2018年4月27日，长安大学的硕士研究生蒋凡，发表了论文《基于图像处理的车载式隧道衬砌裂缝检测系统研究》，讲述了近年来我国隧道建设的发展过程中的一些问题，以及对于基于图像处理的车载式隧道衬砌裂缝检测系统的一些研究介绍。

蒋凡在文章中提到，近年来,随着我国隧道建设的快速发展,隧道里程不断增加,随之而来的隧道事故隐患检测越来越受到养护部门的重视。在各种隧道事故隐患中,衬砌裂缝是出现次数最多的隐患,这种裂缝是衬砌受力情况的直接表现,衬砌就是隧道等易滑坡易坍塌建筑物的支撑物体，衬砌裂缝的研究对研究隧道的隐患检测非常重要。蒋凡认为，目前常见的衬砌裂缝检测主要依赖人工,这种靠肉眼观测和借助工具测量的方法,无法保证检测结果的准确性。

针对目前的检测现状和检测需求,蒋凡在文章里进行了基于图像处理的车载式隧道衬砌裂缝检测系统的研究工作,主要研究内容如下:

研究了系统的功能及总体结构,同时基于系统的设计要求与工作原理进行了实车平台的搭建,并对电动滑轨车厢、CCD相机、相机支架、图像采集卡、辅助照明装置、旋转编码器等车载设备进行了选型和安装。实际检测过程中,车辆以一定速度在隧道中行驶,利用多台相机扫描衬砌表面获取裂缝图像并实时保存,最后通过对图像的离线处理得到裂缝信息。

在对图像进行预处理及拼接的过程中,论文针对图像光照不均的问题,采用基于改进MSR与双边滤波融合的算法进行了还原;对于图像中衬砌接缝干扰的问题,利用基于直线与角度特征的方法进行了去除;考虑到裂缝与衬砌背景的对比度不是很明显的问题,采用了灰度变换和对比度增强凸显裂缝信息。同时基于SIFT尺度不变特征和加权平均融合的算法对裂缝图像序列进行了拼接和融合处理。

在对图像进行识别与分类的过程中,论文利用Deriche滤波器对图像进行了边缘检测,采用基于线性插值的图像分块分割方法对拼接后的衬砌全景图像进行了分块并使用最大熵法计算了分块后各子块图像的全局阈值。然后利用形态学算法去除孤立的噪点,采用基于裂缝区域形状特征和区域延伸的方法去除噪声并连接断裂的裂缝。最后对裂缝进行细化并根据相关特征参数对提取到的裂缝进行了分类。

本系统基于Halcon和Visual Studio联合开发环境进行了真实隧道场景下的检测实验。实验结果表明,相比于人工检测,本系统对隧道衬砌裂缝的检测快速且准确,满足了设计之初的要求。蒋凡在论文中提到的研究实验取得了阶段性的成果,为所依托的科研项目的研究奠定了一定的基础。