范新南,吴晶晶,史朋飞,张学武

(河海大学物联网工程学院,江苏 常州 213022)

0 引 言

大坝在我国国民经济中发挥着巨大的作用[1]。然而，大坝混凝土面板水位以下部分，由于长期承受很大的水压，经受水的冲刷、渗透和侵蚀，不可避免地会产生裂缝[2]。定时对大坝表面状况进行评估，及时并准确地检测水下大坝表面的裂缝，对保持大坝混凝土的结构健康和延长其使用寿命至关重要。通过光学相机在水下摄取到大坝表面图像，然后对图像进行处理，检测图像中是否存在裂缝，这是目前比较流行的大坝表面缺陷分析方法。相比于传统的视觉检测方法，自动裂缝检测算法过程更加安全、结果更加客观[3-5]。

随着数字图像处理技术的发展，裂缝检测算法在过去的一些年已经得到了巨大的发展[6-8]，并且大多应用于道路裂缝检测、桥体混凝土裂缝检测。但是应用到水下图像的目标检测时，结果却不尽人意。这是由于与自然光照条件下获取的普通图像不同，光在水中传输时，会产生衰减和散射效应，而且水中的悬浮物和水游动植物也会对成像系统造成干扰，这就使得水下图像普遍具有低对比度、模糊不清、光照不均匀、大量随机噪声干扰等特点，大大增加了准确识别裂缝的困难程度。

近年来，业界也有少部分科研人员开始投入到水下大坝裂缝检测，提出了多种算法来提高水下大坝表面裂缝检测的准确性。付军等人[2]提出了基于BP神经网络的大坝裂缝检测算法，该算法通过分析二维图像的亮度值，映射到三维立体表面图像。……