劉博

（山西省交通科技研發(fā)有限公司，山西太原，030012）

0 引言

近十年以來，我國公路隧道里程每年增量超過1000公里，隧道的科學(xué)檢測與養(yǎng)護(hù)已逐漸發(fā)展成為一個(gè)突出的技術(shù)問題。伴隨著技術(shù)的發(fā)展，基于機(jī)器視覺的無損檢測技術(shù)及在隧道檢測中的應(yīng)用越來越廣泛。區(qū)別于傳統(tǒng)的人工檢測方式，該技術(shù)可以避免主觀的檢測干擾，大幅提高檢測效率與檢測結(jié)果的一致性?；谶@些數(shù)據(jù)，可以建立隧道的信息化健康檔案，并研究隧道健康狀況的變化趨勢。有助于隧道病害的發(fā)展趨勢分析，實(shí)現(xiàn)隧道的精準(zhǔn)維護(hù)，對(duì)降低養(yǎng)護(hù)成本有著重要意義。

本文通過對(duì)隧道襯砌圖像主要評(píng)價(jià)指標(biāo)的研究，構(gòu)建了隧道襯砌圖像采集質(zhì)量評(píng)價(jià)體系，確定了圖像采集質(zhì)量與相機(jī)采集參數(shù)之間的映射關(guān)系，基于此，提出了高速運(yùn)動(dòng)的視覺采集參數(shù)自適應(yīng)策略，提高了圖像采集效率。并通過合理的壓縮算法對(duì)圖像進(jìn)行壓縮，在保證圖像質(zhì)量的前提下降低了圖像數(shù)據(jù)量，為提高數(shù)據(jù)處理效率奠定了基礎(chǔ)。

1 圖像質(zhì)量評(píng)價(jià)方法

隧道智能檢測系統(tǒng)在進(jìn)行圖像采集的過程中，設(shè)備載體（特種車輛）的顛簸、隧道襯砌尺寸各異等因素，會(huì)導(dǎo)致成像設(shè)備與隧道襯砌的距離時(shí)刻變化，并且不同襯砌表面材質(zhì)的反射率不相同，如果采集系統(tǒng)相關(guān)參數(shù)不調(diào)整的話，會(huì)導(dǎo)致拍攝得到的圖像質(zhì)量無法保持一致，影響后續(xù)的圖像處理與隧道檢測效果。為了解決這一問題，首先要建立對(duì)采集圖像質(zhì)量統(tǒng)一的評(píng)價(jià)標(biāo)準(zhǔn)，并將評(píng)價(jià)標(biāo)準(zhǔn)與采集參數(shù)進(jìn)行關(guān)聯(lián)，使采集圖像時(shí)刻保持最優(yōu)。

隧道檢測會(huì)產(chǎn)生大量的圖像數(shù)據(jù)，無法采用人工逐一檢查。并且，相比較于主觀的圖像質(zhì)量評(píng)價(jià)，客觀評(píng)價(jià)方法采用統(tǒng)一的評(píng)價(jià)指標(biāo)，不會(huì)因?yàn)閭€(gè)體視覺的差異導(dǎo)致最后評(píng)價(jià)結(jié)果的出入，因此它具有很強(qiáng)的實(shí)用性。圖像質(zhì)量客觀評(píng)價(jià)的目標(biāo)是找出能夠客觀反映圖像質(zhì)量的參數(shù)指標(biāo)。目前有許多學(xué)者對(duì)其進(jìn)行了深入的研究，且形成了較多的研究成果[1]。常用的客觀評(píng)價(jià)指標(biāo)有：灰度均值、標(biāo)準(zhǔn)差、信噪比等[2]。這些方法一般不需要使用參考圖像，主要通過估計(jì)圖像中的塊效應(yīng)、噪聲、模糊等因素來評(píng)價(jià)圖像的質(zhì)量。

圖像作為一個(gè)二維的數(shù)字矩陣，在不同位置有不同的灰度，即灰度值不同。相關(guān)研究證明，圖像熵的大小可以表示像素點(diǎn)灰度分布的離散程度的大小，當(dāng)圖像像素點(diǎn)的灰度值分布較為分散時(shí)熵也較大，當(dāng)圖像中所有像素點(diǎn)灰度值分布較為集中時(shí)熵最小[3]。當(dāng)圖像過度曝光或曝光不足時(shí)，像素灰度值分布離散度較小，熵較小，而當(dāng)圖像曝光正常，像素灰度值分布離散度大，熵較大。因此視覺系統(tǒng)在調(diào)光時(shí)，可將圖像的熵值作為參考進(jìn)行[4]。

