计算机科学 ›› 2018, Vol. 45 ›› Issue (6A): 259-261.

• 模式识别与图像处理 • 上一篇    下一篇

基于图像增强与分水岭分割的隧道低对比度裂缝提取方法

周丽军   

  1. 山西省交通科学研究院山西省公路智能监测工程技术研究中心 太原030000
  • 出版日期:2018-06-20 发布日期:2018-08-03
  • 作者简介:周丽军(1984-),女,博士,工程师,主要研究方向为路桥隧道检测,E-mail:zhoulj2012@hotmail.com。
  • 基金资助:
    山西省自然科学基金项目(2015021126),山西省交通运输厅科研项目(2017-1-25)资助

Low-contrast Crack Extraction Method Based on Image Enhancement and Watershed Segmentation

ZHOU Li-jun   

  1. Shanxi Engineering Research Center for Road Intelligent Monitoring,Shanxi Transportation Research Institute,Taiyuan 030000,China
  • Online:2018-06-20 Published:2018-08-03

摘要: 在实际的隧道裂缝检测中,存在细小、对比度低且有污渍点干扰的隧道裂缝,利用常规方法很容易漏检裂缝。为了解决此问题,提出一种基于图像增强与分水岭分割的裂缝提取算法,该算法有效利用背景信息补偿了污渍点,均衡了图像背景对比度。结合高低帽变换方法对图像进行增强,然后根据分水岭算法获取分水岭分割线;比较分割线所在位置的灰度值与其周边灰度值,并通过灰度值差异判断裂缝边缘,从而提取裂缝。实验结果表明,所提算法能够准确、有效地检测出完整的隧道裂缝,且对噪声具有鲁棒性。

关键词: 裂缝检测, 低对比度, 高低帽变换, 图像增强, 分水岭

Abstract: In the process of tunnel crack detection in actual scene,there exists small,low-contrast and stain-interfered cracks.It is difficult to extract those cracks by conventional methods.In order to solve this problem,a crack detection method based on image enhancement and watershed segmentation was proposed.In this method,the interfered stain is removed to balance the image background contrast.The image is further enhanced by top-hat and bottom-hat transformation.Then the segmentation lines are obtained by watershed algorithm.According to the gray-value difference between the gray-value of segmentation line and its surrounding gray-value,the crack edge can be extracted.Experimental results show that the proposed method is accurate and effective to detect tunnel cracks and it is also robust to noise.

Key words: Crack detection, Low-contrast, Top-hat/bottom-hat transformation, Image enhancement, Watershed

中图分类号: 

