KR20200021720A - Apparatus and method for recognizing crack in sturcutre - Google Patents

Apparatus and method for recognizing crack in sturcutre Download PDF

Info

Publication number
KR20200021720A
KR20200021720A KR1020180097433A KR20180097433A KR20200021720A KR 20200021720 A KR20200021720 A KR 20200021720A KR 1020180097433 A KR1020180097433 A KR 1020180097433A KR 20180097433 A KR20180097433 A KR 20180097433A KR 20200021720 A KR20200021720 A KR 20200021720A
Authority
KR
South Korea
Prior art keywords
shadow
image
crack
equation
unit
Prior art date
Application number
KR1020180097433A
Other languages
Korean (ko)
Other versions
KR102133330B1 (en
Inventor
윤혁진
조현우
장민우
정주영
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 KR1020180097433A priority Critical patent/KR102133330B1/en
Publication of KR20200021720A publication Critical patent/KR20200021720A/en
Application granted granted Critical
Publication of KR102133330B1 publication Critical patent/KR102133330B1/en

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
    • G06T7/0004—Industrial image inspection
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B21/00—Measuring arrangements or details thereof, where the measuring technique is not covered by the other groups of this subclass, unspecified or not relevant
    • G01B21/30—Measuring arrangements or details thereof, where the measuring technique is not covered by the other groups of this subclass, unspecified or not relevant for measuring roughness or irregularity of surfaces
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/006—Geometric correction
    • 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 by the use of local operators
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/40—Image enhancement or restoration by the use of histogram techniques
    • G06T5/80—
    • 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

Abstract

According to one embodiment of the present invention, a structure crack recognition apparatus comprises: a crack image receiving part receiving a crack image of a structure; a histogram analysis part calculating a bimodality by analyzing a histogram of the crack image received in the crack image receiving part; a shadow determination part determining whether there is a shadow in the crack image based on the bimodality calculated in the histogram analysis part and classifying the crack image into a shadow image with the shadow and a non-shadow image without the shadow; a shadow removal part performing a shadow removal operation only on the crack image classified as the shadow image in the shadow determination part; and a crack recognition part recognizing a crack in the shadow removed image generated by performing the shadow removal operation in the shadow removal part or recognizing a crack in the non-shadow image classified in the shadow determination part.

Description

구조물의 균열 인식 장치 및 방법{APPARATUS AND METHOD FOR RECOGNIZING CRACK IN STURCUTRE}Apparatus and method for crack recognition of structures {APPARATUS AND METHOD FOR RECOGNIZING CRACK IN STURCUTRE}

본 발명은 바이모달리티를 이용한 구조물의 균열 인식 장치 및 방법에 관한 것이다. The present invention relates to an apparatus and method for crack recognition of structures using bimodality.

콘크리트 구조물의 균열에 대한 조사는 콘크리트 구조물의 정밀 안전 진단에 있어서 중요한 판단 요소이다. Investigation of cracks in concrete structures is an important determinant in the precise safety diagnosis of concrete structures.

통상적으로, 콘크리트 구조물의 균열에 대한 조사는 육안 관측 방법이 사용되고 있다. 그런데 육안 관측 방법은 정확도 및 신뢰도가 낮은 단점이 있다. In general, a visual observation method is used to investigate cracks in concrete structures. However, the naked eye observation method has a disadvantage of low accuracy and reliability.

최근 들어, 콘크리트 구조물의 균열을 영상 처리하여 측정하는 방법에 관한 연구가 활발히 이루어지고 있다. In recent years, researches on the method of measuring cracks of concrete structures by image processing have been actively conducted.

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. Prior art related to the present invention is Republic of Korea Patent Registration No. 10-1772916 (August 31, 2017). The prior document discloses a crack detection method and system for tunnel lining surfaces using a photographic image and an AI algorithm-based crack detection automation program.

이러한 종래의 선행문헌에는 합성곱 신경망(CNN)기법을 이용하여 콘크리트 표면에 발생한 균열을 검출하고, 균열의 특징을 이용하여 최종 균열과 노이즈를 구분하기 위한 방법이 소개되어 있다. In the related art, a method for detecting cracks on a concrete surface by using a composite product neural network (CNN) technique and a method for distinguishing a final crack from noise using a crack feature is introduced.

하지만 그림자로 인한 영향을 제거하기 위한 방법에 관하여는 전혀 개시하고 있지 않으며, 만일 구조물의 표면에 그림자가 존재할 경우 그림자로 인한 영향을 받기 때문에 정확한 균열 검출이 어려운 문제점이 있다. However, the method for removing the shadow effect is not disclosed at all, and if there is a shadow on the surface of the structure, there is a problem that accurate crack detection is difficult because the shadow is affected.

본 발명의 목적은 구조물의 균열 영상으로부터 그림자 신호를 제거하여 균열을 정확하게 인식할 수 있는 구조물의 균열 인식 장치 및 방법을 제공함에 있다. SUMMARY OF THE INVENTION An object of the present invention is to provide an apparatus and method for recognizing a crack of a structure capable of accurately recognizing a crack by removing a shadow signal from a crack image of the structure.

본 발명의 다른 목적은 바이모달리티를 기초로 그림자 유무를 판단하여, 균열을 신속하고 정확하게 인식할 수 있는 구조물의 균열 인식 장치 및 방법을 제공함에 있다. Another object of the present invention is to provide an apparatus and method for recognizing a crack of a structure capable of quickly and accurately recognizing a crack by determining the presence or absence of a shadow based on bimodality.

본 발명의 또 다른 목적은 그림자 영상으로 분류된 영상에 한하여 그림자 제거 연산을 수행하고, 비그림자 영상에 대한 그림자 제거 과정을 생략하여, 균열 인식에 소요되는 처리 시간을 단축시킬 수 있는 구조물의 균열 인식 장치 및 방법을 제공함에 있다. It is still another object of the present invention to perform a shadow elimination operation only for an image classified as a shadow image, and to omit a shadow elimination process for a non-shadow image, thereby recognizing a crack of a structure that can reduce the processing time required for crack recognition. An apparatus and method are provided.

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.The objects of the present invention are not limited to the above-mentioned objects, and other objects and advantages of the present invention which are not mentioned above can be understood by the following description, and will be more clearly understood by the embodiments of the present invention. Also, it will be readily appreciated that the objects and advantages of the present invention may be realized by the means and combinations thereof indicated in the claims.

본 발명의 일 실시예에 따른 구조물의 균열 인식 장치는 구조물의 균열 영상을 수신하는 균열 영상 수신부; 상기 균열 영상 수신부에서 수신된 균열 영상의 히스토그램을 분석하여 바이모달리티를 산출하는 히스토그램 분석부; 상기 히스토그램 분석부에서 산출된 상기 바이모달리티를 기초로 균열 영상 내의 그림자 유무를 판단하고, 그림자가 존재하는 그림자 영상과 그림자가 존재하지 않는 비그림자 영상으로 구분하는 그림자 판단부; 상기 그림자 판단부에서 상기 그림자 영상으로 구분된 균열 영상에 한하여 그림자 제거 연산을 수행하는 그림자 제거부; 상기 그림자 제거부에서 그림자 제거 연산이 수행된 그림자 제거 영상에서 균열을 인식하거나, 또는 상기 그림자 판단부에서 구분된 상기 비그림자 영상에서 균열을 인식하는 균열 인식부;를 포함한다. Crack recognition apparatus for a structure according to an embodiment of the present invention is a crack image receiving unit for receiving a crack image of the structure; A histogram analyzer configured to calculate a bimodality by analyzing a histogram of a crack image received by the crack image receiver; A shadow determination unit that determines whether shadows exist in the crack image based on the bimodality calculated by the histogram analyzer, and divides the shadow image into a shadow image having a shadow and a non-shadow image having no shadow; A shadow removal unit configured to perform a shadow removal operation on the crack image divided into the shadow image by the shadow determination unit; And a crack recognition unit for recognizing a crack in the shadow elimination image in which the shadow elimination operation is performed in the shadow elimination unit, or recognizing a crack in the non-shadow image separated by the shadow determination unit.

바람직하게는, 상기 히스토그램 분석부는, 수신된 균열 영상의 히스토그램을 산출하여 클래스간 분산이 최대가 되는 지점을 임계값으로 설정하는 임계값 산출부; 상기 산출된 임계값을 기준으로 영상을 두 그룹으로 나누어 각 그룹에서 변수와 빈도수에 대한 2차 다항식을 추정하는 다항식 추정부; 상기 추정된 2차 다항식으로부터 각 그룹의 피크의 방향과 크기를 포함한 피크값을 산출하는 피크 산출부; 및 상기 산출된 피크값을 이용하여 바이모달리티를 산출하는 바이모달리티 산출부;를 포함한다. Preferably, the histogram analyzer comprises: a threshold calculator configured to calculate a histogram of the received crack image and set a point at which the variance between classes is maximized as a threshold; A polynomial estimator for dividing an image into two groups based on the calculated threshold and estimating a second polynomial for a variable and a frequency in each group; A peak calculation unit for calculating a peak value including a direction and a magnitude of the peak of each group from the estimated second polynomial; And a bimodality calculator configured to calculate a bimodality using the calculated peak value.

