（模式识别与智能系统专业论文）路面病害自动检测系统的改进和相关算法的研究.pdf

硕士论文 路面病害自动检测系统的改进和相关算法的研究 摘要 随着高速公路建设的发展，路面病害检测技术的提高也迫在眉睫。本文的项目 背景是南京理工大学。n 一1 型道路状况智能检测车”项目，目的在于对其中的智能 病害识别系统进行改进，增强其可靠性和实用性。 通过对图像分析技术的研究，并借鉴现有的病害自动检测算法，本文提出了一 套病害检测流程。该流程采用了快速的预检测算法挑出可疑图像，再针对可疑图像 进行细节分析预检测时，通过图像予块的直方图特征进行筛选。在细节分析阶段， 采用小波变换来提取图像的高频信息，再利用处理后的高频信息进行反变换，得到 裂缝轮廓。然后使用阈值分割和连通分量扩展算法得到完整的裂缝形态信息，最后 统计病害。 由于预检测阶段过滤了大量正常图像，留待细节分析的图像大大减少；使用了 一系列快速算法，避免了原系统中大量的乘除运算。改进后的系统运行效率大大提 高，病害检测的准确性也得到增强。 为了满足实际需要，文中还提出了一个简单实用的分布式系统方案，它可以让 多台计算机共同参与病害检测。文章末尾简要介绍了利用人工神经网络识别病害的 技术。 关键字：路面病害自动检测，直方图分析，边缘检测，小波变换，局部 阂值分割，连通分量扩展。 硕士论文路面病害自动检测系统的改进和相关算法的研究 a b s t r a c t w i t ht h ed e v e l o p m e n to f e x p r e s s w a y ，t h et e c h n o l o g yo f e x p r e s s w a ys u r f a c ed i s e a s e i n s p e c t i o ni sa l s ou r g e n tt ob ee n h 锄c e x lt h eb a c k g r o u n do fm yp a p e ri st h ep r o j e c to f n a 巧i n gu n i v e r s i t yo fs c i e n c e & t e c h n o l o g y , w h i c hn a m e d n - 1s t y l ei n t e l l i g e n tr o a d s u r f a o ed i s e a s ei 碰4 硎v e h i c l e o u rg o a li st oi m p r o v et h ep e r f o r m a n c eo ft h e i n t e l l i g e n td i s e a s ed e t e c t i o ns u b s y s t e ma n dl l l a k ei tn l o r e l i a b l ea n du s e f u l a f t e rr e s e a r c h i n gt h et e c h n o l o g yo fi l l l a g ea n a l y s i sa n dt h ee x i s t i n ga l g o r i t h m so n d i s e a s ed e t e c t i o n , ip r o v i d ead i s e a s ed e t e c t i o np r o c e s s t h i sp r o c e s sa p p l i e saf a s t p r e p r e c e s s i n ga l g o r i t h m i tc a np i c ko u tt h es u s p i c i o u si n l a g e s t h e s ei m a g e sm a y c o n t a i nd i s e a s e sa n dw i l lb ea n a l y z e dc a r e f u l l yl a t e r i nt h ep r e p r o e e s s i n gs t e p ，i m a g e s a r es e l e c t e db yt h eh i s t o g r a mc h a r a c t e ro fi t ss u b i m a g e s i nt h ed e t a i la n a l y s i ss t e p ，t h e w a v e l e tt r a n s f o r mi sa d o p t e dt oe x t r a c tt h eh i g hf r e q u e n c i e s a f t e rp r o c e s s