基于图像的框架混凝土表面裂缝监测和量化

文摘

在工程社区,无损成像已广泛用于损伤识别通过捕获异常表面或内部的结构元素。在本文中,我们关注的一个最常见的损伤类型中观察到土木工程,即混凝土表面裂缝。确定这种类型的损坏,我们提出一个基于图像的框架,即光学相机提供了源图像。框架涉及到几个先进的图像处理方法,包括:(i)损伤发生的决心使用时间序列图像,(ii)损伤的定位在每个图像帧,和(3)的几何量化损伤。可能出现的挑战当图像获得在实验室或现场环境。提供了两个应用实例来演示使用和该方法的有效性。

1。介绍

社区的结构健康监测(SHM)和无损评价(NDE),开发一种自动的解决方案结构损伤识别一直是一个重要目标。大多数单孔位微吹气扰动方法依赖于一维振动传感信号,用于提取全球结构完整性的模态特性签名使用系统识别或统计模式实现方法(1,2];因此,对结构损伤通常是基于分类这些间接的签名。不同于这些SHM方法、无损探伤方法,尤其是2 -或高维成像方法,能够提供一个直接描述当地的结构性破坏。根据图像的性质、空间范围和光谱变化的损伤通常表现在捕获的图像。随后,一个可以使用摄影测量或图像定量分析方法来提取这些损伤特征。

各种成像技术已经开发在濒死经历社区为了检测当地结构性破坏公民/机械系统或组件。广泛使用的成像设备包括红外测温术、微波成像、声成像,x射线成像,和其他radiography-based方法(3]。在实践中遇到的常见类型的结构损伤包括外部或内部裂缝、空洞,分层,消融,等等。检测这些不同类型的损伤,成像设备通常必须定制捕获相关的特征物理伤害;因此产生的设备可能是昂贵的。然而,在土木工程,光学成像通过商业便宜的相机已经成为一个重要的,经济上可行的实用程序来记录结构性破坏。其使用被广泛的在实验室设置;然而,在现场使用最近也变得司空见惯的低成本高分辨率光学相机和相关辅助设备。加快和自动损伤识别使用捕获的数字图像,计算图像处理工具一直在试图探测和跟踪结构性破坏静态图像或动态图像帧(4- - - - - -8]。

在本文中,我们考虑的一个最常见类型的损伤在土木工程,即混凝土表面裂缝。混凝土是应用最广泛的人造材料构造系统,现实和表面裂纹是由于其较低的抗拉强度和环境敏感性。因此,众所周知,混凝土结构的主要破坏形式是表面裂缝。在工程实践中,混凝土表面裂缝的识别是一项不可或缺的任务的过程中进行伤害或失败——预防结构升级。非常狭窄细小的裂缝,然而,由于自然过程可能出现的收缩为例,通常不足以改变全球重要元素的结构完整性因此他们不使用单孔位微吹气扰动技术可识别的。然而,这些裂缝的出现和传播在混凝土结构可能表明潜在的初始结构完整性的退化或相关系统的软化。在实践中,混凝土表面的视觉检查是一种常见的方法。例如,大量的人类努力致力于周期性目视检查混凝土桥梁在美国(9]。

在图1,两组手动准备图像马赛克显示。在图1(一),例如表面显示普通混凝土完成而在图1 (b)混凝土表面明显裂缝。一般来说,对象在光学图像显示不同表面特性的光谱强度及其地形模式。更具体地说,普通混凝土表面通常可以被视为一种纹理轻强度和视觉识别发现空气的口袋。裂缝,另一方面,通常深大约一致的光谱强度。除了裂缝图像可以几何描述为细长的“窄”2 d对象与封闭的边界。从图像分析的角度来看,混凝土表面的图像提供了丰富多样的模式探索不同的分析方法。

1.1。问题定义和以前的工作

检测裂缝与混凝土表面的图像已经被许多研究者使用各种研究方法。然而,仍然缺乏一个全面的基于图像的损伤识别框架的文学。这样一个框架需要提供一个完整的解决方案到最终的目标,这是损害量化。这里,我们定义损伤识别作为一个三级探索过程,其中包括(1)时间监控的《盗梦空间》或损害使用时间序列图像的传播(发生的决心问题);(2)检测边界的损害在每个图像帧(本地化问题);(3)定量、几何特征的个人伤害对象(量化问题)。

如果只有静态图像而不是多个图像在一个时间序列,识别降低损伤边界定位和损伤量化的问题(水平2和3)。在以往的研究中,努力强调更多的边界检测(4,5,10- - - - - -12]。在这些努力中,最简单的解决方案是确定的强度梯度图像,和不同的图像对象之间的边界提取基于局部梯度大小和方向的变化。这在图像处理称为检测过程gradient-based边缘检测。基于共同的梯度边缘检测器包括罗伯茨,索贝尔,普瑞维特,精明的边缘检测器13]。在这些探测器,强度梯度的近似是基于卷积的概念与一组方向导数的面具在指定的规模。边缘处理的多分辨率特性,研究人员提出了一个自动scale-selection方法(14];然而,这种方法没有在裂纹检测文献调查。overcom另一种方法是利用图像小波变换多分辨率问题。小波是特殊的基函数,局部空间和频率域。短期小波可以隔离好变化的图像强度虽然长时间的小波可以分离粗变化。图像结构,如边缘,得到了在不同的尺度上通过计算小波系数在不同的决议(15]。随后,得到小波系数阈值来确定在不同尺度边缘。