또한, 상기 임계값 산출부에서, 상기 클래스간 분산은 하기의 수학식 1에 근거하여 연산될 수 있다. In addition, in the threshold calculator, the variance between classes may be calculated based on Equation 1 below.

[수학식 1] [Equation 1]

Figure pat00001
Figure pat00001

(여기서

Figure pat00002
는 클래스간 분산이고, m1과 m2는 각 클래스의 평균이며, P1과 P2는 가중치로 통계적으로 픽셀 값이 나타날 확률임)(here
Figure pat00002
Is the variance between classes, m1 and m2 are the averages of each class, and P1 and P2 are the weights and the probability of statistically appearing pixel values.)

또한, 상기 임계값 산출부에서, 상기 클래스간 분산이 최대가 되도록 하는 상기 임계값은 하기의 수학식 2에 근거하여 연산될 수 있다. In addition, in the threshold calculator, the threshold for maximizing the variance between classes may be calculated based on Equation 2 below.

[수학식 2] [Equation 2]

Figure pat00003
Figure pat00003

(여기서

Figure pat00004
는 임계값이고, x는 화소임)(here
Figure pat00004
Is the threshold and x is the pixel)

또한, 상기 다항식 추정부에서, 상기 임계값을 기준으로 두 그룹으로 나누어진 각 그룹의 2차 다항식은 하기의 수학식 3에 근거하여 추정될 수 있다. Further, in the polynomial estimator, the second order polynomial of each group divided into two groups based on the threshold value may be estimated based on Equation 3 below.

[수학식 3] [Equation 3]

Figure pat00005
Figure pat00005

(여기서

Figure pat00006
와
Figure pat00007
는 2차 다항식의 계수임)(here
Figure pat00006
Wow
Figure pat00007
Is the coefficient of the quadratic polynomial)

또한, 상기 피크 산출부에서, 상기 피크 값은 상기 추정된 2차 다항식으로부터 하기의 수학식 4에 근거하여 산출될 수 있다. Further, in the peak calculation unit, the peak value may be calculated based on Equation 4 below from the estimated second polynomial.

[수학식 4][Equation 4]

Figure pat00008
Figure pat00008

(여기서 zk는 두 그룹의 피크 값임)Where z k is the peak value of the two groups

또한, 상기 바이모달리티 산출부에서, 상기 바이모달리티는 상기 피크 값을 하기의 수학식 5에 대입하여 산출될 수 있다. In the bimodality calculator, the bimodality may be calculated by substituting the peak value in Equation 5 below.

[수학식 5][Equation 5]

Figure pat00009
Figure pat00009

또한, 상기 그림자 판단부는, 상기 바이모달리티가 상기 임계값보다 클 경우, 해당 영상을 상기 그림자 영상으로 분류할 수 있다. The shadow determination unit may classify the image as the shadow image when the bimodality is greater than the threshold value.

또한, 상기 그림자 제거부는, 상기 그림자 제거 연산을 하기의 수학식 6에 근거하여 수행할 수 있다. The shadow removing unit may perform the shadow removing operation based on Equation 6 below.

[수학식 6][Equation 6]

Figure pat00010
Figure pat00010

(여기서

Figure pat00011
는 그림자 제거 연산 이전의 그림자 영상이고,
Figure pat00012
는 그림자 영상의 메디안 필터링 결과이며,
Figure pat00013
는 그림자 제거 연산 이후의 그림자 제거 영상임)(here
Figure pat00011
Is the shadow image before the drop shadow operation,
Figure pat00012
Is the median filtering result of the shadow image,
Figure pat00013
Is the image of shadow removal after shadow removal operation)

또한, 상기 균열 인식부는, 상기 그림자 제거 영상 또는 상기 비그림자 영상에서 균열을 인식하되, 상기 균열 인식은 명암을 기준으로 한 이진화를 통해 균열 후보를 추출한 다음, 상기 추출된 객체의 크기와 원형도를 이용하여 설정 조건을 만족하는 경우에 균열로 인식할 수 있다.The crack recognition unit recognizes a crack in the shadow elimination image or the non-shadow image, and extracts a crack candidate through binarization based on contrast, and then calculates the size and circularity of the extracted object. It can be recognized as a crack when the set conditions are satisfied.

한편, 본 발명의 다른 실시예에 따르면 상기의 구조물의 균열 인식 장치를 이용한 구조물의 균열 인식 방법을 제공한다. 본 발명의 실시예에 따르는 구조물 균열 인식 방법은 (a) 상기 균열 영상 수신부에서, 구조물의 균열 영상을 수신하는 단계; (b) 상기 히스토그램 분석부에서, 상기 균열 영상 수신부로부터 수신된 균열 영상의 히스토그램을 분석하여 바이모달리티를 산출하는 단계; (c) 상기 그림자 판단부에서, 상기 히스토그램 분석부로부터 산출된 상기 바이모달리티를 기초로 균열 영상 내의 그림자 유무를 판단하고, 그림자가 존재하는 그림자 영상과 그림자가 존재하지 않는 비그림자 영상으로 구분하는 단계; (d) 상기 그림자 제거부에서, 상기 그림자 판단부에서 상기 그림자 영상으로 구분된 균열 영상에 한하여 그림자 제거 연산을 수행하는 단계; 및 (e) 상기 균열 인식부에서, 상기 그림자 제거 연산이 수행된 그림자 제거 영상에서 균열을 인식하거나, 또는 상기 그림자 판단부에서 구분된 상기 비그림자 영상에서 균열을 인식하는 단계;를 포함한다. On the other hand, according to another embodiment of the present invention provides a crack recognition method of the structure using the crack recognition device of the structure. Structure crack recognition method according to an embodiment of the present invention (a) at the crack image receiving unit, receiving a crack image of the structure; (b) in the histogram analyzer, calculating a bimodality by analyzing a histogram of the crack image received from the crack image receiver; (c) the shadow determining unit determining whether a shadow exists in the crack image based on the bimodality calculated from the histogram analyzer, and dividing the shadow image into a shadow image having a shadow and a non-shadow image having no shadow; ; (d) in the shadow removing unit, performing a shadow removing operation only on the crack image divided into the shadow image by the shadow determining unit; And (e) in the crack recognition unit, recognizing a crack in the shadow elimination image on which the shadow elimination operation is performed, or recognizing a crack in the non-shadow image separated by the shadow determination unit.

이때, 상기 (b) 단계는, (b-1) 상기 임계값 산출부에서, 수신된 균열 영상의 히스토그램을 산출하여 클래스간 분산이 최대가 되는 지점을 임계값으로 설정하는 단계; (b-2) 상기 다항식 추정부에서, 상기 산출된 임계값을 기준으로 영상을 두 그룹으로 나누어 각 그룹에서 변수와 빈도수에 대한 2차 다항식을 추정하는 단계; (b-3) 상기 피크 산출부에서, 상기 추정된 2차 다항식으로부터 각 그룹의 피크의 방향과 크기를 포함한 피크값을 산출하는 단계; 및 (b-4) 상기 바이모달리티 산출부에서, 상기 산출된 피크값을 이용하여 바이모달리티를 산출하는 단계;를 포함한다. In this case, the step (b), (b-1) calculating the histogram of the received crack image, the threshold value setting unit to set the maximum point of variance between classes as a threshold value; (b-2) in the polynomial estimating unit, dividing an image into two groups based on the calculated threshold and estimating a second polynomial for a variable and a frequency in each group; (b-3) in the peak calculating unit, calculating a peak value including a direction and a magnitude of the peak of each group from the estimated second polynomial; And (b-4) calculating, by the bimodality calculating unit, the bimodality using the calculated peak value.

또한, 상기 (b-1) 단계에서, 상기 임계값 산출부에서, 상기 클래스간 분산은 하기의 수학식 1에 근거하여 연산될 수 있다. In addition, in the step (b-1), the variance between the classes in the threshold calculator may be calculated based on Equation 1 below.

[수학식 1] [Equation 1]

Figure pat00014
Figure pat00014

(여기서

Figure pat00015
는 클래스간 분산이고, m1과 m2는 각 클래스의 평균이며, P1과 P2는 가중치로 통계적으로 픽셀 값이 나타날 확률임)(here
Figure pat00015
Is the variance between classes, m1 and m2 are the averages of each class, and P1 and P2 are the weights and the probability of statistically appearing pixel values.)

또한, 상기 (b-1) 단계에서, 상기 임계값 산출부에서, 상기 클래스간 분산이 최대가 되도록 하는 상기 임계값은 하기의 수학식 2에 근거하여 연산될 수 있다. In addition, in the step (b-1), the threshold value which causes the variance between classes to be maximum in the threshold value calculator may be calculated based on Equation 2 below.

[수학식 2] [Equation 2]

Figure pat00016
Figure pat00016

(여기서

Figure pat00017
는 임계값이고, x는 화소임)(here
Figure pat00017
Is the threshold and x is the pixel)

또한, 상기 (b-2) 단계에서, 상기 다항식 추정부에서, 상기 임계값을 기준으로 두 그룹으로 나누어진 각 그룹의 2차 다항식은 하기의 수학식 3에 근거하여 추정될 수 있다. Further, in the step (b-2), in the polynomial estimator, the second order polynomial of each group divided into two groups based on the threshold value may be estimated based on Equation 3 below.

