隨著橋梁運營時間的增長，我國公（gōng）路橋（qiáo）梁工程普遍出現（xiàn）了混凝土碳化、鋼筋鏽蝕、混（hún）凝（níng）土（tǔ）開裂剝落等病害，日常運營維護工作日益加大。本文提出了基於圖像處理技術的橋梁外觀（guān）檢查快速識別係統方案。該係統包括圖像（xiàng）采集、圖像前處理、特征抽（chōu）取、快速智能（néng）識別和模式分類、數據庫創建過程等子模塊。相較於其他（tā）方法，係（xì）統在橋梁外觀檢查領域應用前（qián）景較大，可以應用於高速公路網和城市路網橋梁的結構狀態數據庫（kù）構建。
    關鍵詞：公路橋梁（liáng）；外（wài）觀檢查（chá）；圖像處理（lǐ）；快速識別係統
    1.引言（yán）
    到2014年，我國公路裏程達到約446.39萬公裏，高速公路（lù）裏程約11.19萬公裏，國道17.92萬公裏（其中普通國道10.61萬公（gōng）裏）。全國公路橋（qiáo）梁75.71萬座、4257.89萬（wàn）米。其中，特大橋梁3404座、610.54萬米，大橋72979座、1863.01萬米。在經曆20年的高速公路及城市橋（qiáo）梁的新建（jiàn）後，逐（zhú）漸轉向新（xīn）建與技術（shù）改造（zào）並重及對橋梁結構現狀的評定和維護維修加固階段。既有橋梁管理係統中，一般基於人工的外觀檢查方法來采集橋梁狀態數據，有經（jīng）驗的技術人（rén）員對橋梁病害，如混凝土橋（qiáo）梁（liáng）的蜂窩、麻麵、表麵裂縫、鋼筋鏽蝕、碳化及鼓包，鋼結構橋梁的表麵鏽蝕，進行近（jìn）距離檢查，再（zài）依照相關的規範進行等級評估。采用此（cǐ）類傳統的方法，其評判結果（guǒ）依賴於管（guǎn）理人員的主（zhǔ）觀判斷和相關規範的完善（shàn）程度，並且耗費人力，不利於信息建檔。隨著橋梁健康監測技術的發展，比（bǐ）如現代無損測試技術、無線傳（chuán）感網絡、基於網路地理信息係統、數據庫技術使得對橋梁大規模傳感數據遠程采（cǎi）集成為可能。然而（ér）對橋梁監測技術大規模（mó）應用仍存在費用昂貴、長期監測困難等弊端。另外橋梁結構病害的漸變性及測試過程中的不確定（dìng）因素的影響使得進（jìn）一（yī）步的信息抽取（qǔ）變得困難。
    近年（nián）來數碼攝像技（jì）術有了長足發展，如目前的高級數碼相機能輕易達到幾千萬像素的分（fèn）辨率（lǜ）及高達60 fps的圖像幀率。基於攝影的檢測技術已引起國內外土木工程領域的重視，如果采集的原始數碼（mǎ）圖像質量有保證，現代（dài）智能圖像處理技術能部分取代傳統的可視外觀檢查功能。已有成熟的技（jì）術采用攝（shè）像機或數（shù）碼相機進行混凝土表麵裂縫形態、長度以及寬（kuān）度的測試，混凝土表麵缺陷區域、麵積以及位置定位的（de）技術。另一方麵，機（jī）電（diàn）一體化、智能控製技術的發展也使（shǐ）得土木工程結構的自動檢測成為可能。基於圖像（xiàng）處理技術的橋梁外觀檢查係統，就是在有高質量照片保證的前提下，建立的一套完整的（de）圖（tú）像采集、圖像前處理、特征（zhēng）抽取、快速智能識（shí）別和模式分類、數據庫創建過程。相較於其他方法，該係統在橋梁外觀檢查領域應用（yòng）前景（jǐng）極大，能建立高速公路網和城市路網（wǎng）橋梁完備的結構（gòu）狀態數據庫。
    本文提出了一種基於圖像采集與圖像處理技術對公路橋梁病害進行快速識別的自動化（huà）檢測係統方案（àn），能實現公（gōng）路橋梁外觀的智能可視（shì）化檢測，通過後期的圖像處理，可以得到整個公路（lù）橋梁（liáng）主（zhǔ）梁的缺陷定位、大小及形態（tài）描述，非常有利於公路橋梁的（de）日常檢測與病害處（chù）理。
