苏州吴江太湖新城建设局江苏苏州215000
摘要：本文重点介绍了基于Matlab的桥梁裂缝自动识别技术，研究表明：采用Matlab和灰度理论的方法，可以测得裂缝宽度，提高了桥梁检测的效率和效果，具有重要的应用推广意义。
关键词：桥梁裂缝，自动识别，Matlab
1前言
传统的桥梁检测方法多依靠肉眼或者辅助工具（如桥检车、望远镜等）来判定其主要构件是否出现裂缝、露筋锈蚀等病害，对人工无法到达区域难以对于裂缝等病害进行定量检测。而桥梁裂缝病害的尺寸，特别是裂缝宽度对评估桥梁的安全性具有重要意义。本文基于Matlab技术，通过照片对桥梁裂缝进行自动识别。
2基于Matlab的桥梁裂缝识别过程
初步获取的裂缝图像从视觉上而言是典型的线状目标。但同一般的线状目标相比，具有其自身的特点：目标的宽度相对较小，图像的对比度较低，具有自然的间断、具有分叉等。采用Matlab（Matrix&Laboratory，矩阵实验室）对于获取的图像进行处理计算。通常在Matlab中运行的一些传统的裂缝检测算法，例如边缘检测、小波变换、基于阈值法分割等往往都是假设裂缝在图像中具有较为清晰的图像和较好的连续性，但这种假设在模拟试验或者实际的工程项目中都是不成立的。一方面，由于采用无人机进行裂缝图像信息的拍摄，易受到拍摄天气，特别是风的影响，获取不了如此清晰稳定的图像信息；另一方面，由于裂缝自身退化等因素，有一定比例的裂缝相较于桥墩背景而言对比度较低，图像特征不明显，直接用算法计算无法得出结果。这些都会使得常规的裂缝检测算法失效。因此，需要在裂缝图像计算之前进行一定的预处理和对于图像相关要素信息的提取。
考虑到在图像的采集和传输过程之中，往往会因为一些原因导致图像的质量有所降低。从视觉主观上观察图像中的物体，可能会发觉物体轮廓过于鲜艳而显得突兀；从被检测的目标物体（裂缝）的大小和形状而言，图像信息较为模糊；从图像的对比度而言，可能会受到外部噪声的干扰；从图像整体而言，可能会发生一些失真。可以这样说，待处理的图像在处理的可行性方面存在许多干扰。因而通过Matlab进行一定的计算处理来进行信息的变换，突出图像中主要的待处理的敏感信息的同时，降低干扰。一般情况下，由于是在室外作业，加上由大功率无人机进行图像的拍摄，所得的图像难免会存在一定的噪声干扰。因此，本文在图像先期处理的基础上，针对噪声的存在进行去噪处理，而后通过膨胀、腐蚀等形态学处理方法进一步后续处理。最后采用算法算得裂缝的平均宽度，这里的平均宽度以像素为单位，再进行比例的换算，流程如图2-1所示。
因此可以得到图像中裂缝的平均宽度为。即得到计算宽度为。
5结论
采用Matlab和灰度理论的方法，可以测得裂缝宽度，提高了桥梁检测的效率和效果，具有重要的应用推广意义。
参考文献：
[1]吴志勤.桥梁检测技术及其发展趋势简述[J].山西建筑，2007，13：278-280.
[2]陈显龙，陈晓龙，赵成，等.无人机在路桥病害检测中的设计与实现[J].测绘通报，2016(4)：79-82.
[3]李洪辉.数据融合技术在无人机高度测量中的研究应用[D].华南理工大学，2012.
[4]彭玲丽，黄少旭，张申申，等.浅谈无人机在桥梁检测中的应用与发展[J].交通科技，2015(6)：42-44.