1.2。这项工作的范围

不管前面的方法,主要的困难在于后处理步骤。当发现裂缝的几何量提取,通常的处理成为一个冗长的步骤与许多手工干预。这是由于缺乏对裂缝几何模型。另一方面,没有先前的工作,解决了基于图像的监控问题的背景下,混凝土表面裂缝识别。接下来,首先,我们讨论了实现使用生实验室或现场图像时的挑战。随后,提出了一个统一的框架,其中包括(i) manifold-distance计算算法基于图像的伤害监测和(2)的水平集活动轮廓模型方法破坏边界检测和几何量化。演示使用建议的框架,并给出两个应用实例。一个例子使用现场图像,另一个使用时序控制的实验室环境中拍摄的图像。后来和模拟提供了直接比较测量分析结果的验证。

2。现实的挑战

尽管图像样本如图1是有价值的环境中建筑的破坏模式库和测试新的裂纹检测方法,存在显著的实际困难当原始图像捕获在实验室或字段。考虑图2领域,图像剪切裂纹在桥台,尽管它是视觉上容易识别图像中的裂缝,许多嘈杂的文物被发现,从实现自动化,防止算法识别。这些嘈杂的工件包括,例如,漂白,闭塞,和太阳能illumination-related光度可变性(如阴影)。此外,相对大尺寸的图像相比,攻克了次区域阻碍计算高效的实现。

即使在一个受控的环境中,例如,实验室测试,虽然测试配置可调,最优成像通常不是。因此,使用图像定量损伤识别也面临着重大挑战。数据3(一个)和3 (b)显示两张图片,显示相同的混凝土墙标本,一直受到双轴加载在两个不同的循环位移峰值16]。从图3(一个)图3 (b),可以看出,额外的裂缝是由于位移需求增加。可以尝试使用一个边界检测方法来定位裂缝的两个图像。然而,原因不难获得边界将包括许多falsealarms(例如,那些与对角关联位移传感器),从而防止从一个自动损害量化。

3所示。提出了框架

一个简单的方法来解决上述不利因素可能通过执行nonsupervised图像分割。然而,在大多数的图像分割方法,图像模式的数量必须是已知先验(17]。因此,对于一个字段图像如图2任意数量的不同的纹理区域,分割方法是不实际的。

这种困难可能解决如果连续成像通过例行检查,或更理想的情况是,永久相机传感器安装监控关键结构部件的表面变化。因此,多瞬时图像可以获得同样的构造面。这种情况下承认数字变化检测解决方案(18]。变化检测方法的适用性是基于一个合理的假设,两个暂时相邻图像可能只在illumination-induced光度不同变形(例如,太阳能或实验室光照变化),结构运动或照相机motion-induced几何失真,最重要的是,结构性破坏。同时,大部分的图像场景中工件,包括漂白和其他纹理对象,保持图像序列;因此,理论上简单的差分运算可以消除他们的影响力,如果适当地处理图像扭曲。处理几何和光度扭曲,相对简单的模型可以使用;如果这些模型或模型参数估计,测量敏感结构损伤的发生的畸变可以随后提取(即。distortion-invariant测量)。见后面的配方,这是背后的基本思想提出了多方面的基于距离的结构损伤监测。

从上面的推理,我们可以看到,一个适当的建模几何和光度扭曲成为实现中的关键路径distortion-invariant损伤检测。为减轻illumination-induced光度失真,一个常见的技巧是归一化光谱强度的小图像区域通过细分图像域许多小的子域。几何畸变,盛行的不良因素复杂化这个概念结构的运动对象。在加载的结构,结构可能经历了一些空间内任意点运动跨越时间。提取一个健壮的特性代表裂纹损伤的时间序列图像,建模结构图像中对象的运动是一个关键问题。

在上面介绍的背景信息,我们提出一个基于图像的结构损伤监测和量化框架。如图4拟议的框架有三个操作组件。首先,进行图像采集。这个元素的成功依赖于可靠的硬件组装和精心设计的采集软件,这不在本文的讨论范围。应该注意的是,计算是必要的在这一步中,通常包括摄像机标定和图像校正。当一个3 d场景投射到一个图像平面上,几何畸变与投影由数码相机的内在和外在的参数(17]。在实践中,这一过程称为摄像机标定必须进行。校准参数估计后,获得的图像可以很容易地纠正消除这种失真。在下面,我们描述框架,随后的两个关键元素的颞映像的损伤监测和几何图像量化的伤害。

4所示。Manifold-Distance混凝土CrackMonitoring使用时间序列图像

我们基于图像的方法伤害监测问题作为时序变化检测问题,在结构性破坏被视为一种当地异常时间图像帧之间可衡量的。由于上述不利影响的结构运动图像,一个适当的简单的approach-image区分是不合适的,因为它需要严格的时序图像对之间的空间排列。一个简单的补救方法是先提取潜在的运动参数,然后估计运动参数,可以coregistered颞图像帧,这样可以执行图像差分,motion-invariant特性用于代表混凝土裂缝可以定义。提出了这种方法在我们以前的工作在19]。在本节中,我们将简要介绍这个组合运动估计和特征提取过程。

4.1。假设结构运动图像

理论上,结构部件的位移场是由材料的应力-应变关系和几何边界条件的结构成员,这可能是在一个表单或弯曲、轴向、剪切变形和刚体运动。然而,结构成员的运动不能完全没有精确度损失由于图像分辨率的极限。假设一个决议可能满足监测裂纹损伤混凝土结构的目的。这项决议和常见的图像的大小,视野(FoV)表面的目标大约是一个成员矩形区域。正常体重混凝土压缩下,最终的压缩应变约为0.003 (20.]。在这个极限状态,最大相对变形由于压缩在这视场。自从原始图像域通常分为多个子域(例如,子域)为了减少光度扭曲,在子域远小于最大。直接后果是,在图像捕获的相对变形子域名可以合理地认为是微不足道的。指出,上述推理是基于最大压应变;然而,裂缝是由于当地广泛的拉伸应变,这是小得多。这加强了当地变形通常不是由光学摄像头捕捉到的。