在圖像采集過程中，由于隧道襯砌的反光條件不一致，在一定采集參數(shù)條件下，有可能會(huì)出現(xiàn)過度曝光或曝光不足的情況，造成圖像信息的丟失。過度曝光或曝光不足的視覺效果是整幅圖像看上去偏亮偏白或者是偏暗偏黑。曝光不足、光照不勻、對(duì)比度差的原始圖像直方圖動(dòng)態(tài)范圍較小、分布較狹窄，可以反映圖像整體的灰度級(jí)數(shù)值較低，因此其灰度像素分布窄而集中分布傾向于灰度值低的區(qū)域，即集中于直方圖的左側(cè)，灰度級(jí)的中部和亮度區(qū)域幾乎不存在像素。

采集的圖像是8位灰度圖像，像素灰度值區(qū)間為[0, 255]，過度曝光時(shí)像素灰度值總體偏高（趨于255），曝光不足時(shí)像素灰度值總體偏低（趨于0），如圖1所示。根據(jù)這一特性來判斷圖像的曝光度，通過建立與相機(jī)采集參數(shù)的映射關(guān)系，實(shí)時(shí)調(diào)整采集參數(shù)，避免圖像的過度曝光或曝光不足影響后續(xù)的圖像識(shí)別。

針對(duì)曝光不足、正常曝光、過度曝光這三類情況，分別選取1000張圖像進(jìn)行灰度均值的計(jì)算。通過計(jì)算，曝光不足的圖像序列灰度平均值區(qū)間為[4,43]；正常曝光的圖像序列灰度平均值區(qū)間為[39, 200]；過度曝光的圖像序列灰度平均值區(qū)間為[182,243]。

根據(jù)上述數(shù)據(jù)可以看出，通過圖像的平均灰度值可初步判斷圖像是否正常曝光。但同時(shí)需要注意的是，由于隧道襯砌上可能會(huì)有線纜槽、燈具等特征，其在圖像上反應(yīng)的灰度值趨近于黑色，與圖像過暗時(shí)的特征相似；同時(shí)由于隧道襯砌表面反光條件不一致，有時(shí)圖像只有部分區(qū)域存在曝光不足或過渡曝光，三種情況的灰度平均值區(qū)間存在重疊，使得只根據(jù)這一項(xiàng)指標(biāo)難以完全判斷圖像是否正常曝光。

根據(jù)前文分析，圖像熵也是衡量圖像質(zhì)量的一個(gè)主要指標(biāo)。當(dāng)圖像過曝過過暗時(shí)，圖像信息的豐富程度自然而然會(huì)大幅降低，利用這一特性，可以對(duì)圖像質(zhì)量進(jìn)行判斷。通過各選取1000張不同類型的圖像進(jìn)行熵值的計(jì)算，為了便于比較，并將所有樣本熵值進(jìn)行歸一化處理。通過計(jì)算，正常曝光的圖像歸一化熵值明顯較高，達(dá)到了0.868；而曝光不足或過度曝光的圖像歸一化熵值明顯較低，分別為0.235和0.198。并且正常與非正常圖像之間參數(shù)有明顯的區(qū)分。通過該方法，可有效避免不同類型圖像灰度平均值重疊的問題。

在此基礎(chǔ)之上，需要建立圖像質(zhì)量與系統(tǒng)采集參數(shù)的映射關(guān)系，從而指導(dǎo)系統(tǒng)的調(diào)參工作，以便獲得較好質(zhì)量的圖像。

在圖像正常曝光的前提下，即不存在過度曝光或曝光不足，針對(duì)不同采集參數(shù)下的圖像樣本進(jìn)行熵值的計(jì)算與分析，如圖2所示。在不同采集參數(shù)下分別選取1000張圖像進(jìn)行熵值的計(jì)算，為便于比較，對(duì)整個(gè)樣本的熵值與系統(tǒng)采集參數(shù)進(jìn)行歸一化處理，從圖中可以看出，圖像的熵值與采集參數(shù)存在相關(guān)性，當(dāng)采集參數(shù)適當(dāng)增大時(shí)，圖像熵值也隨之增大。根據(jù)該結(jié)果，可以通過前期測試快速建立隧道圖像采集質(zhì)量與檢測系統(tǒng)采集參數(shù)的映射表，通過該映射表在采集過程中進(jìn)行參數(shù)調(diào)整，實(shí)現(xiàn)對(duì)采集參數(shù)的快速調(diào)整。

