KR102133332B1 - 경계선 기반 구조물의 균열 검출 장치 및 방법 - Google Patents

경계선 기반 구조물의 균열 검출 장치 및 방법 Download PDF

Info

Publication number
KR102133332B1
KR102133332B1 KR1020180102893A KR20180102893A KR102133332B1 KR 102133332 B1 KR102133332 B1 KR 102133332B1 KR 1020180102893 A KR1020180102893 A KR 1020180102893A KR 20180102893 A KR20180102893 A KR 20180102893A KR 102133332 B1 KR102133332 B1 KR 102133332B1
Authority
KR
South Korea
Prior art keywords
crack
boundary
unit
region
group
Prior art date
Application number
KR1020180102893A
Other languages
English (en)
Other versions
KR20200025480A (ko
Inventor
윤혁진
조현우
정주영
장민우
이관섭
Original Assignee
한국철도기술연구원
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 한국철도기술연구원 filed Critical 한국철도기술연구원
Priority to KR1020180102893A priority Critical patent/KR102133332B1/ko
Publication of KR20200025480A publication Critical patent/KR20200025480A/ko
Application granted granted Critical
Publication of KR102133332B1 publication Critical patent/KR102133332B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T5/002—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/20—Image enhancement or restoration using local operators
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/70—Denoising; Smoothing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20024—Filtering details

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Quality & Reliability (AREA)
  • Image Processing (AREA)
  • Image Analysis (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)

Abstract

본 발명은 경계선 기반 구조물의 균열 검출 장치 및 방법에 관한 것으로서, 본 발명의 일 실시예에 따른 경계선 기반 구조물의 균열 검출 장치는 구조물의 균열 영상으로부터 경계선을 추출하고, 추출된 경계선을 구성하는 각 픽셀들에 대한 수직 방향 각도를 산출하여 균열 경계선 정보를 획득하는 균열 경계선 정보 획득부, 균열 경계선 정보 획득부에서 획득된 균열 경계선 정보를 이용하여 균열 후보 영역과 너비 맵을 획득하는 균열 폭 변환부, 균열 폭 변환부에서 획득된 균열 후보 영역에 대해 종횡비 필터링을 실시하여 균열 영역을 분류하는 종횡비 필터링 처리부, 균열 경계선 정보 획득부에서 미 추출된 경계선으로 인해 손실된 균열 영역을 복원하는 균열 영역 복원부, 및 균열 영역 복원부에서 복원된 균열 영역의 명암 정보를 이용하여 노이즈를 제거하는 상대적 임계화 처리부를 포함한다.

