JP2016121953A - Image processing method for extracting cracked areas in image of covered face of tunnel - Google Patents
Image processing method for extracting cracked areas in image of covered face of tunnel Download PDFInfo
- Publication number
- JP2016121953A JP2016121953A JP2014262611A JP2014262611A JP2016121953A JP 2016121953 A JP2016121953 A JP 2016121953A JP 2014262611 A JP2014262611 A JP 2014262611A JP 2014262611 A JP2014262611 A JP 2014262611A JP 2016121953 A JP2016121953 A JP 2016121953A
- Authority
- JP
- Japan
- Prior art keywords
- area
- image
- tunnel lining
- lining surface
- cracked
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Landscapes
- Lining And Supports For Tunnels (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
- Image Analysis (AREA)
Abstract
Description
本発明は、トンネル覆工面画像のひび割れ領域抽出のための画像処理方法に関し、特に、トンネル覆工面の画像の中から、ひび割れ領域を画像処理により抽出する方法に関する。 The present invention relates to an image processing method for extracting a crack region of a tunnel lining surface image, and more particularly to a method for extracting a crack region from an image of a tunnel lining surface by image processing.
本出願人は、すでに、特許文献１に示されるように、トンネル内を車両が走行中に、当該車両に搭載した撮影手段によって、トンネル覆工面の画像を撮影し、トンネル覆工面を調査するための調査対象画像に加工するトンネル覆工面調査システムを提案している。 In order to investigate the tunnel lining surface, the applicant has already taken an image of the tunnel lining surface by the photographing means mounted on the vehicle while the vehicle is traveling in the tunnel, as shown in Patent Document 1. We propose a tunnel lining surface inspection system to process the image to be surveyed.
この特許文献１で提案された発明によれば、１台の車両を走行させながらトンネル覆工面の展開画像を取得することができ、そのトンネル覆工面の展開画像を用いて、トンネル覆工面のひび割れ等の損傷状態を画像にて可視化して、トンネルの健全度（劣化度）を調査することができる。 According to the invention proposed in Patent Document 1, a developed image of a tunnel lining surface can be acquired while a single vehicle is running, and the tunnel lining surface is cracked using the developed image of the tunnel lining surface. It is possible to visualize the state of damage (degradation level) of the tunnel by visualizing the damage state such as.
トンネル覆工面の展開画像には、ひび割れ以外に、照明、ケーブル、遊離石灰跡、汚れ、型枠痕が映る。 In addition to cracks, lighting, cables, free lime marks, dirt, and form marks appear in the developed image of the tunnel lining surface.
図１は、従来の画像処理の工程を説明する図であり、トンネル覆工面の展開画像の中からひび割れを抽出する手順を示している。すなわち、従来にあっては、図１（ａ）に示す画像全体を解析対象面であるとして、一律に、ひび割れ領域であるか否かの解析を行い、ひび割れ領域を抽出するようにしている。しかし、このように画像全体を解析対象として一律にひび割れ領域を自動的に抽出する画像処理を行った場合には、図１（ｂ）に示すように、ケーブルや照明などコンクリートと異なる材質の境界Ｂをひび割れＡと誤検出してしまうことがある。このために、図１（ｃ）に示すように、図１（ｂ）に示す自動抽出画像に対してさらに手動補正を加えて、誤検出された領域を除外して、ひび割れＡを特定するようにしている。 FIG. 1 is a diagram for explaining a conventional image processing process, and shows a procedure for extracting a crack from a developed image of a tunnel lining surface. In other words, conventionally, assuming that the entire image shown in FIG. 1A is the analysis target surface, it is uniformly analyzed whether or not it is a crack region, and the crack region is extracted. However, when image processing that automatically extracts a cracked area uniformly with the entire image as an analysis target is performed in this way, as shown in FIG. B may be erroneously detected as a crack A. For this purpose, as shown in FIG. 1C, manual correction is further applied to the automatically extracted image shown in FIG. 1B to exclude the erroneously detected region and to identify the crack A. I have to.
以上のように、従来の通常の画像処理では、ひび割れ領域とそれ以外の汚れ、型枠痕等の他の領域を判別して、ひび割れ領域のみを自動的に抽出することができず、手動補正を加えた半自動処理で、ひび割れを特定しているのが実状である。 As described above, in the conventional normal image processing, it is not possible to automatically extract only the cracked area by discriminating other areas such as the cracked area and other dirt and form marks, and manual correction is performed. In fact, it is a semi-automatic process that adds a crack to identify cracks.
本発明は、こうした実情に鑑みてなされたものであり、トンネル覆工面の画像の中から、ひび割れを画像処理により抽出するに際して、ひび割れを確実に自動的に抽出できるようにすることを課題とするものである。 The present invention has been made in view of such circumstances, and it is an object of the present invention to reliably and automatically extract a crack from an image of a tunnel lining surface when extracting the crack by image processing. Is.
第１発明は、
トンネル覆工面の画像の中から、ひび割れ領域を画像処理により抽出するトンネル覆工面画像のひび割れ領域抽出のための画像処理方法であって、
トンネル覆工面の画像中の全領域をひび割れ領域と当該ひび割れ領域以外の他の少なくとも照明領域、ケーブル領域、遊離石灰領域、汚れ領域、型枠痕領域とに分類し、
濃度ヒストグラム解析による各特徴量およびテクスチャ解析による各特徴量の中から、前記ひび割れ領域と前記他の少なくとも一つの領域を判別するための特徴量を選択するとともに、選択された特徴量ごとに、前記各領域を判別するためのしきい値あるいは数値範囲を設定し、
前記他の少なくとも一つの領域について選択された特徴量および設定されたしきい値あるいは数値範囲を用いて、トンネル覆工面の画像の中から前記他の少なくとも一つの領域を判別し、
判別された前記他の少なくとも一つの領域をトンネル覆工面の画像内でマスキングし、
前記ひび割れ領域について選択された特徴量および設定されたしきい値あるいは数値範囲を用いて、前記他の少なくとも一つの領域がマスキングされたトンネル覆工面の画像の中から前記ひび割れ領域を判別して、ひび割れ領域を特定すること
を特徴とする。
The first invention is
An image processing method for extracting a cracked area of a tunnel lining surface image by extracting the cracked area from an image of the tunnel lining surface,
Classify all areas in the image of the tunnel lining surface into crack areas and at least other illumination areas other than the crack areas, cable areas, free lime areas, dirt areas, formwork trace areas,
From each feature amount by density histogram analysis and each feature amount by texture analysis, a feature amount for discriminating between the crack region and the at least one other region is selected, and for each selected feature amount, Set a threshold or numerical range to distinguish each area,
Using the feature value selected for the at least one other region and a set threshold value or numerical range, the at least one other region is determined from the image of the tunnel lining surface,
Masking the identified at least one other region in the image of the tunnel lining surface;
Using the feature amount selected for the cracked region and a set threshold or numerical range, the cracked region is determined from the image of the tunnel lining surface where the other at least one region is masked, A crack region is specified.
