基于方向膨胀的核安全壳锈蚀识别算法

徐亚明，孙雪妍，王 震，喻 爽

(1. 武汉大学测绘学院，湖北 武汉 430079； 2. 精密工程与工业测量国家测绘地理信息局重点实验室，湖北 武汉 430079； 3. 武汉市测绘研究院，湖北 武汉 430079)

基于方向膨胀的核安全壳锈蚀识别算法

徐亚明1,2，孙雪妍1，王 震1，喻 爽3

(1. 武汉大学测绘学院，湖北 武汉 430079； 2. 精密工程与工业测量国家测绘地理信息局重点实验室，湖北 武汉 430079； 3. 武汉市测绘研究院，湖北 武汉 430079)

核安全壳锈蚀影像噪声密集，锈蚀缺损严重，颜色相似的干扰强。本文提出了一种基于方向膨胀的锈蚀识别算法。利用锈蚀的黄橙色特征对影像进行RGB三通道阈值分割提取锈蚀基础信息，根据锈蚀的圆环形态特征，按照轮廓延伸方向进行多角度分块。设计了八方向膨胀核，对相应轮廓块进行不同方向膨胀以补全圆环轮廓，计算轮廓矩进行圆度识别。试验证明，该算法能滤除大量噪声和颜色相似的干扰信息，正确识别并定位锈蚀。

锈蚀识别；阈值分割；方向膨胀；圆度识别；锈蚀定位

核电产业的发展[1- 2]一直受到国家的高度重视，核工业生产的安全性是保证核能充分利用的重要前提。核安全壳是核电站反应堆三道屏障的最外层屏障，在建造完工、首次商业运行和以后每隔10年时要进行整体打压试验，以检验结构强度和抗压情况[3]。在打压试验中需要对安全壳混凝土外观缺陷进行检查，其中锈蚀的检查尤为重要。锈蚀检查的传统方式为利用吊篮或脚手架人工检查和标记，工作量大危险性高。基于摄影测量技术[4]的锈蚀检查逐渐代替了人工检查。法国SITES公司开发了一套远程安全壳外观检查设备，通过远距离设站获取安全壳局部低分辨率影像，人工凭借经验识别并标记锈蚀等缺陷，效率低，检查结果受人主观影响较大。武汉大学徐亚明教授团队开发了一套完备的安全壳外观影像采集设备[5]，近距离采集安全壳表面高分辨率影像，为锈蚀自动识别奠定了基础。

安全壳锈蚀是由混凝土墙体钢筋裸露产生的，呈黄橙色，形态以不完整圆环形为主。高分辨率影像背景复杂，黄色污迹和红色标记等颜色相似的干扰较多，锈蚀部分埋入墙体部分裸露，呈现缺损的圆环形态，圆形特征显著度降低，自动识别难度大。目前国内基于图像处理[6]的锈蚀识别算法较少，本文提出了一种基于方向膨胀的核安全壳锈蚀识别算法，利用锈蚀的黄橙颜色特征对影像进行RGB三通道阈值分割[7- 8]来提取锈蚀基础信息，根据轮廓延伸方向进行多角度轮廓分块，设计了八方向膨胀核对相应轮廓块进行方向膨胀补全圆环锈蚀，计算轮廓矩检测圆度，正确识别锈蚀。

1 方向膨胀锈蚀识别

根据锈蚀的颜色特征对影像进行RGB三通道阈值分割[9]，提取锈蚀基础信息。由于核壳高分辨率影像的背景复杂，大量噪声和颜色相似的干扰遗留，本文利用锈蚀的圆环形态特征，计算轮廓矩，生成圆环判断置信度，对锈蚀进行圆度识别。由于锈蚀部分埋入墙体、部分裸露，提取的圆环锈蚀轮廓产生缺损而不完整，进行圆度识别需要对轮廓进行补缺，为此本文设计了八方向膨胀核，对不同延伸方向的轮廓块进行方向膨胀以补全轮廓。