Description

경계선 기반 구조물의 균열 검출 장치 및 방법{BOUNDARY BASED STRUCTURE CRACK DETECTION APPARATUS AND METHOD}
본 발명은 경계선 기반 구조물의 균열 검출 장치 및 방법에 관한 것이다.
콘크리트 구조물의 균열에 대한 조사는 콘크리트 구조물의 정밀 안전 진단에 있어서 중요한 판단 요소이다.
통상적으로, 콘크리트 구조물의 균열에 대한 조사는 육안 관측 방법이 사용되고 있다. 그런데 육안 관측 방법은 정확도 및 신뢰도가 낮은 단점이 있다.
최근 들어, 콘크리트 구조물의 균열을 영상 처리하여 측정하는 방법에 관한 연구가 활발히 이루어지고 있다.
본 발명과 관련된 선행기술로는 대한민국 등록특허 제10-1772916호(2017.08.31. 공고)가 있다. 상기 선행문헌에는 촬영영상과 인공지능 알고리즘 기반의 균열검출 자동화 프로그램을 이용한 터널 라이닝 표면의 균열 검출 방법 및 시스템에 관하여 개시되어 있다.
이러한 종래의 선행문헌에는 합성곱 신경망(CNN)기법을 이용하여 콘크리트 표면에 발생한 균열을 검출하고, 균열의 특징을 이용하여 최종 균열과 노이즈를 구분하기 위한 방법이 소개되어 있다.
하지만, 종래의 선행문헌에 따르면 균열을 화소 단위로 정확히 추출할 수 있는 기법에 대하여 구체적으로 제시하는 바가 없으며, 이로 인해 균열 폭 측정 시 오류가 발생하는 문제점이 있다.
본 발명의 목적은 균열 영상에서 획득한 경계선 정보를 기반으로 하여 구조물의 균열을 신속하고 정확하게 검출할 수 있는 경계선 기반 구조물의 균열 검출 장치 및 방법을 제공함에 있다.
본 발명의 다른 목적은 경계선 정보를 기반으로 균열 폭 변환 기법, 종횡비 필터링, 홀 채우기, 상대적 임계화 기법을 적용하여, 균열 검출의 정확성을 향상시킨 경계선 기반 구조물의 균열 검출 장치 및 방법을 제공함에 있다.
본 발명의 다른 목적은 균열 영상으로부터 획득한 경계선 정보를 기반으로 균열 폭 변환 기법을 적용하여 경계선 부분의 균열 화소를 보다 정확히 검출할 수 있는 경계선 기반 구조물의 균열 검출 장치 및 방법을 제공함에 있다.
본 발명의 또 다른 목적은 종횡비 필터링 및 상대적 임계화 기법을 적용하여, 노이즈를 제거하고 균열을 보다 정확히 검출할 수 있는 경계선 기반 구조물의 균열 검출 장치 및 방법을 제공함에 있다.
본 발명의 또 다른 목적은 경계선 연결과 홀 채우기 기법을 이용하여 손실된 균열 영역을 복원할 수 있어 복원하여 보다 정확히 균열 영역을 검출할 수 있는 경계선 기반 구조물의 균열 검출 장치 및 방법을 제공함에 있다.
본 발명의 목적들은 이상에서 언급한 목적으로 제한되지 않으며, 언급되지 않은 본 발명의 다른 목적 및 장점들은 하기의 설명에 의해서 이해될 수 있고, 본 발명의 실시예에 의해 보다 분명하게 이해될 것이다. 또한, 본 발명의 목적 및 장점들은 특허 청구 범위에 나타낸 수단 및 그 조합에 의해 실현될 수 있음을 쉽게 알 수 있을 것이다.
본 발명의 일 실시예에 따른 경계선 기반 구조물의 균열 검출 장치 및 방법은 구조물의 균열 영상으로부터 경계선을 추출하고, 추출된 경계선을 구성하는 각 픽셀들에 대한 수직 방향 각도를 산출하여 균열 경계선 정보를 획득하는 균열 경계선 정보 획득부; 상기 균열 경계선 정보 획득부에서 획득된 균열 경계선 정보를 이용하여 균열 후보 영역과 너비 맵을 획득하는 균열 폭 변환부; 상기 균열 폭 변환부에서 획득된 상기 균열 후보 영역에 대해 종횡비 필터링을 실시하여 균열 영역을 분류하는 종횡비 필터링 처리부; 상기 균열 경계선 정보 획득부에서 미 추출된 경계선으로 인해 손실된 균열 영역을 복원하는 균열 영역 복원부; 및 상기 균열 영역 복원부에서 복원된 균열 영역의 명암 정보를 이용하여 노이즈를 제거하는 상대적 임계화 처리부;를 포함한다.
이때, 상기 균열 폭 변환부는, 일측의 제1 경계 화소와, 상기 제1 경계 화소의 맞은 편에 위치하는 타측의 제2 경계 화소를 검색하는 경계 화소 검색부; 상기 경계 화소 검색부에서 검색된 양측의 제1, 2 경계 화소 사이의 거리를 최소 폭 임계값과 비교하고, 상기 추출된 경계선 사이 화소의 평균 프랜지 필터링 값을 프랜지 임계값과 비교하여, 균열 후보 영역 조건에 만족하는지 여부를 판단하는 균열 후보 영역 판단부; 및 상기 균열 후보 영역 판단부에서 균열 후보 영역 조건이 만족되는 경우, 상기 추출된 경계선 사이의 중심점에 폭을 할당하여 상기 너비 맵을 생성하는 너비 맵 생성부;를 포함한다.
또한, 상기 균열 후보 영역 판단부는 상기 양측의 제1, 2 경계 화소 사이의 거리가 최소 폭 임계값보다 작으면, 상기 추출된 경계선 사이 화소를 균열 후보 영역으로 할당하고, 상기 양측의 제1, 2 경계 화소 사이의 거리가 최소 폭 임계값보다 크고, 상기 추출된 경계선 사이 화소의 평균 프랜지 필터링 값이 프랜지 임계값보다 크면, 상기 추출된 경계선 사이 화소를 균열 후보 영역으로 할당할 수 있다.
또한, 상기 제2 경계 화소는, 상기 제1 경계 화소로부터 법선 방향에 위치하고, 상기 제2 경계 화소의 검색은, 상기 양측의 제1, 2 경계 화소 사이의 거리가 최대 폭 임계값보다 작을 때까지 수행될 수 있다.
또한, 상기 종횡비 필터링 처리부는, 상기 균열 폭 변환부에서 상기 균열 후보 영역과 배경으로 분류된 이진 영상 이미지를 서로 인접한 화소끼리 그룹으로 분류하는 제1 그룹 분류부; 상기 제1 그룹 분류부에서 분류된 각 그룹의 면적과 평균 폭을 이용하여 상기 각 그룹의 종횡비를 산출하는 종횡비 산출부; 및 상기 종횡비 산출부의 산출 결과에 따라, 상기 종횡비가 임계값보다 크면 해당 그룹을 균열 영역으로 분류하는 제1 균열 영역 분류부;를 포함한다.
또한, 상기 종횡비 산출부에서, 상기 각 그룹의 종횡비는 하기의 수학식 1에 근거하여 산출될 수 있다.
[수학식 1]
Figure 112018086380851-pat00001
(여기서,
Figure 112018086380851-pat00002
는 인접한 화소끼리 분할된 영역,
Figure 112018086380851-pat00003
는 그룹의 면적,
Figure 112018086380851-pat00004
는 그룹의 평균 폭,
Figure 112018086380851-pat00005
는 그룹의 길이,
Figure 112018086380851-pat00006
는 그룹의 종횡비임)
또한, 상기 종횡비 산출부에서, 상기 각 그룹의 평균 폭은 상기 너비 맵을 이용하여 하기의 수학식 2에 근거하여 산출될 수 있다.
[수학식 2]
Figure 112018086380851-pat00007
(여기서,
Figure 112018086380851-pat00008
은 너비 맵,
Figure 112018086380851-pat00009
는 영상의 좌표임)
또한, 상기 균열 영역 복원부는, 상기 종횡비 필터링 처리부에서 분류된 상기 균열 영역의 이진 영상에서 단락된 경계선을 연결하는 경계선 연결 처리부; 및 상기 경계선 연결 처리부에서 연결된 상기 경계선 영상의 여집합에서 인접한 화소끼리 그룹으로 분류하고, 상기 분류된 그룹의 면적이 임계값보다 작은 영역을 균열 영역으로 분류하는 홀 채우기 연산을 수행하는 홀 채우기 연산부;를 포함한다.
또한, 상기 경계선 연결 처리부는, 상기 균열 영역 중에서 경계선에 해당하는 화소를 나머지보다 크게 만든 배열을 생성하고, 상기 균열 영역의 외곽선 추적(contour tracing) 기법을 이용하여 외곽선 화소를 추출하며, 상기 추출된 외곽선과 상기 생성된 배열을 이용하여, 하기의 수학식 3에 근거하여 단락된 경계선의 시작점과 끝점을 추출한 후 연결할 수 있다.
[수학식 3]
Figure 112018086380851-pat00010
(여기서, Contour는 경계선 추적(contour tracing) 기법, Y는 배열, L은 시작점과 끝점이 한 쌍인 집합임)
또한, 상기 상대적 임계화 처리부는, 상기 균열 영역 복원부에서 복원된 균열 영역의 이진 영상에서 서로 인접한 화소끼리 그룹으로 분류하는 제2 그룹 분류부; 상기 제2 그룹 분류부에서 분류된 각 그룹의 평균 프랜지 필터링 값을 산출하는 평균 프랜지 필터링 값 산출부; 상기 평균 프랜지 필터링 값 산출부에서 산출된 평균 프랜지 필터링 값 중에서 최대값을 검출하는 최대값 검출부; 및 상기 최대값 검출부에서 검출된 최대값에 비례상수를 곱하여 임계값을 설정하며, 상기 설정된 임계값보다 상기 산출된 평균 프랜지 필터링 값이 큰 영역을 균열 영역으로 분류하는 제2 균열 영역 분류부;를 포함한다.
또한, 상기 상대적 임계화 처리부에서, 상기 복원된 균열 영역에 포함된 노이즈는 하기의 수학식 4에 근거하여 제거될 수 있다.
[수학식 4]
Figure 112018086380851-pat00011
(여기서, Fi는 상기 제2 그룹 분류부에서 분류된 그룹, fg는 프랜지 필터링 영상, fg(Fi)는 각 그룹(Fi)의 평균 프랜지 필터링 값, fgt2는 상대적 임계화의 임계값으로 최대 프랜지 필터링 값(Ffgmax)에 비례 상수 kf를 곱하여 산출됨)
한편, 본 발명의 다른 실시예에 따른 경계선 기반 구조물의 균열 검출 방법은 전술한 경계선 기반 구조물의 균열 검출 장치를 이용한 경계선 기반 구조물의 균열 검출 방법으로서, (a) 상기 균열 경계선 정보 획득부에서, 구조물의 균열 영상을 수신하여 경계선을 추출하고, 추출된 경계선을 구성하는 각 픽셀들에 대한 수직 방향 각도를 산출하여 균열 경계선 정보를 획득하는 균열 경계선 정보 획득 단계; (b) 상기 균열 폭 변환부에서, 상기 균열 경계선 정보 획득부에서 획득된 균열 경계선 정보를 이용하여 균열 후보 영역과 너비 맵을 획득하는 균열 폭 변환 단계; (c) 상기 종횡비 필터링 처리부에서, 상기 균열 폭 변환부에서 획득된 상기 균열 후보 영역에 대해 종횡비 필터링을 실시하여 균열 영역을 분류하는 종횡비 필터링 처리 단계; (d) 상기 균열 영역 복원부에서, 상기 균열 경계선 정보 획득부에서 미 추출된 경계선으로 인해 손실된 균열 영역을 복원하는 균열 영역 복원 단계; 및 (e) 상기 상대적 임계화 처리부에서, 상기 균열 영역 복원부에서 복원된 균열 영역의 명암 정보를 이용하여 노이즈를 제거하는 상대적 임계화 처리 단계;를 포함한다.