i n gt h e s eh i g i l f r e q u e n c i e s ，d oa ni n v e r s et r a n s f o r m ，a n dg e tt h eo u t l i n eo fc r a c k s t h e n , 璐et h e t h r e s h o l ds e g m e n ta n dc o n n e c t i v er e g i o ne x p a n s i o nm e t h o d st og e tt h ew h o l ec r a c k sa n d c a l c u l a t et h es t a t i s t i c so f t h ed i s e a s e s b e c a u s eal o to ft h e i n l a g e sh a v eb od i s e a s e sa n dw o n tb ep i c k e do u ti n p r e p r o e e s s i n gs t e p ，t h ei m a g e sn e e d e dt ob ea n a l y z e di nd e t a i ld e c r e a s eal o t f a s t a l g o r i t h m sa r ea d o p t e d , a n dt h ed e t e c t i o ns y s t e ma v o i d sal o to fm u l f i p l i c a t i o na n d d i v i s i o na c t s t h en e ws y s t e mi sm o r ce f f e c t i v ea n dt h ev e r a c i t yo f t h er e s u l ti se n h a n c e d t om e e tt h en e e d si np m e t i e e ，t h et h e s i sp r o v i d e sa d e s i g no fas i m p l ea n du s e f u l d i s t r i b u t e ds y s t e m i tc a r le n g a g es e v e r a lc o m p u t e r st or u nt h ed i s e a s ed e t e c t i o ns y s t e m a n o t h e rd i s e a s e sr e c o g n i t i o nm e t h o db a s e do nt h ea r t i f i c i a ln e u r a ln e t w o r k si si n t r o d u c e d b r i e f l ya tt h ee n do f t h ep a p e r k e y w o r d s ：e x p r e s s w a ys u r f a c ed i s e a s ea u t o m a t i ci n s p e c t i o n ， h i s t o g r a ma n a l y s i s ，e d g ed e t e c t i o n ，w a v e l e tt r a n s f o r m ，l o c a lt h r e s h o l d s e g m e n t , c l i q u ee x p a n s i o n 硕士论文路面病害自动检测系统的改进和相关算法的研究 图表目录 图2 1 病害检测流程6 图3 1 1 原始图7 图3 1 2 缩略图8 图3 2 1 有几何畸变且亮度不均的原始图8 图3 2 2 子块的移动9 图3 3 1 1 正常路面的图像子块和相应的直方图9 图3 3 1 2 含低灰度值裂缝的图像子块和它的直方图1 0 图3 3 1 3 示意图1 0 图3 3 1 4 含唧浆的图像子块和它的直方图1 1 图3 3 2 1 示意图1 2 图3 3 2 2 直方图的波峰1 3 图3 3 2 3 直方图的一阶导数特征1 4 图3 3 2 4 直方图中的毛刺现象1 4 图3 3 2 5 背景区到裂缝区的平滑过渡1 6 图3 3 3 1 含唧浆的图像子块和它的直方图1 7 图3 3 3 2 反相后的子块和它的直方图1 7 图3 4 1 高、低灰度裂缝并存的路面1 8 图3 4 2 检测出病害子块1 8 图3 4 3 子块阈值分割1 9 图4 1 1r o b e r t s 算子的处理结果2 l 图4 1 2p r e w i t t 