    2. 基於圖像（xiàng）處理的（de）橋梁病害識（shí）別
    公（gōng）路橋（qiáo）梁病害缺陷包（bāo）括混凝土橋梁的蜂窩、麻麵、表（biǎo）麵裂縫、鋼筋鏽蝕（shí）、碳化及鼓（gǔ）包，鋼結構（gòu）橋梁（liáng）的表麵鏽蝕現象，橋梁表麵裂縫是（shì）最常見的病害，目前對裂縫的檢測可采用基於圖（tú）像處理（lǐ）技術的裂縫檢（jiǎn）測儀，但這一設備仍是基於“點”測量，費時、費力，主觀性較強，而且無法獲取裂縫長度、發展形態的信息。近年來，國內外對基於圖像處理的裂縫檢測技（jì）術（shù）有較深（shēn）入研（yán）究，提出了一些成熟（shú）的實用算（suàn）法。對（duì）於采用中高速攝像機或（huò）數碼相機采集到的裂縫圖像，利用計算（suàn）機編製軟（ruǎn）件，對采集到的海量圖像數據（jù）進行處理，包括圖（tú）像增強、噪聲處理等前處理工作、裂縫特征信息提取、特征識別與計算。圖1示出混凝土裂縫圖像檢測流程。
    可以看出，通過圖像目標區域特征增強及噪聲前處理，應用Canny算子及Sobel算子等邊緣檢（jiǎn）測方法，進而采用膨脹、腐蝕、細化（huà）、開閉（bì）運算等形態學處（chù）理方法，得到（dào）平滑的裂縫邊緣等最重（chóng）要信（xìn）息，通過像素尺（chǐ）寸校準，不同形態裂縫寬度及長度均可以（yǐ）精確（què）地識（shí）別出來。圖1所示圖像的混凝土模板痕跡類似於裂縫，識別難度大，通過（guò）參數（shù）調整的方式也可以進行（háng）移除，最終得到完美的裂縫形態信息。  
    研究表明，原始（shǐ）圖像中水平裂縫受表麵汙染、混凝土表（biǎo）麵缺陷影響，特征抽（chōu）取較為困難，通過（guò）圖像增強、邊緣檢（jiǎn）測及形態學處理技術，大於0.10mm裂（liè）縫（féng）均能識別出（chū）來，這有利於跟蹤裂縫開展，把握裂縫發生原因，為維修加固提供建議。
    3.係統流程
    基於圖像處理的識別技術可以實現對橋梁病害的檢測，一般通過車載布置（zhì）攝像頭采集橋梁表觀圖像，並通過（guò）裁剪、融合（hé）等圖像預處理手段形成橋梁表麵的（de）展開圖（tú）。係統方案的基本流程如下：
    （1）獲（huò）取原圖（tú）像及圖像前處理
    (a)幾何校正
    采用高級數碼相機獲取原始圖像，包括鋼筋混凝（níng）土橋梁（liáng）的蜂（fēng）窩、麻麵、表麵裂縫、鋼（gāng）筋鏽蝕（shí）、碳化及鼓包，鋼結（jié）構橋梁中鋼構件表麵鏽蝕等。在數碼成（chéng）像過（guò）程（chéng）中，投影後（hòu）圖像形狀與投影麵和被投影物體相對位（wèi）置有關。正射（shè）成像得（dé）到的圖像與原物完全相同（tóng），但（dàn）是實際圖（tú）像采集（jí）過程中，由於投射角度（dù）不可能完全是正90°投射（shè），故上述病害的圖（tú）像與原型（xíng）不完全相同，會發生變形，導（dǎo）致各部分比例尺寸不（bú）一致。圖像幾（jǐ）何校正是對原圖像的角度傾斜進（jìn）行某種數（shù）據模擬，以建立原始的、傾斜了的圖像像元（yuán）與標準空間（jiān）的一種一一對（duì）應數學關係，然後利用這種對（duì）應關係，將傾斜圖像空間（jiān）的像素（sù）變（biàn）換到標準（zhǔn）空間圖像中，消除幾何誤差，實現對圖像的還原。基於上述原理開發的軟件，能夠實現對大量圖像的前處理，為後續特征提取、模式識別工作，提供真實的圖像（xiàng）。
    (b)灰度圖像生成及數據庫建立
    灰度圖像是圖像（xiàng）特征抽取（qǔ）和（hé）模式識（shí）別的基礎，將經過幾何校正的RGB圖像轉化為灰度圖像，這個轉化過程有多種算法能夠輕（qīng）易的實現。存儲灰度處理後的（de）圖像，建立灰度（dù）圖像數據庫。