我们也限制了研究本文只考虑结构运动飞机大约与图像平面上,导致一个线性扩展平面运动在图像域。因此,我们假设结构运动被认为是刚体运动,其中包括两个正交的翻译和一个平面旋转。

4.2。制定多种距离测量

目前制定的运动估计和损伤特征提取使用时间序列的图像,我们使用两个符号来描述图像获得的。首先,是用来表示一个连续图像函数或一个强度值的位置吗和时间。第二,如果一个数字图像看作是一个矢量,这是表示维度的表示像素的数量。序列图像向量的时间,他们可以用。

给定一个电流强度值在时间通过和它的暂时的前一个值,当前的强度值可以通过在进化吗通过空间坐标的转换如果没有光度转换。不失一般性,我们使用来代替和来代替符号的简单性。因此,上述转换写成 的函数定义了一个通用的转换模型参数化(一个矢量与)。这个表达式在视觉追踪文学传统上被称为图像不变的假设(21]。参数化转换模型既可微的对吗和。此外,一个初始化通常是采用,这是。如果假定转换在全球空间域,那么任何图像可以完全由另一个形象和空间转换模型他们之间。正式,像这样的图像可以被视为一个低维流形,用嵌入在原始高维观测空间。在这种情况下,这样一个歧管的内在维度空间运动参数的数量,六参数仿射变换模型或刚体运动模型的三个参数。注意内在维度通常远小于图像观测空间的维数。

歧管通常是增强图像的几何结构和复杂的一些lighting-induced光度扰动整个图像序列和裂缝的发展。技术上,光度扰动强度可以通过一些参数建模转换(22]。因此,更多的内在维度添加到前面维度。在这篇文章中,我们接受这个事实,照明是整个图像序列时变然而,我们假设它是统计学上固定一个小图像领域中一个收集时间。因此,这种类型的扰动可以通过一个简单的强度标准(即删除。,样本均值减去强度从原始图像)将不断变化。裂缝也可能被视为一种几何变形发生在某些内在维度。然而,裂缝在图像域的不规则的拓扑形状表明他们在观察和高度非线性局部曲率流形空间。因此,很难找到一个明确的定义参数模型在图像域代表全球的裂缝。

离开裂缝发展潜力不是像素建模,我们把它作为表达的残渣并表示总残留在空间域,在那里包含地面运动参数的真值,完全占空间的转换发生在图像帧来。理想情况下,如果没有裂缝发展(更确切的说,在一个时间来),但只有空间变换,总残留将产生一个值为零。如果裂纹损伤发生,总残留应该大于零,相同数量的裂缝对应相同的值总还残留有可能不同的运动参数因此,s。是理论上的理想特性不变的裂纹出现的底层运动结构组件。

如果一个人代替与一个未知的运动参数向量在前面的总剩余的定义,参数化渣了,总,它本质上是一个不同的欧几里得距离(ED)与基地之间的一个参数化的图像向量和参考图像向量。另一方面,如果图像向量从多方面的空间,那么这个距离指标量化歧管之间的距离和参考点。认为,鉴于一些潜在的裂纹发生左未建模和一定量的运动决定,数量因此之间的最小距离吗和,被称为多方面的距离(医学博士)在文献[23,24]。在本文中,我们定义一个医学测量时间鉴于和: 特别是,如果等于,也就是说,没有空间运动,降解常数之间的欧氏距离和,这是。因此,寻求motion-invariant裂纹损伤的功能需要一个适当的估计,从而导致如下优化问题:

4.3。运动参数估计

目标函数在(3)不太可能拥有一个凸表面由于高度非线性方面的图像函数的性质和。为了解决这个问题,一个可能近似的功能在流形空间通过泰勒级数展开,考虑的参数化模型。假设向量用翻译,旋转角度,它构成了运动参数向量。因此,运动功能 向量微积分计算的步骤,一个到达一种近似的(3): 常系数的在图像域集成。详细推导这些常系数可能会发现在19]。近似平方残渣(6)是一个四阶多项式;因此它提供了一个容易处理的基础研究中定义这个优化问题的解决方案(3)和(4)。尽管分析解决方案的形式,他们非常冗长。在实践中更常见的方法是使用标准的牛顿法的数值解,这是表达一个迭代的过程: 在哪里和海赛矩阵和梯度向量(6)对分别和他们的分析形式存在于(19]。在迭代的收敛,MD测量计算 在哪里是估计运动参数向量(7)。

如果一个时间序列的图像,,有两种方法来计算一个时变序列医学测量。首先,可以计算任何暂时的相邻图像帧的MD测量,也就是说,之间的和。摘要医学测量造成这种方法可以用来监控混凝土裂缝的《盗梦空间》。另一种方法是,在裂缝出现在时间,随后的MD测量时间都是计算相对于时间吗,也就是说,获得基于和在哪里是固定的。这种方法可用于监测裂缝的不断增长。

4.4。损伤定位

医学测量计算在任意时间本质上提供了一个一次性表明混凝土裂缝出现的图像域。然而,如果图像域是相对较大的,它并没有提供一个指示关于裂缝的位置。在这篇文章中,我们本地化混凝土裂缝图像的2 d图像域划分成多个子域名之前计算医学测量。这种治疗的另一个优点是它可以最小化光度扭曲的干扰。细分的标准是,子域的大小应该远远大于两个时间之间的潜在的运动变化的图像补丁一个医学测量计算。在实践中,一个人需要先验知识潜在的运动变化的大小以使这样的细分。