第２発明は、第１発明において、
前記ひび割れ領域以外の他の少なくとも二つないしは三つの領域を判別するための特徴量を選択するとともに、選択された特徴量ごとに、前記他の少なくとも二つないしは三つの領域を判別するためのしきい値あるいは数値範囲を設定し、
前記他の少なくとも二つないしは三つの領域が判別される毎に、トンネル覆工面の画像内で判別された領域をマスキングしていく処理を順次行い、
前記他の少なくとも二つないしは三つの領域がマスキングされたトンネル覆工面の画像の中から前記ひび割れ領域を判別して、ひび割れ領域を特定すること
を特徴とする。
The second invention is the first invention,
In order to select at least two or three regions other than the cracked region, and to determine at least two or three other regions for each selected feature amount Set a threshold or numeric range for
Every time the other two or three other areas are determined, the process of masking the determined areas in the image of the tunnel lining surface is sequentially performed,
The cracked area is identified by identifying the cracked area from the image of the tunnel lining surface in which the other two or three other areas are masked.
第３発明は、第１発明または第２発明のいずれかにおいて、
前記濃度ヒストグラム解析による各特徴量の中から、少なくとも明度の平均値、彩度の標準偏差を、および前記テクスチャ解析による各特徴量の中から、少なくとも角２次モーメントの平均値を、前記ひび割れ領域と前記ひび割れ領域以外の他の領域を判別するための特徴量として選択することを特徴とする。
3rd invention in either 1st invention or 2nd invention,
From the feature values obtained by the density histogram analysis, at least an average value of brightness and a standard deviation of saturation, and from the feature values obtained by the texture analysis, at least an average value of angular second moment is obtained as the crack region. And a feature amount for discriminating other regions other than the crack region.
第４発明は、第１発明から第３発明のいずれかの発明において、
前記テクスチャ解析による各特徴量の中から、角２次モーメントの平均値を選択して、トンネル覆工面の画像の対象領域の角２次モーメントの平均値が所定のしきい値以上である場合に、当該対象領域が、ひび割れ領域であると判別することを特徴とする。
A fourth invention is the invention according to any one of the first to third inventions,
When the average value of the angular second moment is selected from the respective feature quantities obtained by the texture analysis, and the average value of the angular second moment of the target area of the image on the tunnel lining surface is equal to or greater than a predetermined threshold value The target area is determined to be a crack area.
第５発明は、第１発明から第４発明のいずれかの発明において、
前記濃度ヒストグラム解析による各特徴量の中から、明度の平均値を選択して、トンネル覆工面の画像の対象領域の明度の平均値が所定のしきい値以上である場合に、当該対象領域が、照明領域であると判別することを特徴とする。
According to a fifth invention, in any one of the first to fourth inventions,
When the average value of brightness is selected from each feature amount by the density histogram analysis, and the average value of brightness of the target area of the image on the tunnel lining surface is equal to or greater than a predetermined threshold, the target area is It is characterized in that it is an illumination area.
第６発明は、第１発明から第５発明のいずれかの発明において、
前記濃度ヒストグラム解析による各特徴量の中から、彩度の標準偏差を選択して、トンネル覆工面の画像の対象領域の彩度の標準偏差が所定のしきい値以上である場合に、当該対象領域が、ケーブル領域であると判別することを特徴とする。
A sixth invention is the invention according to any one of the first to fifth inventions,
When the standard deviation of saturation is selected from each feature amount by the density histogram analysis and the standard deviation of the saturation of the target area of the image on the tunnel lining surface is equal to or larger than a predetermined threshold, the target It is characterized in that the area is determined to be a cable area.
第７発明は、第１発明から第６発明のいずれかの発明において、
前記濃度ヒストグラム解析による各特徴量の中から、彩度の標準偏差を選択して、トンネル覆工面の画像の対象領域の彩度の標準偏差が所定の範囲内の数値である場合に、当該対象領域が、遊離石灰領域であると判別することを特徴とする。
A seventh invention is the invention according to any one of the first to sixth inventions,
When the standard deviation of saturation is selected from each feature amount by the density histogram analysis, and the standard deviation of the saturation of the target area of the image on the tunnel lining surface is a numerical value within a predetermined range, the target It is characterized by discriminating that the region is a free lime region.
第８発明は、第１発明または第２発明のいずれかにおいて、
トンネル覆工面の画像の対象領域の明度の平均値が所定のしきい値以上である場合に、当該対象領域が、照明領域であると判別して、トンネル覆工面の画像内で照明領域をマスキングし、つぎに、トンネル覆工面の照明領域がマスキングされた画像の対象領域の彩度の標準偏差が所定のしきい値以上である場合に、当該対象領域が、ケーブル領域であると判別して、トンネル覆工面の画像内で照明領域およびケーブル領域をマスキングし、つぎに、トンネル覆工面の照明領域およびケーブル領域がマスキングされた画像の対象領域の彩度の標準偏差が所定の範囲内の数値である場合に、当該対象領域が、遊離石灰領域であると判別して、トンネル覆工面の画像内で照明領域およびケーブル領域および遊離石灰領域をマスキングし、つぎに、トンネル覆工面の照明領域およびケーブル領域および遊離石灰領域がマスキングされた画像の対象領域の角２次モーメントの平均値が所定のしきい値以上である場合に、当該対象領域が、ひび割れ領域であると判別することを特徴とする。
The eighth invention is the first invention or the second invention,
If the average brightness of the target area of the tunnel lining surface image is equal to or greater than a predetermined threshold value, the target area is determined to be an illumination area, and the illumination area is masked in the tunnel lining surface image. Then, when the standard deviation of the saturation of the target area of the image where the illumination area on the tunnel lining surface is masked is equal to or greater than a predetermined threshold, the target area is determined to be a cable area. Mask the illumination area and cable area in the image of the tunnel lining surface, and then set the standard deviation of the saturation of the target area of the image where the illumination area and cable area of the tunnel lining surface are masked within a predetermined range. If the target area is a free lime area, the illumination area, the cable area and the free lime area are masked in the image of the tunnel lining surface. When the average value of the angular second moment of the target area of the image in which the illumination area, the cable area, and the free lime area on the flannel lining surface are masked is equal to or greater than a predetermined threshold value, the target area is a crack area. It is characterized by distinguishing.
本発明によれば、ひび割れ領域以外の他の少なくとも一つの領域がマスキングされたトンネル覆工面の画像の中からひび割れ領域を判別して、ひび割れ領域を特定するようにしたので、ひび割れ以外の他の領域をひび割れであると誤検出することが抑制され、ひび割れを確実に自動的に抽出できるようになり、トンネル覆工面のひび割れの変状に基づくトンネル覆工面の健全度（劣化度）の調査をきわめて迅速かつ正確に行うことができるようになる。 According to the present invention, the crack area is identified from the image of the tunnel lining surface in which at least one area other than the crack area is masked, and the crack area is specified. The detection of cracks in the area is suppressed, cracks can be extracted automatically and reliably, and the soundness (degradation level) of the tunnel lining surface based on the deformation of the cracks on the tunnel lining surface can be investigated. It can be done very quickly and accurately.
以下、図面を参照して、本発明に係るトンネル覆工面画像のひび割れ領域抽出のための画像処理方法の実施形態について説明する。 Hereinafter, an embodiment of an image processing method for extracting a crack region of a tunnel lining surface image according to the present invention will be described with reference to the drawings.
