混凝土坝裂缝识别的数字图像处理算法研究
发布时间:2021-06-16 13:11
常见的大坝病害大多开始出现在结构表面,如裂缝、渗漏、破损、以及结构的外观变形等。其中,裂缝是混凝土大坝最常见的病害表现形式。针对大坝裂缝,目前国内外仍然采用传统测量方法进行检测,这种方法费时费力,效率低且主观性大。采用的基于机器视觉的裂缝监测方法简单易行,可以快速提取裂缝特征信息,消除人工测量的主观误差,同时提高裂缝检测精度和效率,降低成本。本文建立基于数字图像技术的混凝土坝裂缝识别试验系统采集裂缝图像,对裂缝检测算法中的彩色图像处理、灰度图像预处理、图像分割等方法进行研究,并且提出了基于樽海鞘群优化的图像分割算法,对大坝裂缝图像检测具有重要意义。本文完成了以下工作:(1)建立了基于数字图像技术的裂缝识别试验系统。主要包括根据工程实际情况选择民用网络摄像机(型号:DS-2DC6223IW-A和DS-2CD3T46DWD-i5)作为图像采集设备,并且在实验室内修筑混凝土墙壁用以模拟大坝表面。(2)研究了裂缝图像处理方法,包括裂缝彩色图像处理和灰度图像处理。采用区域生长法对彩色图像进行分割,效果较好,但该方法存在一定的主观性和局限性;裂缝灰度图像分割方法包括Canny算法、迭代法、最大类间...
【文章来源】:大连理工大学辽宁省 211工程院校 985工程院校 教育部直属院校
【文章页数】:86 页
【学位级别】:硕士
【文章目录】:
摘要
Abstract
1 绪论
1.1 课题研究背景及意义
1.1.1 课题研究背景
1.1.2 研究意义
1.2 国内外研究现状
1.2.1 传统大坝病害检测技术的研究现状
1.2.2 裂缝图像处理方法研究现状
1.3 本文研究内容和章节结构
1.3.1 研究内容
1.3.2 论文章节结构
2 混凝土坝裂缝监测试验系统
2.1 引言
2.2 监测端的硬件设计
2.2.1 图像采集设备
2.2.2 其他设备
2.3 试验环境的模拟设计
2.4 本章小结
3 裂缝彩色图像处理方法研究
3.1 引言
3.2 彩色图像预处理
3.2.1 RGB图像介绍
3.2.2 彩色图像平滑
3.2.3 彩色图像锐化
3.3 彩色图像分割方法研究
3.4 本章小结
4 裂缝灰度图像处理方法研究
4.1 引言
4.2 裂缝图像读取
4.3 病害图像预处理
4.3.1 图像灰度化
4.3.2 图像增强
4.3.3 滤波去噪处理
4.3.4 图像锐化
4.4 裂缝图像分割方法研究
4.4.1 Canny算法
4.4.2 迭代法
4.4.3 最大类间方差法
4.4.4 基于标准粒子群优化算法的图像分割算法
4.4.5 基于樽海鞘群的图像分割算法
4.4.6 图像分割算法对比
4.5 本章小结
5 裂缝特征信息提取
5.1 概述
5.2 图像区域去噪
5.3 裂缝区域填充
5.4 裂缝特征分析
5.4.1 裂缝走向判断
5.4.2 裂缝投影计算
5.4.3 裂缝长度的计算
5.4.4 裂缝宽度的计算
5.4.5 裂缝面积的计算
5.5 混凝土墙面裂缝特征值计算
5.6 本章小结
6 混凝土坝裂缝检测识别系统GUI设计
6.1 裂缝检测系统GUI设计
6.2 某水库工程实例应用分析
6.2.1 病害图像采集
6.2.2 裂缝图像处理
6.2.3 裂缝特征信息提取
6.2.4 裂缝识别系统GUI
6.3 本章小结
7 结论
参考文献
攻读硕士学位期间发表学术论文情况
致谢
【参考文献】:
期刊论文
[1]基于深度学习的隧道裂缝识别方法[J]. 刘新根,陈莹莹,朱爱玺,杨俊,何国华. 广西大学学报(自然科学版). 2018(06)
[2]基于BP神经网络的沥青路面裂缝识别方法研究[J]. 英红,丁海明,侯新月,刘杨. 河南理工大学学报(自然科学版). 2018(04)
