暗通道先验的大坝水下裂缝图像增强算法

目的 大坝水下裂缝图像存在非均匀亮度、低信噪比、低对比度等复杂情况,导致裂缝特征提取极为困难,本文提出一种改进暗通道先验的大坝水下裂缝图像自适应增强算法。方法 首先对非均匀光照图像进行全局匀光处理和噪声抑制处理,在保护纹理信息的同时消除亮度分布不均的问题;其次改进暗通道先验理论,结合导向滤波方法,精确估算去噪恢复图像;然后对去噪恢复图像进行基于概率分布理论3σ原则的自适应分段线性增强;最后对增强图像从均值、方差、峰值信噪比、对比度和信息熵等方面进行整体定量评价。结果 选取了2幅典型的水下光照不均匀大坝裂缝图像作为研究对象,采用本文提出的方法进行图像增强处理。将本文算法的增强效果与直方图均衡化、同态滤波、多尺度视网膜增强算法（MSR）以及带色彩恢复的多尺度视网膜增强算法（MSRCR）的增强效果进行对比分析。为了测试本文方法的鲁棒性,对原图像增加椒盐噪声信号和高斯噪声信号,评估本文算法对包含确定分布噪声的抗干扰能力。本文方法相比以上其它方法,具有最好的增强效果,对2幅原始图像对应增强图像的峰值信噪比（PSNR）分别为42.77和41.49。结论 仿真实验结果表明,本文方法能有效抑制水下图像噪声干扰,增强大坝水下裂缝图像的清晰度。本文方法对不同光照条件下大坝水下裂缝图像增强有很强的自适应性,对水下裂缝图像增强处理有效可行。     

基于偏振度特征图的水下裂缝图像分割算法

由于水体侵蚀、自然老化等问题,水库大坝等水下结构物在长期运行过程中存在表面损伤缺陷,与青苔、贝壳等附着物形成的凹陷,在颜色、纹理等方面具有极高的相似性。当凹陷距离裂缝较近时,极易引起裂缝图像分割误判。为解决该问题,本文引入偏振信息,提出一种基于偏振度特征图的裂缝图像分割算法,以超像素块为单元进行偏振度特征图提取,利用偏振度设定区域生长规则,以种子区域为基础进行区域生长合并,最后根据图像深度图确定裂缝区域。实验结果表明该算法能够有效减少分割误判,裂缝分割结果的特异性和准确度指标均能达到0.9以上,高于现有算法。     

基于改进K-means算法的不均匀光照下道路裂缝检测

传统的基于K-means聚类算法由于仅考虑裂缝像素值大小,导致了不均匀光照下的路面裂缝提取不精确。为提高不均匀光照下道路裂缝检测的效率和准确性,提出一种改进的K-means聚类算法与区域生长法结合的道路裂缝图像检测算法。该算法首先运用改进的K-means聚类算法对不均匀光照下的路面裂缝进行粗定位;然后采用区域生长法对粗定位的裂缝图像进行准确提取;最后采用形态学算法进行优化处理以提升裂缝分割效果。该算法把路面裂缝位置信息加入到聚类算法中,并结合裂缝的像素值来综合判断裂缝区域,从而克服了图像采集过程中由于光照不均或物体表面反光等原因造成的裂缝信息识读困难的问题。实验结果表明,与传统K-means算法相比,该方法对光照不均的路面裂缝提取在处理效果和性能方面均有明显提升,同时抑制了噪声的干扰,为路面裂缝参数的提取及病害程度的定性分析奠定了基础。     

基于改进SIFT特征的水下图像拼接技术研究

针对水下图像存在颜色失真、对比度较低等问题,而传统的图像拼接算法直接用于水下图像拼接是不奏效的,文中选用暗通道先验去雾算法来对水下图像进行增强,再运用白平衡算法来校正水下图像的颜色,并用主观评价和客观评价来判断预处理的好坏。然后,选取尺度不变特征变换(SIFT)算法来进行特征点的提取。由于水下图像纹理信息较丰富,因此在进行特征点描述时添加图像的纹理信息,使其能够进行更精确的特征点描述。实验结果表明,改进后的算法能够降低误匹配率,改善水下图像拼接效果。     