図２は、前述した特許文献１ないしは本出願人に係る先願に記載されたトンネル覆工面調査システムによって撮影されたトンネル覆工面の展開画像の一例である。トンネル覆工面調査システムによれば、１台の車両を走行させながらトンネル覆工面の展開画像を取得することができる。 FIG. 2 is an example of a developed image of the tunnel lining surface photographed by the tunnel lining surface inspection system described in the above-mentioned Patent Document 1 or the prior application relating to the present applicant. According to the tunnel lining surface inspection system, a developed image of the tunnel lining surface can be acquired while one vehicle is traveling.
たとえば車両に１次元カラーラインスキャンカメラを搭載して、時速１００ｋｍ／ｈで左右両車線をそれぞれ走行しながら、１画素を１ｍｍとしてトンネル覆工面の左右両側面を撮影し、それら左右両側面の画像をつなぎ合わせることで、トンネル覆工面の展開画像が得られる。 For example, if a vehicle is equipped with a one-dimensional color line scan camera and travels in both the left and right lanes at a speed of 100 km / h, the left and right sides of the tunnel lining are photographed with 1 pixel as 1 mm. By connecting the two, a developed image of the tunnel lining surface can be obtained.
トンネル覆工面の展開画像には、ひび割れ領域以外に、照明、ケーブル、遊離石灰跡、汚れ、型枠痕が映っている。 In the developed image of the tunnel lining surface, lighting, cables, free lime marks, dirt and formwork marks are shown in addition to the cracked area.
そこで、図３に示すように、これら照明、ケーブル、汚れ、遊離石灰、型枠痕、ひび割れそれぞれの画像領域について、色相、彩度、明度別に、１０×１０画素に拡大した画像を取得し、それらを対比した。 Therefore, as shown in FIG. 3, for each of the image areas of the illumination, cable, dirt, free lime, mold marks, and cracks, an image enlarged to 10 × 10 pixels is obtained for each hue, saturation, and brightness, They were contrasted.
図３に示すひび割れ領域とそれ以外の各領域の拡大された画像それぞれを対比すると、つぎのことがわかる。
・照明領域
ひび割れ領域（コンクリート）と比較して明度がきわめて高い（白い）。
・ケーブル領域
ひび割れ領域（コンクリート）と比較して明度がきわめて低い（黒い）、色相と彩度に関して、他の領域に比較して、テクスチャのきめ細かさが大きい。
・遊離石灰領域、汚れ領域
ひび割れ領域とテクスチャは同じ傾向にあるが、明度の値が全体的にひび割れ領域と較べて低い（黒い）。
・型枠痕領域
ひび割れ領域と誤検出する確率が非常に高い。型枠痕領域を拡大するとひび割れ領域を拡大したものと同じ傾向になるが、明度のテクスチャに違いが確認された。
When the cracked area shown in FIG. 3 is compared with the enlarged images of the other areas, the following can be understood.
・ Lighting area The brightness is extremely high (white) compared to the cracked area (concrete).
-The lightness is extremely low (black) compared to the cracked area (concrete) of the cable area, and the fineness of the texture is larger than the other areas regarding hue and saturation.
・ Free lime area, dirt area The crack area and texture tend to be the same, but the brightness value is lower than the crack area as a whole (black).
-Formwork scar area There is a very high probability of false detection as a cracked area. Enlarging the formwork trace area has the same tendency as expanding the cracked area, but a difference in brightness texture was confirmed.
以上のとおり照明、ケーブル、汚れ、遊離石灰、型枠痕、ひび割れそれぞれの画像領域は、主として、明度のテクスチャに違いがあることが確認された。 As described above, it has been confirmed that there is mainly a difference in brightness texture in the image areas of illumination, cable, dirt, free lime, formwork traces, and cracks.
以上のことを検討する過程で本発明者は、ひび割れ領域の抽出を精度よく行うためには、ひび割れ領域以外の領域を自動的に判別して、その判別された領域をマスキングしてから、ひび割れ領域の判別を行うことが必要であるという知見を得た。 In the process of examining the above, in order to accurately extract a crack region, the present inventor automatically identifies a region other than the crack region, masks the identified region, and then cracks. The knowledge that it is necessary to distinguish the area was obtained.
そこで、１０×１０画素の拡大画像を解析して、トンネル覆工面の画像内のある領域が、ひび割れ領域あるいは他の領域であるかを正確に判別することができる有効な特徴量を選択する検討を加えた。 Therefore, an analysis of an enlarged image of 10 × 10 pixels and examination of selecting an effective feature quantity that can accurately determine whether a certain area in the image of the tunnel lining surface is a crack area or another area. Was added.
照明、ケーブル等の各領域を画像解析によって判別するために有効な特徴量の候補としては以下のものがある。
・濃度ヒストグラム解析による特徴量
濃度値分布を調べる方法であり、１０×１０画素の範囲内を解析対象として、明度、彩度、色相ごとに、平均値、標準偏差、尖度、歪度を計算したものが有効な特徴量の候補となる。
・テクスチャ解析による特徴量
テクスチャ解析には、同時生起行列とマルチフラクタル解析がある。本実施例では、同時生起行列を利用した。同時生起行列とは、隣り合う２つの画素対における濃度の配置具合を調べる方法である。ここでは、１０×１０画素内の輝度値のデータを利用した。有効な特徴量の候補を図４に示す表の５種類の特徴量、つまり角２次モーメント（の平均値）、コントラスト、相関、逆差分モーメント、エントロピーとした。
・判別に有効な特徴量
上述した２０種類の特徴量の候補の中から、判別に有効な特徴量を選択した。
Examples of effective feature candidates for discriminating each area such as lighting and cable by image analysis include the following.
・ Characteristics by density histogram analysis This is a method for examining density value distribution, calculating the average value, standard deviation, kurtosis, and skewness for each lightness, saturation, and hue within the range of 10 x 10 pixels. This is a candidate for an effective feature amount.
-Features by texture analysis Texture analysis includes co-occurrence matrix and multifractal analysis. In this embodiment, a co-occurrence matrix is used. The co-occurrence matrix is a method of examining the density arrangement in two adjacent pixel pairs. Here, luminance value data within 10 × 10 pixels is used. The effective feature amount candidates are the five types of feature amounts in the table shown in FIG. 4, that is, the angular second moment (average value thereof), contrast, correlation, inverse difference moment, and entropy.
-Feature quantity effective for discrimination A feature quantity effective for discrimination was selected from the 20 types of feature quantity candidates described above.
判別する領域は、照明、ケーブル、遊離石灰（跡）、汚れ、型枠痕（型枠目地跡）、ひび割れの６種類の各領域である。 The areas to be identified are each of six types of areas: lighting, cable, free lime (traces), dirt, formwork marks (formwork mark marks), and cracks.
トンネルは供用年数が古くなるにつれて、排気ガス等の汚れがトンネル覆工面のコンクリートに付着する。 As the tunnel becomes older, dirt such as exhaust gas adheres to the concrete on the tunnel lining surface.