圖2 圖像熵值與采集參數(shù)映射關(guān)系

具體工作流程是，在圖像采集過程中，同時(shí)計(jì)算采集圖像的熵值，當(dāng)圖像平均灰度不在正常范圍時(shí)，系統(tǒng)進(jìn)行參數(shù)調(diào)整，當(dāng)圖像平均灰度在正常區(qū)間范圍內(nèi)時(shí)，開始判斷圖像熵所在范圍，快速查找參數(shù)映射表，通過之前標(biāo)定的圖像熵值與采集參數(shù)映射關(guān)系來調(diào)整系統(tǒng)參數(shù)。

從當(dāng)前的圖像熵值開始，和相鄰圖像熵值進(jìn)行比較。為減少計(jì)算量，以20張圖像作為間隔。如果當(dāng)前圖像熵值是最大的，那么返回當(dāng)前圖像熵值，作為最大值；反之就用相鄰的最高值代替當(dāng)前值。如此循環(huán)直到達(dá)到圖像熵值最大，圖像效果最好，系統(tǒng)調(diào)參結(jié)束。

通過這樣的方式來提高圖像采集過程的自動(dòng)化程度，可有效提高采集圖像質(zhì)量，避免因圖像質(zhì)量不佳導(dǎo)致需要在檢測現(xiàn)場重復(fù)采集?？蔀楹罄m(xù)的圖像處理工作提供質(zhì)量穩(wěn)定的數(shù)據(jù)，進(jìn)一步提高數(shù)據(jù)處理的準(zhǔn)確度。

2 圖像壓縮方法研究

目前全國隧道檢測裝備普遍的成像精度為1mm/pixel。占絕大多數(shù)的高速公路兩車道隧道襯砌周長為23米左右。以灰度圖像為例，相機(jī)拍攝圖片為8位的灰度點(diǎn)位圖，則每個(gè)像素點(diǎn)占用存儲(chǔ)空間為1Byte，通過計(jì)算，單公里隧道檢測圖像數(shù)據(jù)可達(dá)21.42GB。若檢測圖像為彩色圖像，則至少需要64.26GB。如此巨大的數(shù)據(jù)量對(duì)于檢測數(shù)據(jù)的存儲(chǔ)與后續(xù)的圖像處理帶來了巨大的挑戰(zhàn)。

因此，在得到質(zhì)量較好的圖像之后，海量圖像的處理也是要解決的一個(gè)重要問題。通過將圖像進(jìn)行合理的壓縮，在保證圖像質(zhì)量的前提下可以有效減少數(shù)據(jù)量，這樣一來就可以減少后續(xù)的圖像處理工作量，以此方式來提高效率。同時(shí)也可以減少圖像數(shù)據(jù)的存儲(chǔ)空間，減少存儲(chǔ)設(shè)備的投入，為后續(xù)建立隧道檢測數(shù)據(jù)庫提供了便利。

在研究圖像壓縮方法時(shí)，運(yùn)算時(shí)間、和壓縮、編碼效率來衡量。設(shè)壓縮前圖像的平均碼長為，熵為H(S)，壓縮后圖像的平均碼長為，則定義：

冗余度：編碼效率：

壓縮比：

面對(duì)海量信息，經(jīng)典的圖像壓縮算法已經(jīng)難以滿足實(shí)際需要。根據(jù)當(dāng)前的研究成果，小波變換在圖像的壓縮、分類、識(shí)別等領(lǐng)域有著廣泛地應(yīng)用，取得了較好的效果[5]?；谛〔ǖ膱D像壓縮方法特點(diǎn)是壓縮比高，壓縮后能保持圖像的特征相對(duì)不變，并且有相對(duì)較強(qiáng)的抗干擾能力，這各特性對(duì)處理背景復(fù)雜的隧道檢測圖像是較為有利的?；跈C(jī)器視覺的隧道檢測的最終目的是檢測出相關(guān)病害信息，諸如裂縫、滲水、剝落。這些病害在圖像上的表征有線性與區(qū)域性的特點(diǎn)，這些圖像特征首先是有較為明顯的邊緣特征，而圖像處理的過程就是通過這些邊緣信息來識(shí)別病害特征。在圖像壓縮的過程中，基于小波的圖像壓縮方法對(duì)于這些重要的圖像邊緣信息可以較好的保留，這對(duì)于后續(xù)的圖像處理有著重要意義。

