建筑设施的安全性一直是人们关心的话题，对建筑物进行周期性的安全检查是避免事故的有效途径，尤其是对于核安全壳这种高风险建筑。尽管安全壳具有良好的密封性和稳定性，随着时间的推移在大自然与内部压力的共同作用下仍会出现破损，为安全生产埋下隐患^[1]。因此，每隔十年会对其进行一次打压实验，以检查安全壳壁的安全性能，保障生产安全。

核安全壳外观检测的传统方法是先借助望远镜远距离观察，再通过悬挂吊篮或搭建脚手架对缺陷区域进行人工测量和标记。这种方法工作难度大，且易受观察者主观影响。随着数字近景摄影测量技术的发展，基于数字影像技术的墙体缺陷检测逐渐代替了传统的人工测量^{[2, 3]}。法国SITES公司开发了一套安全壳混凝土结构缺陷检查设备，通过远距离设站，对核安全壳表面分块摄取影像，然后让有经验的检查人员在影像中查找缺陷，并对其进行量测和定位。这种方式降低了工作难度，节省了时间，但仍需要人工识别缺陷，自动化程度不高。而在国内，基于数字影像的核安全壳表面缺陷检测研究才刚刚起步，如何利用数字图像处理方法自动检测缺陷是关键问题所在。

核安全壳表面缺陷主要包括裂缝、锈蚀和渗流等。其中，裂缝是最典型也是最重要的缺陷；锈蚀是墙体表面裸露出的钢筋被雨水侵蚀而产生的生锈现象，多呈黄橙色，且形态不一，以圆形和长条形占多数；而渗流是墙体受内外力作用和建筑材料老化造成的液体渗漏现象，多呈亮白色，且在裂缝出现的地方表现较为明显。这些缺陷都会直接影响建筑物的结构稳定性，是核安全壳外观检测的重要对象。目前国内外针对裂缝检测的算法较多^{[4, 5]}，而对于锈蚀和渗流缺陷涉及甚少。本文将在已进行裂缝缺陷提取的基础上^[6]进一步研究核安全壳表面锈蚀和渗流缺陷的检测算法。由于它们并不像裂缝一样具备特定的形态特征，而是在颜色上有所区别。根据颜色的直观特性创建的一种颜色空间(hue saturation value, HSV), 也称六角锥体模型。这个模型中颜色的参数分别是色调(hue)、饱和度(saturation)、亮度(value)。所以本文将通过HSV颜色分割理论对这两种缺陷的检测算法进行研究，最后通过实验对算法性能进行评估。

1 HSV颜色系统

在图像处理中，由于灰度图像比较简单，常把彩色图像转换成灰度图像进行处理。但彩色图像提供了比灰度图像更加丰富的信息，对于颜色特征比较明显的目标，可以通过颜色分割的方法分离目标和背景^[7-11]。

加色法混色模型(red green blue, RGB)是以红、绿、蓝3色光互相叠加来实现混色的方法，RGB模型是最通用的面向硬件的颜色模型，常用于彩色监视器和一大类彩色视频摄像机^[12]。而HSV模型区别于RGB模型，是以色彩的色调、饱和度和亮度为3要素来表示的，其色彩表示方法同人对色彩的感知相一致^[13]。它有两个特点：①亮度分量与图像的彩色信息无关；②色调与饱和度分量与人感受颜色的方式紧密相连。所以在进行颜色分割时，较常采用符合与人眼感知特性的HSV颜色空间。

图 1、图 2分别是RGB与HSV对应的颜色模型，从颜色模型直观上看，将RGB三维坐标的中轴线立起来，并扁化，就能形成HSV的锥形模型了。RGB至HSV的转换计算如式(1)~式(4)所示，其中，V∈[0,1]，S∈[0, 1]，H∈[0,360]，R、G、B∈[0,1]。

$ V = \max \left( {R, G, B} \right) $

(1)

$ S = \left\{ {\begin{array}{*{20}{l}} {\frac{{V-\min \left( {R, G, B} \right)}}{V}}\\ {0, 其他} \end{array}, V \ne 0} \right. $

(2)