そこで、供用年数の異なる５つのトンネルの展開画像から６種類の領域を無作為に抽出して、濃度ヒストグラム解析およびテクスチャ解析による画像解析を実施して、有効な特徴量を選択した。探索的な統計手法である決定木分析を実施して、有効な特徴量を選択した。図５、図６は、その解析結果を示す。 Therefore, six types of regions were randomly extracted from the developed images of five tunnels with different years of service, and image analysis was performed by density histogram analysis and texture analysis to select effective feature values. We performed decision tree analysis, which is an exploratory statistical method, and selected effective features. 5 and 6 show the analysis results.
図５（ａ）、（ｂ）、（ｃ）は、濃度ヒストグラム解析の有効な特徴量を示している。 FIGS. 5A, 5B, and 5C show effective feature amounts for density histogram analysis.
濃度ヒストグラムの中で有効な特徴量は、明度の平均値と、彩度の平均値と、彩度の標準偏差である。 Effective feature amounts in the density histogram are an average value of brightness, an average value of saturation, and a standard deviation of saturation.
図５（ａ）は、ケーブル領域、ひび割れ領域、汚れ（色むら）領域、照明領域、型枠痕領域、遊離石灰領域それぞれの明度の平均値を、ヒストグラムで示している。 FIG. 5A shows the average value of the brightness of each of the cable area, crack area, dirt (uneven color) area, illumination area, mold trace area, and free lime area as a histogram.
図５（ａ）から、明らかに、照明領域の明度の平均値が、他の領域の明度の平均値に比して高くなっていることがわかる。 FIG. 5A clearly shows that the average brightness value of the illumination area is higher than the average brightness value of the other areas.
したがって、濃度ヒストグラム解析による各特徴量の中から、明度の平均値を選択して、トンネル覆工面の画像の対象領域の明度の平均値が所定のしきい値（１５０）以上である場合に、当該対象領域が、照明領域であると判別することができる。 Therefore, when the average value of brightness is selected from each feature amount by density histogram analysis, and the average value of brightness of the target area of the image on the tunnel lining surface is equal to or greater than a predetermined threshold (150), It can be determined that the target area is an illumination area.
図５（ｂ）は、ケーブル領域、ひび割れ領域、汚れ（色むら）領域、照明領域、型枠痕領域、遊離石灰領域それぞれの彩度の平均値を、ヒストグラムで示している。 FIG. 5B shows the average values of the saturation of the cable area, crack area, dirt (uneven color) area, illumination area, mold trace area, and free lime area as a histogram.
図５（ｂ）から、明らかに、ひび割れ領域の彩度の平均値が、他の領域の彩度の平均値とは異なるほぼ特定の値（２０）になっていることがわかる。 From FIG. 5 (b), it is apparent that the average value of saturation in the cracked region is almost a specific value (20) different from the average value of saturation in the other regions.
したがって、濃度ヒストグラム解析による各特徴量の中から、彩度の平均値を選択して、トンネル覆工面の画像の対象領域の彩度の平均値が所定の数値範囲（２０前後の範囲）である場合に、当該対象領域が、ひび割れ領域であると判別することができる。 Therefore, the average value of the saturation is selected from the feature amounts obtained by the density histogram analysis, and the average value of the saturation of the target area of the image on the tunnel lining surface is within a predetermined numerical range (range around 20). In this case, it is possible to determine that the target area is a crack area.
図５（ｃ）は、ケーブル領域、ひび割れ領域、汚れ（色むら）領域、照明領域、型枠痕領域、遊離石灰領域それぞれの彩度の標準偏差を、ヒストグラムで示している。 FIG. 5C shows a standard deviation of the saturation of each of the cable area, crack area, dirt (uneven color) area, illumination area, mold trace area, and free lime area as a histogram.
図５（ｃ）から、明らかに、ケーブル領域の彩度の標準偏差が、他の領域の彩度の標準偏差に比して高くなっていることがわかる。 FIG. 5C clearly shows that the standard deviation of the saturation of the cable area is higher than the standard deviation of the saturation of the other areas.
したがって、濃度ヒストグラム解析による各特徴量の中から、彩度の標準偏差を選択して、トンネル覆工面の画像の対象領域の彩度の標準偏差が所定のしきい値（２０）以上である場合に、当該対象領域が、ケーブル領域であると判別することができる。 Therefore, when the standard deviation of saturation is selected from each feature amount by density histogram analysis, and the standard deviation of saturation of the target area of the image on the tunnel lining surface is equal to or greater than a predetermined threshold (20) In addition, it can be determined that the target area is a cable area.
また、図５（ｃ）から、明らかに、遊離石灰領域の彩度の標準偏差が、他の領域の彩度の標準偏差とは異なる特定の数値範囲内になっていることがわかる。 Further, from FIG. 5C, it is apparent that the standard deviation of the saturation of the free lime region is in a specific numerical range different from the standard deviation of the saturation of the other regions.
したがって、濃度ヒストグラム解析による各特徴量の中から、彩度の標準偏差を選択して、トンネル覆工面の画像の対象領域の彩度の標準偏差が所定の範囲（５以上１０未満）内の数値である場合に、当該対象領域が、遊離石灰領域であると判別することができる。 Therefore, a standard deviation of saturation is selected from each feature amount by density histogram analysis, and a standard deviation of saturation of the target area of the image on the tunnel lining surface is within a predetermined range (5 to less than 10). In this case, it can be determined that the target area is a free lime area.
図６（ａ）、（ｂ）は、テクスチャ解析の有効な特徴量を示している。
FIGS. 6A and 6B show effective feature amounts for texture analysis.
テクスチャ解析の中で有効な特徴量は、コントラストの平均値と、角２次モーメントの平均値とある。 Effective feature quantities in texture analysis include an average value of contrast and an average value of angular second moment.
図６（ａ）は、ケーブル領域、ひび割れ領域、汚れ（色むら）領域、照明領域、型枠痕領域、遊離石灰領域それぞれのコントラストの平均値を、ヒストグラムで示している。 FIG. 6A shows the average values of the contrasts of the cable area, crack area, dirt (uneven color) area, illumination area, mold trace area, and free lime area as a histogram.
図６（ａ）から、明らかに、照明領域のコントラストの平均値が、他の領域のコントラストの平均値に比して高くなっていることがわかる。 FIG. 6A clearly shows that the average value of the contrast in the illumination area is higher than the average value of the contrast in the other areas.
したがって、テクスチャ解析による各特徴量の中から、コントラストの平均値を選択して、トンネル覆工面の画像の対象領域のコントラストの平均値が所定のしきい値（０．４０）以上である場合に、当該対象領域が、照明領域であると判別することができる。 Therefore, when the average value of contrast is selected from each feature amount by texture analysis, and the average value of the contrast of the target area of the image on the tunnel lining surface is equal to or greater than a predetermined threshold value (0.40). Thus, it can be determined that the target area is an illumination area.
図６（ｂ）は、ケーブル領域、ひび割れ領域、汚れ（色むら）領域、照明領域、型枠痕領域、遊離石灰領域それぞれの角２次モーメントの平均値を、ヒストグラムで示している。 FIG. 6B shows the average values of the angular second moments of the cable area, crack area, dirt (color unevenness) area, illumination area, mold trace area, and free lime area in a histogram.