이때, 상기 (b) 단계는, (b-1) 상기 균열 폭 변환부에서, 일측의 제1 경계 화소와, 상기 제1 경계 화소의 맞은 편에 위치하는 타측의 제2 경계 화소를 검색하는 단계; (b-2) 상기 검색된 양측의 제1, 2 경계 화소 사이의 거리를 최소 폭 임계값과 비교하고, 상기 추출된 경계선 사이 화소의 평균 프랜지 필터링 값을 프랜지 임계값과 비교하여, 균열 후보 영역 조건에 만족하는지 여부를 판단하는 단계; 및 (b-3) 상기 균열 후보 영역 조건이 만족되는 경우, 상기 추출된 경계선 사이의 중심점에 폭을 할당하여 상기 너비 맵을 생성하는 단계;를 포함한다.
이때, 상기 (b-2) 단계에서, 상기 양측의 제1, 2 경계 화소 사이의 거리가 최소 폭 임계값보다 작으면, 상기 추출된 경계선 사이 화소를 균열 후보 영역으로 할당하고, 상기 양측의 제1, 2 경계 화소 사이의 거리가 최소 폭 임계값보다 크고, 상기 추출된 경계선 사이 화소의 평균 프랜지 필터링 값이 프랜지 임계값보다 크면, 상기 추출된 경계선 사이 화소를 균열 후보 영역으로 할당할 수 있다.
또한, 상기 (b-1) 단계는, 상기 제2 경계 화소는 상기 제1 경계 화소로부터 법선 방향에 위치하고, 상기 제2 경계 화소의 검색은 상기 양측의 제1, 2 경계 화소 사이의 거리가 최대 폭 임계값보다 작을 때까지 수행될 수 있다.
또한, 상기 (c) 단계는, (c-1) 상기 (b) 단계에서 획득된 상기 균열 후보 영역과 배경으로 분류된 이진 영상 이미지를 서로 인접한 화소끼리 그룹으로 분류하는 단계; (c-2) 상기 분류된 각 그룹의 면적과 평균 폭을 이용하여 상기 각 그룹의 종횡비를 산출하는 단계; 및 (c-3) 상기 각 그룹의 산출된 종횡비가 임계값보다 크면 해당 그룹을 균열 영역으로 분류하는 단계;를 포함한다.
이때, 상기 (c-2) 단계에서, 상기 각 그룹의 종횡비는 하기의 수학식 1에 근거하여 산출될 수 있다.
[수학식 1]
Figure 112018086380851-pat00012
(여기서,
Figure 112018086380851-pat00013
는 인접한 화소끼리 분할된 영역,
Figure 112018086380851-pat00014
는 그룹의 면적,
Figure 112018086380851-pat00015
는 그룹의 평균 폭,
Figure 112018086380851-pat00016
는 그룹의 길이,
Figure 112018086380851-pat00017
는 그룹의 종횡비임)
또한, 상기 (c-2) 단계에서, 상기 각 그룹의 평균 폭은 상기 너비 맵을 이용하여 하기의 수학식 2에 근거하여 산출될 수 있다.
[수학식 2]
Figure 112018086380851-pat00018
(여기서,
Figure 112018086380851-pat00019
은 너비 맵,
Figure 112018086380851-pat00020
는 영상의 좌표임)
또한, 상기 (d) 단계는, (d-1) 상기 (c-3)에서 분류된 상기 균열 영역의 이진 영상에서 단락된 경계선을 연결하는 단계; 및 (d-2) 상기 연결된 상기 경계선 영상의 여집합에서 인접한 화소끼리 그룹으로 분류하고, 상기 분류된 그룹의 면적이 임계값보다 작은 영역을 균열 영역으로 분류하는 홀 채우기 연산을 수행하는 단계;를 포함한다.
이때, 상기 (d-1) 단계는, 상기 균열 영역 중에서 경계선에 해당하는 화소를 나머지보다 크게 만든 배열을 생성하고, 상기 균열 영역의 외곽선 추적(contour tracing) 기법을 이용하여 외곽선 화소를 추출하며, 상기 추출된 외곽선과 상기 생성된 배열을 이용하여, 하기의 수학식 3에 근거하여 단락된 경계선의 시작점과 끝점을 추출한 후 연결할 수 있다.
[수학식 3]
Figure 112018086380851-pat00021
(여기서, Contour는 경계선 추적(contour tracing) 기법, Y는 배열, L은 시작점과 끝점이 한 쌍인 집합임)
또한, 상기 (e) 단계는, (e-1) 상기 (d-2) 단계에서 복원된 균열 영역의 이진 영상에서 서로 인접한 화소끼리 그룹으로 분류하는 단계; (e-2) 상기 분류된 각 그룹의 평균 프랜지 필터링 값을 산출하는 단계; (e-3) 상기 산출된 평균 프랜지 필터링 값 중에서 최대값을 검출하는 단계; 및 (e-4) 상기 검출된 최대값에 비례상수를 곱하여 임계값을 설정하며, 상기 설정된 임계값보다 상기 산출된 평균 프랜지 필터링 값이 큰 영역을 균열 영역으로 분류하는 단계;를 포함한다.
또한, 상기 (e) 단계에서, 상기 복원된 균열 영역에 포함된 노이즈는 하기의 수학식 4에 근거하여 제거될 수 있다.
[수학식 4]
Figure 112018086380851-pat00022
(여기서, Fi는 상기 제2 그룹 분류부에서 분류된 그룹, fg는 프랜지 필터링 영상, fg(Fi)는 각 그룹(Fi)의 평균 프랜지 필터링 값, fgt2는 상대적 임계화의 임계값으로 최대 프랜지 필터링 값(Ffgmax)에 비례 상수 kf를 곱하여 산출됨)
본 발명인 경계선 기반 구조물의 균열 검출 장치 및 방법에 의하면, 균열 영상에서 획득한 경계선 정보를 기반으로 하여 구조물의 균열을 자동화된 방식으로 신속하고 정확하게 검출할 수 있는 유리한 기술적 효과가 있다.
예컨대, 본 발명인 경계선 기반 구조물의 균열 검출 장치 및 방법에 의하면, 경계선 정보를 기반으로 균열 폭 변환 기법, 종횡비 필터링, 홀 채우기, 상대적 임계화 기법을 적용하여, 균열 검출 작업의 정확성을 향상시킬 수 있다.
이 경우, 균열 영상으로부터 획득한 경계선 정보를 기반으로 균열 폭 변환 기법을 적용하여 경계선 부분의 균열 화소를 보다 정확히 검출할 수 있는 장점이 있다.
또한, 종횡비 필터링 및 상대적 임계화 기법을 적용함으로써, 노이즈를 효과적으로 제거할 수 있으며 구조물의 균열을 보다 정확히 검출할 수 있는 장점이 있다.
또한, 경계선 연결과 홀 채우기 기법을 이용하여 손실된 균열 영역을 복원할 수 있는데, 그 결과 기존과 비교하여 더욱 정확하게 균열 영역을 검출할 수 있는 장점이 있다.
상술한 효과와 더불어 본 발명의 구체적인 효과는 이하 발명을 실시하기 위한 구체적인 사항을 설명하면서 함께 기술한다.
도 1은 본 발명의 일 실시예에 따른 경계선 기반 구조물의 균열 검출 장치를 간략히 도시한 블록도이다.
도 2는 본 발명의 일 실시예에 따른 경계선 기반 구조물의 균열 검출 장치 중 균열 폭 변환부의 세부 구성을 나타낸 블록도이다.
도 3은 본 발명의 일 실시예에 따른 경계선 기반 구조물의 균열 검출 장치 중 종횡비 필터링 처리부의 세부 구성을 나타낸 블록도이다.
도 4는 본 발명의 일 실시예에 따른 경계선 기반 구조물의 균열 검출 장치 중 균열 영역 복원부의 세부 구성을 나타낸 블록도이다.
도 5는 본 발명의 일 실시예에 따른 경계선 기반 구조물의 균열 검출 장치 중 상대적 임계화 처리부의 세부 구성을 나타낸 블록도이다.
도 6은 본 발명의 일 실시예에 따른 경계선 기반 구조물의 균열 검출 방법을 간략히 도시한 순서도이다.
도 7은 본 발명의 일 실시예에 따른 경계선 기반 구조물의 균열 검출 방법 중 균열 폭 변환 단계의 세부 구성을 나타낸 순서도이다.
도 8은 본 발명의 일 실시예에 따른 경계선 기반 구조물의 균열 검출 방법 중 종횡비 필터링 처리 단계의 세부 구성을 나타낸 순서도이다.
도 9는 본 발명의 일 실시예에 따른 경계선 기반 구조물의 균열 검출 방법 중 균열 영역 복원 단계의 세부 구성을 나타낸 순서도이다.
도 10은 본 발명의 일 실시예에 따른 경계선 기반 구조물의 균열 검출 방법 중 상대적 임계화 처리 단계의 세부 구성을 나타낸 순서도이다.
도 11은 본 발명의 일 실시예에 따른 경계선 기반 구조물의 균열 검출 방법 중 균열 폭 변환 단계에서 경계 화소 사이의 거리를 보여주는 도면이다.
이하, 도면을 참조하여 본 발명의 실시예에 대하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 상세히 설명한다. 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예에 한정되지 않는다.
본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 동일 또는 유사한 구성요소에 대해서는 동일한 참조 부호를 붙이도록 한다. 또한, 본 발명의 일부 실시예들을 예시적인 도면을 참조하여 상세하게 설명한다. 각 도면의 구성요소들에 참조부호를 부가함에 있어서, 동일한 구성요소들에 대해서는 비록 다른 도면상에 표시되더라도 가능한 한 동일한 부호를 가질 수 있다. 또한, 본 발명을 설명함에 있어, 관련된 공지 구성 또는 기능에 대한 구체적인 설명이 본 발명의 요지를 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명은 생략할 수 있다.
본 발명의 구성 요소를 설명하는 데 있어서, 제 1, 제 2, A, B, (a), (b) 등의 용어를 사용할 수 있다. 이러한 용어는 그 구성 요소를 다른 구성요소와 구별하기 위한 것일 뿐, 그 용어에 의해 해당 구성 요소의 본질, 차례, 순서 또는 개수 등이 한정되지 않는다. 어떤 구성 요소가 다른 구성요소에 "연결", "결합" 또는 "접속"된다고 기재된 경우, 그 구성 요소는 그 다른 구성요소에 직접적으로 연결되거나 또는 접속될 수 있지만, 각 구성 요소 사이에 다른 구성 요소가 "개재"되거나, 각 구성 요소가 다른 구성 요소를 통해 "연결", "결합" 또는 "접속"될 수도 있다고 이해되어야 할 것이다.
또한, 본 발명을 구현함에 있어서 설명의 편의를 위하여 구성요소를 세분화하여 설명할 수 있으나, 이들 구성요소가 하나의 장치 또는 모듈 내에 구현될 수도 있고, 혹은 하나의 구성요소가 다수의 장치 또는 모듈들에 나뉘어져서 구현될 수도 있다.
도 1은 본 발명의 일 실시예에 따른 경계선 기반 구조물의 균열 검출 장치를 간략히 도시한 블록도이다. 그리고 도 2 내지 도 5는 균열 폭 변환부, 종횡비 필터링 처리부, 균열 영역 복원부, 상대적 임계화 처리부의 세부 구성을 나타낸 도면들이다.