假设图像域分为因此,子域矩阵(医学博士)的测量可以获得任意采集时间。与医学测量在不同的时间,可以执行一个nonsupervised异常分析,以确定哪些医学测量统计保证裂缝发生的一个实例。离群值分析,在其最简单的形式,由假设底层功能实现遵循正态分布(更严格的治疗对建模异常值的分布,可以参考(25])。子域,确定统计裂纹发生因此提供一个描述的初始损伤的位置。

5。混凝土裂缝和量化的水平集表示

在前一节中给出的图片处理过程提供了一种手段,监测结构损伤的初始或传播;大约与此同时,一个简单的方法定位潜在的裂纹。在以下方法几何边界检测和详细的混凝土表面裂缝损伤量化,我们提出了一个水平集活动轮廓模型方法。

5.1。活动轮廓模型边界检测

在活动轮廓模型的基本思想是发展曲线受约束在一个给定的图像,并最终关闭边界的曲线收敛于图像中的对象。发明以来,经典的活动轮廓模型(26),提出了许多几何版本,如测地线活动轮廓模型(27]。表达式的结果在这些轮廓偏微分方程模型,停止函数是用来阻止曲线进化,通常定义基于图像梯度。

在基于图像的检测混凝土裂缝的情况下,另一个线索是,混凝土表面图像可以用分段近似,多相卡通图像。有裂缝的混凝土表面图像,简单的形式包含两个阶段,正常的背景或破裂。这意味着激发我们使用Mumford-Shah分割模型(28),由陈进一步扩展和Vese水平集框架(29日]。水平集方法是一个通用的技术演变曲线(面)进行合并和缩放等复杂地形的变化(30.,31日]。近年来它已被证明有效的从跟踪问题,建模和模拟运动的动态表面领域的图形、图像分析、流体力学,断裂力学,最优拓扑控制。

Chan-Vese的水平集活动轮廓模型可以检测对象边界不依赖图像梯度,消除基于需要定义一个梯度停止功能。此外,Chan-Vese模型的最吸引人的方面是,它有一个水平集表示,提供以下好处:(i)自动处理的地形合并和潜规则演变的轮廓,(ii)检测室内轮廓,(3)可以在初始轮廓图像,及(iv)水平集表示提供提取几何量的混凝土破坏的能力在一个正式的数学框架。

5.2。水平集表示

假设一个原始图像用混凝土表面定义在一个2 d域;演化曲线试图定位图像中感兴趣的对象是用;一个进一步表示开放子域内部和外部的通过和,分别。的精神水平集方法,曲线嵌入的零水平集李普希兹连续函数,用。相应地,被编写为和作为。让亥维赛函数。能源Chan-Vese功能 在哪里和在内部的平均强度()和外部()地区,相关的长度范围,是一个伪时间变量。通常,参数控制曲线的平滑;因此上面是一个规范的功能。时间(pseudocomputational时间将在进化)常量和不同的曲线演化。

通过最小化(9)对,,,一个到达欧拉方程如下: 在哪里狄拉克δ函数定义的吗。与初始轮廓用,一个可以看到,(10)- (12)构建一个递归过程当解决隐式水平集函数。

5.3。提取的几何性质

摘要数字解决方案(10)不包括;你可以参考(32为更多的细节。总而言之,通过迭代集成(10)数值,水平集函数最终将收敛,用吗;因此,我们得到最终的水平集函数。许多检测裂缝的几何量,如周长(封闭边界总长度),区域,曲率,和正常的方向裂纹边界,可以直接计算。然而,我们相信,面积,周长,和宽度的主要工程的兴趣。

5.3.1。面积和周长的裂缝

在Chan-Vese模型中,计算区域和周边的检测对象嵌入(10)- (12):该地区,周长。然而,对于计算区域和周边的目的,更“轨迹”近似将提供更多的数值精度,这是 的参数选择与使用空间的步骤。工作的Osher和Sethian [31日),建议。

5.3.2。提取裂缝宽度

另一个重要的几何量工程兴趣是裂缝宽度。但是,与地区或周边的计算混凝土裂缝,裂缝宽度的提取是一个重要的问题。首先,的概念宽度是经验。回想一下,我们采用一种不精确的方法来描述裂缝,即裂缝图像空间狭窄,细长的物体与背景,强烈的对比,定性条款“窄”或“细长”与“宽度”没有明确的定义。在工程实践中,首先,一个需要手动识别两个端点为单一裂纹或多个端点的裂缝复杂的模式;然后从这些端点,不断沿着裂缝宽度可以测量。分析计算裂缝宽度、裂缝宽度的一个严格的定义是必要的。

考虑一个简单的例子(图5),一条裂缝,其封闭的边界用两个端点和因此,这种裂纹的边界可以分成两个开放边界,和,同时开始和结束时。宽度在一个像素沿裂纹边界的一边,最短欧氏距离(距离)在一定程度上在边界的另一边。对于裂缝与复杂的模式,例如,一个连续裂纹与””、“+”形状,或其他多个角度分裂,超过两端点必须被指定。可以打破这些裂缝分成几个部分,每个部分都有两个端点,因此两国的边界。的欧几里得基于距离定义宽度与这些裂缝段同样可以定义有关。

5.3.3。自动提取方法

前面的裂缝宽度的定义可能产生一个精确解计算给定裂纹宽度与已知端点。然而,随着地形的裂缝模式变得更加复杂,人工干预的指定的端点将更加乏味。在此,我们提出一个近似宽度提取的方法。这种近似方法依赖于中心线的提取检测裂缝以及建设一个所谓的距离函数(SDF)签署。一个自卫队,用,定义了距离值零水平集演化,这是积极的以外的和消极的,满足无处不在。的稳定状态是通过解决 在哪里是一个符号函数,另一个拟时间变量添加的家属吗。与初始条件零水平集期间将保留在进化吗。中心线提取,虽然基于集合提取中心线是可能的(33),我们使用一个简单的形态学骨架算子,可以保持原地形的连接模式(32]。从理论上讲,对象与一般地形形状、形态skeltonization通常不会产生理想的中心线;尽管如此,狭窄,细长的2 d对象,如裂缝、形态skeltonization足够准确。