算子的处理结果2 1 图4 1 3s o b e l 算子的处理结果2 2 图4 1 4l o g 算子的处理结果2 2 图4 1 5 检测结果2 3 图4 1 6 改进算子的处理结果2 4 图5 1 1 一维快速小波变换原理图2 8 图5 2 1 二维快速小波变换原理图3 0 图5 2 2 算法不同频率分布会有不同3 0 图5 2 3 一层小波变换后的频率分布3 1 图5 2 4 两层小波变换后的频率分布3 1 图5 3 1 列方向变换3 3 图5 3 2 小波变换结果3 6 图5 4 1 1 用小波变换检测边缘3 7 图5 4 1 2 原图3 7 图5 4 1 3 直接去掉l k 后利用4 层高频信息做反变换3 8 图5 4 1 4 利用2 、3 、4 层高频信息进行反变换3 8 图5 4 1 5 只保留第3 、4 层的高频3 9 图5 4 2 1 1 对l 、2 层高频信息作邻域均值滤波4 0 图5 4 2 2 1 对第1 层阈值取3 ，第2 层阈值取4 4 l 图5 4 2 2 2 对第1 层阈值取2 ，第2 层阈值取3 4 1 v 图5 4 9 中值滤波结果4 1 图5 5 1 对整幅图作阈值分割4 2 图5 5 2 分块阈值分割4 3 图5 6 1 若干连通区域扩展后连在一起4 4 图5 7 1 对网裂病害的检测4 5 图6 1 1 双线性插值法4 7 图6 3 1 作裂缝的外接矩形5 0 图6 3 2 测量破损块的大小5 1 图7 2 1 1 控制报文5 3 图7 2 2 1 数据报文5 4 图7 2 3 1 服务器运行流程5 4 图7 2 4 1 客户机运行流程5 5 声明 本学位论文是我在导师的指导下取得的研究成果，尽我所知，在本 学位论文中，除了加以标注和致谢的部分外，不包含其他人已经发表或 公布过的研究成果，也不包含我为获得任何教育机构的学位或学历而使 用过的材料。与我一同工作的同事对本学位论文做出的贡献均已在论文 中作了明确的说明。 研究生签名：三墨2 州年彳月p 日 学位论文使用授权声明 南京理工大学有权保存本学位论文的电子和纸质文档，可以借阅或 上网公布本学位论文的部分或全部内容，可以向有关部门或机构送交并 授权其保存、借阅或上网公布本学位论文的部分或全部内容。对于保密 论文，按保密的有关规定和程序处理。 研究生签名：兰星12 。年月f 7 日 硕士论文路厦病害自动检测系统的改进和相关算法的研究 l 绪论 1 i 项目背景 目前，全世界已有8 0 多个国家和地区拥有高速公路，通车总里程超过了2 3 万 公里。中国高速公路经过十多年的发展，突飞猛进，2 0 0 4 年新增公路通车里程4 6 万公里，总里程达1 8 5 6 万公里；高速公路里程新增4 4 0 0 公里，通车里程已超过 3 4 万公里，仅次于美国，超过了加拿大、德国、法国，居世界第二 中国公路建设投资数量之大、开工项目之多举世瞩目。从1 9 9 0 年到2 0 0 3 年的 1 4 年间，中国公路建设累计投资近2 万亿元，其中仅2 0 0 3 年就达3 7 1 5 亿元。交通 部有关负责人说，针对公路交通事业的长远发展需要，交通部提出了8 1 万公里国家 重点公路建设规划，计划到2 0 2 0 年完成，并与目前的国道主干线共同构成国家骨架 公路网。届时，中国高速公路将达到7 万公里。高速公路的建设，改善了我国公路的 技术等级结构，改变了我国公路事业的落后面貌，缩短了我国同发达国家之间的差距， 有效地拉动内需，刺激了高速公路附近地区的经济繁荣和发展。 车辆在高速公路上行驶时，对路面的平整度、路面完好率要求很高，当路面出现 凹凸、裂缝等病害时应及时进行维修，否则道路交通将受到极大影响，行车安全无法 保障。所以高速公路建成之后，对其进行保养维护就成为主要问题。目前，国家在定 期检查道路路面状况、路面翻修上投入了相当大的人力物力如果路面病害在形成初 期就被检测到，我们就能及时进行路面维修，维护费用将大大降低。 传统的基于人工视觉检测病害的方法不能适应高速公路发展的要求，其问题在 于： 1 成本高：现在我国高速公路网规模大，靠人在公路上走，用眼睛观察，为完 成一段公路的调查需要相当数量的人力，而且检测周期长。 2 精确度低：个人的主观因素影响较大，不同人有不同的认识和见解，即使同 一个人在不同时刻对同一路面的质量做出的判断也未必相同。 3 影响交通：人工检测路面时，为保障工作人员的安全，需要频繁封闭车道或 路段，这在对高速公路依赖如此之深的今天，是令人难以接受的。 4 危险：工作人员在处于半封闭状态的路段( 如：封闭部分车道而其余车道任有 车流) 开展检测工作是相当危险的。 在计算机领域，高性能处理器的飞速发展、存储器容量的成倍增长、存取速度的 提高以及图像的实时采集和分析处理，促使世界各国的研究人员思考这样一个问题： 能否利用计算机来实现路面病害的自动检测。