82 铁道建筑 Railway Engineering 文章编号：1003—1995(2016)05—0082—05 基于数字图像处理的铁路桥梁裂缝检测技术 姜会增 (中国铁道科学研究院标准计量研究所，北京 100081) 摘 要通过铁路桥梁表面裂缝检测能够有效评估混凝土桥梁结构的安全性。为了从复杂场景的混凝 土表面图像中提取出裂缝，本文提出了一种稳定的裂缝自动检测方法。首先，将灰度图像与其高斯低通 滤波后的图像作差，提取图像中的高频成分。然后，提取图像中各点的方向，利用其方向上的像素动态 选取二值化阈值进行图像分割。最后，对二值化的图像利用启发式规则来滤除非裂缝成分，用裂缝片段 间的空间关系进一步筛选裂缝成分。试验结果表明该方法能有效、准确地检测出裂缝。以此为基础开 发了裂缝检测系统，可对裂缝进行自动化检测。 关键词铁路桥梁；裂缝检测；数字图像处理；方向二值化 中图分类号U446．2 文献标识码A DOI：10．3969／j．issn．1003一l995．2016．05．18 在铁路混凝土桥梁的养护中，裂缝检测是混凝土 结构重要的检查和诊断方法。通常混凝土表面裂缝可 以用来评估混凝土结构的承载能力、水密性和使用年 限¨ 。在铁路桥梁静载弯曲试验中，梁底裂缝的检测 由人工来完成。人工视觉检测依赖于操作者的经验、 技能水平，耗时长、安全性低，检测效果很难客观地评 价。混凝土表面图像裂缝自动检测在无损检测中非常 有效。梁体裂缝的定期检测还可以用来评估混凝土桥 梁结构的安全性和可靠性，防止发生事故 。随着 图像采集及识别技术的发展，采用高清相机对桥梁的 待检测区域进行拍照，并用图像处理算法对图像进行 处理从而提取裂缝，成为铁路桥梁静载弯曲试验中梁 底裂缝自动识别的新方法。 在近几年的裂缝图像识别算法中，文献[4]利用 原图与中值滤波的差值图像来移除图像中的阴影，然 后利用黑森矩阵构造多尺度线性滤波器剔除斑块、污 点，通过概率松弛法滤除噪声，最后使用自适应阈值分 割裂缝。文献[5]利用图像增强、图像分割和启发式 规则从复杂环境中提取裂缝。文献[6]利用渗滤图像 处理算法来进行大尺寸图像的快速裂缝识别。文献 [7]通过各种启发式规则来筛选裂缝，并通过裂缝成 分的最小外包矩形的相互关系来剔除非裂缝成分。在 分析已有图像处理算法的基础上，本文提出采用自适 应阈值的基于裂缝方向分布的局部二值化算法进行裂 缝识别。 收稿日期：2016-01—27；修回日期：2016-03·11 基金项目：中国铁路总公司科技研究开发计划(2015D001一A) 作者简介：姜会增(1971一)，男，副研究员，工程硕士。 1 裂缝图像分析 人工观察裂缝凭借的是裂缝与周围环境的颜色差 异和经验。通过数字相机采集的图像识别裂缝，依据 的是每一像素点的像素值，其值在0～255。 图1(a)为铁路桥梁的裂缝图像，通过裂缝观测仪 测量其宽度为0．03～0．04 mm。其中①～③处的裂缝 依次对应于图1(b)左上、左下和右图的细节放大图 像。图1(c)给出了裂缝片段①和②周围像素值的分 布。可知：2条曲线的变化趋势是一致的，中心像素值 最小；由裂缝中心到两侧无裂缝区域，像素值逐渐增 大，直至趋于动态平衡。不同的是，裂缝片段①，②的 最小像素值分别为44，29；裂缝片段①，②周围像素值 均值分别为63，60。因此，裂缝检测需要观测某点像 素值与周围像素值的差异，而不能通过单一阈值直接 进行阈值分割。 裂缝在图像中可能由多个线段组合而成。如图 1(b)中裂缝片段③所示，1条裂缝往往会分成几段。 除此之外，铁路桥梁表面的裂缝还存在表皮脱落，表面 不平整、污斑、划痕等(如图2所示)。这给裂缝检测 增加了难度。 2裂缝检测算法 从采集到的桥梁底部图像中检测到裂缝成分，需 要将图像进行二值化处理，这属于图像分割的范畴。 图像二值化的关键是确定阈值。如果能确定一个合适 的阈值就可准确地将目标分割开来。由于裂缝所处的 复杂背景，全局阈值的二值化处理很难将目标全部提 







86 铁道建筑 May，2016 tion Method from Noisy Concrete Surfaces[J]．Machine Vision and Applications，2011，22(2)：245—254． [5]TONG X，GUO J，LING Y，et a1．A New Image—based Method for Concrete Bridge Bottom Crack Detection[C]／／Image Anal— ysis and Signal Processing(IASP)，20 1 1 International Con~r— ence．NY，USA：IEEE，2011：568—571． [6]YAMAGUCHI T，HASHIMOTO S．Fast Crack Detection Method for Large—size Concrete Surface Images Using Percolation—based Image Processing[J]．Machine Vision and Applications，2010， 21(5)：797．809． [7]LIU F，XU G，YANG Y，et a1．Novel Approach to Pavement Cracking Automatic Detection Based on Segment Extending [c]／／Knowledge Acquisition and Modeling．NY，USA：IEEE， 2008：610—614． [8]HONG L，WAN Y，JAIN A．Fingerprint Image Enhancement： Algorithm and Performance Evaluation[J]．Pattern Analysis and Machine Intelligence，1998，20(8)：777—789． [9]中华人民共和国铁道部．TB／T 2092--2003 预应力混凝土 铁路桥梁简支梁静载弯曲试验方法及评定标准[s]．北京： 中国铁道出版社，2003． Railway Bridge Crack Detection Technology Based on Digital Image Processing JIANG Huizeng (Standards＆Metrology Research Institute，China Academy of Railway Sciences，Beijing 1 0008 1，China) Abstract The surface crack detection of railway bridge is a vital task for assessing the structural health and reliability of concrete bridges．In order to detect cracks from concrete surface images with complicated background，a robust automatic crack—detection method was proposed．The first step was a high-frequency component extraction process using the difference between Gaussian low。pass filtered image and grayscale image．Second，the orientation of image was obtained and binary threshold was obtained by dynamic pixels in this direction．Finally，the heuristic rules were used to filter out non·crack components，and spatial relations among the crack fragments were used for further screening of cracks．Experimental results showed that the proposed algorithm could effectively and accurately detect cracks，and the detection was automatic． Key words Railway bridge；Crack detection；Digital image processing；Orientation binarization (责任审编 李付军)