선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 따라서, 본 연구에서는 디지털 이미지 분석기술을 이용하여 콘크리트 구조물의 대표적인 열화인자인 콘크리트의 균열을 검지할 수 있는 기술을 개발하는 것을 목표로 설정하였다. 이를 위하여 본 연구에서는 형태수리학에 근거한 모폴로지 기법이 도입된 이미지 분석기법을 이용한 균열검출기술을 적용하였으며, 이미지 분석결과의 효율적인 관리를 고려하여 시설물의 국부적인 위치가 촬영된 다수의 이미지를 합하여 하나의 전체적인 이미지로 조합하는 이미지 조합기술을 추가적으로 적용하였다.
- 이러한 허용균열폭에 대한 규정은 각 국가별로 각각의 환경조건 및 구조물의 종류에 따라 다소 상이하게 규정되고 있다. 본 연구에서는 원자력발전소의 콘크리트 격납구조물과 같이 구조적으로 매우 중요한 구조물의 균열검사 등에 활용하기 위한 목적을 고려하여 0.2mm의 수준의 균열폭을 갖는 균열을 검출할 수 있는 성능을 확보하는 것을 개발기술의 목표수준으로 설정하였으며, 정량적으로 정확한 균열폭을 이미지 분석을 통해 산정하는 것은 다양한 촬영변수들과 더불어 많은 현장실험 등을 요구하기 때문에 본 연구에서는 0.2mm 폭을 갖는 균열을 검출하는 것을 일차적인 목표로 설정하였다.
- 따라서, 본 연구에서는 디지털 이미지 분석을 통해 대규모 콘크리트 구조물의 균열을 검출할 수 있는 기술을 개발하고 이러한 기술이 실용화하기 위해서 다음과 같이 크게 3가지의 중요 핵심기술을 고려하였다.
- 본 연구에서는 이미지 촬영장비인 디지털 카메라를 기반으로 촬영이미지 내의 균열을 자동으로 분석할 수 있는 소프트웨어를 개발하였다. 본 연구에서 개발한 균열자동 분석 소프트웨어는 카메라 촬영 및 카메라와 연결된 팬틸트의 움직임을 제어할 수 있는 카메라 제어 S/W(camera controller), 촬영된 이미지 내의 균열을 분석하는 균열분석 S/W(crack detector), 균열분석이 완료된 개별 이미지들을 하나의 이미지로 조합하여 재구성하는 이미지 조합 S/W(image stitcher)의 3가지 개별 S/W로 구성되며, 각각의 3가지의 S/W는 균열자동분석 S/W라고 명명한 하나의 S/W 내에서 통합운영되도록 하였다.
- 분리 작업은 이미지 내에서 균열로 인식될 수 있는 임의의 패턴을 분리하는 일련의 작업으로 균열 외의 불필요한 데이터들을 구분함으로서 분석 효율을 증가시키는 것을 목적으로 수행된다. 본 연구에서는 기존 연구를 바탕으로 콘크리트 구조물의 비선형적인 균열을 검지하는데 효과적으로 적용할 수 있는 모폴로지 기법을 적용하였다 (Salembier 1990 ; Jahanshahi et al.
- 본 연구에서는 분리된 특징에서 균열을 분류하기 위한 분류기(classifier)의 학습 및 평가를 위해 1,910개의 비균열에 대한 특징 벡터와 3,961개의 균열에 대한 특징 벡터로 구성된 특징 집합을 구성하였다. 구성된 특징 집합에서 약 60%의 특징 집합은 분류기의 학습에 사용되었고, 나머지 특징 벡터들은 균열 분류 성능 평가 실험에 사용되었다.
- 본 연구에서는 개발한 이미지 분석기법을 이용한 콘크리트 구조물의 균열 검지 시스템의 적용성 및 신뢰도 검증을 위하여 균열이 발생된 콘크리트 구조물에 대한 현장검증 실험을 수행하였다. 현장실험은 Fig.
- 균열이 발생된 콘크리트 암거 표면으로부터 20m, 30m, 40m까지 10m 간격으로 총 3가지의 촬영거리를 변수로 균열촬영을 시도하였으며, 촬영된 개별 이미지는 개발된 균열자동분석 프로그램을 이용해 균열을 검지 및 균열폭을 산출하였다. 한편, 전술한 바와 같이 정량적으로 정확한 균열폭을 이미지 분석을 통해 산정하는 것은 다양한 촬영변수들과 더불어 많은 현장실험 등을 요구하기 때문에 본 연구에서는 0.2mm 폭을 갖는 균열을 검출할 수 있는가에 대한 것을 우선적인 목표로 하고 있다. 따라서, 현장실험에서도 적용한 촬영거리 변수 중 가장 촬영거리가 가까운 20m의 경우에 대해서는 실제 측정한 균열폭과의 비교를 실시하였고, 나머지 30m, 40m의 경우 미세 균열을 어느정도 자동을 검지할 수 있는가를 확인하는 것으로 시스템의 성능을 평가하였다.
- 따라서, 본 연구에서는 인력으로 수행하기 어려운 대규모 콘크리트 구조물에서의 효과적인 균열조사 및 평가를 위해 이미지 분석기술에 기초한 균열자동검출 기술을 개발하였다. 개발 기술은 일차적으로 0.