该技术一旦实现，不仅是图像处理学术 领域的突破和实际应用，还将大大降低高速公路的维护成本，提高安全性和精确性， l 硕士论文路面病害自动检铡系统的改进和相关算法的研究 有着广阔的市场前景。 1 2 国内外发展线况 国外高速公路发达国家对这一领域的研究较早，根据不同的物理设备如超声波、 激光等而使用不同的方法，对基于图像分析、机器视觉的智能检测方法的研究也很 多。各发达国家经过长期的实验研究积累了很多经验【1 】【4 】【5 】【6 】r 玎，随着近几年硬件的 飞速发展，一些研究成果正逐渐转化为产品，并投入使用。 上世纪9 0 年代以来，国外研发出一批自动检测道路病害的系统产品，典型的 有以下几例 加拿大w i s e c r a x 系统 w i s e c r a x 系统分为数据采集、病害识别和病害分类三个子系统。数据由安装在 车上的两个灰度c c d 摄像机获得。采集车安装了外加闪光设备，同步于摄像机的快 门。这样既能提供摄像机拍摄所需的足够光亮，又能消除阴影的影响，降低了算法 的复杂度。在裂缝的识别中，对每条识别出的裂缝的开始和结束，用x - y 坐标系来 表示，并计算其长度、宽度和方向信息。在裂缝分类阶段，通过裂缝的位置，长度 和宽度跟预定义的病害种类相比较来确定病害类型。 澳大利亚r o a d c r a c k 系统： r o a d c r a c k 系统于1 9 9 7 年投入使用。它由一辆卡车改装，底部安装了一个罩子， 内部架设了光源和四个高速摄像机，能以高达l o o k m h 的车速实时进行图像采集和 处理。其采用了高速度数字摄像机、高质量的照明系统，能够满足摄像机高速拍摄 的需要。裂缝病害的检测精度可达i m m 。 英国 i a r r i s 系统删： 图像采集使用了时间延迟和积分( t i m ed e l a ya n di n t e g r a t i o n ，t d i ) 线扫描摄 像机，安装在车后面，在外加光源的照明条件下，能以8 0 k m h 的行驶速度高速拍 摄高质量的无阴影图像。所用的t d i 摄像机比一般的线扫描摄像机对照明的要求要 低，其能在很窄的带状照明区域里实现数据采集，避免了帧摄像机拍摄时光亮不均 的影响。为达到覆盖至少8 0 车道的要求，系统使用了三个t d i 摄像机，每一个覆 盖一米的宽度，总共能覆盖3 米宽的范围，采集后的图像每个大小为5 1 2 x 5 1 2 。数 据的处理采用了实时初处理和离线再处理的方式。在数据的采集中先初步对图像进 行处理，清除和减少图像，然后再离线精确处理，其包括三个过程：1 裂缝边界检 测，形成裂缝段列表，并计算其长度，开始点和结束点直线长度，去掉跟裂缝段不 相似的片段。2 连接，根据裂缝段之间的距离、灰度特征和相对角度将其连接起来。 3 真假裂缝鉴别，根据目标的直线性和灰度特征去除非裂缝目标。最后的检测处理 结果以裂缝图的形式保存，其上信息包括裂缝的位置、长度和方向等。 2 硕士论文 路面病害自动检铡系统的改进和相关算法的研究 还有日本的k o m a t s u 系统 3 1 、瑞典p a v u e 系统等【4 1 嘲。 这些年来，我国在公路状况检测、调查、管理与维护技术方面也有很大发展 西安应用光学研究所开发研制了沥青路面损坏检测仪。该仪器由摄像监视和数据 处理二部分组成。装有摄像系统的检测车在1 5 k m h 左右的车速下对路面进行摄像， 并经监视确认“病害”图像清晰无误后，将录有“病害”资料的录像带转至室内利用 计算机进行数据处理。因此该仪器能对沥青路面病害进行自动检测、分析和统计，为 公路管理和养护部门的决策提供科学依据。 l t d - 2 0 0 0 车载公路检测仪是中国电波传播研究所应用先进的冲击雷达技术，研 制生产出的一种道路专用探地雷达。利用这种探测设备可以像医院中用的“b 超”、 “c t ”一样，给公路做一次透视诊断，方便地检测公路的综合质量状况( 包括施工质 量、使用受损和自然变迁等情况) ，及时发现病灶，尤其是隐藏在路面底下的病害。 南京理工大学公路智能检测车课题小组吸取了国内外数十年来的经验，研制开 发了n - i 型道路状况智能检测车同。该系统分为车载系统和离线数据处理系统两大 部分。 其中车载系统分为： 1 路面图像实时采集系统 2 前视路况信息采集系统 3 车辙、平整度信息采集系统 4 g p s 定位系统 5 光码盘里程计定位系统 离线数据处理系统分为： 1 智能病害检测系统 2 手工病害检测系统 3 车辙、平整度分析系统 4 检测结果的报表生成系统 检测车配备了德国生产的a l l 3 高性能高速数字摄像机和基于p c i 接口、直接 内存访问的数字图像采集卡，可以在高速公路上以8 0 公里每小时的速度高速行驶 而不会漏拍图像。