$ H = \left\{ {\begin{array}{*{20}{l}} {60\left( {G-B} \right)/\left( {V-\min \left( {R, G, B} \right)} \right), }&{V = R}\\ {120 + 60\left( {B-R} \right)/\left( {V - \min \left( {R, G, B} \right)} \right), }&{V = G}\\ {240 + 60\left( {R - G} \right)/\left( {V - \min \left( {R, G, B} \right)} \right), }&{V = B} \end{array}} \right. $

(3)

$ 如果H < 0, 那么H = H + 360 $

(4)

对于基本色中对应的HSV分量需要给定一个范围，通过实验计算的模糊范围如表 1所示。

2 锈蚀和渗流缺陷特征

锈蚀和渗流是墙体表面比较常见的两种缺陷。前者是由于裸露的金属被雨水侵蚀后生锈造成的，后者是墙体受内外力作用和建筑材料老化造成的液体渗漏现象。裂缝、锈蚀和渗流是核安全壳表面缺陷检测的重要对象，也是对核安全壳进行风险评估的重要指标。然而，锈蚀和渗流不同于裂缝，不具备特定的形态特征，因此不能通过影像灰度进行提取。从原始RGB影像上看，颜色是这两种缺陷最明显的特征，于是本文考虑利用HSV颜色模型对这两种缺陷进行颜色分割。

2.1 锈蚀缺陷特征分析

从采集到的影像上看，锈蚀缺陷多呈黄橙色，而周围裸露的钢筋呈黑色。锈蚀的形状与裸露的钢筋有关，形态不一，多呈圆形和长条形，如图 3(a)、3(b)所示。但由于核安全壳墙面背景较为复杂，存在其他因素对锈蚀目标的干扰，例如，墙体褪色的红色标记线边缘和墙体斑驳背景等，它们同样呈现出橙黄色特征，如图 3(c)、3(d)所示。通过对采集影像进行整理和分析，总结出锈蚀缺陷及其颜色干扰部分具有以下特征：①锈蚀主要呈现橙色和黄色，裸露的金属呈黑色，并与锈蚀区域相连；②锈蚀缺陷具有一定的面积；③标记线多呈红色，只在边缘小部分区域呈黄橙色；④斑驳背景干扰区域面积较大。

2.2 渗流缺陷特征分析

对于核壳表面的渗流缺陷，其渗流区域的白浆多呈亮白色，如图 4(a)所示。而墙面背景中也存在着一定颜色干扰，例如，白色管道、白色标记线以及背景中的亮白点等，如图 4(b)、4(c)、4(d)所示。对采集影像进行整理和分析，总结出渗流缺陷及其颜色干扰部分具有以下特征：①渗流缺陷多呈亮白色；②渗流多出现在裂缝周围；③颜色干扰部分虽也呈亮白色，但并不伴随裂缝一同出现。

3 缺陷检测算法设计 3.1 锈蚀缺陷检测算法设计

前面提到，锈蚀缺陷的颜色干扰项有两个：①墙体红色标记的边缘在日晒雨淋的作用下褪色成黄橙色; ②大面积的黄色斑驳背景。由表 1得知，红、橙、黄3种颜色的饱和度S和亮度V的大小范围均一致，仅在色调H上有些微差别。因此，尽可能地消除色调H上的错检，是通过颜色特征提取锈蚀缺陷的关键。对于干扰项①，可以通过聚类比较红色与黄橙色权值关系进行排除；而对于干扰项②，则可以根据面积阈值进行过滤，设置较小面积阈值S₁过滤噪声，同时设置较大面积阈值S₂过滤大面积黄色斑驳背景。

根据以上分析，设某一目标区域的黄橙色点像素数为T₁，红色点像素数为T₂，黑色点像素数为T₃，则目标区域是否为锈蚀区域的判定条件为：①目标区域的黄橙色权值大于红色，表现为T₁ > T₂；②目标区域的面积在一定范围区间内，表现为S₁ < (T₁+T₂) < S₂；③目标区域一定范围内有黑色像素点，表现为T₃≠0。

