融合多源图像数据的闸墩表面裂缝定量识别方法

doi:10.13474/j.cnki.11-2246.2025.1009

测绘通报 ›› 2025, Vol. 0 ›› Issue (10): 50-56.doi: 10.13474/j.cnki.11-2246.2025.1009

• 学术研究 • 上一篇

融合多源图像数据的闸墩表面裂缝定量识别方法

喻峰¹, 汪进超^2,3, 覃拓¹, 谭滔宇¹, 魏晓翔¹, 刘厚成²

1. 中国长江电力股份有限公司, 湖北宜昌 443002;
2. 中国科学院武汉岩土力学研究所, 湖北武汉 430071;
3. 岩土力学与工程安全全国重点实验室, 湖北武汉 430071

收稿日期:2025-02-25 发布日期:2025-10-31
通讯作者: 汪进超。E-mail:jcwang@whrsm.ac.cn
作者简介:喻峰(1993-),男,高级工程师,主要从事大坝安全维护管理工作。E-mail:yu_feng@ctg.com.cn
基金资助:
中国长江电力股份有限公司科研项目(Z222302029);湖北省重点研发计划(2023BAB099)

Quantitative identification method for surface cracks of gate piers by integrating multi-source image data

YU Feng¹, WANG Jinchao^2,3, QIN Tuo¹, TAN Taoyu¹, WEI Xiaoxiang¹, LIU Houcheng²

1. China Yangtze Power Co., Ltd., Yichang 443002, China;
2. Institute of Rock and Soil Mechanics, Chinese Academy of Sciences, Wuhan 430071, China;
3. State Key Laboratory of Geomechanics and Geotechnical Engineering Safety, Wuhan 430071, China

Received:2025-02-25 Published:2025-10-31

摘要/Abstract

摘要： 在闸墩等大型结构物的安全运维中,其表面的裂缝信息对整体结构的健康评估具有重要意义。针对闸墩等大型结构物安全维护中飞行空间狭小且无法设置靶标的闸墩表面裂缝快速精准测量难题,本文提出了融合多源图像数据的闸墩表面裂缝定量识别方法,以提高闸墩表面裂缝基于图像测量方法的准确性和可靠性。首先,在传统可见光与热红外图像的基础上,融合距离矩阵的图像数据,形成基于特征局部区域与互信息相结合的图像配准方法,以实现包含多重纹理信息的融合图像获取;然后,在构建能够有效区分裂缝区域和非裂缝区域的表面裂缝识别方法的基础上,叠加距离矩阵图像信息,实现裂缝表面融合图像的像素点空间位置定量化;最后,结合识别裂缝区域的形态信息,形成闸墩表面裂缝的特征参数识别方法,并结合案例分析,验证本文方法的准确性和可靠性。试验结果表明,本文为闸墩巡检与健康诊断提供了一种融合多源图像数据的闸墩表面裂缝定量识别新方法,能够为闸墩结构的健康诊断提供数据支撑,具有广阔的应用前景。

关键词: 闸墩健康, 多源数据, 图像融合, 像素空间化, 裂缝测量

Abstract: In the safe operation and maintenance of large structures such as gate piers, the information on surface cracks is of great significance for the overall health assessment of the structure.In response to the problem of rapid and accurate measurement of surface cracks on large structures such as piers that cannot be targeted for safety maintenance, this paper proposes a quantitative identification method for surface cracks of gate piers by integrating multi-source image data to improve the accuracy and reliability of image-based measurement methods.Firstly, based on traditional visible light and thermal infrared images, the image data of the distance matrix is fused to form an image registration method that combines local feature regions with mutual information to achieve fused image acquisition containing multiple texture information.Subsequently, based on the construction of a surface crack recognition method that can effectively distinguish between crack areas and non crack areas, the distance matrix image information is overlaid to achieve the quantification of pixel spatial positions in the fused image of crack surfaces; Finally, by combining the morphological information of the identified crack area, a feature parameter measurement method for the surface cracks of the pier was formed.The accuracy and reliability of this method were verified through case analysis.The results show that this paper provides a new method for measuring the surface cracks of the pier based on multi-source image fusion, which can provide data support for the health diagnosis of the pier structure and has broad application prospects.