[수학식 3] [Equation 3]

Figure pat00018
Figure pat00018

(여기서

Figure pat00019
와
Figure pat00020
는 2차 다항식의 계수임)(here
Figure pat00019
Wow
Figure pat00020
Is the coefficient of the quadratic polynomial)

또한, 상기 (b-3) 단계에서, 상기 피크 산출부에서, 상기 피크 값은 상기 추정된 2차 다항식으로부터 하기의 수학식 4에 근거하여 산출될 수 있다. Further, in the step (b-3), the peak value may be calculated based on Equation 4 below from the estimated second polynomial.

[수학식 4][Equation 4]

Figure pat00021
Figure pat00021

(여기서 zk는 두 그룹의 피크 값임)Where z k is the peak value of the two groups

또한, 상기 (b-4) 단계에서, 상기 바이모달리티 산출부에서, 상기 바이모달리티는 상기 피크 값을 하기의 수학식 5에 대입하여 산출될 수 있다. In the step (b-4), the bimodality calculator may calculate the bimodality by substituting the peak value in Equation 5 below.

[수학식 5][Equation 5]

Figure pat00022
Figure pat00022

또한, 상기 (c) 단계에서, 상기 그림자 판단부에서, 상기 바이모달리티가 상기 임계값보다 클 경우, 해당 영상을 상기 그림자 영상으로 분류할 수 있다.In addition, in the step (c), when the bimodality is greater than the threshold, the shadow determining unit may classify the image as the shadow image.

또한, 상기 (d) 단계에서, 상기 그림자 제거부에서, 상기 그림자 제거 연산을 하기의 수학식 6에 근거하여 수행할 수 있다. In the step (d), the shadow removing unit may perform the shadow removing operation based on Equation 6 below.

[수학식 6][Equation 6]

Figure pat00023
Figure pat00023

(여기서

Figure pat00024
는 그림자 제거 연산 이전의 그림자 영상이고,
Figure pat00025
는 그림자 영상의 메디안 필터링 결과이며,
Figure pat00026
는 그림자 제거 연산 이후의 그림자 제거 영상임)(here
Figure pat00024
Is the shadow image before the drop shadow operation,
Figure pat00025
Is the median filtering result of the shadow image,
Figure pat00026
Is the image of shadow removal after shadow removal operation)

또한, 상기 (e) 단계에서, 상기 균열 인식부에서, 상기 그림자 제거 영상 또는 상기 비그림자 영상의 균열을 인식하되, 상기 균열 인식은 명암을 기준으로 한 이진화를 통해 균열 후보를 추출한 다음, 상기 추출된 객체의 크기와 원형도를 이용하여 설정 조건을 만족하는 경우에 균열로 인식할 수 있다. In the step (e), the crack recognition unit recognizes the crack of the shadow elimination image or the non-shadow image, and the crack recognition extracts the crack candidate through binarization based on contrast, and then extracts the crack. If the set condition is satisfied by using the size and circularity of the object, it can be recognized as a crack.

본 발명인 구조물의 균열 인식 장치 및 방법에 의하면, 구조물의 균열 영상에서 그림자 신호를 제거하여, 균열을 정확하게 인식할 수 있는 유리한 기술적 효과가 있다. According to the apparatus and method for recognizing a crack of a structure of the present invention, there is an advantageous technical effect of removing a shadow signal from a crack image of a structure to accurately recognize a crack.

예컨대, 본 발명인 구조물의 균열 인식 장치 및 방법에 의하면, 히스토그램 분석부는 그림자 인식부가 균열 영상 수신부에서 수신한 영상의 히스토그램을 분석한다. 그리고 그림자 판단부는 히스토그램 분석부에서 분석된 바이모달리티를 기초로 그림자 유무를 판단한다. 그리고 그림자 제거부는 그림자 판단부에서 판단된 그림자가 존재하는 영상에 한하여 그림자 제거 연산을 수행한다. 그리고 균열 인식부는 그림자 제거부에 의해 제거된 균열 영상 혹은 그림자가 포함되지 않은 균열 영상에 대하여 균열을 인식한다. 이와 같이 구성됨에 따라, 본 발명인 구조물 균열 인식 장치에 의하면 구조물의 균열을 종래에 비해 신속하고 정확하게 인식할 수 있는 장점이 있다. For example, according to the crack recognition apparatus and method of the present invention, the histogram analyzer analyzes the histogram of the image received by the shadow recognition unit from the crack image receiver. The shadow determination unit determines the presence or absence of shadows based on the bimodality analyzed by the histogram analyzer. The shadow removing unit performs a shadow removing operation only on the image having the shadow determined by the shadow determining unit. The crack recognition unit recognizes the crack with respect to the crack image removed by the shadow removing unit or the crack image without the shadow. As such, according to the structure crack recognition device of the present invention has the advantage that it is possible to quickly and accurately recognize the crack of the structure compared to the prior art.

또한, 본 발명의 구조물의 균열 인식 장치 및 방법에 의하면, 히스토그램 분석부는 영상의 히스토그램을 산출하여 클래스간 분산이 최대가 되는 지점을 임계값으로 설정한다. 그리고 히스토그램 분석부는 임계값을 기준으로 나누어진 두 그룹의 빈도수와 변수에 대한 2차 다항식을 추정한다. 그 이후, 히스토그램 분석부는 추정된 다항식으로부터 각 그룹에 피크의 크기와 방향을 산출하고, 산출된 피크를 이용하여 바이모달리티를 측정할 수 있는 장점이 있다. In addition, according to the apparatus and method for recognizing a crack of a structure of the present invention, the histogram analyzer calculates a histogram of an image and sets a point at which the variance between classes is maximized as a threshold. The histogram analyzer estimates the second-order polynomial for the frequency and variables of the two groups divided by the threshold. Thereafter, the histogram analyzer has an advantage of calculating the magnitude and direction of peaks in each group from the estimated polynomial and measuring the bimodality using the calculated peaks.

또한, 본 발명의 구조물의 균열 인식 장치 및 방법에 의하면, 그림자 영상으로 분류된 영상에 한하여 그림자 제거 연산을 수행하고, 비그림자 영상에 대해서는 그림자 제거 과정을 생략할 수 있다. 이에 따라, 본 발명에 의하면 구조물의 균열 인식에 소요되는 처리 시간을 대폭 단축시킬 수 있는 장점이 있다. In addition, according to the apparatus and method for recognizing a crack of a structure of the present invention, a shadow removal operation may be performed only on an image classified as a shadow image, and a shadow removal process may be omitted for a non-shadow image. Accordingly, according to the present invention, there is an advantage that can significantly reduce the processing time required for crack recognition of the structure.

상술한 효과와 더불어 본 발명의 구체적인 효과는 이하 발명을 실시하기 위한 구체적인 사항을 설명하면서 함께 기술한다.In addition to the effects described above, the specific effects of the present invention will be described together with the following description of specifics for carrying out the invention.

도 1은 본 발명의 일 실시예에 따른 구조물의 균열 인식 장치를 간략히 도시한 블록도이다.
도 2는 본 발명의 일 실시예에 따른 구조물의 균열 인식 장치 중에서 히스토그램 분석부의 세부 구성을 도시한 블록도이다.
도 3은 본 발명의 일 실시예에 따른 구조물의 균열 인식 방법을 설명하기 위해 도시한 순서도이다.
도 4는 구조물의 균열 영상 중 그림자가 존재하는 그림자 영상(a)과 그림자가 존재하지 않는 비그림자 영상(b)을 나타낸 사진들이다.
도 5는 그림자(Shadow) 영상과 비그림자(Non-Shadow) 영상의 히스토그램을 나타낸 그래프들이다. 1 is a block diagram briefly showing a crack recognition apparatus of a structure according to an embodiment of the present invention.
FIG. 2 is a block diagram illustrating a detailed configuration of a histogram analyzer of a structure crack recognition apparatus according to an exemplary embodiment of the present invention.
3 is a flowchart illustrating a crack recognition method of a structure according to an embodiment of the present invention.
4 is a photograph showing a shadow image (a) having a shadow and a non-shadow image (b) having no shadow among the crack images of the structure.
5 are graphs showing histograms of a shadow image and a non-shadow image.

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.Hereinafter, exemplary embodiments of the present invention will be described in detail with reference to the accompanying drawings so that those skilled in the art may easily implement the present invention. As those skilled in the art would realize, the described embodiments may be modified in various different ways, all without departing from the spirit or scope of the present invention.

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.In order to clearly describe the present invention, parts irrelevant to the description are omitted, and like reference numerals designate like elements throughout the specification. In addition, some embodiments of the invention will be described in detail with reference to exemplary drawings. In adding reference numerals to components of each drawing, the same components may have the same reference numerals as much as possible even though they are shown in different drawings. In addition, in describing the present invention, when it is determined that the detailed description of the related well-known configuration or function may obscure the gist of the present invention, the detailed description may be omitted.

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.In describing the components of the present invention, terms such as first, second, A, B, (a), and (b) can be used. These terms are only to distinguish the components from other components, and the terms are not limited in nature, order, order or number of the components. When a component is described as being "connected", "coupled" or "connected" to another component, that component may be directly connected to or connected to that other component, but between components It will be understood that the elements may be "interposed" or each component may be "connected", "coupled" or "connected" through other components.

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.In addition, in the implementation of the present invention may be described by subdividing the components for convenience of description, these components may be implemented in one device or module, or one component is a plurality of devices or modules It can also be implemented separately.