拟议的宽度提取方法总结了以下几点:(1)从一个二进制图像,其中检测裂缝的统一;(2)执行骨架化,和一个新的二进制图像生产其中的中心线是统一的;(3)解一个自卫队使用(14),;(4)最短的距离零水平集的中心线是通过一个简单的布尔运算,用,,沿着裂缝宽度近似。

在这种近似法,没有限制裂缝的复杂地形模式以及不需要手动指定的端点的裂缝。关于该方法的准确性,近似宽度将略大于精确值一个简单的类似于图5。

6。应用我:现场图像

在常规检查混凝土结构领域,大量的数字图像通常收集。组织良好的图像档案以及基于文本的文件提供的信息手段报告民用基础设施对象的结构完整性。然而,这些领域的图像大多是用作视觉媒体阅读器或分析师阅读图像视觉和主观视觉识别与其他工程相关知识。获得更多的定量信息,需要一种有效的图像分析方法。接下来,我们提出一个比较研究表明,该框架提供了一种定量图像挖掘解决这个问题,这是无与伦比的相比于其他non-contour-based图像分析方法。

图6显示字段的形象具体的表面区域,显然已观察到的裂缝。一分之一注意到表面纹理不同空间显示不同形式(例如,浅色和深色材质)。第二,有大量的小气泡在表面。最后,裂缝不完全连接;而不连续之间观察到裂纹段。这些工件的存在导致显著的不利影响,防止从实现混凝土裂缝的自动识别。

我们第一次尝试用传统的方法。在图7,两个裂缝检测结果显示使用经典的精明的边缘检测器(34]。使用不同的分析参数并给出了两个结果。看到的是两个截然不同的结果,这是很难区分的边界从噪声背景中边缘混凝土裂缝。尽管一些统计方法可以减轻这种参数选择问题(例如,35]),禁止后续几何量化的关键困难,检测到的边缘只是非闭段而不是封闭的轮廓。这个困难存在同样如果其他non-model-based边缘探测器(例如,Sobel探测器或小波transform-based探测器)。

拟议的水平集活动轮廓的方法可以避免这种困难。应用这种方法之前,我们注意到,在这种情况下裂缝识别的目的是获取后续裂缝的定量特征,而不是仅仅确定裂缝的存在(即。知道有裂缝,分析师图像)。因此,我们假设分析交互式地选择一个感兴趣的区域(ROI)在图像域然后寻求定量表征。在图8(一个),显示了这样一个ROI,其中包含多个交叉裂缝。从初始化图8 (b),我们应用基于水平集的检测,迭代收敛于最后的检测图像轮廓如图8 (c),8 (d),8 (e)。在图的最终结果8 (e)会发现,小轮廓检测到来自空气的口袋。这些小non-crack边界可以很容易地通过标签和面积阈值的过程,最后裂纹轮廓图所示8 (f)。

不同的检测结果如图7在图,每个检测裂缝段8 (f)特色是一个封闭的轮廓(和一个潜在的数学水平集函数)。这个属性确定定量提取裂缝宽度和其他几何属性很容易产生在前一节中使用该方法。在下一节中,我们证明这个应用程序彻底。

7所示。应用二:实验室的图像

演示一个完整的过程,混凝土表面裂缝监测和损伤量化使用拟议的框架,一个实验室梁加载和监控摄像头的使用数组。如图9(一个),实验包括简支混凝土梁在中跨加载控制线性位移增加。2点安排装货导致一个地区提供持续的时刻。梁跨度是(),其断面尺寸( )。这是失败在剪切模式下使用而设计的()混凝土没有体系马镫。梁的前视图监视装载期间由四个数码相机。记录的分辨率图像帧的视频流,和相机的频率捕获。

说明使用基于图像的裂纹损伤监测和量化,我们选择一个短的序列图像帧生成的相机C1,持续中捕获持续时间,导致图像帧。在图10,我们说明六帧裂缝出现的时间发展的代表。注意,这里显示的图像从原始图像帧出现,导致一个较小的图像域,这是。

7.1。裂纹损伤监测

安装7.1.1。计算时间序列破坏措施

在图10 (),我们表明,图像域分为子域;每个子域像素除了最右边列中的子域的大小。对于每个子域名,我们计算时变医学测量(以及运动估计)。两种方法计算医学测量并行进行。首先,我们计算医学测量使用暂时相邻图像补丁。在图(11日),从该方法测量结果绘制与时间。提取的完整性,我们说明了进步运动物理量在时间图11 (b),这是基于中心运动的平均数量图像补丁。第二种方法计算医学测量,它使用一个固定的图像帧为基础,在特定的时间才能开始裂纹损伤检测。

从图(11日),它可以被发现,所有医学测量计算从在窄带(图像补丁)。在,峰值的MD值测量从子域出现,强烈表明裂纹损伤的发生。数量的演变中提取运动中心的梁同意这个裂缝事件(图的时间10 (c))。然而,我们看到,这些运动,如果用作裂纹发生的特点,不一样区别的医学措施跨越时间。