제안 방법
- 따라서, 본 연구에서는 디지털 이미지 분석기술을 이용하여 콘크리트 구조물의 대표적인 열화인자인 콘크리트의 균열을 검지할 수 있는 기술을 개발하는 것을 목표로 설정하였다. 이를 위하여 본 연구에서는 형태수리학에 근거한 모폴로지 기법이 도입된 이미지 분석기법을 이용한 균열검출기술을 적용하였으며, 이미지 분석결과의 효율적인 관리를 고려하여 시설물의 국부적인 위치가 촬영된 다수의 이미지를 합하여 하나의 전체적인 이미지로 조합하는 이미지 조합기술을 추가적으로 적용하였다.
- 또한, 본 연구에서는 개발된 분석기술의 적용성 및 신뢰도 검증을 위하여 균열이 발생된 콘크리트 구조물에 대한 현장검증 실험을 수행하였으며, 현장검증 실험을 통해 개발된 기술의 거리별 균열검출 성능을 평가하고 실측 균열폭과 이미지 분석을 통해 산출된 균열폭을 비교함으로써 개발 기술의 신뢰도를 검증하였으며, 이미지 조합기술의 성능평가를 위해 문자와 기하학적 패턴형상이 출력된 실험체의 단면을 분할 촬영하고, 촬영된 다수의 이미지를 조합하여 원래의 이미지와 비교하는 검증작업을 수행하여 개발된 기술의 신뢰도 및 그 적용성을 확인하였다.
- 특히 원거리에서 균열이미지를 취득하기 위해서는 거리 뿐 아니라 대상 구조물의 표면상태를 고려한 촬영장비의 선정이 요구된다. 본 연구에서는 0.2mm 균열폭을 검지하기 위하여 카메라 초점거리, 촬영거리, 카메라 렌즈 성능 등의 조건들을 복합적으로 고려하였으며, 균열검출을 위해 촬영된 이미지에서 검지되는 균열폭의 형상이 최소 2픽셀 안에서 표시될 수 있도록 식(1)을 통해 소요 해상도를 계산하여 촬영장비 성능을 검토하였다.
- 또한, 원거리에서 대상 구조물을 촬영해야 하는 경우 촬영장비인 카메라 초점거리와 렌즈의 시정거리와의 관계를 Fig. 2와 같이 고려해야 하며, 카메라의 렌즈 및 망원렌즈의 사양을 선정하기 위한 적정 초점거리 산출은 Fig. 3의 해상도, 초점거리 및 렌즈크기 등의 상관관계를 적용하였다.
- 본 연구에서는 Canon社의 EOS 7D DSLR 카메라에 고성능, 고화질, 원거리 촬영이 가능한 EF600 렌즈를 결합하여 대상 구조물과 20m 이상 이격된 구조물의 세부적인 이미지를 촬영할 수 있도록 구성하였다. 실제 촬영면적 분석 결과 본 연구에서 적용한 카메라와 망원렌즈의 조합으로 20m의 이격거리에서 약 700mm×500mm의 면적이 촬영가능하며, 이 경우 0.
- 본 연구에서는 이미지 촬영장비인 디지털 카메라를 기반으로 촬영이미지 내의 균열을 자동으로 분석할 수 있는 소프트웨어를 개발하였다. 본 연구에서 개발한 균열자동 분석 소프트웨어는 카메라 촬영 및 카메라와 연결된 팬틸트의 움직임을 제어할 수 있는 카메라 제어 S/W(camera controller), 촬영된 이미지 내의 균열을 분석하는 균열분석 S/W(crack detector), 균열분석이 완료된 개별 이미지들을 하나의 이미지로 조합하여 재구성하는 이미지 조합 S/W(image stitcher)의 3가지 개별 S/W로 구성되며, 각각의 3가지의 S/W는 균열자동분석 S/W라고 명명한 하나의 S/W 내에서 통합운영되도록 하였다.
- 이렇게 해당부위의 촬영이 완료되면, 균열이 분석된 다수의 이미지가 자동으로 생성되게 되며 이를 이미지 조합 S/W에서 이미지를 조합하여, 구조물의 전체 형상을 확인 할 수 있는 하나의 통합 이미지로 재구성하게 된다. 본 연구에서 개발된 균열자동분석 S/W에서의 균열 분석 및 이미지 조합 기술은 각종 영상 필터기술 등을 포함한 영상 처리 기법과 더불어 패턴인식 기술들이 적용되었다.
- 본 연구에서 적용한 모폴로지 기법은 사전적인 의미로 형태 처리 또는 형태론 등으로 번역되고 있으며, 이 기법은 어떤 이미지의 형태적인 면을 조작하는 과정으로 경계, 골격, 블록과 같은 영역 형태를 표현하는데 있어 유용한 요소들을 추출하기 위한 도구로 수학적 형태론의 개념으로 사용된다. 본 연구에서는 모폴로지 기법을 이용하여 촬영된 이미지에 내제된 균열구조를 명확히 검출하는 것을 시도하였으며, 균열검출절차는 분할(segmentation), 특징점 추출(feature extraction) 및 균열판정(decision making)의 주요과정을 거쳐 이루어진다. 한편, 촬영된 이미지의 품질이 떨어지거나 특정 요소를 추출하기 위한 이미지 보정이 필요한 경우에는 실제 균열검출을 위한 이미지 분석이 수행되기 전에 이미지 품질향상을 위해서 사전 작업(pre-processing)이 수행될 수 있다(Jahanshahi et al 2009).