[3]基于樽海鞘群算法的无源时差定位[J]. 陈涛,王梦馨,黄湘松. 电子与信息学报. 2018(07)
[4]融入视觉注意机制的路面裂缝检测与识别[J]. 张玉雪,唐振民,钱彬,徐威. 计算机工程. 2018(04)
[5]基于四旋翼无人机的桥梁裂缝检测系统设计[J]. 徐昊,彭雪村,卢志芳. 水利水运工程学报. 2018(01)
[6]分布式光纤传感器大坝安全监控系统研究[J]. 豆朋达,温宗周,马亚龙,高园平,薛冬旺,钱佳佳. 单片机与嵌入式系统应用. 2017(07)
[7]基于深度学习框架Caffe的路面裂缝识别研究[J]. 李楠. 工程技术研究. 2017(03)
[8]基于信息聚类的遥感图像分割[J]. 徐秋晔,李玉,林文杰,赵泉华. 中国矿业大学学报. 2017(01)
[9]基于PCNN和遗传算法相结合的新型混凝土桥梁裂缝检测方法[J]. 王艳,沈晓宇,丁文胜,王健波,邹秀阳. 计算机应用研究. 2017(10)
[10]基于图像处理技术的混凝土桥梁裂缝宽度检测[J]. 李文波,杨保春. 湖南交通科技. 2015(01)
博士论文
[1]基于嵌入式机器视觉的信息采集与处理技术研究[D]. 龚爱平.浙江大学 2013
[2]混凝土坝裂缝的混沌特性及分析理论和方法[D]. 包腾飞.河海大学 2004
硕士论文
[1]基于无人机采集图像的建筑物表面裂缝检测方法研究[D]. 马国鑫.江苏大学 2018
[2]基于机器视觉的混凝土坝裂缝监测系统研究[D]. 郭慧.大连理工大学 2017
[3]基于深度学习的路面裂缝检查及全面质量管理方法研究[D]. 袁亚超.重庆大学 2017
[4]基于图像分析的路面裂缝检测方法与识别研究[D]. 姜吉荣.南京邮电大学 2016
[5]超声波在混凝土裂缝检测中的物理模拟研究[D]. 李阳.西南交通大学 2016
[6]基于数字图像的路面裂缝识别系统研发[D]. 张南朝.郑州大学 2015
[7]基于数字图像处理的混凝土桥梁底面裂缝的检测[D]. 刘小燕.武汉理工大学 2014
[8]基于图像处理技术的建筑物表面裂缝测量方法的应用研究[D]. 崔磊.北京工业大学 2013
[9]基于数字图像的混凝土裂缝检测算法研究[D]. 宋君.长安大学 2013
[10]高速铁路隧道衬砌裂缝图像快速采集系统研究[D]. 王华夏.西南交通大学 2013
本文编号:3233141
【文章来源】:大连理工大学辽宁省 211工程院校 985工程院校 教育部直属院校
【文章页数】:86 页
【学位级别】:硕士
【文章目录】:
摘要
Abstract
1 绪论
1.1 课题研究背景及意义
1.1.1 课题研究背景
1.1.2 研究意义
1.2 国内外研究现状
1.2.1 传统大坝病害检测技术的研究现状
1.2.2 裂缝图像处理方法研究现状
1.3 本文研究内容和章节结构
1.3.1 研究内容
1.3.2 论文章节结构
2 混凝土坝裂缝监测试验系统
2.1 引言
2.2 监测端的硬件设计
2.2.1 图像采集设备
2.2.2 其他设备
2.3 试验环境的模拟设计
2.4 本章小结
3 裂缝彩色图像处理方法研究
3.1 引言
3.2 彩色图像预处理
3.2.1 RGB图像介绍
3.2.2 彩色图像平滑
3.2.3 彩色图像锐化
3.3 彩色图像分割方法研究
3.4 本章小结
4 裂缝灰度图像处理方法研究
4.1 引言
4.2 裂缝图像读取
4.3 病害图像预处理
4.3.1 图像灰度化
4.3.2 图像增强
4.3.3 滤波去噪处理
4.3.4 图像锐化
4.4 裂缝图像分割方法研究
4.4.1 Canny算法
4.4.2 迭代法
4.4.3 最大类间方差法