Key words: sluice pier health, multi-source data, image fusion, pixel spatialization, crack measurement

中图分类号:

P237

喻峰, 汪进超, 覃拓, 谭滔宇, 魏晓翔, 刘厚成. 融合多源图像数据的闸墩表面裂缝定量识别方法[J]. 测绘通报, 2025, 0(10): 50-56.

YU Feng, WANG Jinchao, QIN Tuo, TAN Taoyu, WEI Xiaoxiang, LIU Houcheng. Quantitative identification method for surface cracks of gate piers by integrating multi-source image data[J]. Bulletin of Surveying and Mapping, 2025, 0(10): 50-56.

参考文献

[1] ZHANG Jinhe,SUN Shangyu,SONG Weidong,et al. A novel convolutional neural network for enhancing the continuity of pavement crack detection[J]. Scientific Reports,2024,14:30376. [2] 汪进超,韩增强,王益腾,等. 基于像素空间信息的孔内低照度图像孔隙结构量化方法研究[J]. 岩石力学与工程学报,2024,43(S1):3175-3186. [3] 邓军,王津睿,任帅京,等. 声波探测技术在矿井领域中的应用及展望[J]. 煤田地质与勘探,2023,51(6):149-162. [4] 徐昊,彭雪村,卢志芳. 基于四旋翼无人机的桥梁裂缝检测系统设计[J]. 水利水运工程学报,2018(1):102-110. [5] 晋民杰,黄智,韩智强,等. 基于Matlab图像处理方法的桥梁裂缝宽度检测研究[J]. 中外公路,2017,37(5):120-123. [6] 苑玮琦,薛丹. 基于机器视觉的隧道衬砌裂缝检测算法综述[J]. 仪器仪表学报,2017,38(12):3100-3111. [7] 宋泽冈,刘艳莉,张长兴. 基于机器视觉的桥梁裂缝检测应用及发展综述[J]. 科学技术与工程,2023,23(30):12796-12805. [8] 王昱栋,代伟,马小平. 基于机器视觉的锚杆异常快速检测方法[J]. 工矿自动化,2021,47(4):13-18. [9] ZHANG Xin,ZOU Zhongxian,WANG Kangwei,et al. A new rail crack detection method using LSTM network for actual application based on AE technology[J]. Applied Acoustics,2018,142:78-86. [10] 尚福洲,庄新港,刘长明,等. 基于深度学习与仿人眼视觉成像的图像融合技术研究[J]. 科技创新与应用,2024,14(21):32-35. [11] 汪进超,王川婴,杜琦,等. 基于光声组合测量的地质钻孔三维可视化研究[J]. 岩石力学与工程学报,2023,42(3):649-660. [12] WANG Jinchao,XU Hanhua,ZOU Junpeng. Fine detection technology of rock mass structure based on borehole acousto-optic combined measurement[J]. Measurement,2022,187:110259. [13] 肖旭光,肖刚,敬忠良. 空间目标融合识别算法及实验研究[J]. 计算机工程与应用,2011,47(8):154-156. [14] 张笙,严云洋,李郁峰. 热红外与可见光视频融合的运动目标检测[J]. 计算机科学,2015,42(8):773. [15] 封子军,张晓玲,张慧杰. 运动目标检测的红外与可见光图像融合方法[J]. 计算机工程与应用,2012,48(7):9-11. [16] 张宇,付冬梅,李晓刚,等. 基于多特征的红外与可见光图像融合方法的研究[J]. 激光与红外,2008,38(12):1262-1265. [17] 杨晨. 基于深度学习的红外与可见光图像融合方法研究[D]. 武汉:华中科技大学,2022. [18] 王聪雅,张杰. 基于图像处理的桥梁裂缝与干扰物分类算法研究[J]. 中国高新技术企业,2016(9):16-17. [19] 苏顺谦,李帅,李盼,等. 红外影像直接定位技术在城市建筑工程测量中的应用[J]. 黑龙江科学,2022,13(10):41-43. [20] 刘智嘉,贾鹏,夏寅辉,等. 基于红外与可见光图像融合技术发展与性能评价[J]. 激光与红外,2019,49(5):633-640. [21] 丁健. 基于复合滤波和深度学习的图像融合算法研究[D]. 合肥:安徽大学,2022. [22] GUO Chen,XU Qiang,DONG Xiujun,et al. Geohazard recognition and inventory mapping using airborne LiDAR data in complex mountainous areas[J]. Journal of Earth Science,2021,32(5):1079-1091. [23] HOU Zhaoliang,QIU Kunfeng,ZHOU Tong,et al. An advanced image processing technique for backscatter-electron data by scanning electron microscopy for microscale rock exploration[J]. Journal of Earth Science,2024,35(1):301-305.

