水下結(jié)構(gòu)物表面缺陷的自動檢測與識別

1、水下結(jié)構(gòu)物表面缺陷的自動檢測與識別摘要：在計(jì)算機(jī)圖像處理理論與模式識別理論的基礎(chǔ)上，提出水下結(jié)構(gòu)物表面缺陷的識別方法，給出噪聲去除以及閾值分割的方法；從處理后的缺陷圖像中提取能表征缺陷性質(zhì)的幾何特征和紋理特征，并運(yùn)用樹形分類器進(jìn)行分類，以實(shí)現(xiàn)計(jì)算機(jī)對缺陷圖像的理解和自動識別。識別結(jié)果為水下結(jié)構(gòu)物的安全可靠性評估提供基礎(chǔ)數(shù)據(jù)。關(guān)鍵詞：缺陷識別；圖像處理；特征提??；模式識別 0 引言近幾十年來，隨著海洋石油開發(fā)工程、水庫大壩工程、港口碼頭以及橋梁工程的不斷深入和發(fā)展，形成了一系列水下開發(fā)結(jié)構(gòu)物新模式。然而，在長期服役過程中，由于外部環(huán)境（如風(fēng)浪、腐蝕、水力沖刷以及溫度應(yīng)力等）的變化以及人為失誤（如

2、設(shè)計(jì)或者選材不當(dāng)）的影響，水下結(jié)構(gòu)物在服役過程中會出現(xiàn)各種不同程度的損傷，使整體結(jié)構(gòu)的安全性、完整性及可使役性降低。因此，定期對其進(jìn)行檢測，評估其安全可靠性是非常必要的1。傳統(tǒng)的水下結(jié)構(gòu)物缺陷的檢測方法（如目測、磁粉檢測等）具有檢測能力有限、檢測可靠性低、檢測時間長、費(fèi)用高等缺點(diǎn)。隨著數(shù)字圖像處理與模式識別技術(shù)的不斷發(fā)展，迫切需要有一種自動檢測裝置，正確有效地對水下結(jié)構(gòu)物的缺陷進(jìn)行分類識別。針對這一情況，本文利用數(shù)字圖像處理手段，根據(jù)水下結(jié)構(gòu)物表面缺陷區(qū)域的幾何特征和紋理特征，定量地表征缺陷的性質(zhì)，并且根據(jù)模式識別理論設(shè)計(jì)了分類器。識別結(jié)果將給出缺陷的種類，或“無缺陷”的評價。1 水下結(jié)構(gòu)物缺

3、陷識別實(shí)驗(yàn)系統(tǒng)圖1為已開發(fā)的水下結(jié)構(gòu)物表面缺陷檢測系統(tǒng)的框圖。硬件設(shè)備主要包括：碘鎢燈照明光源、彩色數(shù)碼變焦攝像機(jī)、SuperSonic S-200視頻采集卡、主機(jī)（包括顯示器、鼠標(biāo)和鍵盤）等。CCD借助光學(xué)系統(tǒng)將照射于其上的光信號轉(zhuǎn)換為電信號，形成視頻信號。視頻采集卡完成對圖像模擬視頻信號的模/數(shù)轉(zhuǎn)換功能，經(jīng)采樣與量化的數(shù)字圖像在計(jì)算機(jī)中進(jìn)行后期的數(shù)字圖像處理2。采用視頻卡自帶的采集程序，將圖像保存為bmp格式的圖像文件，由開發(fā)的圖像處理軟件讀取源文件，并進(jìn)行圖像預(yù)處理，特征提取之后，進(jìn)行模式識別，最后給出模式識別的結(jié)果。圖1 實(shí)驗(yàn)系統(tǒng)組成框圖2 圖像預(yù)處理眾所周知，水的密度比空氣大800倍

4、，光波在水中傳輸時產(chǎn)生的吸收和散射效應(yīng)，使圖像信號衰減很快，而且采集到的圖像會受到硬件設(shè)備以及傳輸電纜的影響會產(chǎn)生噪聲，所以水下圖像的質(zhì)量受環(huán)境的影響非常大，圖像預(yù)處理也就十分重要。下面主要介紹缺陷圖像去噪以及圖像二值化方法。2.1 圖像的去噪處理在系統(tǒng)中圖像預(yù)處理模塊主要采用了可以有效濾除脈沖噪聲的中值濾波以及能夠較好濾除高斯噪聲的小波變換技術(shù)。對實(shí)際的水下結(jié)構(gòu)物缺陷圖像，采用5×5正方形窗口中值濾波不僅更好地濾除了噪聲，而且較好的保持了邊緣。但是中值濾波由于涉及排序算法，在窗口大小相同時計(jì)算機(jī)進(jìn)行處理的時間要大于鄰域平均法。對于640×480大小的圖像，在實(shí)驗(yàn)用Pent