    (c)圖像降噪
    由於（yú）噪聲影響圖像的輸入、輸出等環節（jiē），使得圖（tú）像的（de）分辨率下（xià）降，同時破壞了圖像的精細結構，給圖像的特征提取帶來不便。圖像噪聲（shēng）處理方法很多，可用基於（yú）二維小波分析的圖像分解和重構方法來剔除噪聲的影響。小波分析是基於噪聲和（hé）信號在頻（pín）域（yù）上分布不同而進行的，一般信號和噪聲分別分（fèn）布在低頻（pín）和高頻區域，圖像細節也分布在高頻區域。小波變換是一種調和變換，其同時具有空間域和（hé）頻（pín）域的局域（yù）性，具有多分辨分析的性質，能適應信號頻率的局域變換，在每（měi）一層（céng）小波分解上選取（qǔ）各自閥值，可消除多（duō）數噪聲。
    （2）特征抽（chōu）取
    (a)混凝土結構（gòu）病害特征抽取
    混凝（níng）土表麵裂縫特征（zhēng）主（zhǔ）要包括裂縫線型、裂（liè）縫長（zhǎng）度。裂縫寬（kuān）度。可以使用二值化法通過閥值選取等操作抽取表麵裂縫線型，裂（liè）縫長度和寬度可根據單（dān）位像素值（zhí）對應的實（shí）際長度來（lái）計（jì）算。
    混凝土表（biǎo）麵蜂窩麻麵、鋼筋鏽蝕、保護層脫落、鼓包等病害特征的抽取，可用基於小（xiǎo）波分析的類似圖像檢索（suǒ）法，基（jī）於內容的圖像分割技術以及形態法中的分水（shuǐ）嶺法。通過圖像分割處理可以快速（sù）獲得各種（zhǒng）病害麵積及劣（liè）化程度，並建立特征數據庫。
    (b)鋼結構橋梁表麵鏽（xiù）蝕特征抽取（qǔ）
    鐵鏽顏色、鏽蝕物形狀、鏽蝕物大小及表麵致密程度等可作為鋼結構表麵鏽蝕劣化特征的表征（zhēng），鐵鏽顏色可以采用RGB三原色來進行分解抽取，而（ér）鏽蝕物形狀、鏽蝕物大小及表麵致密程（chéng）度則對應圖像的紋理（lǐ）特征。
    小波變換能自適（shì）應處理不同尺寸不（bú）同層次的（de）紋理圖像信息（xī），能對圖像按不同頻帶進行分解（jiě）和重構。小波變換為多尺寸思想（xiǎng）提供了一個清晰的數學框架，首（shǒu）先借助正交小波（bō），對圖像進行分解，得到不同分辨率（lǜ）的（de）一係列圖像。分辨率越低，具有的是原圖像上越低頻的信號部分。與此同時，每種分（fèn）辨率圖像由代表不同方向（xiàng）信息的不同高頻子帶圖像組成，使用（yòng）小波高頻子帶特征的目的在於他們可以反映圖（tú）像的紋理特性。多進製小波變換的最大優點是，將一（yī）個（gè）信號的高頻分（fèn）量（liàng）縮小到窄的帶寬，並能（néng）分出更多的頻段。同時比二進製小波變換有更好的能量緊湊性，因為紋理重要的信息都集中在中高頻子帶上，所以多進製小（xiǎo）波變換多頻段特征更適合紋理分析。鋼結構表麵鏽蝕紋理，按Ｍ進（jìn）製小波變換分解，在每個層次分解上有１個低頻圖（tú）像，Ｍ2－１個高頻圖像。圖像紋理特征提取需要保證每個像素點均獲得特征向量。進而能夠用模式分類（lèi）和識別算法來（lái）獲取（qǔ）紋理結構信息，並建立特征數據庫。
    （3）模式分類和智能識（shí）別
    基於橋梁圖像數據庫及特征數據庫，由（yóu）專家按相關橋（qiáo）梁養護（hù）技術規範及標準對檢測橋梁進行評級。對新的待處理的圖像比照特征數據庫，用模式分類識別算法進行評定，且可以隨時擴充特征數據庫。采用支（zhī）持向量機法（ＳＶＭ）進行模式（shì）識別和分類，尋找（zhǎo）圖像像素之間的特征差別，即從像素點本身及其周圍的環境（jìng）（鄰（lín）近像素點）出發（fā），尋找差（chà）異（yì），然（rán）後將各類像素點區分出來。對於經過灰度處理的圖像，把灰度均值和灰度方差（chà）納入特征識別向量，使得對於複雜圖像的（de）邊界與非（fēi）邊界像素能更好的識別。支持向量機結構簡單，其識別精度與相關參數選擇很大有關（guān），可應用粒（lì）子集團優化，及遺傳算法等智能優（yōu）化算法來選擇最優參數。 