도 1은 본 발명의 일 실시예에 따른 구조물의 균열 인식 장치를 간략히 도시한 블록도이고, 도 2는 본 발명의 일 실시예에 따른 구조물의 균열 인식 장치 중에서 히스토그램 분석부의 세부 구성을 도시한 블록도이다.1 is a block diagram briefly showing a crack recognition apparatus of a structure according to an embodiment of the present invention, Figure 2 is a block showing a detailed configuration of the histogram analysis unit of the crack recognition apparatus of a structure according to an embodiment of the present invention It is also.

도 1을 참조하면, 본 발명의 일 실시예에 따른 구조물의 균열 인식 장치(1000)는 균열 영상 수신부(100), 히스토그램 분석부(200), 그림자 판단부(300), 그림자 제거부(400), 그리고 균열 인식부(500)를 포함한다. Referring to FIG. 1, the apparatus for recognizing a crack 1000 of a structure according to an exemplary embodiment may include a crack image receiver 100, a histogram analyzer 200, a shadow determiner 300, and a shadow remover 400. And a crack recognition unit 500.

균열 영상 수신부(100)는 구조물의 균열 영상을 수신한다. 여기서, 구조물이라 함은 콘크리트 구조물 등을 말하며, 구조물의 균열 영상이란 콘크리트 표면에 발생한 균열을 촬영한 영상을 말한다. The crack image receiver 100 receives a crack image of the structure. Here, the structure refers to a concrete structure, etc., the crack image of the structure refers to an image photographing the crack generated on the concrete surface.

히스토그램 분석부(200)는 균열 영상 수신부(100)에서 수신된 균열 영상의 히스토그램을 분석한다. 그리고 히스토그램 분석부(200)는 균열 영상의 히스토그램 분석 작업을 통해 바이모달리티를 산출한다. The histogram analyzer 200 analyzes the histogram of the crack image received by the crack image receiver 100. The histogram analyzer 200 calculates a bimodality through histogram analysis of the crack image.

그림자 판단부(300)는 히스토그램 분석부(200)에서 산출된 바이모달리티를 기초로 균열 영상 내의 그림자 유무를 판단한다. The shadow determiner 300 determines whether shadows are present in the crack image based on the bimodality calculated by the histogram analyzer 200.

그림자 판단부(300)는 바이모달리티를 기초로 하여 균열 영상 내의 그림자 유무를 판단한 결과, 그림자가 존재하는 영상(이하, '그림자 영상'이라 함)과 그림자가 존재하지 않는 영상(이하, '비그림자 영상'이라 함)을 구분한다. The shadow determining unit 300 determines the presence or absence of shadows in the crack image based on the bimodality, so that the shadow exists (hereinafter referred to as the 'shadow image') and the shadow does not exist (hereinafter referred to as 'non-shadow' Video ').

그림자 제거부(400)는 그림자 판단부(300)에서 그림자 영상으로 구분된 균열 영상에 한하여 그림자 제거 연산을 수행한다,The shadow removing unit 400 performs a shadow removing operation only on the crack image divided into the shadow image by the shadow determining unit 300.

균열 인식부(500)는 그림자 제거부(400)에서 그림자 제거 연산이 수행된 영상(이하, '그림자 제거 영상'이라 함)에서 균열을 인식한다. 또는 균열 인식부(500)는 그림자 판단부(300)에서 그림자가 존재하지 않는 영상, 즉 비그림자 영상으로 구분된 영상으로부터 균열을 인식한다.  The crack recognition unit 500 recognizes a crack in an image in which the shadow removal operation is performed by the shadow removal unit 400 (hereinafter referred to as a 'shadow removal image'). Alternatively, the crack recognition unit 500 recognizes the crack from the image in which the shadow determination unit 300 does not have a shadow, that is, an image divided into a non-shadow image.

구체적으로 설명하면, 히스토그램 분석부(200)는 도 2에 도시된 바와 같이 임계값 산출부(210), 다항식 추정부(220), 피크 산출부(230), 바이모달리티 산출부(240)를 포함한다. Specifically, the histogram analyzer 200 includes a threshold calculator 210, a polynomial estimator 220, a peak calculator 230, and a bimodality calculator 240 as shown in FIG. 2. do.

임계값 산출부(210)는 수신된 균열 영상의 히스토그램을 산출하여 클래스간 분산이 최대가 되는 지점을 임계값으로 설정한다. The threshold calculator 210 calculates a histogram of the received crack image, and sets a point at which the variance between classes is maximum.

예컨대, 임계값 산출부(210)에서, 클래스간 분산은 하기의 수학식 1에 근거하여 연산될 수 있다. For example, in the threshold calculator 210, the variance between classes may be calculated based on Equation 1 below.

[수학식 1] [Equation 1]

Figure pat00027
Figure pat00027

여기서,

Figure pat00028
는 클래스간 분산이고, m1과 m2는 각 클래스의 평균이며, P1과 P2는 가중치로 통계적으로 픽셀 값이 나타날 확률을 나타낸다.here,
Figure pat00028
Is the variance between classes, m1 and m2 are the averages of each class, and P1 and P2 are the weights that represent the probability that the pixel values appear statistically.

이에 더하여, 임계값 산출부(210)에서, 클래스간 분산이 최대가 되도록 하는 임계값은 하기의 수학식 2에 근거하여 연산될 수 있다. In addition, in the threshold calculator 210, a threshold value that maximizes the variance between classes may be calculated based on Equation 2 below.

[수학식 2][Equation 2]

Figure pat00029
Figure pat00029

여기서,

Figure pat00030
는 임계값이고, x는 화소를 나타낸다.here,
Figure pat00030
Is a threshold and x represents a pixel.

다항식 추정부(220)는 산출된 임계값을 기준으로 영상을 두 그룹으로 나누어 각 그룹에서 변수와 빈도수에 대한 2차 다항식을 추정한다. The polynomial estimator 220 divides the image into two groups based on the calculated threshold and estimates a second polynomial for the variable and the frequency in each group.

예컨대, 다항식 추정부(220)에서, 임계값을 기준으로 두 그룹으로 나누어진 각 그룹의 2차 다항식은 하기의 수학식 3에 근거하여 추정될 수 있다. For example, in the polynomial estimator 220, the second order polynomial of each group divided into two groups based on a threshold value may be estimated based on Equation 3 below.

[수학식 3] [Equation 3]

Figure pat00031
Figure pat00031

여기서,

Figure pat00032
와
Figure pat00033
는 2차 다항식의 계수를 나타낸다.here,
Figure pat00032
Wow
Figure pat00033
Denotes the coefficient of the quadratic polynomial.

한편, 피크 산출부(230)는 추정된 2차 다항식으로부터 각 그룹의 피크의 방향과 크기를 포함한 피크값을 산출한다. On the other hand, the peak calculation unit 230 calculates a peak value including the direction and magnitude of the peak of each group from the estimated second polynomial.

예컨대, 피크 산출부(230)에서, 피크 값은 추정된 2차 다항식으로부터 하기의 수학식 4에 근거하여 구해진다. For example, in the peak calculator 230, the peak value is obtained from the estimated second polynomial based on Equation 4 below.

[수학식 4][Equation 4]

Figure pat00034
Figure pat00034

여기서, zk는 두 그룹의 피크 값을 나타낸다.Where z k represents the peak values of the two groups.

바이모달리티 산출부(240)는 산출된 피크값을 이용하여 바이모달리티를 산출한다. The bimodality calculator 240 calculates the bimodality using the calculated peak value.

예컨대, 바이모달리티 산출부(240)에서, 바이모달리티는 피크 값을 하기의 수학식 5에 대입하여 산출될 수 있다. For example, in the bimodality calculator 240, the bimodality may be calculated by substituting a peak value in Equation 5 below.

[수학식 5][Equation 5]

Figure pat00035
Figure pat00035

한편, 그림자 판단부(300)는 바이모달리티가 임계값보다 클 경우, 해당 영상을 상기 그림자 영상으로 분류한다. On the other hand, if the bimodality is greater than the threshold value, the shadow determination unit 300 classifies the image as the shadow image.

그림자 제거부(400)는 그림자 제거 연산을 하기의 수학식 6에 근거하여 수행할 수 있다. The shadow removing unit 400 may perform the shadow removing operation based on Equation 6 below.

[수학식 6][Equation 6]

Figure pat00036
Figure pat00036

여기서,

Figure pat00037
는 그림자 제거 연산 이전의 그림자 영상이고,
Figure pat00038
는 그림자 영상의 메디안 필터링 결과이며,
Figure pat00039
는 그림자 제거 연산 이후의 그림자 제거 영상을 나타낸다.here,
Figure pat00037
Is the shadow image before the drop shadow operation,
Figure pat00038
Is the median filtering result of the shadow image,
Figure pat00039
Represents a shadow removal image after the shadow removal operation.

한편, 균열 인식부(500)는 그림자 제거 영상 또는 비그림자 영상에서 균열을 인식하되, 균열 인식은 명암을 기준으로 한 이진화를 통해 균열 후보를 추출한 다음, 상기 추출된 객체의 크기와 원형도를 이용하여 설정 조건을 만족하는 경우에 균열로 인식할 수 있다. Meanwhile, the crack recognizer 500 recognizes the crack in the shadow elimination image or the non-shadow image, and the crack recognition extracts the crack candidate through binarization based on contrast, and then uses the size and the circularity of the extracted object. If it meets the set conditions, it can be recognized as a crack.