5、ium 計(jì)算機(jī)上不同窗口濾波所需的時間如表1所示。中值濾波窗口還可以是十字形、水平以及垂直窗口等。根據(jù)濾波效果以及濾波時間的比較可以得出，而采用5×1水平窗口進(jìn)行中值濾波的效果比較理想。為了節(jié)省計(jì)算時間以增強(qiáng)實(shí)時性，在水下結(jié)構(gòu)物缺陷檢測時采用5×1水平窗口進(jìn)行中值濾波。表1 不同窗口濾波所需的時間（秒）（640×480）窗口形狀尺寸均值濾波中值濾波正方形窗口十字形窗口水平窗口垂直窗口3×35×53×35×53×35×53×15×11×31×5處理時間1.042.32

6、1.282.640.961.080.480.680.520.74中值濾波器可以較好地濾除脈沖噪聲，但濾除高斯噪聲效果不理想。因此，系統(tǒng)采用Daubechies小波繼續(xù)對缺陷圖像進(jìn)行去噪處理。基于Daubechies小波變換的圖像去噪方法可表示為：在對缺陷圖像 y 進(jìn)行小波分解，得到小波系數(shù) g；在小波域上，對小波系數(shù)進(jìn)行閾值操作，如式1所示； 對閾值操作后的小波系數(shù)進(jìn)行小波反變換，就是去噪后的圖像。(1)經(jīng)過試驗(yàn)表明，使用 Daubechies小波變換與中值濾波相結(jié)合的方法，可以有效濾除水下結(jié)構(gòu)物缺陷圖像的噪聲。2.2 圖像的二值化處理為了檢測出缺陷的邊緣，進(jìn)行圖像分割（缺陷子圖像的提?。?，應(yīng)

7、先把缺陷與背景分離開?；叶乳撝档倪x擇相當(dāng)重要。在水下結(jié)構(gòu)物缺陷圖像的直方圖上不一定會得到理想的物體峰，多數(shù)情況下會呈現(xiàn)不規(guī)則形狀。因此，本系統(tǒng)采用雙窗口法進(jìn)行閾值計(jì)算。其算法處理順序如下：在缺陷圖像內(nèi)設(shè)定包含缺陷部分的窗口 A。計(jì)算這個范圍內(nèi)的象素點(diǎn)灰度分布，可得原始圖像的直方圖，用加窗高斯函數(shù)對該直方圖進(jìn)行濾波。加窗高斯函數(shù)將加窗高斯函數(shù)的離散值同直方圖函數(shù)的離散值進(jìn)行卷積，就完成了濾波操作；設(shè)定一個包含有窗口 A的窗口 B。同樣求出像素點(diǎn)灰度分布，則灰度分布A與B的差，相當(dāng)于背景部分的灰度成分；在前項(xiàng)將窗口的灰度分布由A擴(kuò)大至B，無變化的灰度成分屬于缺陷部分，即可求出分割閾值。3 水下結(jié)構(gòu)

8、物缺陷的特征構(gòu)造與提取由于水下結(jié)構(gòu)物存在著不同種類的缺陷，而且它們都是隨機(jī)分布的，因此對每一種缺陷進(jìn)行分類識別難度非常大。這時需要對缺陷進(jìn)行歸類，選取典型的缺陷圖像來進(jìn)行處理和分析，得出分類規(guī)則，從而根據(jù)模式識別理論設(shè)計(jì)分類器。3.1 水下結(jié)構(gòu)物缺陷的分類根據(jù)采集到水下結(jié)構(gòu)物缺陷圖像的分析結(jié)果可知，裂縫及腐蝕缺陷是水下結(jié)構(gòu)物的主要缺陷。因此，本文將缺陷主要分為裂縫缺陷和腐蝕缺陷兩種，而腐蝕缺陷從形態(tài)上分，主要有全面腐蝕和局部腐蝕兩大類4，局部腐蝕又包括坑蝕，縫隙腐蝕，焊縫腐蝕，沖蝕等。裂縫缺陷主要出現(xiàn)在水下混凝土結(jié)構(gòu)中，裂縫缺陷和背景結(jié)構(gòu)物的對比度明顯，且多呈中間寬兩頭尖細(xì)的長條形，尺寸較大，