도 1을 참조하면, 도시된 경계선 기반 구조물의 균열 검출 장치(1000)는 균열 경계선 정보 획득부(100), 균열 폭 변환부(200), 종횡비 필터링 처리부(300), 균열 영역 복원부(400), 상대적 임계화 처리부(500)를 포함한다.
균열 경계선 정보 획득부(100)는 구조물의 균열 영상으로부터 경계선을 추출한다.
여기서, 구조물이라 함은 콘크리트 구조물 등을 말하며, 구조물의 균열 영상이란 콘크리트 표면에 발생한 균열을 촬영한 영상을 말한다.
그리고 균열 경계선 정보 획득부(100)는 추출한 경계선을 구성하는 각 픽셀들에 대한 수직 방향 각도를 산출하여, 이를 이용하여 균열 경계선 정보를 획득한다.
균열 폭 변환부(200)는 균열 경계선 정보 획득부(100)에서 획득된 균열 경계선 정보를 이용하여 균열 후보 영역과 너비 맵을 획득한다.
종횡비 필터링 처리부(300)는 균열 폭 변환부(200)에서 획득된 균열 후보 영역에 대해 종횡비 필터링을 실시한다. 이후, 종횡비 필터링 처리부(300)는 균열 영역을 분류할 수 있다.
균열 영역 복원부(400)는 균열 경계선 정보 획득부(100)에서 미 추출된 경계선으로 인해 손실된 균열 영역을 복원한다.
상대적 임계화 처리부(500)는 균열 영역 복원부(400)에서 복원된 균열 영역의 명암 정보를 이용하여 노이즈를 제거한다.
다음으로, 균열 폭 변환부(200)에 관하여 구체적으로 설명하기로 한다.
균열 폭 변환부(200)는 도 2에 도시된 세부 구성을 더 포함할 수 있다.
도 2를 참조하면, 균열 폭 변환부(200)는 경계 화소 검색부(210), 균열 후보 영역 판단부(220), 너비 맵 생성부(230)를 포함한다.
경계 화소 검색부(210)는 일측의 제1 경계 화소와, 제1 경계 화소의 맞은 편에 위치하는 타측의 제2 경계 화소를 검색한다.
이때, 제2 경계 화소는 제1 경계 화소로부터 법선 방향에 위치한다. 그리고 경계 화소 검색부(210)에 의한 제2 경계 화소의 검색 작업은 양측의 제1, 2 경계 화소 사이의 거리가 최대 폭 임계값보다 작을 때까지 수행될 수 있다.
균열 후보 영역 판단부(220)는 경계 화소 검색부(210)에서 검색된 양측의 제1, 2 경계 화소 사이의 거리를 최소 폭 임계값과 비교하고, 추출된 경계선 사이 화소의 평균 프랜지 필터링 값을 프랜지 임계값과 비교하여, 균열 후보 영역 조건에 만족하는지 여부를 판단한다.
예컨대, 균열 후보 영역 판단부(220)는 양측의 제1, 2 경계 화소 사이의 거리가 최소 폭 임계값보다 작으면, 추출된 경계선 사이 화소를 균열 후보 영역으로 할당한다.
또한, 균열 후보 영역 판단부(220)는 양측의 제1, 2 경계 화소 사이의 거리가 최소 폭 임계값보다 클 경우, 추출된 경계선 사이 화소의 평균 프랜지 필터링 값이 프랜지 임계값보다 클 때에만 추출된 경계선 사이 화소를 균열 후보 영역으로 할당한다.
너비 맵 생성부(230)는 균열 후보 영역 판단부(220)에서 균열 후보 영역 조건이 만족되는 경우, 추출된 경계선 사이의 중심점에 폭을 할당하여 너비 맵을 생성한다.
다음으로, 종횡비 필터링 처리부(300)에 관하여 구체적으로 설명하기로 한다.
종횡비 필터링 처리부(300)는 도 3에 도시된 세부 구성을 더 포함할 수 있다. 도 3을 참조하면 종횡비 필터링 처리부(300)는 제1 그룹 분류부(310), 종횡비 산출부(320), 제1 균열 영역 분류부(330)를 포함한다.
제1 그룹 분류부(310)는 균열 폭 변환부(200)에서 균열 후보 영역과 배경으로 분류된 이진 영상 이미지(이를 'CWT 이미지'라 함)를 서로 인접한 화소끼리 그룹으로 분류한다.
종횡비 산출부(320)는 제1 그룹 분류부(310)에서 분류된 각 그룹의 면적과 평균 폭을 이용하여 각 그룹의 종횡비를 산출한다.
예컨대, 종횡비 산출부(320)에서 각 그룹의 종횡비는 하기의 수학식 1에 근거하여 산출될 수 있다.
[수학식 1]
Figure 112018086380851-pat00023
여기서,
Figure 112018086380851-pat00024
는 인접한 화소끼리 분할된 영역이고,
Figure 112018086380851-pat00025
는 그룹의 면적이며,
Figure 112018086380851-pat00026
는 그룹의 평균 폭이고,
Figure 112018086380851-pat00027
는 그룹의 길이이며,
Figure 112018086380851-pat00028
는 그룹의 종횡비를 나타낸다.
그리고 종횡비 산출부(320)에서 각 그룹의 평균 폭은 너비 맵을 이용하여 하기의 수학식 2에 근거하여 산출될 수 있다.
[수학식 2]
Figure 112018086380851-pat00029
여기서,
Figure 112018086380851-pat00030
은 너비 맵 이고,
Figure 112018086380851-pat00031
는 영상의 좌표를 나타낸다.
제1 균열 영역 분류부(330)는 종횡비 산출부(320)의 산출 결과에 따라, 종횡비가 임계값보다 크면 해당 그룹을 균열 영역으로 분류한다.
다음으로, 균열 영역 복원부(400)에 관하여 구체적으로 설명하기로 한다.
균열 영역 복원부(400)는 도 4에 도시된 세부 구성을 더 포함할 수 있다.
도 4를 참조하면 균열 영역 복원부(400)는 경계선 연결 처리부(410), 홀 채우기 연산부(420)를 포함한다.
경계선 연결 처리부(410)는 종횡비 필터링 처리부(300)에서 분류된 균열 영역의 이진 영상(이를, 'ARF 이미지'라 함)에서 단락된 경계선을 연결한다.
예컨대, 경계선 연결 처리부(410)는 균열 영역 중에서 경계선에 해당하는 화소를 나머지보다 크게 만든 배열을 생성할 수 있다.
이어서, 경계선 연결 처리부(410)는 균열 영역의 외곽선 추적(contour tracing) 기법을 이용하여 외곽선 화소를 추출할 수 있다.
이어서, 경계선 연결 처리부(410)는 추출된 외곽선과 생성된 배열을 이용하여 하기의 수학식 3에 근거하여 단락된 경계선의 시작점과 끝점을 추출하고 연결할 수 있다.
[수학식 3]
Figure 112018086380851-pat00032
여기서, Contour는 경계선 추적(contour tracing) 기법을 나타내고, Y는 배열이며, L은 시작점과 끝점이 한 쌍인 집합을 나타낸다.
홀 채우기 연산부(420)는 경계선 연결 처리부(410)에서 연결된 경계선 영상의 여집합에서 인접한 화소끼리 그룹으로 분류한다. 그리고 홀 채우기 연산부(420)는 분류된 그룹의 면적이 임계값보다 작은 영역을 균열 영역으로 분류한다.
다음으로, 상대적 임계화 처리부(500)에 관하여 구체적으로 설명하기로 한다.
상대적 임계화 처리부(500)는 도 5에 도시된 세부 구성을 더 포함할 수 있다.
도 5를 참조하면, 상대적 임계화 처리부(500)는 제2 그룹 분류부(510), 평균 프랜지 필터링 값 산출부(520), 최대값 검출부(530), 제2 균열 영역 분류부(540)를 포함한다.
제2 그룹 분류부(510)는 균열 영역 복원부에서 복원된 균열 영역의 이진 영상(이를, 'CAR 이미지'라 함)에서 서로 인접한 화소끼리 그룹으로 분류한다. 여기서, 제2 그룹 분류부(510))라 지칭한 이유는, 전술한 제1 그룹 분류부(310, 도 3 참조)와 구분하기 위한 것이다.
평균 프랜지 필터링 값 산출부(520)는 제2 그룹 분류부(510)에서 분류된 각 그룹의 평균 프랜지 필터링 값을 산출한다.
최대값 검출부(530)는 평균 프랜지 필터링 값 산출부(520)에서 산출된 평균 프랜지 필터링 값 중에서 최대값을 검출한다.
제2 균열 영역 분류부(540)는 최대값 검출부(530)에서 검출된 최대값에 비례상수를 곱하여 임계값을 설정한다. 이어서, 제2 균열 영역 분류부(540)는 설정된 임계값보다 산출된 평균 프랜지 필터링 값이 큰 영역을 균열 영역으로 분류할 수 있다. 여기서, 제2 균열 영역 분류부(540))라 지칭한 이유는, 전술한 제1 균열 영역 분류부(330, 도 3 참조)와 구분하기 위한 것이다.
이러한 상대적 임계화 처리부(500)에서 복원된 균열 영역에 포함된 노이즈는 하기의 수학식 4에 근거하여 제거될 수 있다.
[수학식 4]
Figure 112018086380851-pat00033
여기서, Fi는 제2 그룹 분류부(510)에서 분류된 그룹이고, fg는 프랜지 필터링 영상이며, fg(Fi)는 각 그룹(Fi)의 평균 프랜지 필터링 값이다. 그리고 fgt2는 상대적 임계화의 임계값으로 최대 프랜지 필터링 값(Ffgmax)에 비례 상수 kf를 곱하여 산출될 수 있다.
이와 같이, 본 발명의 일 실시예에 따른 경계선 기반 구조물의 균열 검출 장치에 의하면 균열 영상에서 획득한 경계선 정보를 기반으로 하여 구조물의 균열을 신속하고 정확하게 검출할 수 있다.
다음으로, 본 발명의 실시예에 따른 경계선 기반 구조물의 균열 검출 방법에 관하여 설명하기로 한다.
도 6은 본 발명의 실시예에 따른 경계선 기반 구조물의 균열 검출 방법을 간략히 도시한 순서도이다.
도 6을 참조하면, 도시된 경계선 기반 구조물의 균열 검출 방법은 균열 경계선 정보 획득 단계(S100), 균열 폭 변환 단계(S200), 종횡비 필터링 처리 단계(S300), 균열 영역 복원 단계(S400), 상대적 임계화 처리 단계(S500)를 포함한다.
균열 경계선 정보 획득 단계(S100)
본 단계는 균열 경계선 정보 획득부(100, 도 1 참조)에서 구조물의 균열 영상으로부터 경계선을 추출하고, 추출한 경계선을 구성하는 각 픽셀들에 대한 수직 방향 각도를 산출하는 단계를 말한다. 이 단계를 거쳐 균열 경계선 정보가 획득된다.
여기서, 구조물이라 함은 콘크리트 구조물 등을 말하며, 구조물의 균열 영상이란 콘크리트 표면에 발생한 균열을 촬영한 영상을 말한다.
균열 폭 변환 단계(S200)
본 단계는 균열 폭 변환부(200, 도 1 참조)에서 이전 단계를 거쳐 획득된 균열 경계선 정보를 이용하여 균열 후보 영역과 너비 맵을 획득하는 단계를 말한다.
