基于图像处理的斜拉桥缆索表面缺陷检测的研究

论文摘要

斜拉桥是目前国内大跨度桥梁的最主要桥型。斜拉桥是由许多直接连接到塔上的钢缆吊起桥面,斜拉桥由索塔、主梁、缆索组成。而缆索作为斜拉桥的重要组成部分,是主要的受力部位。但由于缆索长期暴露在外,受日照,雨淋等等侵蚀,使得其表面遭受侵蚀,并会引起内部钢丝的腐蚀,影响承载能力。因此对斜拉桥缆索的表面缺陷检测是非常必要的。由于斜拉桥的缆索通常都很长,距地面位置很高,人工进行检测非常危险且费力,因此很有必要设计对斜拉桥缆索表面缺陷进行自动检测的系统。斜拉桥缆索表面缺陷自动检测系统主要包括缆索爬升机器人、基于DM642的图像采集和传输系统、图像处理三部分。本文针对缆索表面图像的实际情况和特征,设计了针对缆索表面图像缺陷分割和特征提取的一系列算法。斜拉桥缆索表面缺陷复杂,且由于缆索的圆弧形状使得光照不均匀的现象加剧,设计能准确提取缺陷的算法有很大难度。缆索表面缺陷提取包括缆索边缘提取,表面缺陷分割,模式识别及特征提取三部分。缆索边缘的提取的目的是为了去除图像中的干扰背景,为之后的缆索表面缺陷的提取做准备。在分析比较了一些常规的边缘提取的算法后选用了性噪比较高的canny算法,针对缆索边缘的特征,在canny算法处理后的边缘图像中基于hough变换提取出缆索边缘,并得到图像中的缆索表面区域。缆索表面缺陷提取是本文的重点部分,由于缆索表面的复杂情况而难以选用一些常用的图像分割算法,本文分析了斜拉桥缆索表面图像的特征之后,将缆索表面的缺陷分为粗糙缺陷和光滑缺陷两大类,并分别针对这两种不同类型的缺陷设计了相应的算法。然后基于形状特征及灰度特征对缺陷情况进行分类,分别进行特征提取。最后经过试验验证,表明论文所提出的算法有比较好的适用性,实现了对斜拉桥缆索表面缺陷的提取。一些同类的图像处理也可有借鉴意义。

论文目录

• 中文摘要
• 英文摘要
• 1 绪论
• 1.1 课题背景
• 1.2 斜拉桥缆索表面缺陷检测技术现状
• 1.3 图像处理与模式识别技术
• 1.3.1 图像处理技术
• 1.3.2 模式识别技术
• 1.4 本课题研究的目的和主要内容
• 2 基于霍夫变换的斜拉桥缆索边缘提取
• 2.1 斜拉桥缆索表面图像采集系统
• 2.2 采集的斜拉桥缆索表面图像分析
• 2.3 图像的预处理
• 2.3.1 图像预处理的常用方法
• 2.3.2 对斜拉桥缆索表面图像的预处理
• 2.4 斜拉桥缆索表面图像的边缘检测
• 2.4.1 边缘检测常用算子
• 2.4.2 基于canny 算法的斜拉桥缆索边缘提取
• 2.5 基于霍夫变换的斜拉桥缆索边缘提取
• 2.5.1 霍夫变换原理
• 2.5.2 提取缆索边缘
• 2.6 本章小结
• 3 基于图像处理的斜拉桥缆索表面缺陷提取
• 3.1 引言
• 3.2 缺陷目标区域的提取
• 3.2.1 无模板图像分割
• 3.2.2 有模板图像分割
• 3.2.3 对斜拉桥缆索表面缺陷的分析及分类
• 3.3 基于数理统计的粗糙缺陷部分定位
• 3.3.1 基于方差的缺陷区域提取
• 3.3.2 去除伪缺陷区域
• 3.4 基于灰度曲线的变化特征对平滑缺陷的定位
• 3.4.1 基于灰度投影曲线的定位原理
• 3.4.2 缺陷对应定位方法
• 3.4.3 利用横纵灰度曲线定位平滑缺陷区域
• 3.5 平滑缺陷区域范围提取
• 3.5.1 数学形态学原理
• 3.5.2 基于数学形态学和阈值分割的平滑缺陷目标区域提取
• 3.5.3 基于缺陷像素小块的图像分割
• 3.6 叠加之后的缺陷区域
• 3.7 基于粗糙缺陷和平滑缺陷的区域生长
• 3.7.1 区域生长
• 3.7.2 种子点的获得
• 3.7.3 区域生长条件
• 3.7.4 基于非线性边缘梯度和粗糙缺陷区域范围的区域生长
• 3.7.5 基于方差和平滑缺陷区域范围的区域生长
• 3.8 缺陷提取最终结果
• 3.9 本章小结
• 4 斜拉桥缆索表面缺陷模式识别
• 4.1 图像模式识别概念
• 4.1.1 图像模式识别的定义
• 4.1.2 图像模式识别的系统
• 4.2 特征理解与特征提取
• 4.2.1 图像的几何特征
• 4.2.2 图像的形状特征
• 4.2.3 缺陷的纹理分析
• 4.3 对缺陷区域的模式识别
• 4.3.1 常用图像模式识别方法
• 4.3.2 基于模糊识别的斜拉桥缆索表面缺陷模式识别
• 4.4 本章小结
• 5 斜拉桥缆索表面缺陷的特征提取和结果分析
• 5.1 对缺陷区域的信息提取
• 5.1.1 对裂纹的信息提取
• 5.1.2 块状缺陷的信息提取
• 5.2 图像识别结果统计
• 5.3 实验结果分析
• 5.4 本章小结
• 6 结论与展望
• 6.1 本文工作总结
• 6.2 工作展望
• 致谢
• 参考文献
• 附录