杨才千 李 帅 王博昆陈耀井 洪 万 瞿 冯 潘 勇

(1湘潭大学土木工程与力学学院, 湘潭 411100)(2东南大学土木工程学院, 南京 210096)(3江苏高速公路工程养护有限公司, 淮安 223005)(4南京工业大学土木工程学院, 南京 211800)(5江苏东部高速公路管理有限公司, 盐城 224002)

混凝土表面裂缝作为混凝土病害的主要存在形式，严重影响着结构的安全性与耐久性.对混凝土表面裂缝进行有效、可靠的检测才能保证其正常服役.目前，人工巡查是裂缝检测中最常见的方法.在应对环境不友好的工况时，人工巡查存在危险，且易受检测员主观性影响，效率和准确性均较低[1].

基于图像识别技术的机器视觉技术[2]能高效地将图像信号转化成数字信号进行处理，相比于人工巡查，强大的计算能力使裂缝信息的收集工作变得更加智能与便捷.裂缝图像识别一般先采用滤波去噪法[3]来去除轻微噪声，常见方法包括高斯滤波去噪[4]与双边滤波去噪[5]；然后，对图像进行阈值分割，将裂缝图像转化成二值图，常见方法为K-means聚类分割法[6]和阈值分割法[7].Ito等[8]通过调整裂缝图像对比度，采用小波变换并二值化的方法来提取裂缝，该方法基于亚像素原理进行图像处理，实现了裂缝的自动特征提取和裂纹定量分析.Fujita等[9]采用Hessian矩阵线性过滤器来增强图像中线性结构，研究了复杂噪声环境下的混凝土表面裂缝图像提取方法，但由于设置的固定阈值只针对单一特征的裂缝，无法将算法泛化到实际工程检……