1.1 方向膨胀轮廓补缺

安全壳表面锈蚀的严重程度不同，大量锈蚀未完全裸露，局部埋入混凝土中无法被完整提取，锈蚀轮廓呈现缺损的圆环形态。缺损的圆环锈蚀因轮廓矩圆度较低而被错误排除，因此需要对圆环锈蚀轮廓进行形态学膨胀补缺。传统的全向膨胀算法在连通断裂轮廓时无法保持锈蚀轮廓的圆环形态特征，影响圆度参数发挥识别作用。为此，本文提出一种圆环轮廓补缺算法——方向膨胀。

将轮廓按照延伸方向的径向0°、45°、90°、135°、180°、225°、270°、315°均分为8个轮廓块，如图1所示。

本文设计了如图2所示的八方向膨胀卷积核。膨胀卷积核为一个7×7平面数组f(x,y)，对像素灰度值矩阵g(x,y)进行卷积扫描，统计数组中非零位置处的灰度最大值max，将参考点位置(x*,y*)的灰度值置为max。

(1)

0°膨胀核的参考点位置在(3,0)，使径向0°轮廓块向正上方向延伸；45°膨胀核的参考点位置在(0,0)，使径向45°轮廓块向左上方向延伸；90°膨胀核的参考点位置在(0,3)，使径向90°轮廓块向左方向延伸；135°膨胀核的参考点位置在(0,6)，使径向135°轮廓块向左下方向延伸；180°膨胀核的参考点位置在(3,6)，使径向180°轮廓块向正下方向延伸；225°膨胀核的参考点位置在(6,6)，使径向225°轮廓块向右下方向延伸；270°膨胀核的参考点位置在(6,3)，使径向270°轮廓块向正右方向延伸；315°膨胀核的参考点位置在(6,0)，使径向315°轮廓块向左上方向延伸。图2(i)为方向膨胀示意图。

图2 八方向膨胀卷积核

360°遍历整个轮廓搜寻断裂的轮廓块，对应其延伸方向进行方向膨胀，循环有限次后补全圆环锈蚀轮廓。效果如图3所示。

图3 方向膨胀效果

1.2 轮廓矩圆度识别

相比于影像上的噪声和颜色相似的干扰，经过轮廓补缺的锈蚀具有显著的圆环形态特征。利用轮廓矩计算所有轮廓的圆度，滤除相似性干扰和噪声，正确识别锈蚀。

轮廓面积与周长通过轮廓矩进行计算，轮廓矩计算公式为

(2)

圆度计算公式为

(3)

式中，L为轮廓链的周长。

判断为圆的置信度计算公式为

(4)

根据式(3)计算正圆的圆度为1，轮廓圆度越接近于1，判断为圆的置信度越高，成为圆环锈蚀的可能性越大。以判断为圆的置信度为标准滤除非目标噪声和颜色相似的干扰，正确识别锈蚀轮廓。生成识别锈蚀轮廓的最小外接矩形，绘制在原始图像上定位出锈蚀。

2 试验结果与分析

2.1 核壳锈蚀识别算法设计

本文提出了一种基于方向膨胀的核安全壳锈蚀识别算法。首先通过RGB三通道阈值分割提取锈蚀基础信息，根据锈蚀的圆环形态特征，利用方向膨胀法补全圆环轮廓，通过轮廓矩圆度计算圆环置信度，滤除噪声和颜色相似干扰，正确识别圆环锈蚀轮廓，生成最小外接矩形，在原图上进行定位。算法流程如图4所示。

图4 核安全壳锈蚀识别算法流程

2.2 方向膨胀锈蚀识别试验与分析

本文试验的原始数据为核电站安全壳锈蚀图像，核电站安全壳锈蚀图像为大数据量影像，图幅为7360×4912，图像上噪声密集，污迹、剥落等干扰信息较多，锈蚀识别难度较大。为验证方向膨胀锈蚀识别算法，本文选取150张核壳影像进行试验，算法试验效果如图5所示，锈蚀识别统计见表1。