这有效解决了检测车在采集路面图像时，因车速过慢妨碍交通的 问题。同时光码盘里程计和g p s 系统是两套相互独立的定位系统，为采集到的图像 提供了里程信息，实现了路面病害的精确定位。这套系统目前已交付江苏省宁沪高 速公路股份有限公司正式使用，用户对其评价很高。该系统的新型号正在研发中。 1 3 研究工作的内容 我的硕士学位论文的课题是，对自动检测病害过程中用到的算法进行研究，并在 3 硕士论文 路面病害自动检测系统的改进和相关算法的研究 现有技术的基础上实现一个高效可靠的自动检测模块。路面病害自动检测的研究属于 图像处理领域。这个自动检测模块是路面病害检测系统的核心，也是难点所在。由于 户外环境和路面情况相当复杂，而现有算法的性能极为有限，计算机自动检测路面病 害不仅是当前国内研究者面临的一大障碍，同样是国外同行面临的技术难题。 图像处理在近几年的发展中，出现了很多新方法，且与其它学科的联系也更为 紧密，尤其是处理器芯片的革命性发展使许多过去被认为是不可行的算法变为可 行在设计算法时，将针对路面病害的特征，结合复杂的实际情况，研究新的病害 分析和检测方案。保留原有处理流程中的合理部分，去掉不合理部分，引入新的图 像分析方法和别的相关领域的技术，努力减少算法对人为、自然因素的依赖，提高 其鲁棒性；并根据病害形状特征、分布特点来设计算法，减少计算量，提高系统运 行速度，并改善病害分类性能。 为了适应工程上实际运用的需要，加快结果产生速度。对自动检测模块的流程 和结构进行了重新设计，引入了图像预处理，目的是要大大加快自动检测的速度， 又新添了小波分析、连通分量分析等图像处理技术，提高了裂缝检测的准确率。 1 4 本文的内容安捧 本文的内容共分8 章。 第一章：绪论，主要讲述路面病害自动检测系统的相关背景、研究目的和意义， 以及国内外研究现状，并介绍了要做的工作。 第二章：路面病害自动检测系统的总体方案，介绍了裂缝病害自动检测流程。 第三章：路面图像预检测，介绍了利用图像予块的直方图特征判断该图是否可 能存在病害的快速检测算法 第四章：现有的路面裂缝检测方法，简要介绍了用于检测裂缝的传统边缘检测 算法，分析了原系统的裂缝检测算法和现在典型的几种算法，总结了它们的优缺点。 第五章：路面图像的小波分析，介绍了小波变换的概念和快速提升小波算法， 并详细分析了原始图分解得到的各频带的含义，以及如何提取有用信息进行反变换 和对反变换结果如何进行分割，提取连通分量。 第六章：病害位置矫正并分类，对连通分量的形状进行几何校正，再针对其形 状特征进行分类，最后统计病害。 第七章：分布式自动检测系统，拟定了一个分布式系统方案，可以协调多台计 算机同时参与病害检测。 第八章：总结，概述了新系统的改进措施和仍然存在的不足，并简要介绍了采 用神经网络技术进行病害检测的思想，展望了病害自动检测系统的发展方向。 4 硕士论文路面病害自动检铡系统的改进和相关算法的研究 2 路面病害自动检测系统的总体方案 现实中的路面情况复杂，受自然环境( 降雨、光照、阴影) 和人为因素( 污垢， 尤其是公路中央的百线和转弯标记) 影响严重。现有算法大多采用传统的图像处理 方法，停留在理论阶段，算法设计脱离实际情况，并没有正对路面病害的特征，性 能极为有限。虽然现有算法已经能够较好的检测出线性裂缝，但是计算量庞大，非 常耗时，并且在病害分类阶段，分类结果并不理想。而且现有算法对路面的要求过 于理想化，需要路面干净，光照充足，无阴影，无积水。 根据路面损坏的形态、特征和肇因可将路面的损坏形式分为裂缝、变形、表面 损坏三大类【7 】。路面病害有其固有的形状特征( 线状或网状) ，病害的出现和分布也 有归规律可寻，如路面裂缝是早期出现的，随后发展为网状，网裂和坑槽常常出现 在裂缝较多的地方线状裂缝是路面病害的普遍表现，其表现时间较早而且会发展 成更为严重的病害。而且裂缝有比其他病害更易于计算机处理的一些特征，从裂缝 的分布上还能推断出其它病害，如网裂、坑槽等，所以检测重点是裂缝【1 9 l 。 路面病害自动检测属于模式识别中的图像处理领域，其涉及到1 9 l ： 1 传统图像处理方法。包括阈值选取、图像分割等1 8 】【9 】【1 0 1 2 纹理分析。水泥路面与沥青路面的随机纹理和裂缝纹理的不耕1 1 】【1 2 1 。 3 形态学。描述裂缝轮廓，分析其长度、宽度、方向，将病害图像数值化，用数字 来表示与描述病害【1 3 1 。 4 图像理解与识别。先进行特征抽取，再采用神经网络法，主要用于后期检测结 果的裂缝分类：水平，垂直，和斜向；也可用于前期特征抽取，再识别 【1 4 】【1 5 】【1 6 1 7 1 【l 硼 新的路面病害自动系统将分为以下几个阶段： 1 路面图像预检测：将图像划分成子块，利用子块的直方图特征找出可疑图像。 