JP6508939B2 - Image processing method for crack area extraction of tunnel lining surface image - Google Patents
Image processing method for crack area extraction of tunnel lining surface image Download PDFInfo
- Publication number
- JP6508939B2 JP6508939B2 JP2014262611A JP2014262611A JP6508939B2 JP 6508939 B2 JP6508939 B2 JP 6508939B2 JP 2014262611 A JP2014262611 A JP 2014262611A JP 2014262611 A JP2014262611 A JP 2014262611A JP 6508939 B2 JP6508939 B2 JP 6508939B2
- 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.)
- Active
Links
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 cracked area of a tunnel lining surface image, and more particularly to a method for extracting a cracked area 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。 The applicant has already taken the 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, to investigate the tunnel lining surface. We propose a tunnel lining surface survey system that processes it into the survey target image.
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, it is possible to acquire a developed image of the tunnel lining surface while traveling one vehicle, and using the developed image of the tunnel lining surface, the crack of the tunnel lining surface And so on can be visualized in an image to investigate the soundness (deterioration) of the tunnel.
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 the developed image of the tunnel lining surface, lighting, cables, free lime marks, dirt and mold marks appear in addition to cracks.
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 view for explaining a conventional image processing process, and shows a procedure for extracting a crack from a developed image of a tunnel lining surface. That is, in the related art, assuming that the entire image shown in FIG. 1A is an analysis target surface, analysis is uniformly performed whether or not it is a cracked area, and cracked areas are extracted. However, when image processing is performed to automatically extract a cracked area uniformly for the entire image in this way, as shown in FIG. B may be misdetected as crack A. For this purpose, as shown in FIG. 1 (c), manual correction is further added to the automatically extracted image shown in FIG. 1 (b) to exclude the erroneously detected area and 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 the cracked area from other areas such as dirt and mold marks other than that, and manual correction It is the fact that the crack is specified by the semi-automatic processing which added.
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 these circumstances, and it is an object of the present invention to ensure that cracks can be automatically and automatically extracted from the image of the tunnel lining surface by image processing. It is a thing.
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 which extracts a cracked area by image processing from an image of the tunnel lining surface,
The whole area in the image of the tunnel lining surface is classified into a crack area and at least another illumination area other than the crack area, a cable area, a free lime area, a dirt area, and a form mark area,
From the feature quantities by density histogram analysis and the feature quantities by texture analysis, a feature quantity for discriminating the cracked area and the other at least one area is selected, and for each selected feature quantity, the feature quantity is selected. Set a threshold or numerical range to determine each area,
The other at least one area is determined from the image of the tunnel lining surface using the feature value selected for the other at least one area and the set threshold or numerical range,
Masking the at least one other determined region in the image of the tunnel lining surface;
The crack area is determined from the image of the tunnel lining surface masked with the at least one other area using the feature value selected for the crack area and the set threshold value or numerical range. It is characterized by identifying a crack area.
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 the feature amount for determining at least two or three other regions other than the cracked region, and to determine the other at least two or three regions for each selected feature amount. Set the threshold or numerical range of
Every time the other at least two or three regions are determined, processing is sequentially performed to mask the regions determined in the image of the tunnel lining surface,
It is characterized in that the cracked area is identified from the image of the tunnel lining surface where the other at least two or three areas are masked, and the cracked area is specified.