7.2。离群值分析和初始损伤定位

上述结论对裂缝事件发生时是基于主观的观察。在实际结构损伤监测上下文,局外人分析可以用来自动化这个过程。局外人分析,在其最简单的形式,由假设底层功能实现遵循正态分布(更严格的治疗对异常值的分布进行建模和其他方法,可以参考(25])。这里,我们利用这一事实没有裂纹(在第二图像帧),因此此刻第一组的医学措施用于提取样本均值和样本标准差的医学措施,用和。在接下来的图像帧(),医学博士的措施()是用来测试的假设适用于一个固定的阈值。任何年代,考试不及格被视为离群值表明裂纹损伤;否则,他们是正常的医学措施,用于更新样本均值样本标准差。此外,在假设检验,在每一个时间,一个二进制损害地图分割图像域逐渐生成,子域名设置统一的如果是确定受损区域。在图12,这个初始损伤定位。

7.3。裂纹损伤边界检测和量化

在图13,图片显示了在稍后时间显示区域。这些都是自动裁剪基于最初的定位信息呈现在图12 (b)。在接下来的数值研究,我们一般选择参数如下:太空步,时间步长(10),(14),和近似亥维赛的功能。长度范围原则上应该变化相对于目标对象的规模,和实证调查需要进行确定该参数的适用范围。在本文中,我们使用这些范围的平均值,大约,在这工作。

7.3.1。损伤检测感兴趣的区域

记得Chan-Vese活跃模型本文推导出两相图像,即假设只包含两个物体的图像,正常的背景和潜在的结构性破坏。这个限制在实践中应该考虑在选择感兴趣的区域结构组件。因此,我们只考虑一个小面积在左边梁的剪切带,如图9 (c)。此外,由于大量的图像帧记录,我们子样品,选择三个代表图像帧在这工作。数据(13日)- - - - - -13 (c)在不同的时间显示三个图像捕获为同一目标区域,如图9 (c)。在数据(14日)- - - - - -14 (c)裂纹的边界,应用Chan-Vese活动轮廓模型成功地检测到。值得注意的是,在图(14日)内部noncracked区域出现,视觉上可以看到在图(13日)。

7.3.2。提取几何量:地区和周边

通过人工检查数据的检测裂缝(14日)- - - - - -14 (c),一个人可以观察到他们的地形模式随时间变化明显(由于增加中跨位移)。我们首先计算这些裂缝的区域和周边使用前面所讨论的方法。在表1这些结果报道,以及考虑到图像分辨率相应的真实值。真正的价值是由手动求和像素。有趣的是,增加裂缝的区域;然而,裂缝随着中跨边界位移不一定增加。这是由于较高的地形变化的混凝土裂缝位移水平较低。

7.3.3。提取裂缝宽度

根据裂缝宽度的近似提取的过程,我们首先在二进制执行skeltonization检测结果,。数据14 (d)- - - - - -14 (f)说明这些多瞬时的中心线裂纹。通过求解(14自卫队),进行布尔操作提取中心线的距离值,一个获得近似沿着裂缝宽度,用,,。表2总结了这些裂缝宽度的统计数据。因为很难情节提取裂纹沿裂缝宽度在2 d域,宽度值,我们画对,即协调与最大宽度方向了。这些情节是如图(15日)- - - - - -15 (c)。

评估的准确性高于近似裂缝宽度,我们使用一个显式的搜索方法来提取准确的裂缝宽度:首先,我们显式地开始旅行沿着一侧的两个边界(例如,在图5)从一个终点,它可以实现通过搜索8连接社区多次;然后在每个像素最短的距离,另一边的两个边界()是通过最小化计算值的距离所有的像素。这个明确的搜索方法产生裂缝宽度的确切值以及一个简单的裂纹。当然这种方法受到限制,需要手动干预提供端点,并进一步推广到复杂裂缝模式是很困难的。尽管如此,它提供了近似方法的比较基准。两排桌子底部2总结的宽度统计获得准确的裂缝宽度,和数字15 (d)- - - - - -15 (f)裂缝宽度再次绘制沿设在。

通过比较两种提取方法的统计结果表2,一个可以看到的基本统计数据提取裂纹宽度在三个不同的时间是相当接近。一个可以进一步比较提取宽度的情节设在在图15;视觉上,在每一次的,或,获得了两种方法的宽度一致很好。定量,我们计算均方根误差()的结果精确方法和近似方法:,在,而在,。在时间,稍高的错误产生,因为在确切的方法,发现裂纹内的小型室内noncracked地区将被忽略,因此,更高的宽度是产生在这个地区在使用水平基于集合的近似方法,内部noncracked地区自动排除在计算宽度。

7.3.4。相关位移和荷载振幅

在这个实验室实验中,中跨和相关的线性增加位移致动器的负载振幅记录。基于图像采集工作站的计算机时间同步和actuator-controller工作站,每个捕获的图像帧可以被映射到一个同步中跨位移和载荷振幅。在图(16日),linearly-increased中跨位移与时间策划,之前使用的裂纹图像时被捕的。在图16 (b),提供的荷载位移曲线,同时平均裂缝宽度的值带注释的。

这些相关情节说明裂纹的临界区结构组件可以被连续用一个合适的相机阵列设置,如果可用,这个数据可以同步与其他测量。指出,这种连续抽样真实3 d对象,与2 d图像成为可能,是不可能与其他空间不连续电流测量方法。与离线分析本文提出裂缝的位置和相关的几何量可连续跟踪。因此,可以将裂缝特征关联到其他感兴趣的数量,如加载幅值、位移或其他测量响应数据。

8。在实际应用之前的担忧

8.1。所需的分辨率

在前面的两个部分,提出了框架和组件算法应用于两个不同的实际情况。在这两个示例应用程序,如果工程属性提取,图像的分辨率必须仔细考虑。领域,大量的图片(可能手动拍摄),它可能不是可行可靠配置摄像头捕获的硬件实现一致的、合理的解决。最简单的解决方案是将一个小的模式,例如,在纸上画,在视野之内。使用这个引用模式,一个简单的计算基于已知大小的模式及其在图像域大小可能给出一个近似估计的图像分辨率(例如,每像素的长度单位)。