表1 锈蚀识别统计

由试验效果和统计可知,针对核安全壳锈蚀图像,基于方向膨胀的锈蚀识别算法能很好地滤除大量噪声和颜色相似的干扰信息，正确识别圆环锈蚀，并在原始图像上进行准确定位。试验证明了方向膨胀锈蚀识别算法的可行性。

图5 方向膨胀锈蚀识别效果

3 结 语

本文利用数字图像处理技术，通过基于方向膨胀的核安全壳锈蚀识别算法，分割背景，滤除噪声，排除干扰信息，正确识别了圆环锈蚀；利用RGB三通道阈值分割提取锈蚀基础信息；提出了方向膨胀锈蚀识别算法，对轮廓进行多角度分块，根据不同的延伸方向进行了膨胀补全圆环轮廓，利用轮廓的圆环形态特征进行了轮廓矩圆度检测，滤除大量噪声，排除颜色相似的干扰信息，正确识别锈蚀。但仍有少部分锈蚀因其埋入墙体部分超过50%，在进行锈蚀识别时存在不可避免的遗漏，对此仍需作进一步研究。

[1] 邹长城. 中国核电产业自主化发展研究[D].长沙：中南大学,2011.

[2] 杨光. 低碳发展模式下中国核电产业及核电经济性研究[D].北京：华北电力大学(北京),2010.

[3] 张会东,林松涛,王永焕. 核电厂安全壳结构的内压承载能力计算分析[J]. 工业建筑, 2007，37(8)：43- 46.

[4] 王佩军,徐亚明. 摄影测量学[M].武汉：武汉大学出版社, 2010.

[5] 林跃. 基于图像处理的安全壳缺陷检测系统设计[D]. 武汉：武汉大学, 2015.

[6] 冈萨雷斯. 数字图像处理[M]. 北京：电子工业出版社, 2004.

[7] 龙建武. 图像阈值分割关键技术研究[D].长春：吉林大学,2014.

[8] 邓本再,秦佳贤. 一种鲁棒的彩色图像多阈值分割方法及应用[J]. 工业控制计算机, 2012,25(9)：95- 96.

[9] 许晓丽. 基于聚类分析的图像分割算法研究[D]. 哈尔滨：哈尔滨工程大学, 2012.

Rusting Recognition Algorithm for the Containment of the Nuclear Power PlantBased on Contour Directed Dilation

XU Yaming1,2，SUN Xueyan1，WANG Zhen1，YU Shuang3

(1. School of Geodesy and Geomatics, Wuhan University, Wuhan 430079，China； 2. Key Laboratory of Precise Engineering and Industry Surveying,National Administration of Surveying, Mapping and Geoinformation, Wuhan 430079，China； 3. Wuhan Geomatic Institute,Wuhan 430079,China)

For defective rusting on nuclear containment image, with lots of noise and interference similar in color, in this paper a rusting recognition algorithm of contour directed dilation is proposed. Using the characteristic yellowish orange color, extract basic rusting information through RGB multi- channel threshold segmentation. On the basis of rusting’s annulus shape feature, the rusting by multi- direction according to contour’s extension direction is divided. Contour fragment is dilated by the self- design eight- direction kernels in order to complement annulus rusting. The real rusting is recognized by roundness calculated according to contour moments. Experiments show that the algorithm can undo amounts of noise and interference similar in color so as to recognize and position the real rusting on the image.

rusting recognition; threshold segmentation; directed dilation; roundness recognition; rusting position

2016- 07- 12；

2017- 01- 03

国家自然科学基金(41474005)；现代城市测绘国家测绘地理信息局重点实验室开放课题(20131205WY) 作者简介： 徐亚明(1964—)，男，教授，博士生导师，主要从事精密工程测量和近景摄影测量研究工作。E- mail：1539715830@qq.com

徐亚明，孙雪妍,王震，等.基于方向膨胀的核安全壳锈蚀识别算法[J].测绘通报，2017(3)：13- 16.

10.13474/j.cnki.11- 2246.2017.0074.

P237

A

0494- 0911(2017)03- 0013- 04