    4. 技術難點
    自動化檢（jiǎn）測係統存（cún）在的主要技（jì）術難點如下：
    （1）采集圖像的分辨率與病害識別精度
    對於橋梁混（hún）凝土表麵裂（liè）縫的（de）識別，識別精度一般最小應達到0.2mm，如果相機拍攝範圍為100cm×100cm，則最小（xiǎo）像素分辨應（yīng）該達到（dào）至少(1000/0.2)×(1000/0.2)=25,000,000像素，目（mù）前（qián）兩千五百萬像素單反相機購買不是難事，由於對拍攝範圍有要（yào）求（qiú），一般（bān）單（dān）反相機應該精心設置長焦鏡（jìng）頭，滿足橋梁病害區域拍攝要求。
    （2）檢測效率與測試精度（dù）
    目前多路（lù）高清圖（tú）像的采集及傳（chuán）輸通過有線或無線的方式進行已經（jīng）得到解決，檢測過程中的主要問題是由於橋梁形式的多樣性，采集到的病害圖像的位置信息、圖像的連續性很（hěn）難保證，處理方式之一是在橋梁檢測車上設置可以實現自動（dòng）掃描、自動（dòng）定位的移動檢測機器人，但橋下檢測機器人一般從橋麵通過液壓轉向臂架實現，當檢測車在橋麵慢速移動，橋麵（miàn）微（wēi）幅振動導致臂架抖（dǒu）動，臂架前端綁定的攝像（xiàng）設備采集的（de）圖像質量隨之降低，對攝像機圖像幀率及傳輸硬件係統（tǒng）的要求越高。檢測車行車速度對采集圖像質量影響以及對攝像機硬件要求（qiú）（如分（fèn）辨率（lǜ）、幀率等等）有待現場試驗研究得出。
    （3）基於圖像處理技術的病害識別
    文中主（zhǔ）要針對混凝土（tǔ）表麵的主要病害即裂縫的（de）識別技術進行了闡述。隻從表麵（miàn）裂縫情況對橋梁的安全狀（zhuàng）況進行評價較為片（piàn）麵，而且（qiě）橋梁病害包括表麵滲漏、局部混凝土掉落、表（biǎo）麵蜂窩麻麵、鋼筋鏽蝕等（děng）等。由於病害形態的多樣性（xìng）及識別（bié）複雜性，基於圖像處（chù）理的技術實現對以上橋（qiáo）梁表麵病害的自動化識別還需不斷加以完善與改進。
    5. 結論
    我國在經曆近30年高速公（gōng）路及城市橋梁的大（dà）規模新建後，橋梁建設（shè）將逐漸（jiàn）轉向新建與技術改造並重及對既有橋梁（liáng）的現狀評定和維護維修及加固改造階段。為了對高速公路網及城市路網橋梁進（jìn）行統一的（de）維護管理及資金合理使用，本文提出了基於圖像處理技（jì）術（shù）的橋梁外觀檢查快（kuài）速識別係統方案。根據橋梁表麵病害特征，重點對基於（yú）圖像處理技術（shù）的裂（liè）縫長度、寬度、形態的識別（bié）技術進行了論述（shù），實例研究表明，可以通過邊緣檢測、形態學處理（lǐ）、圖像裁剪與融合技術得到橋梁表麵病害展開圖，並識別出裂縫的形（xíng）態與寬度。係（xì）統引入現代圖像處理（lǐ）技術及智能模式識別與分類方法（fǎ）來部分取代傳統的耗費人力、主觀（guān）影響大、不利於信息建檔的基（jī）於人工的（de）橋梁外（wài）觀檢查方法，進而建立可擴充的橋梁表觀損（sǔn）傷圖像、圖像特征（zhēng）信息及相（xiàng）應評定結果數據庫以方便既有橋梁的評估、維護及管理，這符合現代橋（qiáo）梁管（guǎn）理的知識化、信息化、便利化要求。自動化檢測係統可以為公路（lù）橋（qiáo）梁病害的檢測提供一種非（fēi）常直觀且高（gāo）效的方法，對提升橋梁維護管理水平意（yì）義重大。