基于图像增强与分水岭分割的隧道低对比度裂缝提取方法

在实际的隧道裂缝检测中,存在细小、对比度低且有污渍点干扰的隧道裂缝,利用常规方法很容易漏检裂缝。为了解决此问题,提出一种基于图像增强与分水岭分割的裂缝提取算法,该算法有效利用背景信息补偿了污渍点,均衡了图像背景对比度。结合高低帽变换方法对图像进行增强,然后根据分水岭算法获取分水岭分割线;比较分割线所在位置的灰度值与其周边灰度值,并通过灰度值差异判断裂缝边缘,从而提取裂缝。实验结果表明,所提算法能够准确、有效地检测出完整的隧道裂缝,且对噪声具有鲁棒性。     

基于图像的桥梁裂缝检测算法

为了检测桥梁混泥土表面的裂缝,提出了基于图像的种子游走二值化桥梁裂缝检测算法。首先,随机产生一些种子点,使每个种子点在给定的规则下进行游走;接着,统计这些种子点的位置,将原始图像转化为二值化图像;然后,提取二值化图像的连通分量,构造连通分量的特性指标,消除噪声像素;最后,分析连通分量间的位置关系并进行拼接,提取出桥梁表面图像中的裂缝。试验结果表明,裂缝检测算法具有稳定性高、对光照不均匀以及背景噪声的影响不敏感、检测效果好等特点。     

工程结构构件裂缝图像的处理与宽度测量

在分析工程结构构件表面裂缝数字图像的基础上,考虑到图像数据量之大以及测量时间的要求,采用辅助图像定位裂缝图像处理区域,减少了图像处理的数据量,使图像处理时间可以减少一个或者两个数量级;然后在裂缝图像处理区域中进行图像分割提取出裂缝,对裂缝二值图像进行左右边界提取,进而得到裂缝宽度信息;实验结果表明,该算法能够比较稳定和准确地检测工程结构构件表面裂缝的位置、宽度等特征.     

基于流形距离的迭代聚类算法路面裂缝提取

针对现有算法检测精度不高和边缘定位不准确的问题,提出一种基于流形距离的迭代聚类路面裂缝提取算法。通过计算2个数据点之间的流形距离,设计聚类目标准则函数,利用迭代最优方法解决准则函数的优化问题,将所有数据点划分为背景和目标2个聚类,并结合图像分割算法提取路面裂缝信息。实验结果表明,该算法能稳定有效地提取出图像中的连续裂缝边缘,可用于路面裂缝的自动检测。     

基于多尺度曲波变换的路面裂缝融合算法

针对模糊、不连续的路面裂缝病害图像,提出一种新颖的图像处理算法进行裂缝病害的提取。将采集的路面病害图像进行对比度增强、Canny-HBT（双曲正切）滤波去噪、亮度非均匀校正等一系列预处理操作,以提高图像中裂缝与路面背景的差异;对预处理后的路面病害图像进行多尺度的曲波变换表示,并在图像重构前利用Max-Mean混合的融合算法对裂缝连通区域进行阈值判决实现裂缝的精细融合;实验表明,该算法能更好地优化边缘定位,有效地提取弱对比度的裂缝和细小裂缝,提高了路面裂缝边缘检测的可靠性和精度,同时也提高了PSNR值。     

基于多尺度特征融合生成对抗网络的水下图像增强

针对水下退化图像细节模糊、对比度低和蓝绿色偏问题,提出了一种基于多尺度特征融合生成对抗网络的水下图像增强算法。算法以生成对抗网络为基本框架,结合传统白平衡算法和多尺度增强网络实现对水下退化图像的增强。通过改进的通道补偿白平衡算法矫正蓝绿色偏,并以卷积神经网络提取偏色校正后图像的特征;提取图像多尺度特征,结合提出的残差密集块将每一层的局部特征增强为捕获语义信息的全局特征,并与偏色校正图像的特征相融合;通过重建模块将融合特征重建为清晰图像,恢复图像的细节信息。实验结果表明,该算法增强的水下图像去雾效果较好且颜色更真实,有效改善了水下图像色偏和模糊的问题,在主观指标和客观指标上的实验结果均优于对比算法。     

A novel automatic dam crack detection algorithm based on local-global clustering

Dam crack detection is necessary to ensure the safety of dams. However, traditional detection methods always perform poorly, with a low detection rate and high false alarm rate, due to the complex underwater environment. In this paper, a novel automatic dam crack detection algorithm (CrackLG) is proposed based on local-global clustering analysis that can find cracks on dam surfaces accurately and quickly using images as well as reduce human subjectivity. First, an image shot of an underwater dam surface is divided into non-overlapping image blocks after pre-processing. Then, image blocks containing crack pixels are identified by local clustering analysis. Second, the image is binarized by adaptive bi-level thresholding based on the local gray intensity. Meanwhile, some noise is removed based on the computed optimal threshold. After extracting global 3-D features, final crack regions are obtained by global clustering analysis. The advantage of CrackLG is that the threshold for realizing image binarization is self-adaptive. Additionally, it can automatically perform crack detection without human supervision. The simulation and comparison show that the proposed CrackLG method is more effective for underwater dam crack detection.     