实验室提出了框架的应用程序示例演示了一个完整的应用程序。在这个实验中,确定了图像分辨率为0.89毫米/像素。指出,窄,细小的裂缝,这可能小至0.1毫米的宽度不能捕获这个设置。这主要是一个限制的硬件设置。替代相机类型和位置相对于感兴趣的领域的观点可以解决这个问题。如果裂缝的宽度仍不到图像分辨率,与亚像素精度检测方法可能是必要的。本文中给出的水平集活动轮廓的方法没有被校准来解决这个问题,因为它依赖于内部的计算平均强度值的图像区域内。多个重叠字段的视图使用的成功在其他应用程序中实现亚像素精度;然而,这将是未来研究的主题使用当前提出的方法。

8.2。图像噪声和大小

任何基于图像分析的实际问题情况是嘈杂的图像可能存在工件的域。混凝土表面的图像,这些构件包括大型脱色、粗暴、剥落了混凝土表面区域。在这种情况下,前转向其他图像分割和目标识别方法,我们建议可以使用子域名的方法。这种方法可能的形式将图像域划分为多个子域的形式或识别用户选择的roi。指出,噪声的影响工件会出现在第一个应用程序如果选择不同的ROI(图示例6)。另一个实际问题,相关的解决方案,是图像大小。如果遇到图片非常大的大小,计算成本会显著增加;与此同时健壮性的工件可能减少。在这种情况下,子域名的方法是一个有效的解决方案。

8.3。计算成本

提出的算法框架,包括manifold-based监测算法和基于集合的水平裂缝检测和量化算法,包括大量的基本向量或矩阵运算复杂度的订单或。因此,相关的计算成本比传统的简单filtering-based方法就相当大了。计算成本是一个问题如果在线监测所需的框架和量化的快速捕获的图像序列。离线处理单一的图像,计算时间是可以接受的基于我们的实现所提出的算法在Matlab环境中(36]。如果使用该框架作为一个在线监测解决方案,微调图像的捕获率和图像处理时间有待进一步调查。一个合理的解决方案可能是捕获的图像(即子。,只有过程图像的一小部分)。指出,大部分的时间消耗从操作的角度优化的内部参数。这个问题预计将获得更多的经验知识时减轻。

9。结论

本文提出了一种新颖的基于图像的框架来监控和量化的一个最常见的类型的在土木工程结构损伤,即混凝土表面裂缝。在这种情况下,使用光学相机图像。使用说明性的示例中,我们首先讨论实施的技术挑战任何映像的损伤识别方法使用现场或实验室的图像。这些包括各种实例的光度和几何失真。对于后者,结构运动图像形式的主要挑战之一。

通过整合两个先进的图像建模算法,该框架提供了一个完整的解决方案在实践中遇到的常见损伤识别目标。首先,通过小说使用manifold-distance计算基于时段遥测图像,motion-invariant提取裂纹发生的特点。第二,基于集合的活动轮廓算法实现基于模型的边界检测混凝土表面裂缝。基于水平集获得裂纹边界,一个近似方法确定连续裂缝宽度。提供了两个示例应用程序来演示使用拟议的框架。结果表明成功监测暂时和量化几何混凝土裂缝。

确认

支持这项工作是由国家科学基金会(NSF)资助(cms - 0510802)和一个研究助理职务从加州大学圣地亚哥。作者要感谢Kai-Uwe杜尔博士和高深的法尔Kuester援助的图像捕获在实验室实验和罗伯特先生Kazanjy和实验室人员加州大学欧文在测试期间寻求帮助。本文中表达的观点、发现和结论是作者的,不一定反映的赞助机构。