예컨대, 도 7을 참조하면, 균열 폭 변환 단계(S200)는 균일 경계선 정보를 이용하여 제1, 2 경계 화소를 검색하는 단계(S210)를 포함한다. 이 단계(S210)는 제1 경계 화소(qi, 도 11 참조)와, 제1 경계 화소(qi, 도 11 참조)의 맞은 편에 위치하는 제2 경계 화소(qj, 도 11 참조)를 검색하는 단계이다. 이때, 제2 경계 화소(qj, 도 11 참조)는 제1 경계 화소(qi, 도 11 참조)에서 법선 방향에 위치한다. 그리고 제2 경계 화소(qj, 도 11 참조)의 검색은 제1, 2 경계 화소 사이의 거리(W)가 최대 폭 임계값보다 작을 때까지 수행된다. 여기서, 최대 폭 임계값은 검출하는 균열의 최대 폭을 고려하여 선정할 수 있는데, 폭이 넓은 비균열 영역이 균열 후보 영역으로 추가되는 것을 방지할 수 있는 장점이 있다.
다음으로, 제1, 2 경계 화소 사이의 거리(W)를 최소 폭 임계값(Wm)과 비교하고, 경계선 사이 화소의 평균 프랜지 필터링 값을 프랜지 임계값과 비교하여 균열 후보 영역 조건의 만족 여부를 판단하는 단계(S220)가 수행된다.
이 단계(S220)에서, 제1, 2 경계 화소 사이의 거리(W)가 최소 폭 임계값(Wm)보다 작으면, 추출된 경계선 사이 화소를 균열 후보 영역으로 할당한다.
이때, 균열 영상에서 균열의 폭이 좁은 구간은 보통 명암이 흐리게 나타나며, 프랜지 필터링 값도 작게 나타난다. 따라서, 이러한 구간에서의 손실을 방지하기 위하여 경계선 사이의 폭이 작은 영역은 명암적 정보를 고려하지 않고 균열 후보 영역으로 할당할 수 있다.
또한, 이 단계(S220)에서, 제1, 2 경계 화소 사이의 거리(W)가 최소 폭 임계값(Wm)보다 큰 동시에, 경계선 사이 화소의 평균 프랜지 필터링 값(fgabg)이 프랜지 임계값(fgt)보다 크면, 경계선 사이 화소를 균열 후보 영역으로 할당한다.
콘크리트 등의 구조물 영상의 표면은 매우 거칠다. 따라서 상당히 많은 경계선이 검출될 수 있다. 이와 같은 경우에서, 경계선으로부터 균열 영역을 찾기 위하여 프랜지 필터링을 이용한다. 프랜지 필터링은 균열과 같은 형태의 영역을 강화할 수 있다. 따라서 경계선 사이 화소의 평균 프랜지 필터링 값을 이용할 경우, 균열에 가까운 영역을 균열 후보 영역으로 보다 정밀하게 분류할 수 있는 장점이 있다.
그 다음으로, 균열 후보 영역 조건이 만족되는 경우, 추출된 경계선 사이의 중심점에 폭을 할당하여 너비 맵을 생성하는 단계(S230)가 수행된다. 그리고 모든 경계 화소의 검색이 완료되면 다음 단계(S300)가 수행된다.
너비 맵은 경계선 사이의 중심점에 폭이 할당된 영상을 말하는데, 종횡비 필터링을 위하여 사용된다.
종횡비 필터링 처리 단계(S300)
본 단계는 종횡비 필터링 처리부(300, 도 1 참조)에서 이전 단계를 거쳐 획득된 균열 후보 영역에 대해 종횡비 필터링을 실시하여 균열 영역을 분류하는 단계를 말한다.
예컨대, 도 8을 참조하면, 종횡비 필터링 처리 단계(300)는 균열 후보 영역과 배경으로 분류된 이진 영상 이미지(즉, CWT 이미지)를 서로 인접한 화소끼리 그룹으로 나누어 분류하는 단계(S310)를 포함한다.
이 단계(S310)에서는 균열 후보 영역에서 인접한 화소까지 그룹으로 분류한 후 각 그룹의 종횡비가 일정 조건을 만족할 때 균열 영역으로 분류한다.
다음으로, 이전 단계(S310)에서 분류된 각 그룹의 면적과 평균 폭을 이용하여 각 그룹의 종횡비를 산출하는 단계(S320)가 수행된다. 균열은 폭에 비해 길이가 긴 형태적 특징을 가지고 있다. 따라서 종횡비가 작은 영역은 노이즈로 간주할 수 있다.
예컨대, 이 단계(S320)에서 각 그룹의 종횡비는 하기의 수학식 1에 근거하여 산출될 수 있다.
[수학식 1]
Figure 112018086380851-pat00034
여기서,
Figure 112018086380851-pat00035
는 인접한 화소끼리 분할된 영역이고,
Figure 112018086380851-pat00036
는 그룹의 면적이며,
Figure 112018086380851-pat00037
는 그룹의 평균 폭이고,
Figure 112018086380851-pat00038
는 그룹의 길이이며,
Figure 112018086380851-pat00039
는 그룹의 종횡비를 나타낸다.
그리고 이 단계에서 각 그룹의 평균 폭은 너비 맵을 이용하여 하기의 수학식 2에 근거하여 산출될 수 있다.
[수학식 2]
Figure 112018086380851-pat00040
여기서,
Figure 112018086380851-pat00041
은 너비 맵 이고,
Figure 112018086380851-pat00042
는 영상의 좌표를 나타낸다.
한편, 이전 단계(S320)에서 산출된 각 그룹의 종횡비가 임계값보다 크면 해당 그룹을 균열 영역으로 분류하는 단계(S330)가 수행된다.
균열 영역 복원 단계(S400)
본 단계는 균열 영역 복원부(400, 도 1 참조)에서 미 추출된 경계선으로 인해 손실된 균열 영역을 복원하는 단계이다. 다시 말해, 이전의 균열 경계선 정보 획득 단계(S100)에서 경계선이 추출되지 못함에 따라 손실된 균열 영역을 복원하는 단계를 말한다.
예컨대, 도 9를 참조하면, 균열 영역 복원 단계(S400)는 이전 단계(S330, 도 8 참조)에서 분류된 균열 영역의 이진 영상(즉, ARF 이미지)에서 단락된 경계선을 연결하는 단계(S410)를 포함한다.
구체적으로 설명하면 이 단계(S410)는 균열 영역 중에서 경계선에 해당하는 화소를 나머지보다 크게 만든 배열을 생성하고, 균열 영역의 외곽선 추적(contour tracing) 기법을 이용하여 외곽선 화소를 추출한다.
그리고 이 단계(S410)에서는 추출된 외곽선과 생성된 배열을 이용하여, 하기의 수학식 3에 근거하여 단락된 경계선의 시작점과 끝점을 추출한 후 연결할 수 있다.
[수학식 3]
Figure 112018086380851-pat00043
여기서, Contour는 경계선 추적(contour tracing) 기법을 나타내고, Y는 배열이며, L은 시작점과 끝점이 한 쌍인 집합을 나타낸다.
한편, 단락된 경계선을 연결하는 단계(S410)가 완료되면, 홀 채우기 연산 단계(S420)가 수행된다.
홀 채우기 연산 단계(S420)에서는, 먼저 연결된 경계선 영상의 여집합에서 인접한 화소끼리 그룹으로 분류한다. 이어서, 분류된 그룹의 면적이 임계값보다 작은 영역을 균열 영역으로 분류한다.
여기서, 홀 채우기는 폐루프로 이루어진 공간을 전경으로 채우는 작업을 말하는데, 이러한 작업을 통해 경계선 미 추출로 인해 손실된 균열 영역을 복원할 수 있다.
상대적 임계화 처리 단계(S500)
본 단계는 상대적 임계화 처리부(500, 도 1 참조)에서 이전 단계를 거쳐 복원된 균열 영역의 명암 정보를 이용하여 노이즈를 제거하는 단계로서, 상대적 필터링 단계 등의 다른 용어로 지칭할 수 있다.
예컨대, 도 10을 참조하면 균열 영역 복원 단계(S500)는 이전 단계(S420, 도 9 참조)에서 복원된 균열 영역의 이진 영상(즉, CAR 이미지)에서 서로 인접한 화소끼리 그룹으로 분류하는 단계(S510)를 포함한다. 다음으로, 분류된 각 그룹의 평균 프랜지 필터링 값을 산출하는 단계(S520)가 수행된다. 그 다음으로, 산출된 평균 프랜지 필터링 값 중에서 최대값을 검출하는 단계(S530)가 수행된다. 그 다음으로, 검출된 최대값에 비례상수를 곱하여 임계값을 설정하는 단계(S540)가 수행된다. 그 다음으로, 설정된 임계값보다 상기 산출된 평균 프랜지 필터링 값이 큰 영역을 균열 영역으로 분류하는 단계(S550)가 수행된다.
예컨대, 상대적 임계화 처리 단계(S500)에서 복원된 균열 영역에 포함된 노이즈는 하기의 수학식 4에 근거하여 제거될 수 있다.
[수학식 4]
Figure 112018086380851-pat00044
여기서, Fi는 제2 그룹 분류부(510)에서 분류된 그룹이고, fg는 프랜지 필터링 영상이며, fg(Fi)는 각 그룹(Fi)의 평균 프랜지 필터링 값이다. 그리고 fgt2는 상대적 임계화의 임계값으로 최대 프랜지 필터링 값(Ffgmax)에 비례 상수 kf를 곱하여 산출될 수 있다.
상술한 바와 같이, 본 발명의 구성 및 작용에 의하면 균열 영상에서 획득한 경계선 정보를 기반으로 하여 구조물의 균열을 자동화된 방식으로 신속하고 정확하게 검출할 수 있다.
구체적인 예로서, 경계선 정보를 기반으로 균열 폭 변환 기법, 종횡비 필터링, 홀 채우기, 상대적 임계화 기법을 적용하여, 균열 검출 작업의 정확성을 향상시킬 수 있다.
이때, 균열 영상으로부터 획득한 경계선 정보를 기반으로 균열 폭 변환 기법을 적용하여 경계선 부분의 균열 화소를 보다 정확히 검출할 수 있다.
그리고 종횡비 필터링 및 상대적 임계화 기법을 적용함으로써, 노이즈를 효과적으로 제거할 수 있으며 구조물의 균열을 보다 정확히 검출할 수 있다.
이에 더하여, 경계선 연결과 홀 채우기 기법을 이용하여 손실된 균열 영역을 복원할 수 있는데, 그 결과 기존과 비교하여 더욱 정확하게 균열 영역을 검출할 수 있다.
이상과 같이 본 발명에 대해서 예시한 도면을 참조로 하여 설명하였으나, 본 명세서에 개시된 실시예와 도면에 의해 본 발명이 한정되는 것은 아니며, 본 발명의 기술사상의 범위 내에서 통상의 기술자에 의해 다양한 변형이 이루어질 수 있음은 자명하다. 아울러 앞서 본 발명의 실시예를 설명하면서 본 발명의 구성에 따른 작용 효과를 명시적으로 기재하여 설명하지 않았을지라도, 해당 구성에 의해 예측 가능한 효과 또한 인정되어야 함은 당연하다.
S100: 균열 경계선 정보 획득 단계
S200: 균열 폭 변환 단계
S300: 종횡비 필터링 처리 단계
S400: 균열 영역 복원 단계
S500: 상대적 임계화 처리 단계
100: 균열 경계선 정보 획득부
200: 균열 폭 변환부
210: 경계 화소 검색부
220: 균열 후보 영역 판단부
230: 너비 맵 생성부
300: 종횡비 필터링 처리부
310: 제1 그룹 분류부
320: 종횡비 산출부
330: 제1 균열 영역 분류부
400: 균열 영역 복원부
410: 경계선 연결 처리부
420: 홀 채우기 연산부
500: 상대적 임계화 처리부
510: 제2 그룹 분류부
520: 평균 프랜지 필터링 값 산출부
530: 최대값 검출부
540: 제2 균열 영역 분류부
1000: 경계선 기반 구조물의 균열 검출 장치