融合多源图像数据的闸墩表面裂缝定量识别方法

Quantitative identification method for surface cracks of gate piers by integrating multi-source image data

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价

[1]	陈楠, 张标, 杨楠, 刘洲洲. 双层耦合非参数Bayesian的遥感图像时空反射率融合[J]. 测绘通报, 2025, 0(9): 45-50.
[2]	郝佳, 姚国英, 周剑, 王斯远, 肖进胜. 基于图像和点云融合的三维小目标检测方法[J]. 测绘通报, 2025, 0(3): 33-38.
[3]	潘俊钳, 阮浩德, 徐可, 李楚淮. 一种基于多源异构空间规划数据的融合方法[J]. 测绘通报, 2025, 0(1): 127-132.
[4]	范晶晶, 胡帆, 原辉, 张娜, 孟晓凯, 王帅. 架空输电线路覆冰厚度图卷积神经网络预测模型构建与应用[J]. 测绘通报, 2025, 0(1): 12-15.
[5]	贾夙, 解加粉, 丁仕军, 张金营, 王琚. 内陆水下及近岸地形多源数据获取方法研究及应用[J]. 测绘通报, 2024, 0(3): 75-80.
[6]	廖超明, 云子恒, 罗恒, 韦媛媛, 凌子燕, 潘桂颖. 基于特征优选的喀斯特地区覆被信息提取及精度分析[J]. 测绘通报, 2024, 0(2): 45-50.
[7]	黄骁力, 江岭, 陈西, 位宏, 闫振军. 基于深度学习的黄土陷穴易发育区域预测与分析[J]. 测绘通报, 2024, 0(12): 61-69.
[8]	张宝文, 赵展. 利用多地物指数自动提取水体方法[J]. 测绘通报, 2024, 0(11): 21-26.
[9]	叶芬, 胡燕, 杨琪琳, 胡晓丹. 基于知识-规则的省级基础地理实体多源数据融合转换方法[J]. 测绘通报, 2023, 0(7): 160-164.
[10]	樊彦国, 王杰, 樊博文, 徐梓耀. 基于多源遥感的黄河三角洲湿地动态监测[J]. 测绘通报, 2023, 0(6): 27-35.
[11]	张龙其, 杜帅, 熊旭平, 张宇晴. 多源数据城区精细DEM建模方法[J]. 测绘通报, 2023, 0(6): 124-128.
[12]	张新行, 张培, 齐亮, 陈永立. 多源数据融合在广府古城三维重建中的应用[J]. 测绘通报, 2023, 0(11): 112-115.
[13]	胡晓静, 刘钰, 陈延博, 李书丹, 李遥. 融合多源数据的城市三维建模方法探索[J]. 测绘通报, 2023, 0(11): 128-131.
[14]	黄明伟, 李梦梦, 陈超, 虞瑶. 实景三维在自然资源监测的应用[J]. 测绘通报, 2023, 0(10): 150-153.
[15]	陈兰兰, 夏益强, 肖海平, 刘小生. 露天矿边坡稳定性监测方法研究现状及进展[J]. 测绘通报, 2022, 0(5): 7-13.