- 균열과 같은 특정 형태를 추출하기 위한 필터 설계를 위해서는 목적에 부합되는 구성요소의 크기와 형태가 적절히 선정되어야 한다. 본 연구에서는 선형식의 1차원 구성요소를 사용하여 수직방향 균열을 분리하고 픽셀 내에서 구성요소의 길이가 이미지 내에서 검은색으로 표출되는 분리영역의 두께를 초과하는 경우 이를 전술한 식(2) 에 의해 균열로 분리하는 연산을 적용하였다. 적용된 선형 구조요소는 0°, 45°, 90°, 135°의 방향에 대해 정의되었으며, 균열 추출을 위한 적절한 구조요소의 크기는 다음 식 (3)을 이용하여 결정하였다.
- 균열 패턴을 분리한 후, 분리된 패턴을 임의의 특성과 값으로 정의된 특징(feature)에 배열하며, 여기서의 특징은 특정 패턴을 인식할 수 있는 패턴별 중요 특성들이 포함되어있어야 한다. 본 연구에서는 균열을 검출하는 목적에 부합하는 균열형상 패턴의 차별적인 특징들을 도출하기 위해서 29개의 특징에 대한 분석을 진행하였으며, 균열 분석에 적합한 11개의 특징을 선택한 후 최종적으로 Fisher의 선형 판별식을 적용하여 균열을 추출하기 위한 다음 5개 특징값 추출방법을 적용하였다.
- 이러한 실험은 균열 형상, 길이, 폭 등과 같은 콘크리트에서의 다양한 균열 특성이 반영된 막대한 균열 관련 데이터베이스가 존재할 경우 효과적인 학습 및 평가가 가능하다. 그러나, 학습 및 평가를 위한 데이터베이스가 불충분한 관계로 확보되어 있는 실제 균열을 수동으로 분리하고 이를 이용하여 임의로 다시 균열을 생성시켜 이를 학습시키는 알고리즘을 개발하여 적용하였다. 이 과정에서 비균열 특징 벡터는 실제 확보된 이미지 내에서 분리되었으며, 본 연구의 균열 분류 알고리즘에는 3차 다항식 커널(kernel)을 사용한 서포트 벡터 머신(support vector machine)과 은닉계층에서의 10개의 뉴런(neuron)과 2개의 출력 뉴론을 갖는 3층 피드포워드(feed forward), 즉 3계층 앞먹임 최근접 이웃 분류기(nearest neighbor)를 사용하였다.
- 본 연구에서는 ⌈nmin⌉+ 2로부터 ⌈nmax⌉+ 10까지의 구성요소들이 균열도를 생성하기 위해 사용하였으며, 여기서 ⊓는 올림함수(ceiling function)이고 nmin 과 nmax는 각각 관심영역의 최대, 최소 균열 크기에 대응하는 구성요소이다.
- 이미지 조합기법은 전술한 바와 같이 상이한 이미지들을 서로 조합시키는 작업으로 본 연구에서는 동일한 위치를 각각 다른 각도로 촬영한 이미지를 조합하는 것을 포함하여 다른 장비로 촬영된 경우에도 조합이 가능한 기법을 개발하여 적용하였다. 개발된 이미지 조합기법은 특징 검지(feature detection), 특징 정합(feature matching), 이미지 변환 및 재배열(image transformation and resampling)의 절차를 거쳐 수행된다.
- 이미지 조합기법은 전술한 바와 같이 상이한 이미지들을 서로 조합시키는 작업으로 본 연구에서는 동일한 위치를 각각 다른 각도로 촬영한 이미지를 조합하는 것을 포함하여 다른 장비로 촬영된 경우에도 조합이 가능한 기법을 개발하여 적용하였다. 개발된 이미지 조합기법은 특징 검지(feature detection), 특징 정합(feature matching), 이미지 변환 및 재배열(image transformation and resampling)의 절차를 거쳐 수행된다.
- 현장실험은 Fig. 12와 같이 균열을 발생시킨 1.8m×1.8m×2.0m의 콘크리트 박스암거를 촬영하는 방식으로 수행되었으며, 균열검출 성능과 더불어 이미지 조합과 관련된 성능 검증이 추가로 진행되었다.
- 한편, 콘크리트 표면은 특징점들이 모호하여 다중 촬영된 이미지를 조합한 경우, 조합이 과연 정확하게 이루어졌는지를 판단하기 어렵다. 따라서, 본 연구에서는 암거의 한쪽 단면에 추상적인 불규칙 패턴 이미지를 부착하여 분할 촬영한 후 이를 하나의 이미지로 조합하여 실제 이미지와 비교함으로서 이미지 조합기능의 성능을 검증하였다. 이상의 현장실험의 목적, 실험장비 및 실험방법을 정리하면 다음과 같다.