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。
The third invention relates to any one of the first invention and the second invention,
Among each feature quantity by the density histogram analysis, at least an average value of lightness, a standard deviation of saturation, and an average value of a second moment of angle from each feature quantity by the texture analysis; And a region other than the crack region is selected as a feature amount for determining the 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。
The fourth invention relates to any one of the first to third inventions,
When the average value of the angular secondary moment is selected from the feature quantities obtained by the texture analysis, and the average value of the angular secondary moment of the target area of the image of the tunnel lining surface is equal to or greater than a predetermined threshold value And determining that the target area is 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。
The fifth invention relates to any one of the first to fourth inventions,
The average value of the lightness is selected from the feature amounts obtained by the density histogram analysis, and the target region is selected when the average lightness of the target region of the image of the tunnel lining surface is equal to or greater than a predetermined threshold value. And the 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 aspect of the invention relates to any one of the first to fifth aspects of the invention,
When the standard deviation of saturation is selected from the feature quantities obtained by the density histogram analysis, and the standard deviation of the saturation of the target area of the image of the tunnel lining surface is equal to or greater than a predetermined threshold value, 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。
The seventh invention relates to any one of the first to sixth inventions,
If the standard deviation of saturation is selected from the feature quantities obtained by the density histogram analysis and the standard deviation of the saturation of the target area of the tunnel lining surface image is a numerical value within a predetermined range, the target It is characterized in that the area is determined to be a free lime area.
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 relates to any one of the first invention and the second invention,
When the average value of the lightness of the target area of the tunnel lining surface image is equal to or greater than a predetermined threshold value, it is determined that the target area is the illumination area, and the lighting area is masked in the tunnel lining surface image. Then, when the standard deviation of the saturation of the target area of the image in which the illumination area on the tunnel lining surface is masked is equal to or greater than a predetermined threshold value, it is determined that the target area is a cable area. , The illumination area and the cable area are masked in the image of the tunnel lining surface, and then the standard deviation of the saturation of the target area of the image in which the illumination area and the cable area of the tunnel lining surface are masked is within a predetermined range. If it is determined that the target area is a free lime area, the illumination area and the cable area and the free lime area are masked in the image of the tunnel lining surface, and then The target area is a cracked area when the average value of the angular second moment of the target area of the image in which the illumination area and the cable area and the free lime area of the flan lining surface are masked is equal to or greater than a predetermined threshold. It is characterized in that
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, since the cracked area is identified from the image of the tunnel lining surface masked with at least one other area other than the cracked area, the cracked area is identified. The misdetection of the area as a crack is suppressed, the crack can be extracted automatically and reliably, and the soundness (deterioration degree) of the tunnel lining surface based on the deformation of the crack of the tunnel lining surface is examined You will be able to do it 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。 An embodiment of an image processing method for extracting a cracked area of a tunnel lining surface image according to the present invention will be described below 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 to the present applicant. According to the tunnel lining surface survey system, a developed image of the tunnel lining surface can be acquired while running one vehicle.
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, a vehicle is equipped with a one-dimensional color line scan camera, and while traveling on both left and right lanes at 100 km / h, 1 pixel is 1 mm and the left and right sides of the tunnel lining surface are photographed. 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。 The developed image of the tunnel lining surface includes lighting, cables, free lime marks, dirt, and mold marks 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, an image enlarged to 10 × 10 pixels according to hue, saturation, and lightness is acquired for each image area of the illumination, cable, dirt, free lime, mold frame mark, and crack. I compared them.
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。
The following can be understood by comparing the cracked area shown in FIG. 3 with the enlarged image of each area other than that.
-Lighting area The brightness is extremely high (white) compared to the cracked area (concrete).
The lightness is very low (black) as compared to the cable area cracked area (concrete), and the texture and texture are larger in terms of hue and saturation as compared to other areas.
Free lime area, soiled area Cracked area and texture tend to be the same, but the lightness value is generally lower (black) than cracked area.
-Formwork mark area The probability of false detection as a cracked area is very high. The expansion of the mold area has the same tendency as the expansion of the crack area, but a difference was observed in the texture of lightness.
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 was confirmed that the image areas of lighting, cables, dirt, free lime, mold marks and cracks are mainly different in brightness texture.
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 the cracked area, the inventor automatically discriminates the area other than the cracked area and masks the discriminated area before the cracked area. We have found that it is necessary to determine the area.
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, a study is conducted to select an effective feature quantity that can accurately determine whether a certain area in the tunnel lining surface image is a cracked area or another area by analyzing a 10 × 10 pixel enlarged image. 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。
The following are candidates for feature quantities that are effective for determining each region such as illumination and cable by image analysis.