引用

1. s . w . Doebling c·r·法勒和m . b . ' " vibration-based损伤识别方法的总结回顾,“冲击和振动消化,30卷,不。2、91 - 105年,1998页。视图:谷歌学术搜索
2. c·r·法勒和k·沃顿,“介绍结构健康监测,”英国皇家学会哲学学报,卷365,不。1851年,第315 - 303页,2007年。视图:出版商的网站|谷歌学术搜索
3. p . Shull无损评估:理论、技术和应用程序美国佛罗里达州,CRC出版社,波卡拉顿,2002。
4. 即Abdel-Qader、o . Abudayyeh和m·e·凯利”损伤识别分析的边缘检测技术在桥梁、”计算机在土木工程杂志》上,17卷,不。4、255 - 263年,2003页。视图:出版商的网站|谷歌学术搜索
5. t·c·哈钦森和z陈”,提高了图像分析评估混凝土损伤,”计算机在土木工程杂志》上,20卷,不。3、210 - 216年,2006页。视图:出版商的网站|谷歌学术搜索
6. t·c·哈钦森f . Kuester K.-U。杜尔,d . Lim”最佳的硬件和软件设计的基于图像捕捉系统动态运动,”IEEE仪表和测量,55卷,不。1,第175 - 164页,2006。视图:出版商的网站|谷歌学术搜索
7. t .张和g·伊”,表面弯曲度及其应用分析混凝土裂缝,”17学报》国际会议模式识别(ICPR ' 04),卷2,页851 - 854,剑桥,质量,美国,2004年8月。视图:谷歌学术搜索
8. 朱z和i Brilakis检测气泡建筑混凝土质量评估使用视觉传感、”电子信息技术在建设》杂志上13卷,第102 - 86页,2008年。视图:谷歌学术搜索
9. m·摩尔·d·罗兰,b . Graybeal b·法勒斯和g .垫圈,“公路大桥检验:实践状态的调查中,“技术。众议员供料- rd - 01 - 033年联邦高速公路管理局,麦克莱恩,弗吉尼亚州,美国,2001年,http://www.tfhrc.gov/hnr20/nde/pdfs/01033.pdf。视图:谷歌学术搜索
10. y Fujita, Mitani y, y Hamamoto驾“混凝土结构上的裂缝检测方法,”18学报》国际会议模式识别(ICPR 06年),3卷,页901 - 904,香港,2006年8月。视图:出版商的网站|谷歌学术搜索
11. a . Ito y青木,s .桥本”准确的提取和测量细裂缝的混凝土砌块表面图像,”学报》第28届年会IEEE工业电子产品的社会,3卷,第2207 - 2202页,2002年11月,西班牙塞维利亚。视图:谷歌学术搜索
12. g .德舒特“先进监测裂缝的结构用视频显微镜和自动图像分析,“无损检测& E国际,35卷,不。4、209 - 212年,2002页。视图:出版商的网站|谷歌学术搜索
13. r·冈萨雷斯和r·伍兹数字图像处理美国,新世纪,上台北,2002年。
14. t . Lindeberg”、边缘检测和脊检测与自动选择、规模”《IEEE计算机学会学报计算机视觉与模式识别会议(96年CVPR”)470年,页465 - 1996年6月旧金山,加州,美国。视图:谷歌学术搜索
15. Mallat和s .钟”特征信号的多尺度边缘,”IEEE模式分析与机器智能,14卷,不。7,710 - 732年,1992页。视图:谷歌学术搜索
16. t Soppe t·哈钦森,“实验damage-gas流相关性周期性加载钢筋混凝土墙,“技术。众议员SSRP 09/07,结构工程部门,加州大学圣地亚哥,加州,美国,2009年。视图:谷歌学术搜索
17. d·a·福赛斯和j·庞塞计算机视觉:一种现代方法美国,新世纪,上台北,2002年。
18. r . j . Radke s Andra o . Al-Kofahi和b . Roysam”图像变化检测算法:一个系统的调查,“IEEE图像处理,14卷,不。3、294 - 307年,2005页。视图:出版商的网站|谷歌学术搜索
19. z陈、b . Chang和t·c·哈钦森,“基于图像的结构损伤监测:混凝土表面裂缝,”智能传感器现象、技术、网络和系统卷,6933学报学报2008年3月,圣地亚哥,加利福尼亚州,美国。视图:出版商的网站|谷歌学术搜索
20. ACI委员会318年结构混凝土建筑规范要求,美国混凝土协会,希尔斯,密歇根州,美国,2008年。
21. 角,机器人视觉美国剑桥,麻省理工学院出版社,质量,1996年。
22. p . w .并不遥远,”一个低维表示任意光照条件的人脸”《IEEE计算机学会学报计算机视觉与模式识别会议(94年CVPR”)西雅图,页995 - 999年,洗,美国,1994年6月。视图:谷歌学术搜索
23. p . y . Simard y . a .勒村j·s·德克,和b . Victorri”变换不变性模式识别:切线距离和传播,”国际期刊的成像系统和技术,11卷,不。3、181 - 197年,2000页。视图:出版商的网站|谷歌学术搜索
24. n .塞·伐斯冈萨雷斯和A·利普曼,他的“多分辨率歧管不变图像相似度的距离”,IEEE多媒体,7卷,不。1,第142 - 127页,2005。视图:出版商的网站|谷歌学术搜索
25. 诉j·霍奇和j·奥斯汀“孤立点检测方法、调查”人工智能审查,22卷,不。2、85 - 126年,2004页。视图:出版商的网站|谷歌学术搜索
26. m·卡斯a,却和d . Terzopoulos“蛇:活动轮廓模型,”国际计算机视觉杂志》上,1卷,不。4、321 - 331年,1988页。视图:出版商的网站|谷歌学术搜索
27. 诉Caselles, Kimmel r, g . Sapiro“测地线主动轮廓,”国际计算机视觉杂志》上,22卷,不。1,第79 - 61页,1997。视图:谷歌学术搜索
28. d·芒福德和j·沙阿,“最优近似分段光滑函数和相关的变分问题,“通信在纯和应用数学,42卷,不。1,第685 - 577页,1989。视图:谷歌学术搜索
29. t·f·陈,洛杉矶Vese主动轮廓没有边缘,”IEEE图像处理,10卷,不。2、266 - 277年,2001页。视图:出版商的网站|谷歌学术搜索
30. Osher和r . Fedkiw水平集方法和动态隐式表面施普林格,纽约,纽约,美国,2002年。
31. Osher和j . a . Sethian”方面与curvature-dependent传播速度:基于哈密顿雅可比算法公式,“计算物理学杂志,卷79,不。1,12-49,1988页。视图:谷歌学术搜索
32. p . Soille形态学图像分析:原理及应用施普林格,纽约,纽约,美国,1999年。
33. m . s . Hassouna a·a·法拉克,“健壮的中心线提取框架使用水平集”IEEE计算机学会学报计算机视觉与模式识别会议(CVPR ' 05),1卷,页458 - 467,圣地亚哥,加利福尼亚州,美国,2005年6月。视图:出版商的网站|谷歌学术搜索
34. j .精明的边缘检测的计算方法,“IEEE模式分析与机器智能,8卷,不。6,679 - 698年,1986页。视图:谷歌学术搜索
35. y Yitzhaky和大肠Peli”,目标边缘检测方法评价和探测器参数选择,”IEEE模式分析与机器智能,25卷,不。8,1027 - 1033年,2003页。视图:出版商的网站|谷歌学术搜索
36. 2010年MathWorks公司,http://www.mathworks.com/。

版权

版权©2010志强陈和塔拉·c·哈钦森。这是一个开放的分布式下文章知识共享归属许可,它允许无限制的使用、分配和复制在任何媒介,提供最初的工作是正确引用。