9、宏觀裂縫有時可長達(dá)數(shù)米。全面腐蝕是一種常見的腐蝕形態(tài)，它在水下結(jié)構(gòu)物的整個暴露表面或一個大面積上普遍地發(fā)生腐蝕。全面腐蝕的特征為腐蝕的面積較大，且腐蝕區(qū)域的灰度與背景的灰度對比較明顯。蝕坑是最常見的一種局部腐蝕類型，普遍發(fā)生在各個部位，其圖像特征為數(shù)量多，面積小，形狀多為圓形?？p隙腐蝕常發(fā)生在金屬鉚接、螺栓、水封、法蘭盤連接等部位，其圖象背景灰度比較均勻，形狀多為尖細(xì)的條形。焊縫腐蝕多為裂紋狀，而且背景灰度比較復(fù)雜。沖蝕是金屬表面在高速水流或含泥沙顆粒、氣泡的高速流體直接不斷沖擊下形成的，其圖像特征為形狀一般接近長方形，且與背景對比度不明顯。3.2 水下結(jié)構(gòu)物缺陷特征參數(shù)的確定針對圖像樣本中的

10、含有上述已知缺陷的圖像，對其進(jìn)行預(yù)處理以及二值化處理后，缺陷區(qū)域和背景區(qū)域已經(jīng)分開，然后計(jì)算其幾何特征、形狀特征以及紋理特征。為了研究缺陷區(qū)域灰度變化規(guī)律，將二值圖像的缺陷區(qū)域用原有灰度級來表示，以提取其紋理特征。經(jīng)過對各種特征的計(jì)算結(jié)果進(jìn)行分析后，再從中提取一些能反映缺陷性質(zhì)而且相對比較穩(wěn)定的特征，作為分類、識別和理解缺陷的依據(jù)。鑒于水下結(jié)構(gòu)物圖像處理的現(xiàn)狀，目前不可能建立各種缺陷的專家知識庫，缺陷特征的選擇主要依賴于缺陷的特征分析和實(shí)驗(yàn)分析結(jié)果。在缺陷圖像特征中，幾何形狀特征常常是判斷缺陷的最重要的依據(jù)。另外，對于立體型缺陷，光線反射缺陷區(qū)域的波動性存在較大的差別，這種差別表現(xiàn)為不同的灰度

11、變化規(guī)律。因此，紋理特征也是缺陷識別的有利依據(jù)。這里選擇了四個幾何特征以及一個紋理特征，各特征的數(shù)學(xué)模型如下5：（1）缺陷子圖像的周長L：周長定義為包圍物體而不含于物體的邊界長度。物體的周長在識別具有簡單形狀或復(fù)雜形狀物體時特別有用，形狀簡單物體用相對較短的周長來包圍它所占有的面積。由于周長定義為邊界，測量這個周長時包含了許多90度的轉(zhuǎn)彎，從而夸大了周長值。一個修正的計(jì)算公式如式(2)所示。(2)其中，Lc，Lo分別表示邊界鏈碼中約定走偶步與奇步的數(shù)目。（2）缺陷子圖像的面積S：面積最簡單的計(jì)算方法是將像元看成是1的單位面積，計(jì)算物體內(nèi)部的像元的數(shù)目。由于邊界象素的一半在物體內(nèi)部一半在物體的外

12、部，因此，準(zhǔn)確的面積可以用內(nèi)部總像元數(shù)加上周長的一半來近似地修正，如式(3)所示。(3)其中，S 表示面積，T 物體內(nèi)部的像元總數(shù)，L表示物體的周長。（3）細(xì)長比A：如式(4)所示。(4)其中，A表示物體的細(xì)長比，W是物體的寬度，L是物體的長度。這一參數(shù)可以把細(xì)長的目標(biāo)與圓形或方形目標(biāo)區(qū)分開來。（4）圓形度C：由式(5)來表示。(5)其中，C表示圓形度，L是目標(biāo)的周長，S是目標(biāo)的面積。這個特征對圓形目標(biāo)取最小值1，越復(fù)雜的形狀取值越大。圓形度與邊界復(fù)雜性有著粗略的關(guān)系。（5）熵Le：圖像的紋理反映了圖像或物體本身的屬性。設(shè)(i, j)，(k, l) 兩任意象素點(diǎn)的灰度值分別為 f(i, j)，

13、f(k, l)，則聯(lián)合分布密度如式(6)所示。(6)其中，l1，l2均為0到L之間的灰度級。熵的求解方法如式(7) 所示。(7)4 水下結(jié)構(gòu)物缺陷的識別及實(shí)例鑒于水下結(jié)構(gòu)物缺陷圖像各特征之間有一定的相關(guān)性，為降低求解的復(fù)雜性，特征識別時應(yīng)用階層識別的方法。對于識別多類、多特征的圖像，可采用樹形分類器，它是根據(jù)樹形分層理論，將未知數(shù)據(jù)歸屬于某一類的分類方法6。樹形分類器的關(guān)鍵是特征的選出及判決規(guī)則的確定。利用樹形分類器，本文對水下結(jié)構(gòu)物缺陷進(jìn)行分類如圖2所示。逐層選用上節(jié)中的特征，將各類缺陷一一檢出。選擇特征的準(zhǔn)則是同種特征值相差最明顯的。特征閾值分類閾值通過利用已知樣本缺陷圖像對分類器進(jìn)行訓(xùn)練