-Feature amount by density histogram analysis This is a method to check the density value distribution, and calculate the average value, standard deviation, kurtosis and skewness for each lightness, saturation and hue, with a range of 10 × 10 pixels as an analysis target Are candidates for effective feature quantities.
-Features by texture analysis Texture analysis includes co-occurrence matrix and multifractal analysis. In the present embodiment, a co-occurrence matrix was used. The co-occurrence matrix is a method of examining the arrangement of densities in two adjacent pixel pairs. Here, data of luminance values in 10 × 10 pixels are used. Candidates of effective feature quantities are the five feature quantities in the table shown in FIG. 4, that is, the corner second moment (average value of), contrast, correlation, inverse difference moment, and entropy.
-Feature Amount Effective for Discrimination From the above-described 20 types of feature amount candidates, a feature amount effective for discrimination was selected.
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。 Areas to be determined are six types of areas: illumination, cable, free lime (trace), dirt, mold trace (form trace ground mark), 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 goes into service, 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 service years, and image analysis by density histogram analysis and texture analysis was performed to select effective feature amounts. Decision tree analysis, which is an exploratory statistical method, was performed to select 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 of 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。 The feature quantities effective in the density histogram are the average value of lightness, the average value of saturation, and the 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 values of the lightness of the cable area, the crack area, the stain (uneven color) area, the illumination area, the mold frame area, and the free lime area by 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。 It can be clearly seen from FIG. 5A that the average value of the brightness of the illumination area is higher than the average value of the brightness 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 the lightness is selected from the feature quantities obtained by density histogram analysis, and the average value of the lightness of the target area of the image of the tunnel lining surface is equal to or more than the 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 value of the saturation of each of the cable area, the crack area, the stain (uneven color) area, the illumination area, the mold frame area, and the free lime area by 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。 It can be clearly seen from FIG. 5 (b) that the mean value of the saturation of the cracked area is approximately a specific value (20) different from the mean value 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 quantities obtained by the density histogram analysis, and the average value of the saturation of the target area of the image of the tunnel lining surface is within the predetermined numerical range (range around 20) In this case, it is possible to determine that the target area is a cracked 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 the standard deviation of the saturation of each of the cable area, the crack area, the stain (color unevenness) area, the illumination area, the mold frame area, and the free lime area by 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。 It is apparent from FIG. 5 (c) 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 quantity by density histogram analysis, and the standard deviation of saturation of the target area of the image of the tunnel lining surface is equal to or more than the predetermined threshold value (20) Then, it is possible to determine 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。 Also, it can be clearly seen from FIG. 5 (c) that the standard deviation of the saturation of the free lime area is within a specific numerical range different from 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, the standard deviation of the saturation is selected from each feature quantity by the density histogram analysis, and the standard deviation of the saturation of the target area of the image of the tunnel lining surface is within a predetermined range (5 or more and less than 10) If it is, 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 quantities of 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。 The feature quantities that are effective in texture analysis are the average value of contrast and the 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 value of the contrast of each of the cable area, the crack area, the stain (color unevenness) area, the illumination area, the mold frame area, and the free lime area by 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。 It can be clearly seen from FIG. 6A that the average value of the contrast of the illumination area is higher than the average value of the contrast of 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 the contrast is selected from the feature amounts obtained by the texture analysis, and the average value of the contrast of the target region of the image of the tunnel lining surface is equal to or more than a predetermined threshold (0.40). The target area can be determined to be 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. 6 (b) shows the average value of the angular second moment of each of the cable area, the crack area, the stain (color unevenness) area, the illumination area, the mold frame area and the free lime area by 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。 It can be clearly seen from FIG. 6 (b) that the average value of the corner second moments of the cracked region is higher than the average value of the corner second moments of 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 secondary moment is selected from the feature quantities obtained by the texture analysis, and the average value of the angular secondary moment of the target area of the image of the tunnel lining surface is a predetermined threshold value (0.40 When it is above, it is possible to determine 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 region, the illumination region, and the free lime region can be clearly discriminated by selecting the effective feature amount of the concentration 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。 Although the difference between the cracked area, dirt (uneven color) and mold marks on the lining concrete surface is slight, if the average value of the saturation is used, the cracked area can be determined.