Claims (22)

  1. 구조물의 균열 영상으로부터 경계선을 추출하고, 추출된 경계선을 구성하는 각 픽셀들에 대한 수직 방향 각도를 산출하여 균열 경계선 정보를 획득하는 균열 경계선 정보 획득부;
    상기 균열 경계선 정보 획득부에서 획득된 균열 경계선 정보를 이용하여 균열 후보 영역과 너비 맵을 획득하는 균열 폭 변환부;
    상기 균열 폭 변환부에서 획득된 상기 균열 후보 영역에 대해 종횡비 필터링을 실시하여 균열 영역을 분류하는 종횡비 필터링 처리부;
    상기 균열 경계선 정보 획득부에서 미 추출된 경계선으로 인해 손실된 균열 영역을 복원하는 균열 영역 복원부; 및
    상기 균열 영역 복원부에서 복원된 균열 영역의 명암 정보를 이용하여 노이즈를 제거하는 상대적 임계화 처리부;를 포함하고,
    상기 균열 폭 변환부는, 일측의 제1 경계 화소와, 상기 제1 경계 화소의 맞은 편에 위치하는 타측의 제2 경계 화소를 검색하는 경계 화소 검색부;
    상기 경계 화소 검색부에서 검색된 양측의 제1, 2 경계 화소 사이의 거리를 최소 폭 임계값과 비교하고, 상기 추출된 경계선 사이 화소의 평균 프랜지 필터링 값을 프랜지 임계값과 비교하여, 균열 후보 영역 조건에 만족하는지 여부를 판단하는 균열 후보 영역 판단부; 및
    상기 균열 후보 영역 판단부에서 균열 후보 영역 조건이 만족되는 경우, 상기 추출된 경계선 사이의 중심점에 폭을 할당하여 상기 너비 맵을 생성하는 너비 맵 생성부;를 포함하는 경계선 기반 구조물의 균열 검출 장치.
  2. 삭제
  3. 제1항에 있어서,
    상기 균열 후보 영역 판단부는,
    상기 양측의 제1, 2 경계 화소 사이의 거리가 최소 폭 임계값보다 작으면, 상기 추출된 경계선 사이 화소를 균열 후보 영역으로 할당하고,
    상기 양측의 제1, 2 경계 화소 사이의 거리가 최소 폭 임계값보다 크고, 상기 추출된 경계선 사이 화소의 평균 프랜지 필터링 값이 프랜지 임계값보다 크면, 상기 추출된 경계선 사이 화소를 균열 후보 영역으로 할당하는 것을 특징으로 하는
    경계선 기반 구조물의 균열 검출 장치.
  4. 제1항에 있어서,
    상기 제2 경계 화소는,
    상기 제1 경계 화소로부터 법선 방향에 위치하고,
    상기 제2 경계 화소의 검색은,
    상기 양측의 제1, 2 경계 화소 사이의 거리가 최대 폭 임계값보다 작을 때까지 수행되는 것을 특징으로 하는
    경계선 기반 구조물의 균열 검출 장치.
  5. 제1항에 있어서,
    상기 종횡비 필터링 처리부는,
    상기 균열 폭 변환부에서 상기 균열 후보 영역과 배경으로 분류된 이진 영상 이미지를 서로 인접한 화소끼리 그룹으로 분류하는 제1 그룹 분류부;
    상기 제1 그룹 분류부에서 분류된 각 그룹의 면적과 평균 폭을 이용하여 상기 각 그룹의 종횡비를 산출하는 종횡비 산출부;
    상기 종횡비 산출부의 산출 결과에 따라, 상기 종횡비가 임계값보다 크면 해당 그룹을 균열 영역으로 분류하는 제1 균열 영역 분류부;
    를 포함하는 경계선 기반 구조물의 균열 검출 장치.
  6. 제5항에 있어서,
    상기 종횡비 산출부에서,
    상기 각 그룹의 종횡비는 하기의 수학식 1에 근거하여 산출되는 것을 특징으로 하는 경계선 기반 구조물의 균열 검출 장치.
    [수학식 1]
    Figure 112020014920495-pat00045