- 균열이 발생된 콘크리트 암거 표면으로부터 20m, 30m, 40m까지 10m 간격으로 총 3가지의 촬영거리를 변수로 균열촬영을 시도하였으며, 촬영된 개별 이미지는 개발된 균열자동분석 프로그램을 이용해 균열을 검지 및 균열폭을 산출하였다. 한편, 전술한 바와 같이 정량적으로 정확한 균열폭을 이미지 분석을 통해 산정하는 것은 다양한 촬영변수들과 더불어 많은 현장실험 등을 요구하기 때문에 본 연구에서는 0.
- 실제 콘크리트 표면상태는 구조물 종류마다 상이하기 때문에 모든 구조물에 동일한 분석기준을 적용했을 경우, 위와 같은 분석결과의 오차가 유발될 수 있다. 따라서, 본 연구에서는 검지하고자 하는 균열의 특성 및 대상 구조물의 표면특성 등을 고려한 입력변수를 반영하였다. 입력변수 중 미세결함을 제거하기 위해 균열인식을 위한 최소길이를 25mm로 재설정하는 보정작업을 거쳐 해당 이미지를 재분석한 결과는 Fig.
- 따라서, 조사결과의 효율적인 활용을 위해서는 개별 촬영된 다수의 이미지를 조합하여 하나의 전체 이미지로 조합하여 재구성하는 기술이 요구되며, 본 연구에서 개발한 이미지 조합기술을 검증하기 위하여 현장실험에서는 콘크리트 균열면 뿐 아니라 추상적인 불규칙 패턴 이미지를 부착한 단면을 구성하여 조합된 이미지와 실제 이미지를 비교하였다.
- 촬영거리 20m에서 콘크리트 균열면 및 패턴 이미지면을 50%의 중첩률을 적용하여 각각 분할촬영하였으며, 20m 거리에서 단면 전체를 촬영하기 위해서는 총 30번의 촬영이 이루어졌다. 콘크리트 균열면의 이미지 조합결과는 Fig.
- (1) 콘크리트 구조물의 균열을 자동으로 검지하기 위하여 디지털 이미지 분석기술을 적용한 균열자동 검출 시스템을 구축하였으며, 본 연구에서 구축한 시스템에서는 형태수리학에 기초한 모폴로지 기법을 도입하여 균열검출을 위한 이미지 분석을 시도하였으며, 특징 검지 및 정합 등의 영상처리 기법이 도입된 이미지 조합기술이 적용되었다.
- 그러나, 학습 및 평가를 위한 데이터베이스가 불충분한 관계로 확보되어 있는 실제 균열을 수동으로 분리하고 이를 이용하여 임의로 다시 균열을 생성시켜 이를 학습시키는 알고리즘을 개발하여 적용하였다. 이 과정에서 비균열 특징 벡터는 실제 확보된 이미지 내에서 분리되었으며, 본 연구의 균열 분류 알고리즘에는 3차 다항식 커널(kernel)을 사용한 서포트 벡터 머신(support vector machine)과 은닉계층에서의 10개의 뉴런(neuron)과 2개의 출력 뉴론을 갖는 3층 피드포워드(feed forward), 즉 3계층 앞먹임 최근접 이웃 분류기(nearest neighbor)를 사용하였다.
대상 데이터
- Fig. 12에서와 같이 실험체는 콘크리트 암거를 사용하였으며, 균열검출 성능의 경우에는 균열을 발생시킨 콘크리트 표면 촬영을 통해 이루어졌다. 한편, 콘크리트 표면은 특징점들이 모호하여 다중 촬영된 이미지를 조합한 경우, 조합이 과연 정확하게 이루어졌는지를 판단하기 어렵다.
- 본 연구에서의 현장실험에 적용된 실험체는 비교적 작은 크기의 암거이지만, 실제 구조물의 경우 실험체와 비교하여 매우 큰 대규모 구조물이다. 이 경우 개별 이미지 촬영된 영역은 전체 구조물에 있어 매우 좁은 국부적인 영역이므로 모든 촬영이 완료된 이후 각각의 개별 이미지에 대한 전체 구조물에서의 해당 위치를 확인하는 것은 매우 많은 노력과 시간을 필요로 한다.
이론/모형
- 패턴인식작업에는 균열검출을 위해 균열유사형상을 1차적으로 원본에서 분할하는 분리(segmentation)기법, 분리된 형상 중 균열로 인식될 수 있는 중요 특징들을 추출하는 특징점 추출 (feature extraction)기법, 그리고 추출된 특징점들을 상호비교 및 구분하는 분류(classification)기법을 적용하였다(Brown 1992 ; Zitová and Flusser2003).
- Fig. 6에서와 같이 균열검출을 위한 이미지 분석에 앞서 취득된 영상을 연산하기 원활한 형태로 처리하기 위해 이미지의 사전처리작업(pre-processing)을 실시되며, 사전 처리작업에는 인접영역과의 픽셀 명도를 평균처리하는 평균필터(mean filter)와 평균필터로 인해 저하된 이미지의 선명도를 보상하고 이미지의 노이즈를 감소시킬 목적으로 미디언 필터(median filter)를 적용하였다(Gonzalez and Wintz 1987 ; Gonzalez and Woods 1992 ; Pratt 2001; Gonzalez et al. 2004).