  • TP391.41
[1]仇玉良.隧道检测监测技术及信息化智能管理系统[M].北京:人民交通出版社,2013:25-56.
[2]朱力强,白彪,王耀东,等.基于特征分析的地铁隧道裂缝识别算法[J].铁道学报,2015,37(5):64-70.
[3]瞿中,林丽丹,郭阳.形态学与区域延伸相结合的图像裂缝检测算法研究[J].计算机科学,2014,41(11):297-300.
[4]杨松,邵龙潭,郭晓霞,等.基于骨架和分形的混凝土裂缝图像识别算法[J].仪器仪表学报,2012,33(8):1850-1855.
[5]王世芳,车艳丽,李楠,等.一种基于多尺度脊边缘的沥青路面裂缝检测算法[J].中国公路学报,2017,30(4):32-41.
[6]李锋,阚建霞.基于Sobel算子的图像快速二维最大熵阈值分割算法[J].计算机科学,2015,42(6A):209-210.
[7]赵志刚,赵祥模,宋焕生,等.基于直方图估计和形状分析的沥青路面裂缝识别算法[J].仪器仪表学报,2010,31(10):2260-2266.
[8]舒速,杨明.基于分水岭分割和稀疏表示的高光谱图像分类方法[J].计算机科学,2016,43(2):89-93.
[9]张博,何彬彬.改进的分水岭变换算法在高分辨率遥感影像多尺度分割中的应用[J].地球信息科学学报,2014,16(1):142-149.
[10]TARABALKA Y,CHANUSSOT J,BENEDIKTSSON A.Segmentation and Classification of Hyperspectral Images using Watershed Transformation[J].Pattern Recognition,2010,43(7):2367-2379.
[11]ACHARJYA P.GHOSHAL D.Watershed Segmentation based on Distance Transform and Edge Detection Techniques[J].International Journal of Computer Applications,2012,52(13):6-10.
[12]余烨,李冰飞,张小魏,等.面向RGBD图像的标记分水岭分割[J].中国图象图形学报,2016,21(2):145-154.
[1] 周丽军, 刘晓. 基于分数阶傅里叶变换的隧道低对比度裂缝检测[J]. 计算机科学, 2019, 46(6A): 208-210.
[2] 徐敏敏, 寇光杰, 马云艳, 岳峻, 贾世祥, 张志旺. 基于PCNN内部活动项的彩色图像增强算法[J]. 计算机科学, 2019, 46(6A): 259-262.
[3] 姚哲维, 杨丰, 黄靖, 刘娅琴. 改进型循环生成对抗网络的血管内超声图像增强[J]. 计算机科学, 2019, 46(5): 221-227.
[4] 张玉雪,唐振民,钱彬,徐威. 基于稀疏表示和多特征融合的路面裂缝检测[J]. 计算机科学, 2018, 45(7): 271-277.
[5] 刘洋, 张杰, 张慧. 一种改进的Retinex算法在图像去雾中的研究与应用[J]. 计算机科学, 2018, 45(6A): 242-243, 251.
[6] 赵军辉,吴玉峰,胡坤融,蒲斌. 基于Lab色彩空间和色调映射的彩色图像增强算法[J]. 计算机科学, 2018, 45(2): 297-300.
[7] 贾新宇, 江朝晖, 魏雅鹛, 刘连忠. 相对颜色空间下梯度分层重构的分水岭分割[J]. 计算机科学, 2018, 45(11A): 212-217.
[8] 张翔, 王伟, 肖迪. 一种改进的具有色彩保护的多尺度Retinex图像增强算法[J]. 计算机科学, 2018, 45(10): 246-249.
[9] 安世全,白羚,瞿中. 基于直线段特征单元提取的隧道砼衬砌接缝去除算法[J]. 计算机科学, 2017, 44(7): 304-308.
[10] 汪梅,李琳,汪斌,何高明. 分水岭算法应用于主动轮廓模型能量分割算法的研究[J]. 计算机科学, 2017, 44(5): 314-319.
[11] 刘小园,衣扬,杨磊,汪斌. 基于定向双边全变差正则化的文档图像超分辨率算法研究[J]. 计算机科学, 2017, 44(11): 301-304.
[12] 苗启广,李宇楠. 图像去雾霾算法的研究现状与展望[J]. 计算机科学, 2017, 44(11): 1-8.
[13] 瞿中,郭阳,鞠芳蓉. 一种基于改进渗流模型的混凝土表面裂缝快速检测算法[J]. 计算机科学, 2017, 44(1): 300-302, 313.
[14] 梅园,赵波,朱之丹. 基于直线曲线混合Gabor滤波器的指纹增强算法[J]. 计算机科学, 2016, 43(Z6): 149-151, 155.
[15] 张辉,朱家明,陈静,吴杰. 结合分水岭算法的水平集医学图像分割方法[J]. 计算机科学, 2016, 43(Z11): 193-196.
Viewed
Full text


Abstract

Cited

  Shared   
  Discussed   
[1] 编辑部. 新网站开通,欢迎大家订阅![J]. 计算机科学, 2018, 1(1): 1 .
[2] 雷丽晖,王静. 可能性测度下的LTL模型检测并行化研究[J]. 计算机科学, 2018, 45(4): 71 -75, 88 .
[3] 夏庆勋,庄毅. 一种基于局部性原理的远程验证机制[J]. 计算机科学, 2018, 45(4): 148 -151, 162 .
[4] 厉柏伸,李领治,孙涌,朱艳琴. 基于伪梯度提升决策树的内网防御算法[J]. 计算机科学, 2018, 45(4): 157 -162 .
[5] 王欢,张云峰,张艳. 一种基于CFDs规则的修复序列快速判定方法[J]. 计算机科学, 2018, 45(3): 311 -316 .
[6] 孙启,金燕,何琨,徐凌轩. 用于求解混合车辆路径问题的混合进化算法[J]. 计算机科学, 2018, 45(4): 76 -82 .
[7] 张佳男,肖鸣宇. 带权混合支配问题的近似算法研究[J]. 计算机科学, 2018, 45(4): 83 -88 .
[8] 伍建辉,黄中祥,李武,吴健辉,彭鑫,张生. 城市道路建设时序决策的鲁棒优化[J]. 计算机科学, 2018, 45(4): 89 -93 .
[9] 刘琴. 计算机取证过程中基于约束的数据质量问题研究[J]. 计算机科学, 2018, 45(4): 169 -172 .
[10] 钟菲,杨斌. 基于主成分分析网络的车牌检测方法[J]. 计算机科学, 2018, 45(3): 268 -273 .