法針對原始NAS-RIF算法在低信噪比下對噪聲敏感的問題,并結合圖像退化和圖像盲復原的機理,在原始NAS-RIF算法代價函數(shù)的基礎上加入TV正則化約束項。為了有效地達到圖像細節(jié)恢復和噪聲抑制之間的平衡,通過最大后驗概率自適應地調(diào)整全變

7、分正則化參數(shù),并采用優(yōu)化最小化的共軛梯度迭代算法,提高算法的收斂速度。實驗結果表明,文中算法的復原效果具有較好的適應性和有效性。
　　4)系統(tǒng)采用4個CCD攝像頭分布在拉索表面一周獲取圖像,一個缺陷有可能分布在幾幅圖像中。為了識別完整的缺陷,需要對相應的缺陷圖像進行自動拼接。圖像匹配是圖像拼接算法中十分關鍵的步驟,根據(jù)系統(tǒng)獲取拉索表面圖像的特征,提出了基于Harris算子改進的SIFT特征匹配算法對缺陷圖像進行匹配。首先采用簡潔有

8、效的Harris算子提取特征點;然后根據(jù)檢測系統(tǒng)采集缺陷圖像的特點,簡化SIFT算子的特征點主方向分配和匹配圖像旋轉等算法步驟,對特征點進行描述和匹配;最后融合匹配圖像,得到相對完整的缺陷圖像。實驗結果表明,該方法大大降低了算法的復雜度,可以快速有效地獲得完整的拉索表面缺陷。
　　5)拉索表面主要存在縱向開裂、橫向開裂、表面侵蝕和疤坑孔洞等4類缺陷,本文基于特征提取和支持向量機算法對這4類缺陷進行分類識別。為了提高SVM分類識別率

9、,采用粒子群優(yōu)化算法來優(yōu)化SVM模型的懲罰系數(shù)c和核函數(shù)參數(shù)g,即 PSO-SVM算法。通過對拉索表面缺陷的分類識別實驗,分類識別率達到了96.25％。實驗結果表明,采用PSO-SVM對拉索表面缺陷進行分類識別具有較高的識別率和較快的識別速度。
　　論文重點對橋梁拉索表面缺陷圖像檢測關鍵技術的理論和實驗進行研究。基于分布式機器視覺拉索表面缺陷檢測系統(tǒng),采用有效的缺陷圖像預處理、缺陷目標分割和缺陷初步判別等圖像處理技術,改善了機器視