Abstract

In this paper, we proposed the image processing techniques for extracting the cracks in a concrete surface crack image and the enhanced Max-Min neural network for recognizing the directions of the extracted cracks. The image processing techniques used are the closing operation or morphological techniques, the Sobel masking for extracting for edges of the cracks, and the iterated binarization for acquiring the binarized image from the crack image. The cracks are extracted from the concrete surface image after applying two times of noise reduction to the binarized image. We proposed the method for automatically recognizing the directions of the cracks with the enhanced Max-Min neural network. Also, we propose an enhanced Max-Min neural network by auto-tuning of learning rate using delta-bar-delta algorithm. The experiments using real concrete crack images showed that the cracks in the concrete crack images were effectively extracted and the enhanced Max-Min neural network was effective in the recognition of direction of the extracted cracks.

본 논문에서는 콘크리트 표면 균열의 방향성을 효율적으로 인식하기 위하여 영상처리 기법을 적용하여 균열을 자동으로 검출하고 개선된 Max-Min 신경망을 제안하여 균열의 방향성을 자동으로 인식하는 기법을 제안한다. 균열 영상에서 빛의 영향을 효율적으로 보정하기 위해 모폴로지 기법인 채움 연산을 적용하고 Sobel 마스크를 적용하여 균열의 에지를 추출한 후, 반복 이진화를 적용하여 균열 영상을 이진화한다. 이진화된 균열 영상에서 2차례에 걸쳐 잡음 제거 연산을 수행한 후, 균열을 추출한다. 본 논문에서는 Max-Min 신경망을 개선하여 추출된 균열의 방향성을 자동으로 인식한다. 개선된 Max-Min 신경망은 delta-bar-delta 알고리즘을 적용하여 학습률을 자동으로 조정한다. 실제 콘크리트 표면 균열 영상을 대상으로 실험한 결과, 개선된 Max-Min 신경망이 균열의 방향성 인식에 효율적임을 확인하였다.

Keywords

• Enhanced Max-Min neural network;
• Concrete surface crack;
• Morphological techniques;
• Delta-bar-delta