이하, 본 발명의 일 실시예에 따른 구조물의 균열 인식 방법에 관하여 설명하기로 한다. Hereinafter, a method for recognizing a crack of a structure according to an embodiment of the present invention will be described.

도 3은 본 발명의 일 실시예에 따른 구조물의 균열 인식 방법을 설명하기 위해 도시한 순서도이다. 3 is a flowchart illustrating a crack recognition method of a structure according to an embodiment of the present invention.

도 3을 참조하면, 본 발명의 일 실시예에 따르는 구조물의 균열 인식 방법은 균열 영상 수신 단계(S100), 히스토그램 분석 단계(S200), 그림자 판단 단계(S300), 그림자 제거 단계(S400), 그리고 균열 인식 단계(S500)를 포함한다.Referring to Figure 3, the crack recognition method of the structure according to an embodiment of the present invention is a crack image receiving step (S100), histogram analysis step (S200), shadow determination step (S300), shadow removal step (S400), and The crack recognition step (S500) is included.

균열 영상 수신 단계(S100)는 균열 영상 수신부(100, 도 1 참조)에서, 구조물의 균열 영상을 수신하는 단계를 말한다. The crack image receiving step S100 refers to a step of receiving a crack image of a structure in the crack image receiving unit 100 (see FIG. 1).

히스토그램 분석 단계(S200)는 히스토그램 분석부(200, 도1 참조)에서, 수신된 균열 영상의 히스토그램을 분석하여 바이모달리티를 산출하는 단계를 말한다. The histogram analysis step S200 refers to a step of calculating the bimodality by analyzing the histogram of the received crack image in the histogram analyzer 200 (see FIG. 1).

그림자 판단 단계(S300)는 그림자 판단부(300, 도 1 참조)에서 히스토그램 분석부(200, 도 1 참조)로부터 산출된 바이모달리티를 기초로 균열 영상 내의 그림자 유무를 판단하는 단계를 말한다. 이와 같이, 그림자 판단 단계(S300)는 그림자가 존재하는 그림자 영상과 그림자가 존재하지 않는 비그림자 영상을 구분한다. The shadow determination step S300 refers to a step of determining whether shadows are present in the crack image based on the bimodality calculated by the histogram analyzer 200 (see FIG. 1) by the shadow determination unit 300 (see FIG. 1). As such, the shadow determination step S300 distinguishes between a shadow image having a shadow and a non-shadow image having no shadow.

그림자 제거 단계(S400)는 그림자 제거부(400, 도 1 참조)에서, 그림자 영상으로 구분된 균열 영상에 한하여 그림자 제거 연산을 수행하는 단계를 말한다. The shadow removing step S400 refers to a step of performing a shadow removing operation on the crack image divided into a shadow image in the shadow removing unit 400 (see FIG. 1).

균열 인식 단계(S500)는 균열 인식부(500, 도 1 참조)에서, 그림자 제거 연산이 수행된 그림자 제거 영상에서 균열을 인식하거나 그림자 판단부(300, 도 1 참조)에서 구분된 비그림자 영상에서 균열을 인식하는 단계이다.In the crack recognition step S500, the crack recognition unit 500 (refer to FIG. 1) recognizes a crack in the shadow removal image in which the shadow elimination operation is performed, or in the non-shadow image separated by the shadow determination unit 300 (see FIG. 1). Recognize the crack.

예를 들어, 히스토그램 분석 단계(S200)는 임계값 산출 단계, 다항식 추정 단계, 피크 산출 단계, 및 바이모달리티 산출 단계를 포함한다. For example, the histogram analysis step S200 includes a threshold calculation step, a polynomial estimation step, a peak calculation step, and a bimodality calculation step.

구체적으로 설명하면, 임계값 산출 단계에서는, 임계값 산출부(210, 도 2 참조)에서, 수신된 균열 영상의 히스토그램을 산출하여 클래스간 분산이 최대가 되는 지점을 임계값으로 설정한다. Specifically, in the threshold value calculating step, the threshold value calculating unit 210 (see FIG. 2) calculates a histogram of the received crack image and sets a point at which the variance between classes is maximized.

이때, 임계값 산출부(210, 도 2 참조)에서, 클래스간 분산은 하기의 수학식 1에 근거하여 연산될 수 있다. In this case, in the threshold calculator 210 (see FIG. 2), the variance between classes may be calculated based on Equation 1 below.

[수학식 1] [Equation 1]

Figure pat00040
Figure pat00040

여기서,

Figure pat00041
는 클래스간 분산이고, m1과 m2는 각 클래스의 평균이며, P1과 P2는 가중치로 통계적으로 픽셀 값이 나타날 확률을 나타낸다.here,
Figure pat00041
Is the variance between classes, m1 and m2 are the averages of each class, and P1 and P2 are the weights that represent the probability that the pixel values appear statistically.

그리고 임계값 산출부(210, 도 2 참조)에서, 클래스간 분산이 최대가 되도록 하는 임계값은 하기의 수학식 2에 근거하여 연산될 수 있다. In the threshold calculator 210 (see FIG. 2), a threshold for maximizing the variance between classes may be calculated based on Equation 2 below.

[수학식 2] [Equation 2]

Figure pat00042
Figure pat00042

여기서,

Figure pat00043
는 임계값이고, x는 화소를 나타낸다.here,
Figure pat00043
Is a threshold and x represents a pixel.

다음으로, 다항식 추정 단계에서는, 다항식 추정부(220, 도 2 참조)에서, 산출된 임계값을 기준으로 영상을 두 그룹으로 나누어 각 그룹에서 변수와 빈도수에 대한 2차 다항식을 추정한다. Next, in the polynomial estimating step, the polynomial estimator 220 (see FIG. 2) divides an image into two groups based on the calculated threshold and estimates a second-order polynomial for a variable and a frequency in each group.

예컨대, 다항식 추정부(220, 도 2 참조)에서, 임계값을 기준으로 두 그룹으로 나누어진 각 그룹의 2차 다항식은 하기의 수학식 3에 근거하여 추정될 수 있다. For example, in the polynomial estimator 220 (refer to FIG. 2), the second order polynomial of each group divided into two groups based on a threshold value may be estimated based on Equation 3 below.

[수학식 3] [Equation 3]

Figure pat00044
Figure pat00044

여기서,

Figure pat00045
와
Figure pat00046
는 2차 다항식의 계수를 나타낸다.here,
Figure pat00045
Wow
Figure pat00046
Denotes the coefficient of the quadratic polynomial.

그 다음으로, 피크 산출 단계에서는, 피크 산출부(230, 도 2 참조)에서, 추정된 2차 다항식으로부터 각 그룹의 피크의 방향과 크기를 포함한 피크값을 산출한다. Next, in the peak calculation step, the peak calculation unit 230 (see FIG. 2) calculates a peak value including the direction and magnitude of the peaks of each group from the estimated second polynomial.

예컨대, 피크 산출부(230, 도 2 참조)에서, 피크 값은 추정된 2차 다항식으로부터 하기의 수학식 4에 근거하여 구해진다. For example, in the peak calculating section 230 (see FIG. 2), the peak value is obtained from the estimated second polynomial based on Equation 4 below.

[수학식 4][Equation 4]

Figure pat00047
Figure pat00047

여기서, zk는 두 그룹의 피크 값을 나타낸다. Where z k represents the peak values of the two groups.

그 다음으로, 바이모달리티 산출 단계에서는, 바이모달리티 산출부(240, 도 2 참조)에서, 산출된 피크값을 이용하여 바이모달리티를 산출한다. Next, in the bimodality calculation step, the bimodality calculation unit 240 (see FIG. 2) calculates the bimodality using the calculated peak value.

예컨대, 바이모달리티 산출부(240, 도 2 참조)에서, 바이모달리티는 피크 값을 하기의 수학식 5에 대입하여 산출될 수 있다. For example, in the bimodality calculator 240 (refer to FIG. 2), the bimodality may be calculated by substituting a peak value into Equation 5 below.

[수학식 5][Equation 5]

Figure pat00048
Figure pat00048

한편, 그림자 판단 단계(S300)에서는 그림자 판단부(300, 도 1 참조)가 바이모달리티가 설정된 조건을 만족하는지 여부를 판단하는데, 만일 바이모달리티가 임계값보다 클 경우 해당 영상을 그림자 영상으로 분류한다. 그리고 그림자 제거 단계(S400)에서는 그림자 제거부(400, 도 1 참조)가 그림자 제거 연산을 수행한다. 그림자 제거 연산은 하기의 수학식 6에 근거하여 수행할 수 있다. On the other hand, in the shadow determination step (S300), the shadow determination unit 300 (see FIG. 1) determines whether the bimodality is set or not, and if the bimodality is greater than the threshold value, the image is classified as a shadow image. . In the shadow removing step (S400), the shadow removing unit 400 (see FIG. 1) performs a shadow removing operation. The shadow removal operation may be performed based on Equation 6 below.