基于人工欠曝光融合和白平衡技术的水下图像增强算法

获得清晰准确的水下图像是人类探索水下世界的重要前置条件。然而与平常图像相比,水下图像往往具有对比度低、细节保留不足及颜色失真等问题,这导致其视觉效果不佳。针对上述问题,提出了基于人工欠曝光融合和白平衡技术（AUF+WB）的水下图像增强算法。首先,利用调节伽马值的方式对原始水下图像进行操作,从而生成5幅相应的欠曝光图像;然后,以对比度、饱和度及良好曝光度作为融合权重,并结合多尺度融合来生成融合图像;最后,将各类颜色通道补偿后的图像分别结合灰色世界假设白平衡生成相应的白平衡图像,再利用水下彩色图像质量评价指标（UCIQE）及水下图像质量评价标准（UIQM）对得到的白平衡图像进行评价。通过选取不同类型的水下图像作为实验样本,将AUF+WB算法与现存先进的水下图像去雾算法进行比较,结果表明AUF+WB算法在图像质量定性、定量两方面分析中和对比算法相比均有更好的表现。所提出的AUF+WB算法可矫正水下图像的颜色失真,并增强其对比度、恢复其细节,有效提升了水下图像的视觉质量。     

形态学与区域延伸相结合的图像裂缝检测算法研究

在复杂背景下,由于光照不均、混凝土气泡、阴影等噪声干扰,导致路面裂缝误检并存在不同程度的断裂。为了解决此问题并实现路面裂缝的精确检测,提出一种结合数学形态学和区域延伸的裂缝检测算法。该算法首先用形态学对自然条件下采集的路面图像进行预处理,并结合Canny边缘检测和形态学来对裂缝进行粗略检测,然后用区域延伸算法对裂缝进行精确检测,最后对检测裂缝进行后处理。实验结果表明,提出的算法能够对图像裂缝进行高效、精确的检测。     

CrackTree: Automatic crack detection from pavement images

Pavement cracks are important information for evaluating the road condition and conducting the necessary road maintenance. In this paper, we develop CrackTree, a fully-automatic method to detect cracks from pavement images. In practice, crack detection is a very challenging problem because of (1) low contrast between cracks and the surrounding pavement, (2) intensity inhomogeneity along the cracks, and (3) possible shadows with similar intensity to the cracks. To address these problems, the proposed method consists of three steps. First, we develop a geodesic shadow-removal algorithm to remove the pavement shadows while preserving the cracks. Second, we build a crack probability map using tensor voting, which enhances the connection of the crack fragments with good proximity and curve continuity. Finally, we sample a set of crack seeds from the crack probability map, represent these seeds by a graph model, derive minimum spanning trees from this graph, and conduct recursive tree-edge pruning to identify desirable cracks. We evaluate the proposed method on a collection of 206 real pavement images and the experimental results show that the proposed method achieves a better performance than several existing methods.     

基于深度学习的桥梁裂缝检测算法研究

传统的图像处理算法不能很好地对桥梁裂缝进行检测,而经典的深度学习模型直接用于桥梁裂缝的检测,效果不甚理想.针对这些问题,本文提出了一种基于深度学习的桥梁裂缝检测算法.首先,利用滑动窗口算法将桥梁裂缝图像切分为较小的桥梁裂缝面元图像和桥梁背景面元图像,并根据对面元图像的分析,提出一种基于卷积神经网络（Convolutional neural networks,CNN）的DBCC（Deep bridge crack classify）分类模型,用于桥梁背景面元和桥梁裂缝面元的识别.然后,基于DBCC分类模型结合改进的窗口滑动算法对桥梁裂缝进行检测.最后,采用图像金字塔和感兴趣区域（Region of interest,ROI）结合的搜索策略对算法进行加速.实验结果表明:与传统算法相比,本文算法具有更好的识别效果和更强的泛化能力.     