- 균열검출 기법은 전술한 바와 같이 일차적으로 처리된 이미지에서 균열을 추출하기 위한 직접적인 디지털 이미지 분석기술이다. 본 연구에서는 콘크리트 표면의 균열을 검지하기 위하여 다양한 이미지 분석기법을 조사 및 검토하였으며, 기존 연구를 바탕으로 콘크리트 구조물의 비선형적인 균열을 검지하는데 효과적으로 적용할 수 있는 모폴로지 기법(morphological operation)을 적용하였다. 본 연구에서 적용한 모폴로지 기법은 사전적인 의미로 형태 처리 또는 형태론 등으로 번역되고 있으며, 이 기법은 어떤 이미지의 형태적인 면을 조작하는 과정으로 경계, 골격, 블록과 같은 영역 형태를 표현하는데 있어 유용한 요소들을 추출하기 위한 도구로 수학적 형태론의 개념으로 사용된다.
- 분리 작업은 이미지 내에서 균열로 인식될 수 있는 임의의 패턴을 분리하는 일련의 작업으로 균열 외의 불필요한 데이터들을 구분함으로서 분석 효율을 증가시키는 것을 목적으로 수행된다. 본 연구에서는 기존 연구를 바탕으로 콘크리트 구조물의 비선형적인 균열을 검지하는데 효과적으로 적용할 수 있는 모폴로지 기법을 적용하였다 (Salembier 1990 ; Jahanshahi et al. 2009).
- 여기서, I는 흑백이미지, S는 연산에 포함된 주위화소에 대한 구성요소(structuring element), ∘ 는 형태학적 열기(opening), • 는 형태학적 닫기(closing) 연산자이며, 이진화된 출력이미지인 T에는 균열부로 검지된 영역을 분리하여 흑색으로 표출하기 위해 Otsu(1979)의 임계값 설정기법을 적용하였다.
- 수학적인 형태학에 기초한 형태학적 연산기법은 일반적으로 대상 이미지에서 유용한 데이터를 추출하는데 사용되며, 대수학 및 위상기하학 등을 기반으로 하고 있다(Minkowski 1903 ; Matheron 1975). 본 연구에서는 Salembier(1990)이 제안한 형태학적 연산기법을 적용하였으며, 콘크리트 내에서 다양한 방향성을 갖는 균열의 검출성능을 향상시키기 위하여 방향성이 고려된 형태학적 연산기법을 식(2)와 같이 수정적용하였다.
- 특징점을 검지하는 기법들 중에 Moravec 모서리 검지 알고리즘은 명암 변화에 의존적이며, 상대적으로 검지 성능이 우수한 Plessey 기법은 경사 변화를 기반으로 하고 있다(Moravec 1979 ; Harris & Stephens 1988). 이러한 기존 기법들은 검지연산의 효율적인 측면과 노이즈(noise)에 민감하기 때문에 본 연구에서는 불변특징 추출(Scale-Invariant Feature Transform, SIFT) 알고리즘을 적용하였다(Lowe 2004). 이 기법은 특징 검지 시 이미지의 크기, 촬영 각도 및 조명 등의 변화를 반영할 수 있으며, 높은 특징 식별력과 노이즈에 우수한 것으로 알려져 있으며, 트러스 구조에 대하여 수행한 특징 검지 결과는 Fig.
- 본 연구에서는 특징 정합의 정확도를 향상시키기 위하여 무작위 샘플 합의(Random Sample Consensus , RANSAC) 알고리즘을 도입하였다. RANSAC 알고리즘에서는 기초행렬 F의 계산을 위해 여러 특징들이 임의로 선택되고, 선택된 특징들로부터 정합된 결과의 오류는 이상값(outlier)보다 큰 결과로 표출되며, 이러한 연산과정이 이미지 정합시 발생하는 오류가 최소가 될 때까지 반복적으로 수행되게 된다.
- 상이한 이미지 상에서 특징을 검지하고 이를 정합한 후에는 각각의 이미지를 하나의 이미지로 조합하기 위해 개별 이미지를 변환하여 재배열하는 작업이 수행된다. 이 과정에서는 상이한 두 이미지의 임의의 픽셀을 일치시켜 변환하는 변환행렬이 유도되며, 변환행렬에서의 픽셀 좌표들은 정수를 표현되어야 하기 때문에 정수가 아닌 좌표를 갖는 변환된 픽셀의 좌표값은 내삽법(interpolation) 을 적용하여 계산하였다.
- 한편, 이미지 조합을 위한 변환 및 재배열 알고리즘에는 영역기반(area-based method) 및 특징자기반(featurebased method) 조합기법이 있으며, 본 연구에서는 조합 속도가 빠르고 정확하며 순서에 관계없이 촬영된 이미지에 대한 자동조합이 가능한 특징을 갖는 특징자기반의 조합기법을 적용하였으며, 조합기법을 적용하여 상이한 각도에서 촬영된 두 이미지를 조합한 결과는 Fig. 11과 같다.