4.4.4 基于标准粒子群优化算法的图像分割算法
4.4.5 基于樽海鞘群的图像分割算法
4.4.6 图像分割算法对比
4.5 本章小结
5 裂缝特征信息提取
5.1 概述
5.2 图像区域去噪
5.3 裂缝区域填充
5.4 裂缝特征分析
5.4.1 裂缝走向判断
5.4.2 裂缝投影计算
5.4.3 裂缝长度的计算
5.4.4 裂缝宽度的计算
5.4.5 裂缝面积的计算
5.5 混凝土墙面裂缝特征值计算
5.6 本章小结
6 混凝土坝裂缝检测识别系统GUI设计
6.1 裂缝检测系统GUI设计
6.2 某水库工程实例应用分析
6.2.1 病害图像采集
6.2.2 裂缝图像处理
6.2.3 裂缝特征信息提取
6.2.4 裂缝识别系统GUI
6.3 本章小结
7 结论
参考文献
攻读硕士学位期间发表学术论文情况
致谢
【参考文献】:
期刊论文
[1]基于深度学习的隧道裂缝识别方法[J]. 刘新根,陈莹莹,朱爱玺,杨俊,何国华. 广西大学学报(自然科学版). 2018(06)
[2]基于BP神经网络的沥青路面裂缝识别方法研究[J]. 英红,丁海明,侯新月,刘杨. 河南理工大学学报(自然科学版). 2018(04)
[3]基于樽海鞘群算法的无源时差定位[J]. 陈涛,王梦馨,黄湘松. 电子与信息学报. 2018(07)
[4]融入视觉注意机制的路面裂缝检测与识别[J]. 张玉雪,唐振民,钱彬,徐威. 计算机工程. 2018(04)
[5]基于四旋翼无人机的桥梁裂缝检测系统设计[J]. 徐昊,彭雪村,卢志芳. 水利水运工程学报. 2018(01)
[6]分布式光纤传感器大坝安全监控系统研究[J]. 豆朋达,温宗周,马亚龙,高园平,薛冬旺,钱佳佳. 单片机与嵌入式系统应用. 2017(07)
[7]基于深度学习框架Caffe的路面裂缝识别研究[J]. 李楠. 工程技术研究. 2017(03)
[8]基于信息聚类的遥感图像分割[J]. 徐秋晔,李玉,林文杰,赵泉华. 中国矿业大学学报. 2017(01)
[9]基于PCNN和遗传算法相结合的新型混凝土桥梁裂缝检测方法[J]. 王艳,沈晓宇,丁文胜,王健波,邹秀阳. 计算机应用研究. 2017(10)
[10]基于图像处理技术的混凝土桥梁裂缝宽度检测[J]. 李文波,杨保春. 湖南交通科技. 2015(01)
博士论文
[1]基于嵌入式机器视觉的信息采集与处理技术研究[D]. 龚爱平.浙江大学 2013
[2]混凝土坝裂缝的混沌特性及分析理论和方法[D]. 包腾飞.河海大学 2004
硕士论文
[1]基于无人机采集图像的建筑物表面裂缝检测方法研究[D]. 马国鑫.江苏大学 2018
[2]基于机器视觉的混凝土坝裂缝监测系统研究[D]. 郭慧.大连理工大学 2017
[3]基于深度学习的路面裂缝检查及全面质量管理方法研究[D]. 袁亚超.重庆大学 2017
[4]基于图像分析的路面裂缝检测方法与识别研究[D]. 姜吉荣.南京邮电大学 2016
[5]超声波在混凝土裂缝检测中的物理模拟研究[D]. 李阳.西南交通大学 2016
[6]基于数字图像的路面裂缝识别系统研发[D]. 张南朝.郑州大学 2015
[7]基于数字图像处理的混凝土桥梁底面裂缝的检测[D]. 刘小燕.武汉理工大学 2014
[8]基于图像处理技术的建筑物表面裂缝测量方法的应用研究[D]. 崔磊.北京工业大学 2013
[9]基于数字图像的混凝土裂缝检测算法研究[D]. 宋君.长安大学 2013
[10]高速铁路隧道衬砌裂缝图像快速采集系统研究[D]. 王华夏.西南交通大学 2013
本文编号:3233141
本文链接:https://www.wllwen.com/kejilunwen/shuiwenshuili/3233141.html