14、來獲得。圖2 水下結(jié)構(gòu)物的缺陷分類（14為樣本模式：1 缺陷的面積；2 缺陷的細(xì)長比；3 缺陷的圓形度；4 缺陷的能量特征熵）圖3 水下結(jié)構(gòu)物缺陷識別流程圖分類過程中，由于裂縫和全面腐蝕的面積比較大，首先利用面積這一特征將裂縫和全面腐蝕缺陷同其它缺陷分離出來；然后根據(jù)細(xì)長比設(shè)定閾值分離裂縫缺陷和全面腐蝕；其它的縫隙腐蝕和焊縫腐蝕形狀都呈細(xì)長形，而坑蝕則多為圓形，沖蝕多為橢圓形。因此圓形度特征值可以用來區(qū)分坑蝕、沖蝕以及縫隙和焊縫腐蝕，而縫隙腐蝕和焊縫腐蝕則根據(jù)能量特征來進(jìn)行區(qū)分。在此過程中，閾值要通過學(xué)習(xí)和訓(xùn)練，不斷修改權(quán)值來最終確定。水下結(jié)構(gòu)物缺陷的計(jì)算機(jī)模式識別的流程圖如圖3所示，圖中的參

15、數(shù)T1、T2、T3、T4以及T5分別為分類閾值，閾值的大小通過不斷的學(xué)習(xí)和訓(xùn)練來確定。根據(jù)需要我們選用單類標(biāo)準(zhǔn)缺陷圖像40張作為樣本圖像，進(jìn)行識別訓(xùn)練。另外，挑選10張拍照條件較好的缺陷圖像作為測試集，對于訓(xùn)練好的系統(tǒng)進(jìn)行測試，測試結(jié)果如表2所示。10張測試樣本用分類器識別的結(jié)果是有兩個錯識別，一個是將沖蝕錯識別為坑蝕，一個是將焊縫腐蝕錯識別為縫隙腐蝕，正確識別率達(dá)80。從錯識別的樣本情況看，錯識別的原因有缺陷類型識別主要是形狀參數(shù)決定的，此外還有試驗(yàn)訓(xùn)練樣本較少，形狀特征參數(shù)的選用等原因。表2 水下結(jié)構(gòu)物缺陷樣本圖像識別結(jié)果樣本圖像訓(xùn)練樣本識別樣本識別結(jié)果裂縫缺陷82正確全面腐蝕82正確坑蝕

16、82正確沖蝕61錯識別成坑蝕縫隙腐蝕62正確焊縫腐蝕41錯識別成縫隙腐蝕總計(jì)4010試驗(yàn)表明，利用樹形分類器進(jìn)行水下結(jié)構(gòu)物的缺陷識別是可行的，系統(tǒng)對典型缺陷的識別效果較好，但對一些具有缺陷交叉的焊縫腐蝕缺陷的識別效果不盡人意。另外，試驗(yàn)中由于分類器訓(xùn)練的缺陷圖像樣本數(shù)較少，也是影響造成錯識別的原因。5 結(jié)束語基于圖像處理和模式識別理論開發(fā)的水下結(jié)構(gòu)物缺陷自動檢測系統(tǒng)，有效地完成了水下結(jié)構(gòu)物表面缺陷的識別。這個系統(tǒng)是由攝像頭捕捉水下結(jié)構(gòu)物表面缺陷圖像，自動檢測出缺陷區(qū)域的輪廓，計(jì)算出缺陷的特征參數(shù)。其中，使用中值濾波和小波變換結(jié)合的方法進(jìn)行去噪處理；采用二窗法確定圖像二值化的閾值。系統(tǒng)通過提取缺陷子圖像的特征參數(shù)，采用樹形分類器對水下結(jié)構(gòu)物表面缺陷進(jìn)行正確的分類。試驗(yàn)表明，采用該方法進(jìn)行缺陷識別效果較好，而且識別結(jié)果對水下結(jié)構(gòu)物的安全可靠性評估具有一定的指導(dǎo)意義。參考文獻(xiàn)1 方華燦, 趙學(xué)年, 陳國明. 海底管線腐蝕缺陷的安全可靠性評估J.石油礦場機(jī)械, 2001,30(6):1-4.2 白慶本, 韓兆福. 基于CCD成像和計(jì)算機(jī)圖像處理技術(shù)的火炮內(nèi)膛自動檢測J. 計(jì)算機(jī)測量與控制, 2002, 10(2): 124-126.3 王然冉, 李界家. 圖像的自動采集分析和實(shí)現(xiàn)J.