本發(fā)明涉及橋梁檢測領域，具體涉及一種橋梁形變智能檢測系統(tǒng)。

背景技術：

相關技術中，橋梁形變監(jiān)測對于掌握橋梁健康程度、確保橋梁安全具有重要意義。目前，橋梁形變監(jiān)測的常用設備有：常規(guī)地面測量設備，gps橋梁位移檢測設備，以及雷達形變測量設備。其中，常規(guī)地面測量設備(如測距儀、經緯儀等)可以提供橋梁整體的變形狀態(tài)，能適應不同的監(jiān)測環(huán)境，但是現(xiàn)場工作量大，測量精度不高；gps橋梁位移檢測設備自動化程度高，受大氣、天氣因素影響較小，定位速度快，精度高，但設備復雜；而雷達形變測量設備具有非接觸、易布設、無人值守、全天候、全天時、全天時測量的特點，可以達到亞毫米量級測量精度，其難點是檢測系統(tǒng)的大批量布設和運行對設備成本和穩(wěn)健性提出較高要求。

技術實現(xiàn)要素：

針對上述問題，本發(fā)明提供一種橋梁形變智能檢測系統(tǒng)。

本發(fā)明的目的采用以下技術方案來實現(xiàn)：

提供了一種橋梁形變智能檢測系統(tǒng)，包括橋梁圖像采集裝置、通信裝置和監(jiān)控中心，所述橋梁圖像采集裝置用于采用攝像機的遠心鏡頭對設定的橋梁位置進行拍攝，并從中獲取相關的橋梁圖像，其通過通信裝置與監(jiān)控中心連接；所述監(jiān)控中心設有用于對橋梁圖像進行處理以提取橋梁形變信息的橋梁圖像處理裝置。

本發(fā)明的有益效果為：能夠對橋梁形變進行遠程檢測，便于對橋梁進行遠程控制管理，防止結構性事故的發(fā)生。

附圖說明

利用附圖對本發(fā)明作進一步說明，但附圖中的實施例不構成對本發(fā)明的任何限制，對于本領域的普通技術人員，在不付出創(chuàng)造性勞動的前提下，還可以根據以下附圖獲得其它的附圖。

圖1本發(fā)明的框圖示意圖；

圖2是本發(fā)明橋梁圖像處理裝置的框圖示意圖。

附圖標記：

橋梁圖像采集裝置1、通信裝置2、監(jiān)控中心3、遠程管理終端4、橋梁圖像處理裝置5、數(shù)據庫6、橋梁圖像檢測模塊10、橋梁形變信息提取模塊20。

具體實施方式

結合以下實施例對本發(fā)明作進一步描述。

參見圖1，本實施例提供的一種橋梁形變智能檢測系統(tǒng)，包括橋梁圖像采集裝置1、通信裝置2和監(jiān)控中心3，所述橋梁圖像采集裝置1用于采用攝像機的遠心鏡頭對設定的橋梁位置進行拍攝，并從中獲取相關的橋梁圖像，其通過通信裝置2與監(jiān)控中心3連接；所述監(jiān)控中心3設有用于對橋梁圖像進行處理以提取橋梁形變信息的橋梁圖像處理裝置5。

進一步地，所述橋梁形變智能檢測系統(tǒng)還包括遠程管理終端4，所述遠程管理終端4與監(jiān)控中心3連接，用于顯示所述橋梁形變信息。

進一步地，所述監(jiān)控中心3還設有用于存儲橋梁形變信息的數(shù)據庫6，所述遠程管理終端4與該數(shù)據庫6通信連接。

本發(fā)明上述實施例能夠對橋梁形變進行遠程檢測，便于對橋梁進行遠程控制管理，防止結構性事故的發(fā)生。

優(yōu)選地，如圖2所示，所述橋梁圖像處理裝置5包括橋梁圖像檢測模塊10和橋梁形變信息提取模塊20，所述橋梁圖像檢測模塊10用于對獲取的橋梁圖像進行質量檢測，刪除質量檢測結果不合格的橋梁圖像；所述橋梁形變信息提取模塊20用于對橋梁圖像檢測模塊10輸出的橋梁圖像進行圖像處理，提取橋梁圖像中的橋梁形變信息。

優(yōu)選地，所述橋梁圖像檢測模塊10采用自定義的橋梁質量檢測公式對橋梁圖像進行質量檢測：

式中，qi表示第i張橋梁圖像的質量檢測結果，ri為第i張橋梁圖像的灰度直方圖的概率最大的灰度值，rmax(i)為第i張橋梁圖像的最大灰度值，zi為第i張橋梁圖像的灰度直方圖的均方差，m為橋梁圖像的數(shù)量，a1、a2為設定的閾值；

若qi＞0，則表示該橋梁圖像的質量檢測結果為合格，若qi≤0，則表示該橋梁圖像的質量檢測結果為不合格，刪除該橋梁圖像。

本優(yōu)選實施例通過自定義質量檢測公式，對橋梁圖像進行圖像質量檢測計算，簡單快捷，挑選出橋梁圖像質量檢測合格的圖像作為橋梁形變信息提取的圖像，能夠降低橋梁形變信息提取的難度。