2 图像细节分析：该阶段包括小波变换、中值滤波、分块阂值分割、连通分量的 搜索和扩展。 3 病害描述并分类：该阶段先对连通分量做几何校正，再判断其是否是裂缝以及 属于哪类裂缝。最后计算裂缝尺寸和地理位置，并统计 新方案去掉了原系统在图像预处理阶段的图像校正和亮度恢复操作【1 9 1 。因为这 种操作对每个像素进行大量乘除运算，消耗很多时间。如果把图像分成小块处理， 这样几何畸变和亮度不均的影响会大大减少，而且小波变换不受原始图像的亮度不 均的影响。把原来的几何校正放到裂缝识别前进行，并且只对病害图像中的连通分 量进行校正计算。这样仍然能保证病害形状不失真，对病害的所有计算不会受到几 何畸变的影响。 5 硕士论文路面病害自动检测系统的改进和相关算法的研究 病害检测总的流程图如下： 基于直方图特征的陕速检测 利用小没变换对疆检测挑出来的可疑图 像按频带进行分解提取高频信息 对反变换后得到的图像进行中值滤瘐 按国值提取目标 对连通分量进行邻域扩展合并扩展后 连在起的分量 对连通分重进行识别。挑出裂缝并分类。 统计病害 图2 1 病害检测流程 6 硕士论文路面病害自动检测系统的改进和相关算法的研究 3 路面图像预检测 该阶段对检测车采集到的所有路面图片经行病害分析，目的是滤掉肯定不含病 害的图像，挑出可能含有病害的图像。图像的尺寸大，数量多，原有算法【l 州采取的 在检测病害前对每幅图先进行几何畸变矫正与亮度校正等处理显然是低效率的。这 些校正涉及到对整幅图进行逐像素的乘除运算跚，其运算量甚至超过后续的病害检 测算法。所以第一个改进措施是去掉校正处理，引入预检测处理，在保证不漏掉一 个病害的前提下，采用一种快速算法，将所有图像检测一遍，挑出可能包含病害的 图像，并搜集其病害信息，留待进一步分析。 图像预检测处理分为：图像缩小、分块、简单识别三个步骤。 3 1 图像缩小 首先，在对图像进行处理之前将它们缩小。加入这一步的原因是： ( 1 ) 每次采集回来的图像量很大，每幅图的尺寸又大( 1 3 0 0 1 0 3 0 ) ，所以在不 影响检测精度的基础上缩小图像尺寸将大大减少计算量，提高整个系统的处理效率。 ( 2 ) 由于光学成像系统和图像采集系统的不完善性，加之图像是在检测车高速 行驶时采集的，因此图像有点模糊而且含噪声。 缩图方案是将邻近的4 个点的值相加再除以4 ，合并为一个点，这在某种意义上 也是对原图做平滑，去掉了一些弱噪声，并突出了信息。 g ( 歹) = 1 f ( 2 i ，2 d + f ( 2 i + 1 ，2 j ) + f ( 2 i ，2 j + 1 ) + f ( 2 i + 1 ，2 j + 1 ) j 1 4 ( 3 1 1 ) i ，j 是缩小后图像的坐标。 图3 1 1 原始图 7 硕士论文路面病害自动检测系统的改进和相关算法的研究 3 2 分块 图3 1 2 缩略图 检测车采集到的图像的亮度分布是不均匀的。由于c c d 摄像机成像系统的特 点，正面拍摄的图像会有中间亮，周围暗的效果，使得进光量不同造成亮度不均。 同时，由于c c d 摄像机使用了广角镜，由透镜成像原理知道，原始图像将含有几何 畸变，实际采集到的图像证明确实存在这一问题。一般的检测算法都把解决这些图 像畸变( 亮度、几何两个方面) 问题作为一个重要的处理步骤1 1 9 1 2 0 1 z “。但是原有方 案中采取的对所有整幅图进行亮度、几何上的矫正显然是低效率的。 图3 2 1 有几何畸变且亮度不均的原始图 我们不妨引入假设；光照不均和几何畸变在整幅图像表现明显，但在一个图像 的局部小区域内是可忽略的。在图像的中部区域这一假设是成立的，在图像边缘， 光照不均和几何畸变就比较明显了。基于这个特点，在预检测阶段图像被分割成 6 4 x 6 4 的小块。下一步的简单识别处理将在每一个这样的小块上进行。为使检测结 果更精确，每个小块与上下左右的相邻块间各有i 2 的重叠区，也就是说小块向左、 向下的步进都是3 2 。如图3 2 2 中a 、b 、c 图所示： 硕士论文路面病害自动检测系统的改进和相关算法的研究 ( a ) 子块6 4 6 4 3 3 简单识别 ( b ) 子块左移3 2 ( c ) 子块下移3 2 图3 2 2 子块的移动 图像预检测的目的是：从大量原始图像中快速的挑出可能包含病害的图像，并 保证不漏掉一个病害。因此采用的简单识别必须是一种快速算法。新系统采用了分 析直方图的方法。通过对大量实际图像进行分析，我们可以看到当图像中含有裂缝 病害时裂缝所在的图像子块的直方图和正常路面的直方图具有很大区别，不必关心 直方图的分布范围和具体数值，我们只注意直方图波峰波谷的变化。 