[수학식 6] [Equation 6]

Figure pat00049
Figure pat00049

여기서,

Figure pat00050
는 그림자 제거 연산 이전의 그림자 영상이고,
Figure pat00051
는 그림자 영상의 메디안 필터링 결과이며,
Figure pat00052
는 그림자 제거 연산 이후의 그림자 제거 영상을 나타낸다.here,
Figure pat00050
Is the shadow image before the drop shadow operation,
Figure pat00051
Is the median filtering result of the shadow image,
Figure pat00052
Represents a shadow removal image after the shadow removal operation.

한편, 균열 인식 단계(S500)에서는 균열 인식부(500, 도 1 참조)가 그림자 제거 영상 또는 비그림자 영상에서 균열을 인식한다. Meanwhile, in the crack recognition step S500, the crack recognizer 500 (see FIG. 1) recognizes the crack in the shadow removing image or the non-shadow image.

예를 들어, 균열 인식은 명암을 기준으로 한 이진화를 통해 균열 후보를 추출한 다음, 상기 추출된 객체의 크기와 원형도를 이용하여 설정 조건을 만족하는 경우에 균열로 인식한다. For example, crack recognition extracts a crack candidate through binarization based on contrast, and then recognizes a crack when the set condition is satisfied using the size and the circularity of the extracted object.

도 4는 구조물의 균열 영상 중 그림자가 존재하는 그림자 영상(a)과 그림자가 존재하지 않는 비그림자 영상(b)을 나타낸 사진들이다. 그리고 도 5는 그림자(Shadow) 영상과 비그림자(Non-Shadow) 영상의 히스토그램을 나타낸 그래프들이다. 4 is a photograph showing a shadow image (a) with a shadow and a non-shadow image (b) without a shadow of the crack image of the structure. 5 are graphs showing histograms of a shadow image and a non-shadow image.

도 5에 도시된 두 영상의 히스토그램의 형태를 살펴보면 그림자 영상의 히스토그램이 바이모달 특성을 나타내는 것을 확인할 수 있으며, 유니모달 특성을 나타내는 비그림자 영상과 차이가 있음을 확인할 수 있다. Referring to the shape of the histogram of the two images shown in Figure 5 it can be seen that the histogram of the shadow image represents the bi-modal characteristics, it can be seen that there is a difference with the non-shadow image showing the uni-modal characteristics.

본 발명에서 제시된 바이모달리티 측정 방법으로 측정한 그림자 영상과 비그림자 영상의 바이모달리티는 각각 0.86과 0으로 나타났으며, 바이모달리티 산출을 통해 그림자 영상과 비그림자 영상을 구분할 수 있음을 보여준다.The bimodality of the shadow image and the non-shadow image measured by the bimodality measurement method presented in the present invention was 0.86 and 0, respectively, and shows that the shadow image and the non-shadow image can be distinguished by calculating the bimodality.

상술한 바와 같이, 본 발명의 구성 및 작용에 따르면, 구조물의 균열 영상에서 그림자 신호를 제거하여, 균열을 정확하게 인식할 수 있다. As described above, according to the configuration and operation of the present invention, by removing the shadow signal from the crack image of the structure, it is possible to accurately recognize the crack.

구체적인 예로서, 히스토그램 분석부는 그림자 인식부가 균열 영상 수신부에서 수신한 영상의 히스토그램을 분석한다. 그리고 그림자 판단부는 히스토그램 분석부에서 분석된 바이모달리티를 기초로 그림자 유무를 판단한다. 그리고 그림자 제거부는 그림자 판단부에서 판단된 그림자가 존재하는 영상에 한하여 그림자 제거 연산을 수행한다. 그리고 균열 인식부는 그림자 제거부에 의해 제거된 균열 영상 혹은 그림자가 포함되지 않은 균열 영상에 대하여 균열을 인식한다. 그 결과, 구조물의 균열을 보다 신속하고 정확하게 인식할 수 있다.As a specific example, the histogram analyzer analyzes the histogram of the image received by the shadow recognition unit from the crack image receiver. The shadow determination unit determines the presence or absence of shadows based on the bimodality analyzed by the histogram analyzer. The shadow removing unit performs a shadow removing operation only on the image having the shadow determined by the shadow determining unit. The crack recognition unit recognizes the crack with respect to the crack image removed by the shadow removing unit or the crack image without the shadow. As a result, cracks in the structure can be recognized more quickly and accurately.

나아가, 히스토그램 분석부는 영상의 히스토그램을 산출하여 클래스간 분산이 최대가 되는 지점을 임계값으로 설정한다. 이어서, 히스토그램 분석부는 임계값을 기준으로 나누어진 두 그룹의 빈도수와 변수에 대한 2차 다항식을 추정한다. 이어서, 히스토그램 분석부는 추정된 다항식으로부터 각 그룹에 피크의 크기와 방향을 산출하고, 산출된 피크를 이용하여 바이모달리티를 측정하는데, 이로써 그림자의 존재 유무를 신속하고 정확하게 판단할 수 있다. Furthermore, the histogram analyzer calculates a histogram of an image and sets a threshold at which the variance between classes is maximized. Subsequently, the histogram analyzer estimates the second order polynomial for the variables and the frequencies of the two groups divided by the threshold. Subsequently, the histogram analyzer calculates the magnitude and direction of peaks in each group from the estimated polynomial, and measures the bimodality using the calculated peaks, thereby quickly and accurately determining the presence or absence of shadows.

더 나아가, 그림자 영상으로 분류된 영상에 한하여 그림자 제거 연산을 수행하고, 비그림자 영상에 대해서는 그림자 제거 과정을 생략할 수 있다. 그 결과, 불필요한 영상 처리 과정에 소요되는 시간을 줄여 구조물의 균열 인식에 소요되는 처리 시간을 대폭 단축시킬 수 있다. Furthermore, the shadow removal operation may be performed only on the image classified as the shadow image, and the shadow removal process may be omitted for the non-shadow image. As a result, processing time required for crack recognition of a structure can be greatly shortened by reducing the time required for unnecessary image processing.

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.As described above, the present invention has been described with reference to the drawings exemplified, but the present invention is not limited to the embodiments and drawings disclosed herein, and various modifications may be made by those skilled in the art within the scope of the technical idea of the present invention. It is obvious that modifications can be made. In addition, even if the above described embodiments of the present invention while not explicitly described and described the effect of the effect of the configuration of the present invention, it is obvious that the effect predictable by the configuration is also to be recognized.

S100: 균열 영상 수신 단계
S200: 히스토그램 분석 단계
S300: 그림자 판단 단계
S400: 그림자 제거 단계
S500: 균열 인식 단계
100: 균열 영상 수신부
200: 히스토그램 분석부
210: 임계값 산출부
220: 다항식 추정부
230: 피크 산출부
240: 바이모달리티 산출부
300: 그림자 판단부
400: 그림자 제거부
500: 균열 인식부S100: crack image receiving step
S200: Histogram Analysis Step
S300: Shadow Judgment Step
S400: Drop Shadow Step
S500: crack recognition stage
100: crack image receiving unit
200: histogram analysis unit
210: threshold calculation unit
220: polynomial estimator
230: peak calculation unit
240: bimodality calculation unit
300: Shadow Judgment
400: shadow remover
500: crack recognition unit

Claims (20)

구조물의 균열 영상을 수신하는 균열 영상 수신부;
상기 균열 영상 수신부에서 수신된 균열 영상의 히스토그램을 분석하여 바이모달리티를 산출하는 히스토그램 분석부;
상기 히스토그램 분석부에서 산출된 상기 바이모달리티를 기초로 균열 영상 내의 그림자 유무를 판단하고, 그림자가 존재하는 그림자 영상과 그림자가 존재하지 않는 비그림자 영상으로 구분하는 그림자 판단부;
상기 그림자 판단부에서 상기 그림자 영상으로 구분된 균열 영상에 한하여 그림자 제거 연산을 수행하는 그림자 제거부;
상기 그림자 제거부에서 그림자 제거 연산이 수행된 그림자 제거 영상에서 균열을 인식하거나, 또는 상기 그림자 판단부에서 구분된 상기 비그림자 영상에서 균열을 인식하는 균열 인식부;
를 포함하는 구조물의 균열 인식 장치.
Crack image receiving unit for receiving a crack image of the structure;
A histogram analyzer configured to calculate a bimodality by analyzing a histogram of a crack image received by the crack image receiver;
A shadow determination unit determining whether shadows exist in the crack image based on the bimodality calculated by the histogram analyzer, and classifying a shadow image into a shadow image having a shadow and a non-shadow image having no shadow;
A shadow removing unit for performing a shadow removing operation on the crack image divided into the shadow image by the shadow determining unit;
A crack recognition unit for recognizing a crack in the shadow removal image in which the shadow removal operation is performed in the shadow removal unit, or recognizing a crack in the non-shadow image separated by the shadow determination unit;
Crack recognition device of a structure comprising a.
제1항에 있어서,
상기 히스토그램 분석부는,
수신된 균열 영상의 히스토그램을 산출하여 클래스간 분산이 최대가 되는 지점을 임계값으로 설정하는 임계값 산출부;
상기 산출된 임계값을 기준으로 영상을 두 그룹으로 나누어 각 그룹에서 변수와 빈도수에 대한 2차 다항식을 추정하는 다항식 추정부;
상기 추정된 2차 다항식으로부터 각 그룹의 피크의 방향과 크기를 포함한 피크값을 산출하는 피크 산출부; 및
상기 산출된 피크값을 이용하여 바이모달리티를 산출하는 바이모달리티 산출부;
를 포함하는 구조물의 균열 인식 장치.
The method of claim 1,
The histogram analysis unit,
A threshold calculator configured to calculate a histogram of the received crack image and set a point where the variance between classes is maximized as a threshold;
A polynomial estimator for dividing an image into two groups based on the calculated threshold and estimating a second polynomial for a variable and a frequency in each group;
A peak calculation unit for calculating a peak value including a direction and a magnitude of the peak of each group from the estimated second polynomial; And
A bimodality calculator configured to calculate a bimodality using the calculated peak value;
Crack recognition device of a structure comprising a.
제2항에 있어서,
상기 임계값 산출부에서,
상기 클래스간 분산은 하기의 수학식 1에 근거하여 연산되는 것을 특징으로 하는 구조물의 균열 인식 장치.
[수학식 1]
Figure pat00053