小波變換有別于傅里葉變換，基函數(shù)的選擇對(duì)于最后的處理效果有著重要影響[6]。根據(jù)小波基函數(shù)正則性、支撐長度、對(duì)稱性、相似性幾個(gè)要素來綜合考量小波基函數(shù)對(duì)于隧道檢測圖像的適用性。在小波壓縮中考慮的關(guān)鍵因素核心是正則性，即圖像約光滑，其正則性也越好。接下來的小波壓縮方法就是去掉圖像的高頻部分但是保留最為基本的低頻部分用來表征圖像的主要部分。此外，基于小波的圖像壓縮主要是去除圖像中的空間冗余和視覺冗余。隧道檢測圖像中有很多相似的背景，其采樣點(diǎn)之間存在著空間相關(guān)性，即相鄰點(diǎn)之間的取值相同或相近，基于這一特性，可利用小波方法將這類空間冗余剔除。還有視覺冗余，即視覺系統(tǒng)難以感知的畫面變化部分，剔除掉這部分冗余之后圖像應(yīng)不影響圖像的機(jī)器視覺分析。

根據(jù)以上原則，本文選取三種小波函數(shù)來進(jìn)行圖像壓縮，分別為db4、Haar、Bior4.4，通過數(shù)據(jù)計(jì)算分析，這三個(gè)小波基函數(shù)的相關(guān)特性較為貼合隧道檢測的圖像特點(diǎn)。同時(shí)，為使圖像壓縮計(jì)算過程不至于過度復(fù)雜，這里將分解層數(shù)為定位3，即保證了圖像壓縮率，又不至于使計(jì)算時(shí)間過長。同樣都取目標(biāo)像素深度BPP=1.2。分別計(jì)算其H以及CR。

利用三種小波函數(shù)得到的歸一化熵值分別為0.846、0.812、0.833，均保持了較高的水平，可以認(rèn)為三種方法得到的圖像質(zhì)量大致一樣，并沒有過多降低圖像質(zhì)量，而且Bior4.4的壓縮比相對(duì)較高，達(dá)到了15.35%，同時(shí)運(yùn)算時(shí)間也最短，因此選擇Bior4.4來進(jìn)行圖像壓縮。通過計(jì)算驗(yàn)證，將圖像壓縮后，整體的圖像處理時(shí)間比原來的方法有了顯著降低，并且圖像壓縮時(shí)間并沒有占用很多時(shí)間。在保持了較高的準(zhǔn)確度前提下，實(shí)現(xiàn)了圖像的快速壓縮，提高了整體的圖像處理效率。

利用小波方法先將原始圖像數(shù)據(jù)進(jìn)行合理的壓縮后再進(jìn)行圖像處理，可以有效降低圖像數(shù)據(jù)量與后續(xù)圖像處理的運(yùn)算量，提高了基于機(jī)器視覺的隧道檢測圖像處理工作效率。有利于隧道檢測數(shù)據(jù)的信息化發(fā)展，建立“一隧一檔”的數(shù)字化檔案。為后續(xù)的病害趨勢分析與隧道精準(zhǔn)養(yǎng)護(hù)奠定了堅(jiān)實(shí)的基礎(chǔ)。

3 結(jié)語

通過該方法可以充分利用檢測系統(tǒng)的硬件資源，在圖像采集過程中盡可能獲取高質(zhì)量圖像，避免過度曝光或曝光不足對(duì)后續(xù)圖像識(shí)別的影響，同時(shí)在保證圖像質(zhì)量的前提下，本文采用比較泛用的小波方法進(jìn)行圖像壓縮。以歸一化熵值來衡量圖像的壓縮效果，通過樣本數(shù)據(jù)計(jì)算，最終選擇Bior4.4小波函數(shù)進(jìn)行圖像壓縮。采用圖像壓縮方法，將圖像數(shù)據(jù)量降低到原來的1/6，降低了圖像處理的運(yùn)算量，有利于后續(xù)的圖像處理工作。