図６（ｂ）から、明らかに、ひび割れ領域の角２次モーメントの平均値が、他の領域の角２次モーメントの平均値に比して高くなっていることがわかる。 FIG. 6B clearly shows that the average value of the angular second moment in the cracked region is higher than the average value of the angular second moment in the other regions.
したがって、テクスチャ解析による各特徴量の中から、角２次モーメントの平均値を選択して、トンネル覆工面の画像の対象領域の角２次モーメントの平均値が所定のしきい値（０．４０）以上である場合に、当該対象領域が、ひび割れ領域であると判別することができる。 Therefore, the average value of the angular second moment is selected from each feature amount by texture analysis, and the average value of the angular second moment of the target area of the image on the tunnel lining surface is set to a predetermined threshold (0.40). ) If the above is true, it can be determined that the target area is a cracked area.
以上のとおり、濃度ヒストグラムの有効な特徴量を選択することにより、ケーブル領域、照明領域、遊離石灰領域を明確に判別することができる。 As described above, the cable area, the illumination area, and the free lime area can be clearly distinguished by selecting an effective feature amount of the density histogram.
なお、覆工面コンクリート表面上でのひび割れ領域、汚れ（色むら）、型枠痕の違いは僅かであるものの、彩度の平均値を使用すれば、ひび割れ領域についても判別は可能となる。 Note that although there are slight differences in the cracked area, dirt (uneven color), and formwork trace on the concrete surface of the lining surface, the cracked area can also be discriminated by using the average value of saturation.
これに対してテクスチャ解析の特徴量の中から角２次モーメントの平均値を選択した場合には、ひび割れ領域のみを他の領域から明確に区分して判別することができる。これはひび割れ領域のみが他の領域と異なるテクスチャとなっていることを示している。
（第１実施例）
On the other hand, when the average value of the angular second moment is selected from the texture analysis feature amounts, only the cracked region can be clearly distinguished from other regions. This indicates that only the cracked area has a different texture from the other areas.
(First embodiment)
図７は、実施例１の画像処理手順を示している。トンネル覆工面の画像全面にわたり、１０×１０画素の対象領域を順次画像解析していく。 FIG. 7 shows an image processing procedure according to the first embodiment. Image analysis of the target area of 10 × 10 pixels is sequentially performed over the entire image on the tunnel lining surface.
まず、トンネル覆工面の画像中の全領域をひび割れ領域と当該ひび割れ領域以外の他の領域、つまり少なくとも照明領域、ケーブル領域、遊離石灰領域、汚れ領域、型枠痕領域に分類できると仮定する。そして、濃度ヒストグラム解析による各特徴量およびテクスチャ解析による各特徴量の中から、ひび割れ領域と、照明領域と、ケーブル領域と、遊離石灰領域をそれぞれ判別するための特徴量を選択する。そして選択された特徴量ごとに、各領域を判別するためのしきい値あるいは数値範囲を設定する。 First, it is assumed that the entire area in the image of the tunnel lining surface can be classified into a crack area and other areas other than the crack area, that is, at least an illumination area, a cable area, a free lime area, a dirt area, and a formwork trace area. Then, a feature quantity for discriminating a crack area, an illumination area, a cable area, and a free lime area is selected from each feature quantity by density histogram analysis and each feature quantity by texture analysis. Then, for each selected feature amount, a threshold value or numerical range for determining each region is set.
ここでは、濃度ヒストグラム解析による各特徴量の中から、少なくとも明度の平均値、彩度の標準偏差が、さらにテクスチャ解析による各特徴量の中から、少なくとも角２次モーメントの平均値が、ひび割れ領域と、照明領域と、ケーブル領域と、遊離石灰領域のそれぞれを判別するための特徴量として選択される。 Here, at least the average value of lightness and the standard deviation of saturation from among the feature amounts by density histogram analysis, and at least the average value of angular second moment from each of the feature amounts by texture analysis is a crack region. And a feature amount for discriminating each of the illumination area, the cable area, and the free lime area.
図５（ａ）で前述したように、照明領域を判別するために、明度の平均値が選択され、照明領域を判別するためにしきい値（明度の平均値１５０以上）が設定される。 As described above with reference to FIG. 5A, an average value of brightness is selected in order to determine the illumination area, and a threshold value (average value of brightness 150 or more) is set to determine the illumination area.
また、図５（ｃ）で前述したように、ケーブル領域を判別するために、彩度の標準偏差が選択され、ケーブル領域を判別するためにしきい値（彩度の標準偏差２０以上）が設定される。 Further, as described above with reference to FIG. 5C, the standard deviation of saturation is selected to determine the cable area, and a threshold value (standard deviation of saturation 20 or more) is set to determine the cable area. Is done.
また、図５（ｃ）で前述したように、遊離石灰領域を判別するために、彩度の標準偏差が選択され、遊離石灰領域を判別するために数値範囲（彩度の標準偏差５以上１０未満）が設定される。 Further, as described above with reference to FIG. 5 (c), a standard deviation of saturation is selected in order to discriminate the free lime region, and a numerical range (saturation standard deviation of 5 or more 10) is used to discriminate the free lime region. Less).
さらに、図６（ｂ）で前述したように、ひび割れ領域を判別するために、角２次モーメントの平均値が選択され、ひび割れ領域を判別するためのしきい値（角２次モーメントの平均値０．４０以上）が設定される（ステップ１０１）。 Further, as described above with reference to FIG. 6B, the average value of the angular second moment is selected in order to determine the crack region, and the threshold value (average value of the angular second moment) for determining the crack region is selected. 0.40 or more) is set (step 101).
以下、照明領域、ケーブル領域、遊離石灰領域が判別される毎に、トンネル覆工面の画像内で、その判別された領域をマスキングしていく処理を順次行い、その結果として、照明領域、ケーブル領域、遊離石灰領域がマスキングされたトンネル覆工面の画像の中からひび割れ領域を判別するための画像解析処理が行われ、ひび割れ領域を特定する処理を行っていく。 Hereinafter, every time an illumination area, a cable area, and a free lime area are identified, a process of masking the identified area in the image of the tunnel lining surface is sequentially performed. As a result, the illumination area, the cable area Then, an image analysis process for discriminating the crack area from the image of the tunnel lining surface in which the free lime area is masked is performed, and the process of specifying the crack area is performed.
すなわち、まず、マスキングがされていない照明領域、ケーブル領域、汚れ領域、遊離石灰領域、型枠痕領域、ひび割れ領域が存在するとされる画像全体を画像解析して（ステップ１０２）、トンネル覆工面の画像の対象領域（１０×１０画素；以下同じ）の明度の平均値が所定のしきい値（１５０）以上であるか否かが判断される。この解析は、トンネル覆工面の上述したようにマスキングされてない画像全体にわたり、上記１０×１０画素の対象領域を適用して行う（ステップ１０３）。 That is, first, image analysis is performed on the entire image where there is an unmasked illumination area, cable area, dirt area, free lime area, mold trace area, and crack area (step 102). It is determined whether or not the average brightness value of the target region (10 × 10 pixels; the same applies hereinafter) of the image is equal to or greater than a predetermined threshold (150). This analysis is performed by applying the target area of 10 × 10 pixels over the entire unmasked image of the tunnel lining surface as described above (step 103).