성능/효과
- 실제 촬영면적 분석 결과 본 연구에서 적용한 카메라와 망원렌즈의 조합으로 20m의 이격거리에서 약 700mm×500mm의 면적이 촬영가능하며, 이 경우 0.1mm의 균열까지 식별이 가능하므로 연구에서 목표로 하고 있는 균열 감지성능인 0.2mm를 만족할 수 있는 것으로 평가되었다.
- 2mm 폭을 갖는 균열을 검출할 수 있는가에 대한 것을 우선적인 목표로 하고 있다. 따라서, 현장실험에서도 적용한 촬영거리 변수 중 가장 촬영거리가 가까운 20m의 경우에 대해서는 실제 측정한 균열폭과의 비교를 실시하였고, 나머지 30m, 40m의 경우 미세 균열을 어느정도 자동을 검지할 수 있는가를 확인하는 것으로 시스템의 성능을 평가하였다.
- 따라서, 본 연구에서는 검지하고자 하는 균열의 특성 및 대상 구조물의 표면특성 등을 고려한 입력변수를 반영하였다. 입력변수 중 미세결함을 제거하기 위해 균열인식을 위한 최소길이를 25mm로 재설정하는 보정작업을 거쳐 해당 이미지를 재분석한 결과는 Fig. 15와 같고, Fig. 15에서 알 수 있듯이 균열로 오인한 노이즈 성분이 제거되어 균열만을 검지한 것을 확인할 수 있다.
- 또한, 균열폭 측정에 사용된 균열현미경의 최소 눈금이 0.05mm이기 때문에 검측자 및 측정당시의 다양한 조건들에 대해 동일한 균열에 대해 약 1.0mm의 측정오차가 발생할 수 있다는 것을 확인하였다. 따라서, 균열현미경으로 측정한 균열폭이 절대적인 참값이라 정의할 수는 없을 것으로 판단되며, 본 연구에서 개발한 균열자동분석 기술을 통해 산정한 균열폭과의 상대비교를 통해 산정된 균열폭 크기의 개략적인 신뢰도 검증이 가능할 것으로 사료된다.
- Table 1에서와 같이 균열현미경으로 실험체 표면의 종방향 연속균열의 길이방향으로 6곳의 특정위치의 균열폭을 측정한 결과와 균열자동분석 프로그램을 통해 검지된 균열에서 산정된 균열폭을 각각 비교하였으며, 실측 균열을 기준으로 산정된 균열폭과의 오차는 약 4~46%로 나타났다. 특히 A점과 F점에서 각각 20%, 46.
- Table 1에서와 같이 균열현미경으로 실험체 표면의 종방향 연속균열의 길이방향으로 6곳의 특정위치의 균열폭을 측정한 결과와 균열자동분석 프로그램을 통해 검지된 균열에서 산정된 균열폭을 각각 비교하였으며, 실측 균열을 기준으로 산정된 균열폭과의 오차는 약 4~46%로 나타났다. 특히 A점과 F점에서 각각 20%, 46.6%의 큰 오차가 나타났으며, 이로인해 전체적인 균열검지 성능의 신뢰도가 다소 저하되게 평가되었다. 그러나, 전술한 바와 같이 실측시 균열경을 이용한 측정과정에서 발생할 수 있는 오차가 0.
- 1mm 이내의 값임을 알 수 있다. 이는 개발된 이미지 분석기법을 이용한 콘크리트 구조물의 균열 검지 시스템이 실제 균열을 자동으로 검지할 수 있을 뿐 아니라, 검지된 균열에 대하여 계산한 균열폭 또한 실측 결과 대비 일정수준의 정확도를 확보한 것이라 평가할 수 있다.
- 즉, 균열검출 성능이 저하된 것을 확인할 수 있었으며, 50m에서는 시편에 발생된 균열을 검지하지 못한 것으로 분석되었다. 결론적으로 현장실험에 적용한 이미지 취득 장비를 이용해서는 최대 40m까지 0.
- 즉, 균열검출 성능이 저하된 것을 확인할 수 있었으며, 50m에서는 시편에 발생된 균열을 검지하지 못한 것으로 분석되었다. 결론적으로 현장실험에 적용한 이미지 취득 장비를 이용해서는 최대 40m까지 0.2mm 수준의 균열을 자동으로 검지할 수 있는 것으로 나타났지만, 30m까지가 효과적인 적용범위인 것으로 판단된다. 또한, 이미지 분석을 통해 산정된 균열폭도 실측 균열폭과 0.
- 이미지 조합결과에서 알 수 있듯이 이미지를 조합하여 전체 암거단면으로 재구성된 이미지는 육안으로 판별 했을 때 하나의 전체 이미지로 촬영한 원본 이미지와 차이를 구분할 수 없을 정도로 조합 결과가 양호한 것을 확인할 수 있었다. Fig.
- 17(a)의 콘크리트면의 경우에는 이미지별 경계가 모호하기 때문에 조합 결과를 명확하게 파악 하기 어렵지만, Fig. 17(b)의 추상패턴 이미지면의 경우에는 원본 전체 이미지와의 직접적인 비교가 가능하며, 비교결과 조합성능이 매우 우수한 것으로 나타났다.