所述對橋梁圖像檢測模塊10輸出的橋梁圖像進行圖像處理，包括：

(1)對橋梁圖像進行濾波處理，減弱橋梁圖像的噪聲影響；

(2)對濾波后的橋梁圖像進行圖像分割；

(3)提取橋梁圖像的橋梁信息。

其中，對濾波后的橋梁圖像進行圖像分割，具體包括：

(1)按照設定的圖像尺寸調整比例將橋梁圖像的像素降低到400×600；

(2)采用otsu算法對橋梁圖像進行全局分割閾值估計，得到優(yōu)選全局分割閾值，對優(yōu)選全局分割閾值進行調整，使用調整后的優(yōu)選全局分割閾值對橋梁圖像進行分割，獲得含有橋梁形變特征區(qū)域的分割圖像，將該分割圖像平均劃分為4個子圖像；

(3)采用otsu算法對子圖像進行局部分割閾值估計，獲得各子圖像的優(yōu)選局部分割閾值；

(4)對不同的子圖像使用不同的分割閾值進行分割，定義子圖像的分割閾值的計算公式為：

式中，ui為第i個子圖像的分割閾值，θi為第i個子圖像的優(yōu)選局部分割閾值，w表示整個橋梁圖像的灰度方差，wi表示第i個子圖像的灰度方差，ηi表示第i個子圖像的灰度均值，η表示整個橋梁圖像的灰度均值，b為設定的權重因子，0＜b＜0.2；

(5)抽取各子圖像分割得到的橋梁形變特征區(qū)域的坐標，并按設定的圖像尺寸調整比例將橋梁形變特征區(qū)域坐標還原到原始圖像坐標；

(6)拼接各子圖像分割得到的橋梁形變特征區(qū)域，結束當前橋梁圖像的分割。

本優(yōu)選實施例在對橋梁圖像進行分割時，采用了最大類間方差法(otsu)算法。最大類間方差法(otsu)算法是1979年由ostu提出的動態(tài)閾值分割算法，它依據圖像的灰度直方圖，依據類間距離極大準則來確定區(qū)域分割門限，其對單峰和雙峰圖像均有較好的效果。最大類間方差法(otsu)算法對圖像進行分割的原理是，根據圖像的灰度特性，將圖像分為目標區(qū)域和背景區(qū)域兩部分，這兩部分之間的類間方法最大的值就是圖像的分割閾值；

本優(yōu)選實施例對橋梁圖像進行分割時，采用兩步分割的方式進行處理：

第一步先減小圖像尺寸，然后采用otsu算法對橋梁圖像進行全局閾值分割，獲取橋梁圖像的大致橋梁形變特征區(qū)域；

第二步對獲得的大致橋梁形變特征區(qū)域進行劃分，形成4個子圖像后再進行分割。

本優(yōu)選實施例的兩步分割方法相對于全局直接分割而言，預先分割后得到的子圖像具有較好的二項分布特性，各子圖像的尺寸和內容有了較大的降低，從而降低了橋梁圖像分割的難度，進一步提高了橋梁圖像形變信息提取的速度。

優(yōu)選地，對優(yōu)選全局分割閾值進行調整，具體包括：

設定優(yōu)選全局分割閾值為t，調整因子為λ，λ∈[0.90,1.10]，則調整后的優(yōu)選全局分割閾值為ξt；

其中，調整因子的最優(yōu)取值按照下述方式進行選?。?/p>

(1)設定調整因子λ的幾個優(yōu)選值，優(yōu)選值的范圍為[0.90,1.10]；

(2)采用sobel邊界檢測算子對橋梁圖像進行處理，得到橋梁圖像的橋梁形變特征區(qū)域邊界h(y)；

(3)根據設定的調整因子λ的優(yōu)選值，得到對應的調整后的優(yōu)選全局分割閾值，使用調整后的優(yōu)選全局分割閾值對橋梁圖像進行分割，得到對應于各調整因子的橋梁圖像的橋梁形變特征區(qū)域邊界sλ＝x(y)；

(4)計算兩橋梁形變特征區(qū)域邊界h(y)和hλ＝x(y)的邊界重合度，選取邊界重合度最大時所對應的調整因子值作為調整因子的最優(yōu)取值，定義邊界重合度的計算公式為：

式中，eλ＝x表示調整因子為λ＝x時對應得到的橋梁圖像的橋梁形變特征區(qū)域邊界與橋梁形變特征區(qū)域邊界s(y)的邊界重合度，“∩”表示交集運算，x為設定的調整因子的優(yōu)選值，

本優(yōu)選實施例中：

一方面采用了sobel邊界檢測算子，sobel邊界檢測算子能夠有效的檢測到灰度變化較大區(qū)域邊界，按照其檢測的橋梁形變特征區(qū)域邊界與采用調整后的優(yōu)選全局分割閾值分割得到的橋梁形變特征區(qū)域邊界進行邊界重合度計算，選用較大邊界重合度對應的調整因子取值作為最終取值，實現(xiàn)了對優(yōu)選全局分割閾值的修正；

另一方面，使用調整后的優(yōu)選全局分割閾值對橋梁圖像進行分割，能夠獲得較為準確的橋梁形變特征區(qū)域的輪廓，提高對橋梁圖像分割的準確性和穩(wěn)定性，從而能夠提高橋梁形變信息提取的精度，為實現(xiàn)橋梁的精確管控奠定良好的基礎。

最后應當說明的是，以上實施例僅用以說明本發(fā)明的技術方案，而非對本發(fā)明保護范圍的限制，盡管參照較佳實施例對本發(fā)明作了詳細地說明，本領域的普通技術人員應當理解，可以對本發(fā)明的技術方案進行修改或者等同替換，而不脫離本發(fā)明技術方案的實質和范圍。