この結果、トンネル覆工面の画像の対象領域の明度の平均値が所定のしきい値（１５０）以上である場合に（ステップ１０３の判断ＹＥＳ）、当該対象領域が、照明領域であると判別する（ステップ１０４）。そして、トンネル覆工面の画像内で照明領域をマスキングして、トンネル覆工面の照明領域がマスキングされたケーブル領域、汚れ領域、遊離石灰領域、型枠痕領域、ひび割れ領域からなる画像を取得する（ステップ１０５）。 As a result, when the average value of the brightness of the target area of the image on the tunnel lining surface is equal to or greater than a predetermined threshold (150) (YES in Step 103), it is determined that the target area is an illumination area. (Step 104). Then, the illumination area is masked in the image of the tunnel lining surface, and an image including a cable area, a dirt area, a free lime area, a mold trace area, and a crack area in which the illumination area of the tunnel lining surface is masked is acquired ( Step 105).
つぎに、トンネル覆工面の照明領域がマスキングされたケーブル領域、汚れ領域、遊離石灰領域、型枠痕領域、ひび割れ領域が存在するとされる画像を画像解析して（ステップ１０６）、トンネル覆工面の照明領域がマスキングされた画像の対象領域の彩度の標準偏差が所定のしきい値（２０）以上であるか否かが判断される。この解析は、マスキングされた領域を除いたトンネル覆工面の残りの画像全体にわたり、上記１０×１０画素の対象領域を適用して行う（ステップ１０７）。 Next, image analysis is performed on the image that the illumination area on the tunnel lining surface is masked, the cable area, the dirt area, the free lime area, the mold trace area, and the crack area are present (step 106). It is determined whether or not the standard deviation of the saturation of the target area of the image in which the illumination area is masked is equal to or greater than a predetermined threshold (20). This analysis is performed by applying the 10 × 10 pixel target region over the entire remaining image on the tunnel lining surface excluding the masked region (step 107).
この結果、トンネル覆工面の画像の対象領域の彩度の標準偏差が所定のしきい値（２０）以上である場合に（ステップ１０７の判断ＹＥＳ）、当該対象領域が、ケーブル領域であると判別する（ステップ１０８）。そして、トンネル覆工面の画像内で照明領域に加えケーブル領域をマスキングして、トンネル覆工面の照明領域およびケーブル領域がマスキングされた汚れ領域、遊離石灰領域、型枠痕領域、ひび割れ領域からなる画像を取得する（ステップ１０９）。 As a result, when the standard deviation of the saturation of the target area of the image on the tunnel lining surface is equal to or larger than the predetermined threshold (20) (YES in Step 107), it is determined that the target area is a cable area. (Step 108). Then, the cable area is masked in addition to the illumination area in the image of the tunnel lining surface, and the illumination area and the cable area of the tunnel lining surface are masked, and the image is composed of a dirt area, a free lime area, a formwork trace area, and a crack area. Is acquired (step 109).
つぎに、トンネル覆工面の照明領域、ケーブル領域がマスキングされた汚れ領域、遊離石灰領域、型枠痕領域、ひび割れ領域が存在するとされる画像を画像解析して（ステップ１１０）、トンネル覆工面の照明領域およびケーブル領域がマスキングされた画像の対象領域の彩度の標準偏差が所定の範囲内（５以上１０未満）の数値であるか否かが判断される。この解析は、マスキングされた領域を除いたトンネル覆工面の残りの画像全体にわたり、上記１０×１０画素の対象領域を適用して行う（ステップ１１１）。 Next, an image analysis is performed on the image of the tunnel lining surface illumination area, the dirt area where the cable area is masked, the free lime area, the formwork trace area, and the crack area (step 110). It is determined whether the standard deviation of the saturation of the target area of the image in which the illumination area and the cable area are masked is a numerical value within a predetermined range (5 or more and less than 10). This analysis is performed by applying the 10 × 10 pixel target region over the entire remaining image on the tunnel lining surface excluding the masked region (step 111).
この結果、トンネル覆工面の照明領域およびケーブル領域がマスキングされた画像の対象領域の彩度の標準偏差が所定の範囲内（５以上１０未満）の数値である場合に（ステップ１１１の判断ＹＥＳ）、当該対象領域が、遊離石灰領域であると判別する（ステップ１１２）。そして、トンネル覆工面の画像内で照明領域およびケーブル領域に加え遊離石灰領域をマスキングして、トンネル覆工面の照明領域およびケーブル領域および遊離石灰領域がマスキングされた汚れ領域、型枠痕領域、ひび割れ領域からなる画像を取得する（ステップ１１３）。 As a result, when the standard deviation of the saturation of the target area of the image where the illumination area and the cable area of the tunnel lining surface are masked is a numerical value within a predetermined range (5 or more and less than 10) (YES in step 111) Then, it is determined that the target area is a free lime area (step 112). Then, in the image of the tunnel lining surface, in addition to the illumination area and the cable area, the free lime area is masked, so that the illumination area, the cable area and the free lime area on the tunnel lining surface are masked. An image composed of regions is acquired (step 113).
つぎに、トンネル覆工面の照明領域、ケーブル領域、遊離石灰領域がマスキングされた汚れ領域、型枠痕領域、ひび割れ領域が存在するとされる画像を画像解析して（ステップ１１４）、トンネル覆工面の照明領域およびケーブル領域および遊離石灰領域がマスキングされた画像の対象領域の角２次モーメントの平均値が所定のしきい値（０．４０）以上であるか否かが判断される。この解析は、マスキングされた領域を除いたトンネル覆工面の残りの画像全体にわたり、上記１０×１０画素の対象領域を適用して行う（ステップ１１５）。 Next, image analysis is performed on the image of the tunnel lining surface including the illumination area, the cable area, the dirt area where the free lime area is masked, the formwork trace area, and the crack area (step 114). It is determined whether or not the average value of the angular second moment of the target area of the image in which the illumination area, the cable area, and the free lime area are masked is equal to or greater than a predetermined threshold (0.40). This analysis is performed by applying the 10 × 10 pixel target region over the entire remaining image on the tunnel lining surface excluding the masked region (step 115).
この結果、トンネル覆工面の照明領域およびケーブル領域および遊離石灰領域がマスキングされた画像の対象領域の角２次モーメントの平均値が所定のしきい値（０．４０）以上である場合に（ステップ１１５の判断ＹＥＳ）、当該対象領域が、ひび割れ領域であると判別する（ステップ１１６）。なお、トンネル覆工面の照明領域およびケーブル領域および遊離石灰領域がマスキングされた画像の対象領域の角２次モーメントの平均値が所定のしきい値（０．４０）未満である場合には（ステップ１１５の判断ＮＯ）、当該対象領域が、汚れ領域、型枠痕領域であると判別する（ステップ１１７）。 As a result, when the average value of the angular second moment of the target area of the image in which the illumination area, the cable area, and the free lime area on the tunnel lining surface are masked is equal to or greater than a predetermined threshold (0.40) (step 115 (YES at 115), it is determined that the target area is a cracked area (step 116). When the average value of the angular second moment of the target area of the image in which the illumination area on the tunnel lining surface, the cable area, and the free lime area are masked is less than a predetermined threshold (0.40) (step) 115 (NO) 115), it is determined that the target area is a dirt area or a mold trace area (step 117).