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 secondary moment is selected from the feature quantities of the texture analysis, it is possible to clearly distinguish only the cracked area from other areas for discrimination. 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 the image processing procedure of the first embodiment. The image area of 10 × 10 pixels is sequentially analyzed over the entire image of 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 cracked area and other areas other than the cracked area, that is, at least an illuminated area, a cable area, a free lime area, a dirty area, and a mold mark area. Then, among the feature quantities by density histogram analysis and the feature quantities by texture analysis, a feature quantity for discriminating a crack area, an illumination area, a cable area, and a free lime area is selected. Then, for each of the selected feature amounts, a threshold or a numerical range for determining each area 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 among the feature quantities obtained by density histogram analysis, and at least the average value of the second moment of the angle among the respective feature quantities obtained by texture analysis It is selected as a feature amount for determining 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, in order to determine the illumination area, the average value of lightness is selected, and in order to determine the illumination area, a threshold (average value of 150 or more of lightness) is set.
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 the threshold (standard deviation of 20 or more of saturation) is set to determine the cable area. Be 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. 5C, the standard deviation of saturation is selected to determine the free lime area, and the numerical range (standard deviation of 5 or more to 10 or more for determining the free lime area). Is set.
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）。 Furthermore, as described above with reference to FIG. 6B, in order to determine the crack area, the average value of the angular second moment is selected, and the threshold value for determining the crack area (average value of the second moment of angle 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。 Thereafter, every time the illumination area, the cable area, and the free lime area are determined, the process of masking the determined area is sequentially performed in the image of the tunnel lining surface, and as a result, the illumination area and the cable area The image analysis process for identifying the cracked area from the image of the tunnel lining surface where the free lime area is masked is performed, and the process for identifying the cracked 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, the image analysis is performed on the entire image where it is assumed that the illumination area, the cable area, the dirt area, the free lime area, the mold mark area, and the crack area are not masked (step 102). It is determined whether the average value of the lightness of the target area (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 10 × 10 pixel target area over the entire unmasked image of the tunnel lining surface (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 lightness of the target area of the image of the tunnel lining surface is equal to or more than the predetermined threshold (150) (YES in step 103), the target area is determined to be the illumination area. (Step 104). Then, the illumination area is masked in the image of the tunnel lining surface, and an image consisting of the cable area where the illumination area of the tunnel lining surface is masked, the dirt area, the free lime area, the mold mark area, and the crack area is obtained 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, the image of the cable area where the illumination area of the tunnel lining surface is masked, the soiled area, the free lime area, the mold mark area, and the cracked area is image analyzed (step 106), and It is determined whether 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 area over the entire image of the tunnel lining except for the masked area (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, if the standard deviation of the saturation of the target area of the tunnel lining surface image is equal to or greater than the predetermined threshold (20) (YES at step 107), it is determined that the target area is the cable area. (Step 108). Then, in the image of the tunnel lining surface, the cable area is masked in addition to the illumination area, and the illumination area of the tunnel lining surface and the cable area are covered with the masked dirt area, free lime area, mold scar area, and 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 where the illumination area of the tunnel lining surface, the soiled area where the cable area is masked, the free lime area, the mold mark area, and the cracked area are present (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 area over the entire image of the tunnel lining except for the masked area (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 illumination area of the tunnel lining surface and the standard area of the saturation of the target area of the image in which the cable area is masked are within the predetermined range (5 or more and less than 10) (determination YES in step 111) The target area is determined to be a free lime area (step 112). Then, in the image of the tunnel lining surface, the free lime area is masked in addition to the illumination area and the cable area, and the illumination area and cable area of the tunnel lining surface and the soiled area where the lime area is masked An image consisting 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 where the illumination area of the tunnel lining surface, the cable area, the soiled area where the free lime area is masked, the mold mark area, and