(여기서
Figure pat00054
는 클래스간 분산이고, m1과 m2는 각 클래스의 평균이며, P1과 P2는 가중치로 통계적으로 픽셀 값이 나타날 확률임)
The method of claim 2,
In the threshold calculation unit,
The variance between the classes is calculated based on Equation 1 below.
[Equation 1]
Figure pat00053

(here
Figure pat00054
Is the variance between classes, m1 and m2 are the averages of each class, and P1 and P2 are the weights and the probability of statistically appearing pixel values.)
제3항에 있어서,
상기 임계값 산출부에서,
상기 클래스간 분산이 최대가 되도록 하는 상기 임계값은 하기의 수학식 2에 근거하여 연산되는 것을 특징으로 하는 구조물의 균열 인식 장치.
[수학식 2]
Figure pat00055

(여기서
Figure pat00056
는 임계값이고, x는 화소임)
The method of claim 3,
In the threshold calculation unit,
The threshold value for maximizing the variance between the classes is calculated based on Equation 2 below.
[Equation 2]
Figure pat00055

(here
Figure pat00056
Is the threshold and x is the pixel)
제4항에 있어서,
상기 다항식 추정부에서,
상기 임계값을 기준으로 두 그룹으로 나누어진 각 그룹의 2차 다항식은 하기의 수학식 3에 근거하여 추정되는 것을 특징으로 하는 구조물의 균열 인식 장치.
[수학식 3]
Figure pat00057

(여기서
Figure pat00058
와
Figure pat00059
는 2차 다항식의 계수임)
The method of claim 4, wherein
In the polynomial estimator,
The second order polynomial of each group divided into two groups based on the threshold value is estimated based on Equation 3 below.
[Equation 3]
Figure pat00057

(here
Figure pat00058
Wow
Figure pat00059
Is the coefficient of the quadratic polynomial)
제5항에 있어서,
상기 피크 산출부에서,
상기 피크 값은 상기 추정된 2차 다항식으로부터 하기의 수학식 4에 근거하여 산출되는 것을 특징으로 하는 구조물의 균열 인식 장치.
[수학식 4]
Figure pat00060

(여기서 zk는 두 그룹의 피크 값임)
The method of claim 5,
In the peak calculation unit,
Wherein the peak value is calculated from the estimated second polynomial based on Equation 4 below.
[Equation 4]
Figure pat00060

Where z k is the peak value of the two groups
제6항에 있어서,
상기 바이모달리티 산출부에서,
상기 바이모달리티는 상기 피크 값을 하기의 수학식 5에 대입하여 산출되는 것을 특징으로 하는 구조물의 균열 인식 장치.
[수학식 5]
Figure pat00061

The method of claim 6,
In the bimodality calculator,
The bimodality is a crack recognition device of the structure, characterized in that calculated by substituting the peak value in the following equation (5).
[Equation 5]
Figure pat00061

 제7항에 있어서,
상기 그림자 판단부는,
상기 바이모달리티가 상기 임계값보다 클 경우, 해당 영상을 상기 그림자 영상으로 분류하는 것을 특징으로 하는 구조물의 균열 인식 장치.
The method of claim 7, wherein
The shadow determination unit,
And if the bimodality is greater than the threshold, classify the image as the shadow image.
제1항에 있어서,
상기 그림자 제거부는,
상기 그림자 제거 연산을 하기의 수학식 6에 근거하여 수행하는 것을 특징으로 하는 구조물의 균열 인식 장치.
[수학식 6]
Figure pat00062

(여기서
Figure pat00063
는 그림자 제거 연산 이전의 그림자 영상이고,
Figure pat00064
는 그림자 영상의 메디안 필터링 결과이며,
Figure pat00065
는 그림자 제거 연산 이후의 그림자 제거 영상임)
The method of claim 1,
The shadow removal unit,
The apparatus for recognizing cracks of a structure according to claim 6, wherein the shadow elimination operation is performed.
[Equation 6]
Figure pat00062

(here
Figure pat00063
Is the shadow image before the drop shadow operation,
Figure pat00064
Is the median filtering result of the shadow image,
Figure pat00065
Is the image of shadow removal after shadow removal operation)
제1항에 있어서,
상기 균열 인식부는,
상기 그림자 제거 영상 또는 상기 비그림자 영상에서 균열을 인식하되,
상기 균열 인식은 명암을 기준으로 한 이진화를 통해 균열 후보를 추출한 다음, 상기 추출된 객체의 크기와 원형도를 이용하여 설정 조건을 만족하는 경우에 균열로 인식하는 것을 특징으로 하는 구조물의 균열 인식 장치.
The method of claim 1,
The crack recognition unit,
Recognize a crack in the shadow removal image or the non-shadow image,
The crack recognition extracts a crack candidate through binarization based on contrast, and then recognizes a crack when the set condition is satisfied using the size and the circularity of the extracted object. .
제2항 내지 제10항 중 어느 한 항의 구조물의 균열 인식 장치를 이용한 구조물의 균열 인식 방법으로서,
(a) 상기 균열 영상 수신부에서, 구조물의 균열 영상을 수신하는 단계;
(b) 상기 히스토그램 분석부에서, 상기 균열 영상 수신부로부터 수신된 균열 영상의 히스토그램을 분석하여 바이모달리티를 산출하는 단계;
(c) 상기 그림자 판단부에서, 상기 히스토그램 분석부로부터 산출된 상기 바이모달리티를 기초로 균열 영상 내의 그림자 유무를 판단하고, 그림자가 존재하는 그림자 영상과 그림자가 존재하지 않는 비그림자 영상으로 구분하는 단계;
(d) 상기 그림자 제거부에서, 상기 그림자 판단부에서 상기 그림자 영상으로 구분된 균열 영상에 한하여 그림자 제거 연산을 수행하는 단계; 및
(e) 상기 균열 인식부에서, 상기 그림자 제거 연산이 수행된 그림자 제거 영상에서 균열을 인식하거나, 또는 상기 그림자 판단부에서 구분된 상기 비그림자 영상에서 균열을 인식하는 단계;
를 포함하는 구조물의 균열 인식 방법.
As a method of crack recognition of a structure using a crack recognition device of any one of claims 2 to 10,
(a) receiving a crack image of the structure in the crack image receiving unit;
(b) in the histogram analyzer, calculating a bimodality by analyzing a histogram of the crack image received from the crack image receiver;
(c) the shadow determining unit determining whether a shadow exists in the crack image based on the bimodality calculated from the histogram analyzer, and dividing the shadow image into a shadow image having a shadow and a non-shadow image having no shadow; ;
(d) in the shadow removing unit, performing a shadow removing operation only on the crack image divided into the shadow image by the shadow determining unit; And
(e) in the crack recognition unit, recognizing a crack in the shadow removal image on which the shadow elimination operation is performed, or recognizing a crack in the non-shadow image separated by the shadow determination unit;
Crack recognition method of the structure comprising a.
제11항에 있어서,
상기 (b) 단계는,
(b-1) 상기 임계값 산출부에서, 수신된 균열 영상의 히스토그램을 산출하여 클래스간 분산이 최대가 되는 지점을 임계값으로 설정하는 단계;
(b-2) 상기 다항식 추정부에서, 상기 산출된 임계값을 기준으로 영상을 두 그룹으로 나누어 각 그룹에서 변수와 빈도수에 대한 2차 다항식을 추정하는 단계;
(b-3) 상기 피크 산출부에서, 상기 추정된 2차 다항식으로부터 각 그룹의 피크의 방향과 크기를 포함한 피크값을 산출하는 단계; 및
(b-4) 상기 바이모달리티 산출부에서, 상기 산출된 피크값을 이용하여 바이모달리티를 산출하는 단계;
를 포함하는 구조물의 균열 인식 방법.
The method of claim 11,
Step (b),
(b-1) in the threshold calculator, calculating a histogram of the received crack image and setting a point at which the variance between classes is maximized as a threshold;
(b-2) in the polynomial estimating unit, dividing an image into two groups based on the calculated threshold and estimating a second polynomial for a variable and a frequency in each group;
(b-3) in the peak calculating unit, calculating a peak value including a direction and a magnitude of the peak of each group from the estimated second polynomial; And
(b-4) calculating, by the bimodality calculator, the bimodality using the calculated peak value;
Crack recognition method of the structure comprising a.
제12항에 있어서,
상기 (b-1) 단계에서,
상기 임계값 산출부에서, 상기 클래스간 분산은 하기의 수학식 1에 근거하여 연산되는 것을 특징으로 하는 구조물의 균열 인식 방법.
[수학식 1]
Figure pat00066