以上のように、第１実施例によれば、ひび割れ領域以外の他の照明領域、ケーブル領域、遊離石灰領域が順次マスキングされたトンネル覆工面の画像を画像解析対象として、そのマスキングされた画像の中からひび割れ領域を判別する処理を行い、ひび割れ領域を判別、特定するようにしたので、ひび割れ以外の他の領域をひび割れであると誤検出することが抑制され、ひび割れを確実に自動的に抽出できるようになり、トンネル覆工面のひび割れの変状に基づくトンネル覆工面の健全度（劣化度）の調査をきわめて迅速かつ正確に行うことができるようになる。
（第２実施例）
As described above, according to the first embodiment, an image of the tunnel lining surface in which the illumination area other than the cracked area, the cable area, and the free lime area are sequentially masked is set as the image analysis target, and the masked image Since the crack area is identified from the inside, the crack area is identified and specified, so that false detection of other areas other than cracks is suppressed, and cracks are automatically extracted. As a result, the soundness (degradation degree) of the tunnel lining surface based on the crack deformation of the tunnel lining surface can be investigated very quickly and accurately.
(Second embodiment)
第１実施例では、ひび割れ領域以外の他の３つの領域、つまり照明領域、ケーブル領域、遊離石灰領域を順次マスキングしていくものとした。しかし、ひび割れ領域以外の他の３つの領域の組合わせ、マスキングの順序は、これ以外であってもよい。また、ひび割れ領域以外の他の領域であってマスキングすべき領域としては、４つ以上の領域であってもよい。 In the first embodiment, the other three regions other than the crack region, that is, the illumination region, the cable region, and the free lime region are sequentially masked. However, the combination of the other three regions other than the crack region and the masking order may be other than this. Further, the area to be masked other than the crack area may be four or more areas.
また、ひび割れ領域以外の他の領域であってマスキングすべき領域としては、２つの領域だけであってもよい。たとえば、図６において、照明領域を判別して、照明領域をマスキングする処理（ステップ１０３、ステップ１０５）を省略して、ケーブル領域および遊離石灰領域のみを判別して、これらケーブル領域および遊離石灰領域のみをマスキングした画像を解析対象として、ステップ１１５に示すひび割れ領域の判定処理を行うことにより、ひび割れ領域を特定、抽出するような実施も可能である。 In addition, the area other than the cracked area and to be masked may be only two areas. For example, in FIG. 6, the illumination area is determined, the process of masking the illumination area (step 103, step 105) is omitted, only the cable area and the free lime area are determined, and the cable area and the free lime area are determined. It is also possible to identify and extract the cracked area by performing the cracked area determination process shown in step 115 with the image masked only as the analysis target.
また、ひび割れ領域以外の他の領域であってマスキングすべき領域としては、１つの領域だけであってもよい。たとえば、図６において、照明領域を判別して、照明領域をマスキングする処理（ステップ１０３、ステップ１０５）およびケーブル領域を判別して、照明領域に加えケーブル領域をマスキングする処理（ステップ１０７、ステップ１０９）を省略して、遊離石灰領域のみを判別して、遊離石灰領域のみをマスキングした画像を解析対象として、ステップ１１５に示すひび割れ領域の判定処理を行うことにより、ひび割れ領域を特定、抽出するような実施も可能である。 In addition, the region other than the cracked region and to be masked may be only one region. For example, in FIG. 6, a process for discriminating the illumination area, masking the illumination area (step 103, step 105), and a process for discriminating the cable area and masking the cable area in addition to the illumination area (step 107, step 109). ) Is omitted, only the free lime area is discriminated, and the crack area determination process shown in step 115 is performed on the analysis target image having only the free lime area masked, so that the crack area is specified and extracted. Implementation is also possible.
Claims (8)
トンネル覆工面の画像中の全領域をひび割れ領域と当該ひび割れ領域以外の他の少なくとも照明領域、ケーブル領域、遊離石灰領域、汚れ領域、型枠痕領域とに分類し、
濃度ヒストグラム解析による各特徴量およびテクスチャ解析による各特徴量の中から、前記ひび割れ領域と前記他の少なくとも一つの領域を判別するための特徴量を選択するとともに、選択された特徴量ごとに、前記各領域を判別するためのしきい値あるいは数値範囲を設定し、
前記他の少なくとも一つの領域について選択された特徴量および設定されたしきい値あるいは数値範囲を用いて、トンネル覆工面の画像の中から前記他の少なくとも一つの領域を判別し、
判別された前記他の少なくとも一つの領域をトンネル覆工面の画像内でマスキングし、
前記ひび割れ領域について選択された特徴量および設定されたしきい値あるいは数値範囲を用いて、前記他の少なくとも一つの領域がマスキングされたトンネル覆工面の画像の中から前記ひび割れ領域を判別して、ひび割れ領域を特定すること
を特徴とするトンネル覆工面画像のひび割れ領域抽出のための画像処理方法。 An image processing method for extracting a cracked area of a tunnel lining surface image by extracting the cracked area from an image of the tunnel lining surface,
Classify all areas in the image of the tunnel lining surface into crack areas and at least other illumination areas other than the crack areas, cable areas, free lime areas, dirt areas, formwork trace areas,
From each feature amount by density histogram analysis and each feature amount by texture analysis, a feature amount for discriminating between the crack region and the at least one other region is selected, and for each selected feature amount, Set a threshold or numerical range to distinguish each area,
Using the feature value selected for the at least one other region and a set threshold value or numerical range, the at least one other region is determined from the image of the tunnel lining surface,
Masking the identified at least one other region in the image of the tunnel lining surface;
Using the feature amount selected for the cracked region and a set threshold or numerical range, the cracked region is determined from the image of the tunnel lining surface where the other at least one region is masked, An image processing method for extracting a cracked area of a tunnel lining surface image, characterized by identifying a cracked area.