    (여기서,
    Figure 112020014920495-pat00046
    는 인접한 화소끼리 분할된 영역,
    Figure 112020014920495-pat00047
    는 그룹의 면적,
    Figure 112020014920495-pat00048
    는 그룹의 평균 폭,
    Figure 112020014920495-pat00049
    는 그룹의 길이,
    Figure 112020014920495-pat00050
    는 그룹의 종횡비임)
  7. 제5항에 있어서,
    상기 종횡비 산출부에서,
    상기 각 그룹의 평균 폭은 상기 너비 맵을 이용하여 하기의 수학식 2에 근거하여 산출되는 것을 특징으로 하는 경계선 기반 구조물의 균열 검출 장치.
    [수학식 2]
    Figure 112020014920495-pat00051

    (여기서,
    Figure 112020014920495-pat00052
    은 너비 맵,
    Figure 112020014920495-pat00053
    는 영상의 좌표임)
  8. 제5항에 있어서,
    상기 균열 영역 복원부는,
    상기 종횡비 필터링 처리부에서 분류된 상기 균열 영역의 이진 영상에서 단락된 경계선을 연결하는 경계선 연결 처리부; 및
    상기 경계선 연결 처리부에서 연결된 상기 경계선 영상의 여집합에서 인접한 화소끼리 그룹으로 분류하고, 상기 분류된 그룹의 면적이 임계값보다 작은 영역을 균열 영역으로 분류하는 홀 채우기 연산을 수행하는 홀 채우기 연산부;
    를 포함하는 경계선 기반 구조물의 균열 검출 장치.
  9. 제8항에 있어서,
    상기 경계선 연결 처리부는,
    상기 균열 영역 중에서 경계선에 해당하는 화소를 나머지보다 크게 만든 배열을 생성하고, 상기 균열 영역의 외곽선 추적(contour tracing) 기법을 이용하여 외곽선 화소를 추출하며, 상기 추출된 외곽선과 상기 생성된 배열을 이용하여, 하기의 수학식 3에 근거하여 단락된 경계선의 시작점과 끝점을 추출한 후 연결하는 것을 특징으로 하는 경계선 기반 구조물의 균열 검출 장치.
    [수학식 3]
    Figure 112018086380851-pat00054

    (여기서, Contour는 경계선 추적(contour tracing) 기법, Y는 배열, L은 시작점과 끝점이 한 쌍인 집합임)
  10. 제8항에 있어서,
    상기 상대적 임계화 처리부는,
    상기 균열 영역 복원부에서 복원된 균열 영역의 이진 영상에서 서로 인접한 화소끼리 그룹으로 분류하는 제2 그룹 분류부;
    상기 제2 그룹 분류부에서 분류된 각 그룹의 평균 프랜지 필터링 값을 산출하는 평균 프랜지 필터링 값 산출부;
    상기 평균 프랜지 필터링 값 산출부에서 산출된 평균 프랜지 필터링 값 중에서 최대값을 검출하는 최대값 검출부;
    상기 최대값 검출부에서 검출된 최대값에 비례상수를 곱하여 임계값을 설정하며, 상기 설정된 임계값보다 상기 산출된 평균 프랜지 필터링 값이 큰 영역을 균열 영역으로 분류하는 제2 균열 영역 분류부;
    를 포함하는 경계선 기반 구조물의 균열 검출 장치.
  11. 제10항에 있어서,
    상기 상대적 임계화 처리부에서,
    상기 복원된 균열 영역에 포함된 노이즈는 하기의 수학식 4에 근거하여 제거되는 것을 특징으로 하는 경계선 기반 구조물의 균열 검출 장치.
    [수학식 4]
    Figure 112018086380851-pat00055

    (여기서, Fi는 상기 제2 그룹 분류부에서 분류된 그룹, fg는 프랜지 필터링 영상, fg(Fi)는 각 그룹(Fi)의 평균 프랜지 필터링 값, fgt2는 상대적 임계화의 임계값으로 최대 프랜지 필터링 값(Ffgmax)에 비례 상수 kf를 곱하여 산출됨)
  12. 제1항, 제3항 내지 제11항 중 어느 한 항의 경계선 기반 구조물의 균열 검출 장치를 이용한 경계선 기반 구조물의 균열 검출 방법으로서,
    (a) 상기 균열 경계선 정보 획득부에서, 구조물의 균열 영상을 수신하여 경계선을 추출하고, 추출된 경계선을 구성하는 각 픽셀들에 대한 수직 방향 각도를 산출하여 균열 경계선 정보를 획득하는 균열 경계선 정보 획득 단계;
    (b) 상기 균열 폭 변환부에서, 상기 균열 경계선 정보 획득부에서 획득된 균열 경계선 정보를 이용하여 균열 후보 영역과 너비 맵을 획득하는 균열 폭 변환 단계;
    (c) 상기 종횡비 필터링 처리부에서, 상기 균열 폭 변환부에서 획득된 상기 균열 후보 영역에 대해 종횡비 필터링을 실시하여 균열 영역을 분류하는 종횡비 필터링 처리 단계;
    (d) 상기 균열 영역 복원부에서, 상기 균열 경계선 정보 획득부에서 미 추출된 경계선으로 인해 손실된 균열 영역을 복원하는 균열 영역 복원 단계; 및
    (e) 상기 상대적 임계화 처리부에서, 상기 균열 영역 복원부에서 복원된 균열 영역의 명암 정보를 이용하여 노이즈를 제거하는 상대적 임계화 처리 단계;를 포함하고,
    상기 (b) 단계는, (b-1) 상기 균열 폭 변환부에서, 일측의 제1 경계 화소와, 상기 제1 경계 화소의 맞은 편에 위치하는 타측의 제2 경계 화소를 검색하는 단계;
    (b-2) 상기 검색된 양측의 제1, 2 경계 화소 사이의 거리를 최소 폭 임계값과 비교하고, 상기 추출된 경계선 사이 화소의 평균 프랜지 필터링 값을 프랜지 임계값과 비교하여, 균열 후보 영역 조건에 만족하는지 여부를 판단하는 단계; 및
    (b-3) 상기 균열 후보 영역 조건이 만족되는 경우, 상기 추출된 경계선 사이의 중심점에 폭을 할당하여 상기 너비 맵을 생성하는 단계;를 포함하는 경계선 기반 구조물의 균열 검출 방법.
  13. 삭제
  14. 제12항에 있어서,
    상기 (b-2) 단계에서,
    상기 양측의 제1, 2 경계 화소 사이의 거리가 최소 폭 임계값보다 작으면, 상기 추출된 경계선 사이 화소를 균열 후보 영역으로 할당하고,
    상기 양측의 제1, 2 경계 화소 사이의 거리가 최소 폭 임계값보다 크고, 상기 추출된 경계선 사이 화소의 평균 프랜지 필터링 값이 프랜지 임계값보다 크면, 상기 추출된 경계선 사이 화소를 균열 후보 영역으로 할당하는 것을 특징으로 하는
    경계선 기반 구조물의 균열 검출 방법.
  15. 제12항에 있어서,
    상기 (b-1) 단계는,
    상기 제2 경계 화소는 상기 제1 경계 화소로부터 법선 방향에 위치하고,
    상기 제2 경계 화소의 검색은 상기 양측의 제1, 2 경계 화소 사이의 거리가 최대 폭 임계값보다 작을 때까지 수행되는 것을 특징으로 하는
    경계선 기반 구조물의 균열 검출 방법.
  16. 제12항에 있어서,
    상기 (c) 단계는,
    (c-1) 상기 (b) 단계에서 획득된 상기 균열 후보 영역과 배경으로 분류된 이진 영상 이미지를 서로 인접한 화소끼리 그룹으로 분류하는 단계;
    (c-2) 상기 분류된 각 그룹의 면적과 평균 폭을 이용하여 상기 각 그룹의 종횡비를 산출하는 단계;
    (c-3) 상기 각 그룹의 산출된 종횡비가 임계값보다 크면 해당 그룹을 균열 영역으로 분류하는 단계;
    를 포함하는 경계선 기반 구조물의 균열 검출 방법.
  17. 제16항에 있어서,
    상기 (c-2) 단계에서,
    상기 각 그룹의 종횡비는 하기의 수학식 1에 근거하여 산출되는 것을 특징으로 하는 경계선 기반 구조물의 균열 검출 방법.
    [수학식 1]
    Figure 112018086380851-pat00056