- 상기에서 전술한 바와 같이 현재 기술적인 한계 및 추가 연구사항을 도출한 것과 더불어 이상의 현장실험 결과를 통해 본 논문에서 적용된 균열검지를 위한 이미지 프로세싱 기법이 콘크리트 구조물의 미세균열 검출에 효과 적으로 적용가능한 방법이라는 것을 확인할 수 있었다. 특히 이미지 선명도 개선을 위한 사전처리기법에서의 평균필터와 미디언 필터의 효율성을 확인할 수 있었으며, 개선된 이미지에서 균열을 추출하는 것이 보다 정확한 결과를 확보할 수 있다는 것이 확인하였다.
- 상기에서 전술한 바와 같이 현재 기술적인 한계 및 추가 연구사항을 도출한 것과 더불어 이상의 현장실험 결과를 통해 본 논문에서 적용된 균열검지를 위한 이미지 프로세싱 기법이 콘크리트 구조물의 미세균열 검출에 효과 적으로 적용가능한 방법이라는 것을 확인할 수 있었다. 특히 이미지 선명도 개선을 위한 사전처리기법에서의 평균필터와 미디언 필터의 효율성을 확인할 수 있었으며, 개선된 이미지에서 균열을 추출하는 것이 보다 정확한 결과를 확보할 수 있다는 것이 확인하였다. 또한, 선, 모서리, 윤곽 등을 추출하는데 일반적으로 사용되어 윤곽검지 기술은 이미지 상에서 균열을 포함한 모든 윤곽을 추출하기 때문에 균열과 같은 특정결함을 구분하는 작업이 상대 적으로 난해하고, 그 결과 형태학적 기법에 비하여 많은 노이즈가 수반된다.
- (2) 균열자동검출 시스템의 성능 및 현장 적용성을 평가하기 위하여 콘크리트 암거 실험체를 제작하고 균열을 발생시킨 후 거리별로 실험체를 촬영하여 거리별 균열검출 성능, 균열폭 산정결과의 신뢰도 및 다중 이미지의 조합기능의 성능평가를 수행하였으며, 실험에 사용된 촬영장비로는 40m까지 0.2mm의 균열을 검지할 수 있는 성능을 확인하였으며, 이미지 분석을 통해 산정된 균열폭의 경우 실측 균열폭과의 차이가 최대 0.08mm로 나타나 일정 수준 이상의 정확도가 확인되었다. 또한, 이미지 조합의 경우 추상 패턴 이미지 면에 대한 분할 촬영 이미지를 조합한 결과 실제 전체촬영 원본 이미지와 육안으로 차이를 확인할 수 없을 정도로 우수한 조합결과를 확인할 수 있었다.
- 08mm로 나타나 일정 수준 이상의 정확도가 확인되었다. 또한, 이미지 조합의 경우 추상 패턴 이미지 면에 대한 분할 촬영 이미지를 조합한 결과 실제 전체촬영 원본 이미지와 육안으로 차이를 확인할 수 없을 정도로 우수한 조합결과를 확인할 수 있었다.
후속연구
- 0mm의 측정오차가 발생할 수 있다는 것을 확인하였다. 따라서, 균열현미경으로 측정한 균열폭이 절대적인 참값이라 정의할 수는 없을 것으로 판단되며, 본 연구에서 개발한 균열자동분석 기술을 통해 산정한 균열폭과의 상대비교를 통해 산정된 균열폭 크기의 개략적인 신뢰도 검증이 가능할 것으로 사료된다. 특정위치에 대해 균열현미경으로 측정한 균열폭과 촬영거리 20m에서 취득한 이미지를 통해 산정된 균열 폭과의 비교결과는 Table 1과 같다.
- 2mm 수준의 균열을 자동으로 검지할 수 있는 것으로 나타났지만, 30m까지가 효과적인 적용범위인 것으로 판단된다. 또한, 이미지 분석을 통해 산정된 균열폭도 실측 균열폭과 0.1mm 내의 오차를 보여 일정수준의 신뢰도를 확보했다고 판단되며, 적용거리에 대해서는 향후 이미지 취득장비의 성능을 높여서 보다 높은 해상도와 고배율의 망원렌즈 등을 적용함으로서 적용거능한 촬영거리는 증가시킬 수 있을 것으로 예상된다.
- 따라서, 본 연구에서는 인력으로 수행하기 어려운 대규모 콘크리트 구조물에서의 효과적인 균열조사 및 평가를 위해 이미지 분석기술에 기초한 균열자동검출 기술을 개발하였다. 개발 기술은 일차적으로 0.2mm 수준의 균열 폭을 갖는 균열을 검지하는 것을 목표로 하였으며, 검지된 균열에 대한 정량적이고 정확한 폭을 산정하는 것은 지속적인 추가 연구가 필요하다. 특히 이미지 분석기술에서는 이미지 분석결과에 촬영된 이미지의 품질, 센서(카메라 렌즈) 크기, 해상도, 촬영 거리, 촬영 조건 및 환경및 초점 길이 등의 다양한 변수가 복합적으로 작용하기 때문에 균열폭을 정확히 산정하는 것은 향후 상당한 연구가 지속적으로 이루어여야 한다.