(여기서
Figure pat00067
는 클래스간 분산이고, m1과 m2는 각 클래스의 평균이며, P1과 P2는 가중치로 통계적으로 픽셀 값이 나타날 확률임)
The method of claim 12,
In the step (b-1),
In the threshold calculator, the class-to-class variance is calculated based on Equation 1 below.
[Equation 1]
Figure pat00066

(here
Figure pat00067
Is the variance between classes, m1 and m2 are the averages of each class, and P1 and P2 are the weights and the probability of statistically appearing pixel values.)
제13항에 있어서,
상기 (b-1) 단계에서,
상기 임계값 산출부에서, 상기 클래스간 분산이 최대가 되도록 하는 상기 임계값은 하기의 수학식 2에 근거하여 연산되는 것을 특징으로 하는 구조물의 균열 인식 방법.
[수학식 2]
Figure pat00068

(여기서
Figure pat00069
는 임계값이고, x는 화소임)
The method of claim 13,
In the step (b-1),
In the threshold calculating unit, the threshold for maximizing the variance between classes is calculated based on Equation 2 below.
[Equation 2]
Figure pat00068

(here
Figure pat00069
Is the threshold and x is the pixel)
제14항에 있어서,
상기 (b-2) 단계에서,
상기 다항식 추정부에서, 상기 임계값을 기준으로 두 그룹으로 나누어진 각 그룹의 2차 다항식은 하기의 수학식 3에 근거하여 추정되는 것을 특징으로 하는 구조물의 균열 인식 방법.
[수학식 3]
Figure pat00070

(여기서
Figure pat00071
와
Figure pat00072
는 2차 다항식의 계수임)
The method of claim 14,
In the step (b-2),
In the polynomial estimator, the second order polynomial of each group divided into two groups based on the threshold value is estimated based on Equation 3 below.
[Equation 3]
Figure pat00070

(here
Figure pat00071
Wow
Figure pat00072
Is the coefficient of the quadratic polynomial)
제15항에 있어서,
상기 (b-3) 단계에서,
상기 피크 산출부에서, 상기 피크 값은 상기 추정된 2차 다항식으로부터 하기의 수학식 4에 근거하여 산출되는 것을 특징으로 하는 구조물의 균열 인식 방법.
[수학식 4]
Figure pat00073

(여기서 zk는 두 그룹의 피크 값임)
The method of claim 15,
In the step (b-3),
In the peak calculation unit, the peak value is calculated from the estimated second polynomial based on Equation 4 below.
[Equation 4]
Figure pat00073

Where z k is the peak value of the two groups
제16항에 있어서,
상기 (b-4) 단계에서,
상기 바이모달리티 산출부에서, 상기 바이모달리티는 상기 피크 값을 하기의 수학식 5에 대입하여 산출되는 것을 특징으로 하는 구조물의 균열 인식 방법.
[수학식 5]
Figure pat00074

The method of claim 16,
In the step (b-4),
In the bimodality calculator, the bimodality is calculated by substituting the peak value in the following equation (5).
[Equation 5]
Figure pat00074

 제17항에 있어서,
상기 (c) 단계에서,
상기 그림자 판단부에서, 상기 바이모달리티가 상기 임계값보다 클 경우, 해당 영상을 상기 그림자 영상으로 분류하는 것을 특징으로 하는
구조물의 균열 인식 방법.
The method of claim 17,
In step (c),
In the shadow determining unit, if the bimodality is greater than the threshold value, the image is classified as the shadow image.
How to recognize cracks in structures.
제11항에 있어서,
상기 (d) 단계에서,
상기 그림자 제거부에서, 상기 그림자 제거 연산을 하기의 수학식 6에 근거하여 수행하는 것을 특징으로 하는 구조물의 균열 인식 방법.
[수학식 6]
Figure pat00075

(여기서
Figure pat00076
는 그림자 제거 연산 이전의 그림자 영상이고,
Figure pat00077
는 그림자 영상의 메디안 필터링 결과이며,
Figure pat00078
는 그림자 제거 연산 이후의 그림자 제거 영상임)
The method of claim 11,
In step (d),
In the shadow removing unit, the shadow elimination method is performed based on Equation 6 below.
[Equation 6]
Figure pat00075

(here
Figure pat00076
Is the shadow image before the drop shadow operation,
Figure pat00077
Is the median filtering result of the shadow image,
Figure pat00078
Is the image of shadow removal after shadow removal operation)
제11항에 있어서,
상기 (e) 단계에서,
상기 균열 인식부에서, 상기 그림자 제거 영상 또는 상기 비그림자 영상의 균열을 인식하되, 상기 균열 인식은 명암을 기준으로 한 이진화를 통해 균열 후보를 추출한 다음, 상기 추출된 객체의 크기와 원형도를 이용하여 설정 조건을 만족하는 경우에 균열로 인식하는 것을 특징으로 하는 구조물의 균열 인식 방법.The method of claim 11,
In the step (e),
The crack recognition unit recognizes a crack of the shadow elimination image or the non-shadow image, wherein the crack recognition extracts a crack candidate through binarization based on contrast, and then uses the size and circularity of the extracted object. Crack recognition method for a structure, characterized in that it is recognized as a crack when the set conditions are satisfied.
KR1020180097433A 2018-08-21 2018-08-21 Apparatus and method for recognizing crack in sturcutre KR102133330B1 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020180097433A KR102133330B1 (en) 2018-08-21 2018-08-21 Apparatus and method for recognizing crack in sturcutre

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020180097433A KR102133330B1 (en) 2018-08-21 2018-08-21 Apparatus and method for recognizing crack in sturcutre

Publications (2)

Publication Number Publication Date
KR20200021720A true KR20200021720A (en) 2020-03-02
KR102133330B1 KR102133330B1 (en) 2020-07-13

Family

ID=69805616

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020180097433A KR102133330B1 (en) 2018-08-21 2018-08-21 Apparatus and method for recognizing crack in sturcutre

Country Status (1)

Country Link
KR (1) KR102133330B1 (en)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102432314B1 (en) * 2020-08-05 2022-08-12 이근호 System and method for measuring crack of structure and a recording medium having computer readable program for executing the method
KR102195890B1 (en) 2020-09-03 2020-12-28 한세이엔씨(주) Safety Diagnosis System and Method Using Smart Glasses

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0961138A (en) * 1995-08-24 1997-03-07 Mitsubishi Heavy Ind Ltd Crack extraction apparatus
JPH1042274A (en) * 1996-07-25 1998-02-13 Babcock Hitachi Kk Abnormality monitoring method and device
KR20030063672A (en) * 2002-01-23 2003-07-31 주식회사 비젼넷 Method for detecting a crack of pavement

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0961138A (en) * 1995-08-24 1997-03-07 Mitsubishi Heavy Ind Ltd Crack extraction apparatus
JPH1042274A (en) * 1996-07-25 1998-02-13 Babcock Hitachi Kk Abnormality monitoring method and device
KR20030063672A (en) * 2002-01-23 2003-07-31 주식회사 비젼넷 Method for detecting a crack of pavement

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
영상처리 기법을 이용한 콘크리트 교량의 균열 검출, 대한전자공학회 학술대회, 2007.07* *

Also Published As

Publication number Publication date
KR102133330B1 (en) 2020-07-13

Similar Documents

Publication Publication Date Title
US9811899B2 (en) Method, image processing system and computer-readable recording medium for item defect inspection
CN113095438B (en) Wafer defect classification method, device and system thereof, electronic equipment and storage medium
JP6654849B2 (en) Method for detecting surface cracks in concrete
EP2616768A1 (en) A calibration apparatus, a distance measurement system, a calibration method and a calibration program
CN112514373B (en) Image processing apparatus and method for feature extraction
KR20200025480A (en) Boundary based structure crack detection apparatus and method
CN113109368A (en) Glass crack detection method, device, equipment and medium
CN113077437B (en) Workpiece quality detection method and system
WO2014002692A1 (en) Stereo camera
CN112365461A (en) Fastener loosening identification method, system, terminal and storage medium
CN112215810A (en) Fatigue test crack monitoring method and device
KR20200021720A (en) Apparatus and method for recognizing crack in sturcutre
CN110610123A (en) Multi-target vehicle detection method and device, electronic equipment and storage medium
CN115684176A (en) Online visual inspection system for film surface defects
KR20180115646A (en) Bead recognition apparatus using vision camera and method thereof
KR102195940B1 (en) System and Method for Detecting Deep Learning based Human Object using Adaptive Thresholding Method of Non Maximum Suppression
KR20220102506A (en) Apparatus and method for detecting of faults in surfaces of metal tube
KR100874890B1 (en) Traffic analysis system and method thereof
CN116071335A (en) Wall surface acceptance method, device, equipment and storage medium
CN110634124A (en) Method and equipment for area detection
KR102355997B1 (en) method for monitoring the soundness of concrete structure based on smart glass
CN115082449A (en) Electronic component defect detection method
KR101592333B1 (en) Apparatus and method for detecting ellipse in images of optical satellite
JP6716769B1 (en) Image inspection method, image inspection apparatus, and image inspection program
JP7209278B2 (en) Steel component identification device, steel component identification method, and steel component identification program

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]