3 3 1 直方图波峰分析 首先要认识到这个事实：路面图像的直方图中每个波峰都代表了一类对象。如 主波峰对应了背景纹理，低灰度值区的小波峰对应裂缝。 正常的路面图像直方图中对应于各灰度值的像素数基本上是符合正态分布的， 只有一个波峰。如图3 3 1 1 b ：a 区是上升沿，b 区是波峰，c 区是下降沿，e 区是 由噪声应起的若干小波峰。这些区域是由沥青路面上的反光颗粒造成的。检测车一 般选择上午9 点到下午3 点这段光照充足的时段采集路边图像，因此在强光照射下， 沥青路面所含的反光颗粒的反射光会在图像上形成高灰度值像素 赫 驻 c a ) 正常( b ) 直方图 图3 3 1 1 正常路面的图像子块和相应的直方图 裂缝一般是图像中灰度值很低的像素组成的，所以直方图主波峰的上升沿( a 9 硕士论文路面病害自动检铡系统的改进和相关算法的研究 区) 的低灰度区，有代表裂缝的波峰，如图3 3 1 2 b 中d 区。裂缝所占的像素数 很少，而且灰度值不集中，所以分布有若干个小波峰。与图3 3 1 i b 比较可发现 裂缝的存在使a 区下部( 灰度值8 0 至9 0 的区域) 的坡度明显小。 一 灰度值 ( a ) 含低灰度值裂缝( b ) 直方图 图3 3 1 2 含低灰度值裂缝的图像子块和它的直方图 图3 3 1 3 不恿国 有些比较严重的裂缝由于形成时间较长，经车轮碾压、雨水冲蚀，裂缝处露出 了沙石填料，形成唧浆( 唧泥) 【7 1 这是一种水破坏引起的病害。水透过沥青表面 缝隙滞留在半刚性基层顶面，在大量高速行车作用下，自由水产生很大压力并冲刷 基层混合料表面的细料，形成灰白色浆。灰浆又被行车压唧，通过路面裂缝到达路 表面。某处一旦有灰浆唧出，该处就容易产生网裂和形变，随后降水更容易透入， 并产生恶性循环，最终导致路面严重破坏。 唧浆一般附在裂缝上，其像素灰度值高于周围正常的沥青路面纹理，因此裂缝 会有高灰度值部分。如图3 3 1 4 b 的d 区，在高灰度值区域会有代表唧浆的小波 峰。由于路面上有反光颗粒，d 区的部分像素是由这些反光颗粒带来的噪声，正如 图3 3 1 2 b 的e 区，所以该部分的情况比较复杂。 1 0 硕士论文路面病害自动检测系统的改进和相关算法的研究 ( a ) 宙唧浆的裂缝( b ) 直方图 图3 3 1 4 含唧浆的图像子块和它的直方图 我们对这些的图像子块的直方图特征进行如下小结： 1 直方图只有一个波峰，则路面是正常的。 2 在直方图主波峰的上升沿( a 区) 有小波峰出现，则可能是低灰度值裂缝。 当然，不能排除油污，或是局部噪声造成的直方图上的毛刺等特殊情况。 3 在直方图主波峰的下降沿( b 区) 有小波峰出现，则可能是高灰度值唧浆( 裂 缝上贴附着唧浆) ，也可能是沥青表面颗粒的反光，或是画在公路上的指向 线。 这就是判断图像中是否含裂缝的依据。通过分析原始图像分块后得到的子块的 直方图，可以判断出该小块中是否包含异常像素区。当然，我们不能光凭对直方图 的分析来断定这些异常区域就是要找的裂缝，还要通过对该区域的细节分析，包括 该区域的纹理、从背景中分离出来的对象的几何形态、各对象间的位置关系等，这 些工作留到图像细节分析阶段完成。 3 3 2 基于直方图波峰特征判定路面裂缝的算法 裂缝虽然有低灰度值的也有高灰度值的( 唧浆) ，但对它们采用的预检测算法大 体上是一致的，因为它们都是主波峰边沿处的小波峰。路面背景明显占据图像的大 量像素，对应于主波峰，分别代表高、低灰度值裂缝的小波峰位于主波峰的高值边 沿( 右边沿) 和低值边沿( 左边沿) 。先找出直方图主波峰的位置，再分别顺着左 右边沿搜索小波峰即可。找到小波峰的波谷，以该处像素值作为阈值，并进行阈值 分割，便可粗略的提取出裂缝，得到裂缝的大致形状( 单线型、分叉型) ，分布( 横 向、纵向、网状) 等有效信息，为下一步对裂缝的深入分析和精确定位做准备。同 时当发现整个直方图是单峰的，不存在小波峰，或是根据闽值分割后得到的结果可 直接判断出该幅图像不含裂缝病害，就能提前结束对该图的检测，这将大大缩短检 测所花费的时间。 硕士论文 路面病害自动检铡系统的改进和相关算法的研究 阂值分割是图像处理领域的常用方法【8 】【9 】。当图像中我们关心的部分的像素值与 背景及其它对象有明显差别，且像素值分布集中，我们就可以利用阈值分割将这个 感兴趣部分分离出来。阈值分割被广泛用于文字识别、车牌识别，用来分割字符， 提取有用信息。这些图像的特点是背景简单，字符的灰度特征明显。路面图像也具 备这一特点。虽然采集到的路面图像会含有阴影区、交通标记( 车道线、指向标识) 等干扰信息，但总体上背景是简单的，裂缝区的灰度值是和背景有明显区别的。应 此采用阈值分割的方法来分隔出灰度值集中在特定范围内的病害区域。 