聚类判断过程可分为以下6个步骤，如图 5所示，图中每一块方格对应一个像素。

1)将原始彩色RGB影像根据转换公式逐点计算出各像素对应的HSV分量，根据表 1中红、橙、黄3种颜色的HSV范围，将同时满足H∈0, 34∪156, 180，S∈43, 255和V∈46, 255的像素点作为目标区域的搜索起点，如图 5中标记为三角形的像素点。

2)从起点开始，以5×5像素区域为聚类范围进行搜索，将满足红、橙、黄颜色条件的像素点加入目标区域，同时对黄橙色点T₁和红色点T₂分别计数。

3)以目标区域内未作为搜索起点的像素点(如图 5中标记为圆圈的像素点)为起点再进行颜色搜索和计数，直至目标区域内所有点的5×5范围内均搜索完成。

4)在进行2)、3)的搜索过程中，同时在搜索点为中心的7×7范围内搜索满足V < 46的黑色像素点，若存在黑色像素点，则在该目标区域内不再判断，否则在下一个搜索点继续判断。

5)若目标区域内存在黑色像素点，即T₃≠0，则将同时满足T₁ > T₂和S₁ < (T₁+T₂) < S₂的区域认定为锈蚀部分，其中面积阈值S₁和S₂根据锈蚀与干扰背景大小自适应调整。

6)继续在原图上逐像素计算H、S、V值，寻找下一个目标区域的搜索起点，重复2)~5)的操作，将锈蚀部分标记为白色，其余部分标记为黑色，最终生成锈蚀二值影像图。

3.2 渗流缺陷检测算法设计

渗流缺陷的颜色呈亮白色，从表 1可见，白色的饱和度S较低，亮度V较高，若仅通过颜色特征对原图进行渗流缺陷的提取，会受到背景中亮白色金属、墙体白色标记等干扰。对采集图像进行渗流特征分析发现，渗流往往伴随着裂缝一同出现。因此，可以在提取裂缝后对其周围一定区域内的亮白色像素点进行搜索，寻找渗流区域。关于核安全壳表面裂缝缺陷的检测已在另外一篇文章^[6]中深入探讨，这里将裂缝特征作为已知条件。

根据以上分析，设某一目标区域的白色像素点的个数为T，设置较小面积阈值S，则目标区域为渗流缺陷的判定条件为：①目标区域周围存在裂缝缺陷；②目标区域有一定的面积，表现为T > S。

1)对采集图像进行裂缝提取，在已提取出裂缝的影像中进行渗流区域搜索。设裂缝图中存在N条裂缝，将裂缝区域的行、列坐标分别向外延伸200个像素形成一个矩形搜索区域，每幅裂缝图可形成N个这样的搜索区域。

2)分别在N个搜索区域内，对S∈0, 30和V∈221, 255的白色像素点进行提取。

3)以2)中提取到的白色像素点为起点，对其附近5×5像素区域内的白色像素点进行搜索计数，若白色像素点数目T大于阈值S，则视该区域为渗流，置白显示在结果图上，其中面积阈值S根据渗流区域大小自适应确定。

4)搜索下一个白色像素点聚类区域，重复步骤2)和3)，直至完成对N个区域的提取，得到最终的渗流二值图像。

4 缺陷检测算法实验与结果分析

实验影像由尼康D800相机拍摄，有效像素为7 360×4 912，拍摄物距为91 cm，拍摄范围为1.2 m×0.8 m，像素分辨率为0.13 mm。由于原始影像尺寸较大，而锈蚀和渗流相比之下并不明显，为了更好地展示实验效果，下面的实验结果仅截取了原图中存在缺陷的位置。

4.1 锈蚀检测算法实验与分析

为了检验算法的有效性，从采集到的核安全壳表面影像中随机选取了50幅影像进行缺陷检测实验。下面将对图 3中的四幅原始影像的实验效果进行分析，结果如图 6所示。其中图 6(a₁)、6(b₁)、6(c₁)、6(d₁)为仅进行颜色过滤后的结果图，图 6(a₂)、6(b₂)、6(c₂)、6(d₂)为经本文算法得到的最终结果。

分析图 6(a₁)、6(b₁)、6(c₁)、6(d₁)4幅影像，通过HSV颜色分割，对原图提取黄橙色信息，图 6(a₁)、6(b₁)中的锈蚀特征较好地保存了下来，但由于图像背景中仍夹杂黄色干扰点，所以二值图像中仍存在噪声，而图 6(c₁)、6(d₁)两幅图将原图存在的黄橙色干扰信息全部错检了出来。