基于遗传神经网络的机场跑道局部影响的裂缝检测算法

针对机场跑道裂缝的自主识别和提取过程中存在的阴影、光照不均匀以及效率和精度难以兼顾等一系列问题,提出利用遗传算法优化神经网络的机场道面裂缝检测算法。首先,将拍摄的机场道面裂缝图像进行预处理,包括图像灰度化、高斯滤波以及ROI区域确定。设定神经网络拓扑结构,初始化编码长度以权值阈值及等参数,利用选择、交叉和变异等操作反复执行至最佳进化解,进而搭建匹配的神经网络,获得最大分割阈值。结果表明,遗传神经网络算法在综合评价、召回率、和准确率3个评价指标上均具有显著提升,其均值分别为93.22%、96.28%、90.75%,实现了在复杂背景下对裂缝提取的目标,为机场道面的后期维护和保养提供了技术支持。     

基于水动力学、分数阶微分及Steger算法的线状目标提取

目的 线状目标的检测具有非常广泛的应用领域,如车道线、道路及裂缝的检测等,而裂缝是其中最难检测的线状目标。为避免直接提取线状目标时图像分割难的问题,以裂缝和车道线为例,提出了一种新的跟踪线状目标中线的算法。方法 对图像进行高斯平滑,用一种新的分数阶微分模板增强图像中的模糊及微细线状目标;基于Steger算法提出一种提取线状目标中心线特征点的算法,避免了提取整体目标的困难;根据水动力学思想将裂隙看成溪流,通过最大熵阈值处理后,先进行特征点的连接,再基于线段之间的距离及夹角进行线段之间的连接（溪流之间的融合）。结果 对300幅裂缝图像及4种类别的其他线状目标图像进行试验,并与距离变换、最大熵阈值法+细线化Otsu阈值分割+细线化、谷底边界检测等类似算法进行比较分析,本文算法检测出的线状目标的连续性好、漏检（大间隙少）和误检（毛刺及多余线段少）率均较低。结论 本文算法能够在复杂的线状目标图像中准确快速地提取目标的中心线,一定程度上改善了复杂线状目标图像分割难的问题。     

面向线阵列CCD道路影像的裂缝识别

目的 道路裂缝的等级评定是公路养护的基本任务之一,目前国内相关部门主要通过线阵列相机采集道路影像,由于道路影像裂缝的识别会受到多种因素干扰（树木及车辆的投影、光照变化、油渍、树枝与稻草等条状物、各类垃圾）,降低了基于道路影像自动识别裂缝算法的准确率,导致对于路面等级评价依旧采用人工的方式进行,为此提出一种道路影像裂缝鲁棒识别方法。方法 由于采集的图像尺寸较大,同时为了避免光照不均匀带来的问题,首先对图像进行分块,采用改进的CV模型对分块影像进行预处理,获得初步的分割结果。其次,通过以下4个特点识别线阵列CCD道路影像的裂缝：1）裂缝在分块区域中占据较小的面积比;2）裂缝在影像中呈现的连续性较差;3）裂缝的宽度与长度比值较小;4）同一段裂缝的走向基本一致。为了利用裂缝的后两项特点,采用椭圆拟合的方法计算初步分割区域的方向,并以此为基础将这些区域分为4类。在每个分类中,分别计算各区域内的质心位置,建立质心间的矢量表,设计递归算法计算其共线性,获得裂缝检测结果,并以此为基础构造活动模型的初始距离矩阵,通过在原图中迭代求解更为精确的裂缝区域。结果 从2 000幅道路影像中挑选包含道路裂缝的影像100幅,并按序号等间隔分别取出5组未含有裂缝的影像100幅,每组200幅组成数据集进行测试,采用分类指标统计的方法评测本文算法性能,在正确率、灵敏度、特效度、精度上均达到95%以上,道路裂缝的检测与提取时间约为1 min。结论 该方法不仅可以有效地识别裂缝,同时可以克服了环境中多种因素的干扰,误识别率较低,具有较高的实际应用价值。     

Stability analysis of the temperature cracks in Xiaowan arch dam

In the Xiaowan arch dam there are massive temperature cracks nearly parallel to the dam axis. Obviously, whether the cracks may spread or not during the water storage process is one of the crucial factors for the safety of a dam. In this paper, a new type of crack element, in which the contact component is implicitly included into the concrete component, is proposed to simulate the effects of the existing cracks. The crack element is proved by numerical example to share the merits of both conventional conta...