[논문 리뷰] Crack Detection Using Enhanced Thresholding on UAV based Collected Images

Qiuchen Zhu, Tran Hiep Dinh외 3명|arXiv (Cornell University)|2018. 12. 19.

Infrastructure Maintenance and Monitoring참고 문헌 11인용 수 9

한 줄 요약

이 논문은 UAV 촬영 이미지의 저조도 영역에 초점을 맞춰 Otsu 방법을 향상시킨 반복적 임계치 설정 알고리즘을 제안한다. 이를 통해 균열 검출 정확도를 향상시킨다. 반복적으로 더 어두운 강도로 임계치를 이동시키고, 반복 간의 대비를 정지 조건으로 사용함으로써, 합성 및 실제 UAV 데이터셋 모두에서 Otsu, ITTT, Sauvola보다 뛰어난 성능을 보이며, 실제 도로 및 벽면 균열 이미지에서 Q-평가 점수 0.1949을 기록했다.

ABSTRACT

This paper proposes a thresholding approach for crack detection in an unmanned aerial vehicle (UAV) based infrastructure inspection system. The proposed algorithm performs recursively on the intensity histogram of UAV-taken images to exploit their crack-pixels appearing at the low intensity interval. A quantified criterion of interclass contrast is proposed and employed as an object cost and stop condition for the recursive process. Experiments on different datasets show that our algorithm outperforms different segmentation approaches to accurately extract crack features of some commercial buildings.

연구 동기 및 목표

• UAV로 촬영한 인프라 이미지에서 저조도 균열을 탐지하는 데에 기존의 임계치 설정 방법들인 Otsu 및 ITTT가 떨어지는 성능을 보이는 문제를 해결하기 위해.
• 균열이 일반적으로 나타나는 어두운 강도 영역에 집중하는 강력한 반복적 임계치 설정 방법을 개발하기 위해.
• UAV 영상에서 흔히 볼 수 있는 불균일한 조도와 무늬 노이즈 조건에서 실제 환경에서의 균열 분할 정확도를 향상시키기 위해.
• 반복적 임계치 설정의 동적 정지 조건으로 사용 가능한 정량화된 반류 대비 기준을 도입하기 위해.
• 공개 데이터셋(Crack IT)과 상업용 건물 및 도로에서 수집한 실제 UAV 이미지 모두에서 방법을 검증하기 위해.

제안 방법

• 이 방법은 균열이 위치한 저조도 영역에 집중하기 위해 점차 어두운 강도 부분 히스토그램에 대해 Otsu의 임계치 설정을 반복적으로 적용한다.
• 최적의 임계치를 계산하기 위해 반류 분산을 최적화 기준으로 사용하며, 이는 $\sigma^2(T) = \omega_0(T)\omega_1(T)(\epsilon_0(T) - \epsilon_1(T))^2$ 로 정의된다.
• 반복 과정은 정량화된 반류 대비(IC) 기준에 의해 이끌리며, 과도한 분할을 방지하기 위해 정지 조건을 $C_s = 0.25$ 로 설정한다.
• 알고리즘은 이미지 히스토그램의 어두운 부분만 처리하며, 각 반복에서 더 낮은 강도로 임계치를 이동시켜 균열 특징을 분리한다.
• 이 방법은 회색조 UAV 이미지와 기준 데이터셋 모두에 적용되며, Q-평가 지표를 사용해 성능을 평가한다.
• 균열이 가장 잘 나타나는 강도 영역에 집중함으로써 표면 무늬와 그림자에서 발생하는 노이즈를 피한다.

실험 결과

연구 질문

• RQ1 저조도 영역을 대상으로 하는 반복적 임계치 설정 방법이 UAV 기반 인프라 점검에서 균열 검출 정확도를 향상시킬 수 있는가?
• RQ2 불균일한 조도와 무늬 변화 조건에서 제안된 방법이 Otsu, ITTT, Sauvola와 비교해 균열 분할 성능에서 어떻게 다른가?
• RQ3 정량화된 반류 대비 기준이 균열 분할에서 반복적 임계치 설정의 효과적이고 적응형 정지 조건으로 기능할 수 있는가?
• RQ4 이 방법은 다양한 조도와 표면 조건을 가진 실제 UAV 이미지 데이터셋에서 일관성 있는 성능을 유지하는가?

주요 결과

• 실제 UAV로 촬영한 데이터셋에서 제안된 방법은 Q-평가 점수 0.1949를 기록하여 Otsu(0.2045), ITTT(0.2037), Sauvola(0.1986)를 모두 앞섰다.
• Crack IT 데이터셋에서 제안된 방법은 가장 낮은 Q-평가 점수를 기록하여 균열 분할 정확도에서의 열등성을 확인했다.
• Otsu 및 ITTT와 달리, 제안된 방법은 그림자와 표면 무늬를 구분할 수 있었으며, 불균일한 조도 조건에서도 정확하게 균열 특징을 추출했다.
• 표면 무늬와 비균열 특징을 분할 결과에서 성공적으로 배제하여, 시각적 노이즈에 대한 강건성을 입증했다.
• 반복적 임계치 설정 과정이 점차 어두운 히스토그램 영역에 집중함으로써 저강도 균열 픽셀을 효과적으로 분리했다.
• 고정된 정지 조건 $C_s = 0.25$ 가 일관되게 만족스러운 결과를 도출하였으며, 이는 이미지 히스토그램 특성에 기반한 적응형 조정 가능성도 시사한다.