分析图 6(a₂)、6(b₂)、6(c₂)、6(d₂)4幅影像，经过面积过滤和黑色像素点判定，消除了大量噪声和错检。其中图 6(c₁)和图 6(c₂)两幅影像通过比较红色与黄橙色权重大小，图 6(c₂)消除了红色标记线边缘黄橙色错检信息；而对比图 6(d₁)和6(d₂)两幅影像发现，斑驳的麻面夹杂了许多黑色像素点，且黄橙色麻面面积较大，在消除噪声的过程中仍不可避免出现错检。

对随机选取的50幅影像应用本文算法进行锈蚀缺陷检测并统计。实验中存在锈蚀的图像有17幅，无锈蚀缺陷的图像有33幅，锈蚀共有17处，处理与统计结果如表 2所示。

由表 2可得，锈蚀缺陷检测算法的正检率为17/23=74%，错检率为(23-17)/50=12%，漏检率为0。说明本文所用的检测算法稳定性较高，但由于墙体表面的干扰信息较为严重，仍有12%的错检率，算法还有进一步改进的空间。

4.2 渗流检测算法实验与分析

为验证渗流检测算法的效果，对图 4中的四幅原始影像进行处理，结果如图 7所示。其中图 7(a₁)、7(b₁)、7(c₁)、7(d₁)为仅进行颜色过滤后的结果图，图 7(a₂)、7(b₂)、7(c₂)、7(d₂)为经本文算法得到的最终结果。

分析图 7(a₁)、7(b₁)、7(c₁)、7(d₁)4幅影像，通过HSV颜色过滤，对原图提取白色信息，图 7(a₁)中保留的白色信息能较好地反映出渗流特征，但会伴有少量噪声；而图 7(b₁)、7(c₁)、7(d₁)3幅图中的干扰信息被完全错检出来，但图 7(b₁)、7(d₁)中的大块错检信息也无法去除。

分析图 7(a₂)、7(b₂)、7(c₂)、7(d₂)这4幅影像，图 7(a₂)通过面积阈值过滤了大量噪声，结果二值图中渗流信息保留得比较完整；而图 7(b₂)、7(c₂)、7(d₂)3组图像通过裂缝特征对渗流区域进行定位，完全消除了白色金属架、白色标记线和背景中的白色亮点等错检信息。

由于渗流缺陷检测算法是以裂缝检测结果为基础的，所以渗流缺陷检测的正检率很高，但如果渗流的白浆完全掩盖了裂缝信息，会影响到裂缝信息的提取。而当裂缝信息不能被检测出来时，会导致该处的渗流缺陷也被漏检。

5 结束语

核安全壳表面缺陷检测是核安全壳周期性检查中的重要内容，基于图像处理的缺陷检测方式逐渐成为主流。本文针对核安全壳表面的锈蚀和渗流缺陷，根据其颜色特征，利用HSV颜色分割理论较好地排除了背景干扰，实现了锈蚀和渗流目标与背景的分离。在锈蚀部分，通过比较红色和黄橙色权重大小，排除了红色标记线边缘的颜色干扰；通过裸露金属所呈现的黑色条件消除了墙面上大片的黄橙色背景噪声。在渗流部分，根据渗流的成因，将裂缝位置信息作为已知条件，消除了墙面上大量的白色噪声。经实验论证，本文所采用的方法能够较好地排除干扰，检测出锈蚀和渗流缺陷。

尽管如此，本文算法也具有一定的局限性。由于锈蚀和渗流不具备特定的形态特征，且墙面背景噪声太大，在较少的约束条件下仍会出现错检和漏检。另外，将裂缝信息作为判定条件来检测渗流缺陷，虽大大减少了背景噪声影响，但对渗流缺陷形成了制约，会造成漏检，算法有待进一步的研究和改进。总的来说，本文利用HSV颜色分割理论较为有效地检测出核安全壳表面锈蚀和渗流缺陷，能够满足工程项目的需要和精度要求。