the cracked area are present (step 114). It is determined whether the average value of the angular second moments 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 area over the entire image of the tunnel lining except for the masked area (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 illumination area of the tunnel lining surface and the target area of the image in which the cable area and the free lime area are masked is equal to or greater than a predetermined threshold (0.40) (step At step 116, it is determined that the target area is a cracked area. In addition, when the average value of the angular second moment of the target area of the image where the illumination area of the tunnel lining surface and the cable area and the free lime area are masked is less than the predetermined threshold (0.40) (step It is determined that the target area is a dirt area or a mold frame 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, the 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 the image analysis target, and Since the crack area is determined from the inside and the crack area is identified and identified, false detection of other areas other than the crack as a crack is suppressed, and the crack is automatically extracted automatically. It becomes possible to carry out the investigation of the soundness (deterioration degree) of the tunnel lining surface based on the deformation of the crack of the tunnel lining surface 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, three regions other than the cracked region, i.e., the illumination region, the cable region, and the free lime region are sequentially masked. However, the combination of the other three areas other than the crack area and the order of the masking may be other than this. In addition, the area other than the cracked area, which should be masked, 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 other areas other than the crack area may be only two areas as the areas to be masked. For example, in FIG. 6, the illumination area is determined and the process of masking the illumination area (step 103, step 105) is omitted, and only the cable area and the free lime area are determined. It is also possible to identify and extract a cracked area by performing the cracked area determination process shown in step 115 with an image subjected to only masking as an 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, as the area other than the cracked area, the area to be masked may be only one area. For example, in FIG. 6, the process of discriminating the illumination area and masking the illumination area (step 103, step 105) and the cable area and masking the cable area in addition to the illumination area (step 107, step 109) ) To identify and extract the cracked area by performing the crack area judging process shown in step 115 with the image subjected to the masking of only the free lime area as an analysis object by discriminating only the free lime area. 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、型枠痕領域のうち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、前記ひび割れ領域と照明領域、ケーブル領域、遊離石灰領域、汚れ領域、型枠痕領域のうちの少なくとも一つの領域の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、
照明領域、ケーブル領域、遊離石灰領域、汚れ領域、型枠痕領域のうち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、型枠痕領域のうちの少なくとも一つの領域を判別し、
判別された照明領域、ケーブル領域、遊離石灰領域、汚れ領域、型枠痕領域のうち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、照明領域、ケーブル領域、遊離石灰領域、汚れ領域、型枠痕領域のうち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 which extracts a cracked area by image processing from an image of the tunnel lining surface,
The whole area in the image of the tunnel lining surface is classified into a crack area and at least another illumination area other than the crack area, a cable area, a free lime area, a dirt area, and a form mark area,
In order to distinguish at least one of the crack area, the illumination area, the cable area, the free lime area, the dirt area, and the mold frame area from each feature quantity by density histogram analysis and each feature quantity by texture analysis And selecting each of the crack area and at least one of the light area, the cable area, the free lime area, the dirt area, and the mold mark area for each of the selected feature quantities. Set a threshold or numerical range for
An image of the tunnel lining surface is selected using the feature value and the set threshold or numerical range selected for at least one of the illumination area, the cable area, the free lime area, the dirt area, and the mold mark area . Identify at least one of the illumination area, the cable area, the free lime area, the dirt area, and the mold frame area from the inside;
Masking at least one of the determined illumination area, cable area, free lime area, dirt area, mold area in the image of the tunnel lining surface;
At least one of the illumination area, the cable area, the free lime area, the dirt area, and the form mark area is masked using the feature value selected for the crack area and the set threshold or numerical range. An image processing method for extracting a cracked area of a tunnel lining surface image, which comprises identifying the cracked area from the image of the tunnel lining surface and identifying the 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 the feature amount for determining at least two or three other regions other than the cracked region, and to determine the other at least two or three regions for each selected feature amount. Set the threshold or numerical range of
Every time the other at least two or three regions are determined, processing is sequentially performed to mask the regions determined in the image of the tunnel lining surface,
The image of the tunnel lining surface according to claim 1, wherein the cracked region is identified from the image of the tunnel lining surface where the other at least two or three regions are masked, and the cracked region is specified. Image processing method for extraction of cracked area of.