    (여기서,
    Figure 112018086380851-pat00057
    는 인접한 화소끼리 분할된 영역,
    Figure 112018086380851-pat00058
    는 그룹의 면적,
    Figure 112018086380851-pat00059
    는 그룹의 평균 폭,
    Figure 112018086380851-pat00060
    는 그룹의 길이,
    Figure 112018086380851-pat00061
    는 그룹의 종횡비임)
  18. 제16항에 있어서,
    상기 (c-2) 단계에서,
    상기 각 그룹의 평균 폭은 상기 너비 맵을 이용하여 하기의 수학식 2에 근거하여 산출되는 것을 특징으로 하는 경계선 기반 구조물의 균열 검출 방법.
    [수학식 2]
    Figure 112018086380851-pat00062

    (여기서,
    Figure 112018086380851-pat00063
    은 너비 맵,
    Figure 112018086380851-pat00064
    는 영상의 좌표임)
  19. 제16항에 있어서,
    상기 (d) 단계는,
    (d-1) 상기 (c-3)에서 분류된 상기 균열 영역의 이진 영상에서 단락된 경계선을 연결하는 단계; 및
    (d-2) 상기 연결된 상기 경계선 영상의 여집합에서 인접한 화소끼리 그룹으로 분류하고, 상기 분류된 그룹의 면적이 임계값보다 작은 영역을 균열 영역으로 분류하는 홀 채우기 연산을 수행하는 단계;
    를 포함하는 경계선 기반 구조물의 균열 검출 방법.
  20. 제19항에 있어서,
    상기 (d-1) 단계는,
    상기 균열 영역 중에서 경계선에 해당하는 화소를 나머지보다 크게 만든 배열을 생성하고, 상기 균열 영역의 외곽선 추적(contour tracing) 기법을 이용하여 외곽선 화소를 추출하며, 상기 추출된 외곽선과 상기 생성된 배열을 이용하여, 하기의 수학식 3에 근거하여 단락된 경계선의 시작점과 끝점을 추출한 후 연결하는 것을 특징으로 하는 경계선 기반 구조물의 균열 검출 방법.
    [수학식 3]
    Figure 112018086380851-pat00065

    (여기서, Contour는 경계선 추적(contour tracing) 기법, Y는 배열, L은 시작점과 끝점이 한 쌍인 집합임)
  21. 제19항에 있어서,
    상기 (e) 단계는,
    (e-1) 상기 (d-2) 단계에서 복원된 균열 영역의 이진 영상에서 서로 인접한 화소끼리 그룹으로 분류하는 단계;
    (e-2) 상기 분류된 각 그룹의 평균 프랜지 필터링 값을 산출하는 단계;
    (e-3) 상기 산출된 평균 프랜지 필터링 값 중에서 최대값을 검출하는 단계; 및
    (e-4) 상기 검출된 최대값에 비례상수를 곱하여 임계값을 설정하며, 상기 설정된 임계값보다 상기 산출된 평균 프랜지 필터링 값이 큰 영역을 균열 영역으로 분류하는 단계;
    를 포함하는 경계선 기반 구조물의 균열 검출 방법.
  22. 제21항에 있어서,
    상기 (e) 단계에서,
    상기 복원된 균열 영역에 포함된 노이즈는 하기의 수학식 4에 근거하여 제거되는 것을 특징으로 하는 경계선 기반 구조물의 균열 검출 방법.
    [수학식 4]
    Figure 112018086380851-pat00066

    (여기서, Fi는 상기 제2 그룹 분류부에서 분류된 그룹, fg는 프랜지 필터링 영상, fg(Fi)는 각 그룹(Fi)의 평균 프랜지 필터링 값, fgt2는 상대적 임계화의 임계값으로 최대 프랜지 필터링 값(Ffgmax)에 비례 상수 kf를 곱하여 산출됨)
KR1020180102893A 2018-08-30 2018-08-30 경계선 기반 구조물의 균열 검출 장치 및 방법 KR102133332B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020180102893A KR102133332B1 (ko) 2018-08-30 2018-08-30 경계선 기반 구조물의 균열 검출 장치 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020180102893A KR102133332B1 (ko) 2018-08-30 2018-08-30 경계선 기반 구조물의 균열 검출 장치 및 방법

Publications (2)

Publication Number Publication Date
KR20200025480A KR20200025480A (ko) 2020-03-10
KR102133332B1 true KR102133332B1 (ko) 2020-07-13

Family

ID=69800987

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020180102893A KR102133332B1 (ko) 2018-08-30 2018-08-30 경계선 기반 구조물의 균열 검출 장치 및 방법

Country Status (1)

Country Link
KR (1) KR102133332B1 (ko)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102441276B1 (ko) 2022-03-24 2022-09-08 주식회사 디와이스코프코리아 모바일단말 기반의 구조물 안전정보 제공 및 관리 방법, 장치 및 시스템
KR102524779B1 (ko) 2022-11-18 2023-04-24 주식회사 엔엔에프텍 멀티 센싱 데이터 기반 지하구 결함 탐지를 위한 네트워크시스템
KR102524776B1 (ko) 2022-11-18 2023-04-25 주식회사 엔엔에프텍 지하구 결함 탐지 시스템
KR102663155B1 (ko) 2023-10-17 2024-05-07 주식회사 디와이스코프코리아 스마트폰을 활용한 인공지능 기반의 건축 구조물 안전점검 및 실시간 모니터링 장치 및 방법

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113052089A (zh) * 2021-03-29 2021-06-29 广东电网有限责任公司 一种表面裂纹的识别系统、方法、装置、设备及存储介质
CN117710399B (zh) * 2024-02-06 2024-04-30 山东省地质测绘院 一种基于视觉的地质调查中裂缝轮廓提取方法
CN117830300B (zh) * 2024-03-04 2024-05-14 新奥新能源工程技术有限公司 一种基于视觉的燃气管道外观质量检测方法

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101785410B1 (ko) * 2016-10-19 2017-10-16 한국철도기술연구원 영상 기반 교량 관리 시스템

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0961138A (ja) * 1995-08-24 1997-03-07 Mitsubishi Heavy Ind Ltd ひび割れ抽出装置
KR20040035981A (ko) * 2002-10-14 2004-04-30 주식회사 하이닉스반도체 영상 데이터에서 윤곽선 추출 방법

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101785410B1 (ko) * 2016-10-19 2017-10-16 한국철도기술연구원 영상 기반 교량 관리 시스템

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
한국구조물진단학회(2012.01)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102441276B1 (ko) 2022-03-24 2022-09-08 주식회사 디와이스코프코리아 모바일단말 기반의 구조물 안전정보 제공 및 관리 방법, 장치 및 시스템
KR102524779B1 (ko) 2022-11-18 2023-04-24 주식회사 엔엔에프텍 멀티 센싱 데이터 기반 지하구 결함 탐지를 위한 네트워크시스템
KR102524776B1 (ko) 2022-11-18 2023-04-25 주식회사 엔엔에프텍 지하구 결함 탐지 시스템
KR102663155B1 (ko) 2023-10-17 2024-05-07 주식회사 디와이스코프코리아 스마트폰을 활용한 인공지능 기반의 건축 구조물 안전점검 및 실시간 모니터링 장치 및 방법

Also Published As

Publication number Publication date
KR20200025480A (ko) 2020-03-10

Similar Documents

Publication Publication Date Title
KR102133332B1 (ko) 경계선 기반 구조물의 균열 검출 장치 및 방법
Akagic et al. Pavement crack detection using Otsu thresholding for image segmentation
Cho et al. Image-based crack detection using crack width transform (CWT) algorithm
KR101690981B1 (ko) 형태 인식 방법 및 디바이스
Li et al. Automatic pavement crack recognition based on BP neural network
CN113109368B (zh) 玻璃裂纹检测方法、装置、设备及介质
JP5706647B2 (ja) 情報処理装置、およびその処理方法
CN109858438B (zh) 一种基于模型拟合的车道线检测方法
Abas et al. Classification of painting cracks for content-based analysis
Panella et al. Deep learning and image processing for automated crack detection and defect measurement in underground structures
Zhao et al. Image-based comprehensive maintenance and inspection method for bridges using deep learning
Herumurti et al. Urban road extraction based on hough transform and region growing
Arjapure et al. Deep learning model for pothole detection and area computation
Daniel et al. Automatic road distress detection and analysis
US9442077B2 (en) Scratch filter for wafer inspection
Crognale et al. Damage detection with image processing: A comparative study
Adu-Gyamfi et al. Functional evaluation of pavement condition using a complete vision system
Fang et al. Towards real-time crack detection using a deep neural network with a Bayesian fusion algorithm
KR102133330B1 (ko) 구조물의 균열 인식 장치 및 방법
Katakam Pavement crack detection system through localized thresholing
WO2016092783A1 (en) Information processing apparatus, method for processing information, discriminator generating apparatus, method for generating discriminator, and program
Wang et al. An automatic bridge detection technique for high resolution SAR images
Mustapha et al. Crack Detection on Surfaces Using Digital Image Processing
Kembhavi et al. Low-cost image processing system for evaluating pavement surface distress
Wang Rock fracture image segmentation algorithms

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
G170 Re-publication after modification of scope of protection [patent]