- 2mm 수준의 균열 폭을 갖는 균열을 검지하는 것을 목표로 하였으며, 검지된 균열에 대한 정량적이고 정확한 폭을 산정하는 것은 지속적인 추가 연구가 필요하다. 특히 이미지 분석기술에서는 이미지 분석결과에 촬영된 이미지의 품질, 센서(카메라 렌즈) 크기, 해상도, 촬영 거리, 촬영 조건 및 환경및 초점 길이 등의 다양한 변수가 복합적으로 작용하기 때문에 균열폭을 정확히 산정하는 것은 향후 상당한 연구가 지속적으로 이루어여야 한다. 이를 위해서는 다양한 변수를 고려한 실험 및 평가를 수행하여 이에 대한 데이터베이스를 구축하고 영상처리 및 컴퓨터 영상분석 기술의 조합을 통해 지금보다 보다 합리적이고 정확한 균열폭 정보를 제공할 수 있을 것으로 예상된다.
- 특히 이미지 분석기술에서는 이미지 분석결과에 촬영된 이미지의 품질, 센서(카메라 렌즈) 크기, 해상도, 촬영 거리, 촬영 조건 및 환경및 초점 길이 등의 다양한 변수가 복합적으로 작용하기 때문에 균열폭을 정확히 산정하는 것은 향후 상당한 연구가 지속적으로 이루어여야 한다. 이를 위해서는 다양한 변수를 고려한 실험 및 평가를 수행하여 이에 대한 데이터베이스를 구축하고 영상처리 및 컴퓨터 영상분석 기술의 조합을 통해 지금보다 보다 합리적이고 정확한 균열폭 정보를 제공할 수 있을 것으로 예상된다.
- 현재 제안된 이미지 프로세싱 과정 상에서 균열검지 성능 향상을 위한 기술적 연구작업으로는 분리된 특징에서 균열을 분류하는 분류기의 추가적인 학습 및 평가가 필요하며, 현재의 인위적인 균열형상 학습방법을 개선하여 콘크리트에서의 다양한 균열특성이 반영된 균열관련 데이터베이스를 구축하는 작업도 수반되어야 할 것으로 판단 된다.
- 한편, 현재 단계에서 개발된 기술을 이용하고 이미지 촬영장비의 성능을 개선하여 약 60m에서 0.2mm의 균열을 검지할 수 있다는 것을 추가적인 예비실험을 통해 확인한 바 있으며, 현재 개발 기술에서도 검출을 목표로 하는 균열을 검지가능하며, 균열폭도 일정 수준의 오차 범위 안에서 산출할 수 있으므로 현단계에서도 접근이 어려운 실제 구조물의 균열조사에는 효과적으로 활용가능할 것으로 판단된다. 특히 Fig.
- 2mm의 균열을 검지할 수 있다는 것을 추가적인 예비실험을 통해 확인한 바 있으며, 현재 개발 기술에서도 검출을 목표로 하는 균열을 검지가능하며, 균열폭도 일정 수준의 오차 범위 안에서 산출할 수 있으므로 현단계에서도 접근이 어려운 실제 구조물의 균열조사에는 효과적으로 활용가능할 것으로 판단된다. 특히 Fig. 18은 이미지 조합기술에 대한 필요성을 확인할 수 있도록 600장의 분할 이미지를 조합한 분석사례를 추가로 도시한 것으로 실제 대규모 콘 크리트 구조물에 본 기술을 적용함에 있어 발생할 수 있는 다수의 데이터 및 이미지 처리에 대한 해결책으로 이미지 조합기술이 효과적으로 활용할 수 있을 것이다. 이를 위해 이미지 조합기술에는 개별 이미지가 포함하는 좌표 및 다양한 균열의 정보가 전체 이미지로 조합되어 재구성되는 과정에서 전체 이미지에 대한 하나의 단일 좌표계로 변환되는 과정을 포함하고 있다.
- (3) 정확하고 정량적인 균열폭을 이미지 분석기술을 통해 산정하기 위해서는 보다 많은 실험적, 이론적 연구가 필요하며, 균열검출 거리를 향상시키기 위해서는 이미지 촬영장비를 성능을 향상시키는 방안을 고려할 수 있다. 그러나, 단순히 촬영장비의 성능만을 향상시키는 경우, 균열이 아닌 콘크리트 표면에 존재하는 미세한 여러 결함들이 균열로 오인될 수 있기 때문에 최적 장비를 선정할 수 있는 기준을 마련하여 장비성능 개선과 함께 균열검출과 관련된 사전 및 후처리 보정기법 등이 추가로 연구되어야 할 것으로 판단된다.
- (3) 정확하고 정량적인 균열폭을 이미지 분석기술을 통해 산정하기 위해서는 보다 많은 실험적, 이론적 연구가 필요하며, 균열검출 거리를 향상시키기 위해서는 이미지 촬영장비를 성능을 향상시키는 방안을 고려할 수 있다. 그러나, 단순히 촬영장비의 성능만을 향상시키는 경우, 균열이 아닌 콘크리트 표면에 존재하는 미세한 여러 결함들이 균열로 오인될 수 있기 때문에 최적 장비를 선정할 수 있는 기준을 마련하여 장비성능 개선과 함께 균열검출과 관련된 사전 및 후처리 보정기법 등이 추가로 연구되어야 할 것으로 판단된다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.