ART2 기반 RBF 네트워크를 이용한 콘크리트 슬래브 표면의 균열 추출 및 인식

Extraction and Recognition of Concrete Slab Surface Cracks using ART2-based RBF Network

본 논문에서는 콘크리트 표면 품질이 좋은 영상뿐만 아니라, 기존의 영상처리 기법에서 다루지 않았던 표면 품질이 좋지 않은 영상에 대해서도 효율적으로 균열을 추출하고, 추출된 균열의 특징인 길이, 방향, 폭을 자동으로 계산한 후, ART2 기반 RBF 네트워크를 적용하여 균열의 방향성($-45^{\circ}$방향, $45^{\circ}$방향, 횡방향, 종방향)을 인식하는 기법을 제안한다. 본 논문에서 제안한 콘크리트 균열 추출 및 분석 알고리즘은 Roberts 연산자를 이용하여 균열을 강조하고, 강조된 균열을 Multiple 연산을 이용하여 균열과 배경간의 밝기 차이를 크게 한 후, 개선된 적응 이진화 기법을 이용하여 균열의 후보 영역을 추출한다. 추출된 균열 후보 영역을 형상 분석과 위치 및 방향 분석을 이용하여 3차례에 걸쳐 잡음을 제거하고, 잡음 제거 과정에서 잡음으로 분류된 균열을 복원하여 균열의 특징을 분석한다. 그리고 ART2 기반 RBF 네트워크를 균열의 방향성($-45^{\circ}$방향, $45^{\circ}$방향, 횡방향, 종방향)에 적용하여 인식한다. 제안된 ART2 기반 RBF 네트워크는 입력층과 중간층으로의 학습은 ART2을 적용하고 중간층과 출력층간의 학습은 Delta 학습 방법을 적용한다. 실제 콘크리트 표면 균열 영상을 대상으로 실험한 결과, 제안한 방법이 기존의 방법보다 균열의 검출 성능이 개선되었고 잡음으로 분류된 균열도 효율적으로 복원되었다. 또한 제안된 ART2 기반 RBF 네트워크가 균열의 방향성 인식에 효율적임을 확인할 수 있었다.

This paper proposes a method that extracts characteristics of cracks such as length, thickness and direction from a concrete slab surface image with image processing techniques. These techniques extract the cracks from the concrete surface image in variable conditions including bad image conditions) using the ART2-based RBF network to recognize the dominant directions -45 degree, 45 degree, horizontal and vertical) of the extracted cracks from the automatically calculated specifications like the lengths, directions and widths of the cracks. Our proposed extraction algorithms and analysis of the concrete cracks used a Robert operation to emphasize the cracks, and a Multiple operation to increase the difference in brightness between the cracks and background. After these treatments, the cracks can be extracted from the image by using an iterated binarization technique. Noise reduction techniques are used three separate times on this binarized image, and the specifications of the cracks are extracted form this noiseless image. The dominant directions can be recognized by using the ART2-based RBF network. In this method, the ART2 is used between the input layer and the middle layer to learn, and the Delta learning method is used between the middle layer and the output layer. The experiments using real concrete images showed that the cracks were effectively extracted, and the Proposed ART2-based RBF network effectively recognized the directions of the extracted cracks.