我们在预检测阶段是否能成功地从路面背景中分离出裂缝取决于该图像的直方 图能否被很好的分割。即判断直方图是否含有代表裂缝的小波峰，如果有，准确找 出它们。下文将详细介绍搜索低灰度值裂缝的算法，搜索高灰度值唧浆的算法与其 类似。 在所有直方图中，主波峰都有左下降沿如图3 3 2 1 箭头所示。 图3 3 2 1 示意图 波峰峰值的定义：在该波峰所占灰度值区域内，对应某一灰度值的像素数目最 多，这个最大值就是峰值。主波峰的峰值，它也是直方图最大值( 有同一灰度值的 像素数目最多) 。理想情况下，只要找到主波峰的峰值对应的灰度值，从该值左侧 起就是左下降沿。但是在实际图像的直方图中，最大值附近会有若干局部极大值， 如图3 3 2 2 b 这些局部峰值所在的波峰代表的是背景纹理。若是以最大值作为下 降沿的开始点搜索小波峰，则找到的波峰中必然包括这种波峰，把它们看作是代表 裂缝的波峰显然是错误的。所以在这里并不需要搜索主波峰的峰值，我们关心的是 从主波峰左下降沿的哪个位置开始能有效找到裂缝的波峰。 硕士论文 路面病害自动检铡系统的改进和相关算法的研究 ( a ) 裂缝子块 像 素 数 y 灰度值x ( b ) 直方图中最大值与局部极大值共存 图3 3 2 2 直方图的波峰 进一步观察直方图，令像素数为y ，灰度值为x ，将直方图看作以x 为自变量的 函数：y = ，( 功，t a b 是直方图对应的数组，数组的2 5 6 个元素对应灰度值0 到2 5 5 ， 定义直方图的一阶导数如下： ， ， 三二= f c x ) 一， - 1 ) = t a b x 卜t a b x - 1 】 ( 3 3 1 ) a x 函数，( x ) 的一阶导数a y , 矗总有一个最大值。图3 3 2 2 b 中，灰度值x 为1 0 0 时，方出有最大值，设此灰度值为，y o = f ( x 。) ，就是说在该点( x o ，y 。) ，y 增幅 最大。图中左侧，从整体上看y 的值随x 的减小而减小，即砂出 0 ，但是在 个别点有d y 出 0 ，这些点组成了若干小波峰，就是我们关心的代表裂缝的波峰。 它们位于低灰度值区，对应的y 值偏小，a y a x 的绝对值协别也较小。这些小波 峰所占像素数的总和较高，这是它们区别于低灰度值噪声的特点。如果幅图中没 有低灰度值裂缝，其直方图的低灰度值区一般不存在小波峰，就是说a y a x 0 ，而 且a r a k 的值比较大，即使有若干低灰度值噪声，其占据的像素数也非常小。 根据以上阐述的特征就能设计出一个搜索直方图中代表低灰度值裂缝的小波 峰的算法。 1 针对直方图建立一个整型数组t a b 2 5 6 ，直方图中每一个灰度值x 对应的像 素数y 存入t a b 数组中相应下标的元素，即t a b i x = y 。 2 找到一阶导数a y a k 的值大值点( x o ，y o ) 。 3 从( ，朋) 开始向左( 低灰度值区) 搜索小波峰。 4 以第一个小波峰的右波谷为阈值进行阈值分割，就能得到裂缝的基本外貌。 这个算法最关键的是步骤3 ，在搜索波峰时要记录每一个波峰的信息，其存储 结构如下： s t r u c t i n tf r o m ；波峰的右谷底对应的灰度值 i n tt o ；波峰的左谷底对应的灰度值 i n ts u i n g该波峰所占的像素数量 硕士论文路面病害自动检铡系统的改进和相关算法的研究 ) 路面图像包含的对象分为两类：背景( 大量像素) 与非背景( 裂缝、污渍、反 光颗粒等异常像素区) 。一阶导数圳出的最大值点( 而，) 体现了直方图中从背景 像素区到低灰度值非背景区的过渡。从该点开始找到第一个小波峰的右波谷，即找 到第一个方出 0 向咖出 o 向砂出 m i n ) 阈值t h r e s h 调整后，满足了规则4 ，可以认为该图像块含有裂缝；) 最后得到的波峰组必须同时满足4 条规则。 3 3 3 高灰度值裂缝段的预检测 对于高灰度值裂缝，因为有唧浆，其灰度值高于路面背景，处于直方图中主波 峰的右侧高灰度值区。我们可以将直方图倒置，即通过： t a b i 】营t a b 2 5 5 - i f 【0 , 2 5 5 】i 是原图中像素灰度值。 这样倒置后，原来的高灰度值裂缝成了的低灰度值裂缝，可以重用上文介绍的算法 来检测小波峰。由于唧浆要在低灰度值裂缝存在的前提下才有出现的可能，所以只 在有低灰度值裂缝的子块和它的邻接子块搜索唧浆的波峰。 1 6 硕士论文 路面病害自动检测系统的改进和相关算法的研究 ( a ) 唧浆( b ) 直方图 图3 3 3 1 含唧浆的图像子块和它的直方图 1 咖 阳d 像 素b o o 数 加口 ： ji 。： ( a ) 反相图( b ) 反相后的直方图 图3 3 3 2 反相后的子块和它的直方图 搜索唧浆波峰的算法和搜索低灰度值波峰