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 JP2016121953A (en) | 2016-07-07 |
| JP6508939B2 true 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) |
Families Citing this family (3)
| 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 |
| CN111140263B (en) * | 2020-04-02 | 2020-07-14 | 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 |
Family Cites Families (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 |
| JP5175528B2 (en) * | 2007-11-29 | 2013-04-03 | 東海旅客鉄道株式会社 | Tunnel lining crack inspection system |
| JP5271932B2 (en) * | 2010-02-08 | 2013-08-21 | 日本電信電話株式会社 | Concrete image extraction method |
| JP5591165B2 (en) * | 2011-03-25 | 2014-09-17 | 公益財団法人鉄道総合技術研究所 | Method for detecting deformation area on concrete surface |
| JP5645730B2 (en) * | 2011-03-25 | 2014-12-24 | 公益財団法人鉄道総合技術研究所 | Method for detecting closed cracks on concrete surface |
| CN102620673A (en) * | 2012-03-16 | 2012-08-01 | 同济大学 | Tunnel deformation online monitoring system based on image analysis and application of system |
| JP5939571B2 (en) * | 2012-06-27 | 2016-06-22 | 三井住友建設株式会社 | Crack detection device and crack detection method |
-
2014
- 2014-12-25 JP JP2014262611A patent/JP6508939B2/en active Active
Also Published As
| Publication number | Publication date |
|---|---|
| JP2016121953A (en) | 2016-07-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP6654849B2 (en) | Method for detecting surface cracks in concrete | |
| JP5645730B2 (en) | Method for detecting closed cracks on concrete surface | |
| JP2006350558A5 (en) | ||
| JP6508939B2 (en) | Image processing method for crack area extraction of tunnel lining surface image | |
| JP6811217B2 (en) | Crack identification method, crack identification device, crack identification system and program on concrete surface | |
| KR101549495B1 (en) | An apparatus for extracting characters and the method thereof | |
| JP2010112802A (en) | Appearance inspection apparatus for wood and appearance inspection method for wood | |
| JP2018128309A (en) | Crack detection method | |
| JPH03160349A (en) | Device for detecting crack | |
| JP2008267943A (en) | Crack detecting method | |
| KR20170127269A (en) | Method and apparatus for detecting and classifying surface defect of image | |
| JP4322230B2 (en) | Surface defect inspection apparatus and surface defect inspection method | |
| JP2004109018A (en) | Circuit pattern inspecting method and inspecting device | |
| JP5088165B2 (en) | Defect detection method and defect detection apparatus | |
| Mir et al. | Machine learning-based evaluation of the damage caused by cracks on concrete structures | |
| KR20050022320A (en) | Defect inspecting method and apparatus | |
| JP2005165387A (en) | Method and device for detecting stripe defective of picture and display device | |
| JP2010008159A (en) | Visual inspection processing method | |
| JP4785437B2 (en) | Image processing method and image processing apparatus | |
| US20140270390A1 (en) | Analysis of the digital image of the internal surface of a tyre and processing of false measurement points | |
| JP4186117B2 (en) | Crack detection method and apparatus | |
| JP2001028059A (en) | Method and device for color unevenness inspection | |
| JP2005252451A (en) | Image quality inspection method and image quality inspection apparatus | |
| JP7187830B2 (en) | Image processing program, image processing apparatus, and image processing method | |
| JP2023056279A (en) | Defect detection method of flaw detection test |
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 |