前記他の少なくとも二つないしは三つの領域が判別される毎に、トンネル覆工面の画像内で判別された領域をマスキングしていく処理を順次行い、
前記他の少なくとも二つないしは三つの領域がマスキングされたトンネル覆工面の画像の中から前記ひび割れ領域を判別して、ひび割れ領域を特定すること
を特徴とする請求項１記載のトンネル覆工面画像のひび割れ領域抽出のための画像処理方法。 In order to select at least two or three regions other than the cracked region, and to determine at least two or three other regions for each selected feature amount Set a threshold or numeric range for
Every time the other two or three other areas are determined, the process of masking the determined areas in the image of the tunnel lining surface is sequentially performed,
2. The tunnel lining surface image according to claim 1, wherein the cracked region is identified from an image of the tunnel lining surface in which the other at least two or three regions are masked to identify the cracked region. Processing method for extraction of cracked areas in the image.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2014262611A JP6508939B2 (en) | 2014-12-25 | 2014-12-25 | Image processing method for crack area extraction of tunnel lining surface image |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2014262611A JP6508939B2 (en) | 2014-12-25 | 2014-12-25 | Image processing method for crack area extraction of tunnel lining surface image |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2016121953A true JP2016121953A (en) | 2016-07-07 |
| JP6508939B2 JP6508939B2 (en) | 2019-05-08 |
Family
ID=56327308
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2014262611A Active JP6508939B2 (en) | 2014-12-25 | 2014-12-25 | Image processing method for crack area extraction of tunnel lining surface image |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP6508939B2 (en) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111140263A (en) * | 2020-04-02 | 2020-05-12 | 中铁工程设计咨询集团有限公司 | Tunnel concrete lining crack width calculation method and crack treatment method |
| JP6793896B1 (en) * | 2020-03-04 | 2020-12-02 | 三菱電機株式会社 | Image processing equipment, image processing methods, and image processing programs |
| CN112036425A (en) * | 2020-05-09 | 2020-12-04 | 中铁四局集团有限公司 | Tunnel cavity state radar spectrum image recognition model construction method and tunnel cavity state radar spectrum image recognition method |
| WO2021225084A1 (en) * | 2020-05-07 | 2021-11-11 | 富士フイルム株式会社 | Damage evaluating device, method, and program |
| CN114037691A (en) * | 2021-11-15 | 2022-02-11 | 浙江理工大学 | Carbon fiber plate crack detection method based on image processing |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH08189904A (en) * | 1995-01-06 | 1996-07-23 | Kawasaki Steel Corp | Surface defect detector |
| JP2008175549A (en) * | 2007-01-16 | 2008-07-31 | Olympus Corp | Defect detection device and method |
| JP2009133085A (en) * | 2007-11-29 | 2009-06-18 | Central Japan Railway Co | Crack checking device for tunnel lining |
| JP2011163866A (en) * | 2010-02-08 | 2011-08-25 | Nippon Telegr & Teleph Corp <Ntt> | Concrete image extraction method |
| JP2012202858A (en) * | 2011-03-25 | 2012-10-22 | Railway Technical Research Institute | Closure crack detection method of concrete surface |
| JP2012202859A (en) * | 2011-03-25 | 2012-10-22 | Railway Technical Research Institute | Method of detecting deformed area on concrete surface |
| JP2014006219A (en) * | 2012-06-27 | 2014-01-16 | Sumitomo Mitsui Construction Co Ltd | Crack detecting apparatus and crack detection method |
| US20140125801A1 (en) * | 2012-03-16 | 2014-05-08 | Tongji University | On-line tunnel deformation monitoring system based on image analysis and its application |
-
2014
- 2014-12-25 JP JP2014262611A patent/JP6508939B2/en active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH08189904A (en) * | 1995-01-06 | 1996-07-23 | Kawasaki Steel Corp | Surface defect detector |
| JP2008175549A (en) * | 2007-01-16 | 2008-07-31 | Olympus Corp | Defect detection device and method |
| JP2009133085A (en) * | 2007-11-29 | 2009-06-18 | Central Japan Railway Co | Crack checking device for tunnel lining |
| JP2011163866A (en) * | 2010-02-08 | 2011-08-25 | Nippon Telegr & Teleph Corp <Ntt> | Concrete image extraction method |
| JP2012202858A (en) * | 2011-03-25 | 2012-10-22 | Railway Technical Research Institute | Closure crack detection method of concrete surface |
| JP2012202859A (en) * | 2011-03-25 | 2012-10-22 | Railway Technical Research Institute | Method of detecting deformed area on concrete surface |
| US20140125801A1 (en) * | 2012-03-16 | 2014-05-08 | Tongji University | On-line tunnel deformation monitoring system based on image analysis and its application |
| JP2014006219A (en) * | 2012-06-27 | 2014-01-16 | Sumitomo Mitsui Construction Co Ltd | Crack detecting apparatus and crack detection method |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP6793896B1 (en) * | 2020-03-04 | 2020-12-02 | 三菱電機株式会社 | Image processing equipment, image processing methods, and image processing programs |
| WO2021176621A1 (en) * | 2020-03-04 | 2021-09-10 | 三菱電機株式会社 | Image processing device, image processing method, and image processing program |
| CN111140263A (en) * | 2020-04-02 | 2020-05-12 | 中铁工程设计咨询集团有限公司 | Tunnel concrete lining crack width calculation method and crack treatment method |
| WO2021225084A1 (en) * | 2020-05-07 | 2021-11-11 | 富士フイルム株式会社 | Damage evaluating device, method, and program |
| JPWO2021225084A1 (en) * | 2020-05-07 | 2021-11-11 | ||
| JP7429774B2 (en) | 2020-05-07 | 2024-02-08 | 富士フイルム株式会社 | Damage evaluation device, method and program |
| CN112036425A (en) * | 2020-05-09 | 2020-12-04 | 中铁四局集团有限公司 | Tunnel cavity state radar spectrum image recognition model construction method and tunnel cavity state radar spectrum image recognition method |
| CN114037691A (en) * | 2021-11-15 | 2022-02-11 | 浙江理工大学 | Carbon fiber plate crack detection method based on image processing |
Also Published As
| Publication number | Publication date |
|---|---|
| JP6508939B2 (en) | 2019-05-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP6654849B2 (en) | Method for detecting surface cracks in concrete | |
| JP6508939B2 (en) | Image processing method for crack area extraction of tunnel lining surface image | |
| CN110678901B (en) | Information processing apparatus, information processing method, and computer-readable storage medium | |
| JP5645730B2 (en) | Method for detecting closed cracks on concrete surface | |
| US20090290782A1 (en) | Method and a system for establishing an inspection-recipe | |
| JP2018198053A5 (en) | ||
| US9430841B2 (en) | Defect inspection method | |
| JP5086970B2 (en) | Wood appearance inspection device, wood appearance inspection method | |
| TWI618925B (en) | Defect inspection method and defect inspection system | |
| KR101813223B1 (en) | Method and apparatus for detecting and classifying surface defect of image | |
| US20220099530A1 (en) | Circumferential main groove detection method and circumferential main groove detection device | |
| JPWO2020110560A1 (en) | Inspection support equipment for concrete structures, inspection support methods and inspection support programs | |
| KR20150075728A (en) | An apparatus for extracting characters and the method thereof | |
| JP5088165B2 (en) | Defect detection method and defect detection apparatus | |
| JP5973214B2 (en) | Structure defect probability calculation method and defect probability calculation apparatus, structure defect range determination method and defect range determination apparatus | |
| JP2010008159A (en) | Visual inspection processing method | |
| JP2015040827A (en) | Defect determination device, and defect determination method | |
| CN113012096A (en) | Display screen sub-pixel positioning and brightness extraction method, device and storage medium | |
| KR20050022320A (en) | Defect inspecting method and apparatus | |
| KR20160087600A (en) | Apparatus for inspecting defect and method thereof | |
| US9443165B2 (en) | Blob-encoding | |
| JP7187830B2 (en) | Image processing program, image processing apparatus, and image processing method | |
| CN113643245B (en) | Method and device for measuring screen defects and computer readable storage medium | |
| JP4322230B2 (en) | Surface defect inspection apparatus and surface defect inspection method | |
| JP2005252451A (en) | Image quality inspection method and image quality inspection apparatus |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20171222 |
|
| RD02 | Notification of acceptance of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7422 Effective date: 20180621 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20180810 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20180821 |
|
| A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20181022 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20181117 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20190312 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20190402 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 6508939 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |