專利名稱：基于稀疏分解理論的公路路面病害特征提取方法
技術(shù)領(lǐng)域：
本發(fā)明涉及路面病害檢測(cè)技術(shù)，具體涉及一種路面病害特征的提取方法。
背景技術(shù)：
隨著高速公路事業(yè)的蓬勃發(fā)展，路面病害檢測(cè)成為公路養(yǎng)護(hù)事業(yè)的一個(gè) 重要研究課題，在公路的維護(hù)中占有重要的地位。傳統(tǒng)的人工檢測(cè)技術(shù)速度慢、 不準(zhǔn)確且影響交通，已不能滿足公路檢測(cè)發(fā)展的要求。高性能的計(jì)算機(jī)以及圖 像處理技術(shù)的發(fā)展使路面病害的自動(dòng)檢測(cè)成為可能，其中對(duì)于路面的檢測(cè)一直 是研究的熱點(diǎn)。然而，路面圖像存在著成像灰度不均、光源、陰影、穩(wěn)定性等 問(wèn)題，其復(fù)雜性、多樣性以及病害信息的弱信號(hào)性，使得路面病害自動(dòng)檢測(cè)技 術(shù)存在諸多問(wèn)題。針對(duì)變化多樣的路面破損形式，尋找行之有效的路面病害特 征識(shí)別技術(shù)具有重要的意義。
目前路面病害特征識(shí)別技術(shù)主要有兩種， 一種是基于灰度信息的圖像處 理技術(shù)，這種技術(shù)研究較多，方法也較多；另一種是基于結(jié)構(gòu)光的三維輪廓檢 測(cè)技術(shù)，這種技術(shù)研究相對(duì)較少。下面分別介紹這兩種檢測(cè)技術(shù)
1. 基于圖像灰度信息的路面病害特征識(shí)別技術(shù)
由線陣相機(jī)在輔助照明條件下獲取路面圖像是這種技術(shù)的一個(gè)典型實(shí) 現(xiàn)。圖像數(shù)據(jù)主要由以下四部分灰度信息組成路面影像背景部分，為低頻成 分；路面破損及路面污染物如油污部分，為高頻成分；輔助照明系統(tǒng)由于照 明不均所引起的干擾成分以及成像系統(tǒng)的隨機(jī)噪聲成分。因而路面圖像裂縫的 識(shí)別研究主要集中在圖像增強(qiáng)和裂縫目標(biāo)分割的方法上。
現(xiàn)有的裂縫圖像檢測(cè)技術(shù)主要以裂縫的灰度特征及二維形態(tài)特征作為判 別裂縫的準(zhǔn)則，主要應(yīng)用的算法有基于直方圖路面裂縫感知算法，影像分塊裂 縫檢測(cè)算法，路面影像實(shí)時(shí)閾值化算法、人工種群算法、統(tǒng)計(jì)濾波法、模糊邏 輯法等。這些算法都在一定程度上對(duì)常規(guī)裂縫檢測(cè)算法有所改進(jìn)，但均難以克 服油污、黑斑以及大量隨機(jī)分布的噪聲的影響。
2. 基于結(jié)構(gòu)光的三維輪廓信號(hào)分析技術(shù)
結(jié)構(gòu)光成像技術(shù)獲得的路面信號(hào)包含了路面三維輪廓信息，數(shù)據(jù)精度高、 特征豐富，對(duì)油污、黑斑以及隨機(jī)噪聲不敏感。這些特征包含車(chē)轍、裂縫、坑 洼、突起等不同的表現(xiàn)形態(tài)。如圖1所示，由于成因不同和雜物填充，病害特征可能會(huì)表現(xiàn)出不同的形態(tài)，如寬度變化不一，深度不同等。
基于結(jié)構(gòu)光的三維輪廓信號(hào)分析技術(shù)可以采用小波和中值濾波相結(jié)合的 方法來(lái)提取基于結(jié)構(gòu)光的三維輪廓信號(hào)特征。其中，小波降噪用于平滑線性疊 加的高斯噪聲，中值濾波用于處理信號(hào)中的強(qiáng)脈沖分量。在輪廓特征提取的過(guò) 程中，可以得到裂縫、突起、坑洼等特征的信息。
實(shí)際路面由于受到雨水沖刷，泥土填埋等原因，裂縫信號(hào)表現(xiàn)形式并不 像仿真信號(hào)那樣理想，采用小波和中值濾波相結(jié)合的輪廓特征提取方法，經(jīng)常 會(huì)把有用特征當(dāng)作噪聲來(lái)處理，識(shí)別準(zhǔn)確率低，不能滿足實(shí)際應(yīng)用要求。
綜上所述基于灰度信息的圖像處理技術(shù)難以克服油污、黑斑以及大量隨 機(jī)分布的噪聲的影響，而基于結(jié)構(gòu)光的三維輪廓信號(hào)分析技術(shù)雖然可以有效克 服這些缺點(diǎn)，但是采用的小波和中值濾波相結(jié)合的方法也存在特征提取不足， 實(shí)際應(yīng)用效果不理想等問(wèn)題。
發(fā)明內(nèi)容
本發(fā)明為了解決基于結(jié)構(gòu)光的輪廓信號(hào)分析技術(shù)中存在的特征提取不足， 實(shí)際應(yīng)用效果不理想等問(wèn)題，而提出了一種基于稀疏分解理論的公路路面病害 特征提取方法。
本發(fā)明的基于稀疏分解理論的公路路面病害特征提取方法的步驟如下 步驟一建立路面病害特征的原子庫(kù){%(0}，根據(jù)不同的病害特征建立不 同的病害特征原子庫(kù)，以位置和尺度作為參數(shù)，并使參數(shù)在不同的范圍內(nèi)變化， 并將原子歸一化，得到病害特征的過(guò)完備原子庫(kù)；
步驟二根據(jù)信號(hào)展開(kāi)理論，從過(guò)完備原子庫(kù)中選取k個(gè)原子對(duì)信號(hào)做k 項(xiàng)逼近，再根據(jù)稀疏分解理論，從k個(gè)原子的各種可能的組合中挑選出分解系 數(shù)最為稀疏的原子組合；病害特征的系數(shù)&的選擇需要滿足稀疏性的約束條 件
min||C||。"/ (1-3) 其中IICll。是序列C力W義…,^)中非零項(xiàng)的個(gè)數(shù)，則病害特征可表示為
/(o=y;+o"=i;cwA(/)+<7 ho，1，2,… (i-4)
其中，C7為逼近誤差，CT = if||/-/』。
基于稀疏分解的路面病W特征提取方法具有如下的優(yōu)點(diǎn)
41、 可以根據(jù)信號(hào)的特征，靈活構(gòu)造適合病害特征的原子庫(kù)，方法的針對(duì)性較強(qiáng)；原子庫(kù)的大小以及特點(diǎn)沒(méi)有任何限制，根據(jù)不同的病害特征構(gòu)造不同的病害原子庫(kù)，原子選取的針對(duì)性較強(qiáng)，能夠更準(zhǔn)確的提取出路面病害特征;原子庫(kù)結(jié)構(gòu)靈活，可以針對(duì)路面?zhèn)€別的特殊病害特征，構(gòu)造相應(yīng)的特征原子，隨時(shí)添加合適的病害原子。
2、 改變了基于結(jié)構(gòu)光的三維輪廓信號(hào)分析技術(shù)中以小波分解等傳統(tǒng)的數(shù)字信號(hào)處理為主的方法，提高了實(shí)用性。傳統(tǒng)的數(shù)字信號(hào)處理方法，通常采用小波分解和中值濾波等方法，由于公路路面輪廓信號(hào)中裂縫病害變化多樣，經(jīng)過(guò)多步處理會(huì)丟失信號(hào)的一些特征，使得錯(cuò)誤率和誤識(shí)別率很高。
3、 與經(jīng)典的Gabor原子庫(kù)相比，降低了搜索次數(shù)，效率顯著提高。經(jīng)典的Gabor原子庫(kù)包含L "， v， w四個(gè)時(shí)頻參數(shù)，在搜索過(guò)程中會(huì)增加很多時(shí)間成本，而且Gabor原子是雙邊信號(hào)，不能很好的表現(xiàn)裂縫病害的特征。本發(fā)明中采用自己構(gòu)造的原子庫(kù)則靈活得多，提高了特征提取的準(zhǔn)確度和速度。
4、 多功能?；谙∈璺纸獾穆访娌『μ卣魈崛》椒ú粌H能提取病害特征，還能提取路面的主輪廓特征，同時(shí)還能提取出路面信號(hào)中的噪聲信號(hào)，可以用來(lái)從側(cè)面反映路面的狀況。
5、 受背景影響小，彌補(bǔ)了基于灰度信息的圖像處理技術(shù)的不足。本發(fā)明的方法用于路面病害特征檢測(cè)，如裂紋、車(chē)轍、坑洼或突起等。
圖1為輪廓信號(hào)分析法中的路面輪廓信號(hào)示意圖；圖2為包含裂縫和噪聲的路面輪廓信號(hào)；圖3為從包含裂縫和噪聲的路面輪廓信號(hào)中提取的裂縫病害信號(hào)示意圖；圖4為從包含裂縫和噪聲的路面輪廓信號(hào)中提取的輪廓信號(hào)示意圖；圖5為提取特征和路面輪廓后的殘余噪聲信號(hào)示意圖。
具體實(shí)施例方式
具體實(shí)施方式
一本實(shí)施方式中的基于稀疏分解理論的公路路面病害特征提取方法的步驟如下
步驟一建立路面病害特征的原子庫(kù){%(/)}，根據(jù)不同的病害特征建立不同的病害特征原子庫(kù)，以位置和尺度作為參數(shù)，并使參數(shù)在不同的范圍內(nèi)變化，并將原子歸一化，得到病害特征的過(guò)完備原子庫(kù)；步驟二根據(jù)信號(hào)展開(kāi)理論，從過(guò)完備原子庫(kù)中選取K個(gè)原子對(duì)信號(hào)做K項(xiàng)逼近，再根據(jù)稀疏分解理論，從K個(gè)原子的各種可能的組合中挑選出分解系數(shù)最為稀疏的原子組合；病害特征的系數(shù)C;的選擇需要滿足稀疏性的約束條件
min||C|。 "/ = |X% (1-3)
,=1
其中||1。是序列^(/=7,2,...，。中非零項(xiàng)的個(gè)數(shù)，則病害特征可表示為
/(0 = /4+" = ZQ%(,)+cr /t-0，1,2,… (l一4)其中，o"'為逼近誤差，cr = mf|/_/J 。
具體實(shí)施方式
二本^施方式是對(duì)具體實(shí)施方式
一的進(jìn)一步說(shuō)明，本實(shí)施方式中的步驟二中公式1-3是采用稀疏分解理論中的框架方法、FOCUSS、基追蹤或匹配追蹤進(jìn)行提取。其它步驟與具體實(shí)施方式
一相同。
具體實(shí)施方式
三本實(shí)施方式中的通過(guò)基于稀疏分解理論的公路路面病害特征提取方法提取裂縫病害特征的步驟如下
步驟一建立裂縫病害特征的原子庫(kù){%(/)}，如公式l-l:
% (x) = 4 exp(—(^)2)& = 0,1,2,… (！ _丄)
其中A表示裂縫的位置信息，^表示裂縫的尺度信息，也即寬度信息；
A表示一系列的不同位置，不同寬度的裂縫類(lèi)型；4為歸一化系數(shù)，如公式1-2，
從而保證原子具有單位能量，便于后續(xù)處理；
1
4 =
卜A 2 (1-2)exp(-(f)2)
分別讓^ ， ^在不同的范圍內(nèi)變化，得到不同的裂縫位置以及寬度信息；如果A, ^變化足夠精細(xì)，理論上可以得到信號(hào)里病害特征的所有位置以及寬度信息，但是由于實(shí)際應(yīng)用中并不需要如此精細(xì)，所以只要根據(jù)信號(hào)的特征，
合適的選擇"，6的變化范圍就可以滿足實(shí)際的需要；
步驟二 根據(jù)信號(hào)展開(kāi)理論，從過(guò)完備原子庫(kù)中選取&(& >^)個(gè)原子對(duì)信號(hào)做K項(xiàng)逼近，由于原子庫(kù)是過(guò)完備的，因此分解時(shí)具有很大的靈活性來(lái)選擇需要的原子對(duì)信號(hào)進(jìn)行表達(dá)；再根據(jù)稀疏分解理論，從K個(gè)原子各種可能的組合中挑選出分解系數(shù)最為稀疏的原子組合;病害特征的系數(shù)G的選擇需要滿足稀疏性的約束條件，如公式i-3 ，其中|4)是序列(:力'=7,2,...，^)中非
零項(xiàng)的個(gè)數(shù)；
在本實(shí)施步驟中只給出裂縫的一種病害特征原子庫(kù)，可以根據(jù)不同的裂縫病害特征建立不同的原子庫(kù)。
稀疏分解理論是一個(gè)信號(hào)在時(shí)域或者其它某種變換域中只具有少數(shù)的非零系數(shù)分量，也就是信號(hào)的能量比較集中于少數(shù)的幾個(gè)分量上，則通過(guò)這些少數(shù)的非零分量就可以將該信號(hào)簡(jiǎn)潔的表達(dá)出來(lái)。％(0即為從病害原子庫(kù)中找出的最佳原子；這樣就可以實(shí)現(xiàn)路面信號(hào)中特征的提取和輪廓的提取。因?yàn)樾盘?hào)選擇分解的稀疏性，&只需取幾項(xiàng)或者一項(xiàng)，就可以用盡可能少的原子來(lái)表達(dá)病害特征，還能很好的表達(dá)病害特征，是本發(fā)明的優(yōu)勢(shì)所在。
通過(guò)圖2至圖5給出實(shí)例來(lái)說(shuō)明效果，如圖2，是一個(gè)包含噪聲和裂縫病害的路面輪廓信號(hào)，為了尋找裂縫病害特征，按照構(gòu)造的裂縫原子庫(kù)，利用本發(fā)明所述的技術(shù)方案，可以分別找到裂縫，路面主輪廓以及剩余的隨機(jī)噪聲信號(hào)，并可給出裂縫的位置，寬度，如圖3至圖5所示。在此實(shí)例中，采用了匹配追蹤算法來(lái)尋找最佳原子，它可以將信號(hào)在過(guò)完備原子庫(kù)中逐次迭代分解，最終獲得稀疏的分解結(jié)果。匹配追蹤方法是稀疏分解中簡(jiǎn)單、易用且速度快的一種算法，它對(duì)字典原子沒(méi)有特定要求，幾乎任何物理可實(shí)現(xiàn)的函數(shù)都可作為原子，從而為解決特定的應(yīng)用問(wèn)題提供了極大的靈活性。此外，信號(hào)的分解過(guò)程是一步一步進(jìn)行的，每一步的尋優(yōu)計(jì)算都較為簡(jiǎn)單，十分有利于尋優(yōu)算法的穩(wěn)定性，是目前信號(hào)稀疏分解的最常用方法。
如圖3至圖5所示，采用本文所述方法可以很好的提取裂縫類(lèi)病害特征，還可以給出殘余信號(hào)。在實(shí)際應(yīng)用中，提取特征和輪廓之后殘余信號(hào)，也即噪聲可以用來(lái)幫助判斷路面的狀況。由上述信號(hào)特征可以看出，經(jīng)過(guò)迭代可以得到裂縫的位置和裂縫寬度，還可以給出裂縫的深度信息，這樣就從位置、深度、寬度三方面來(lái)描述一個(gè)裂縫信息。
min|C||0"/ = 2ci%
則病害特征可表示為:
權(quán)利要求
1、基于稀疏分解理論的公路路面病害特征提取方法，其特征在于它的步驟如下步驟一建立路面病害特征的原子庫(kù)，根據(jù)不同的病害特征建立不同的病害特征原子庫(kù)，以位置和尺度作為參數(shù)，并使參數(shù)在不同的范圍內(nèi)變化，并將原子歸一化，得到病害特征的過(guò)完備原子庫(kù)；步驟二根據(jù)信號(hào)展開(kāi)理論，從過(guò)完備原子庫(kù)中選取K個(gè)原子對(duì)信號(hào)做K項(xiàng)逼近，再根據(jù)稀疏分解理論，從K個(gè)原子的各種可能的組合中挑選出分解系數(shù)最為稀疏的原子組合；病害特征的系數(shù)Ck的選擇需要滿足稀疏性的約束條件其中‖C‖0是序列Ci(i＝1，2，...，K)中非零項(xiàng)的個(gè)數(shù)，則病害特征可表示為k＝0，1，2，… (1-4)其中，σ為逼近誤差，
2、 根據(jù)權(quán)利要求1所^的基于稀疏分解理論的公路路面病害特征提取方 法，其特征在于步驟二中的<formula>formula see original document page 2</formula>(1-3)是采用稀疏分解理論中的框架方法、FOCUSS、基追蹤或匹配追蹤進(jìn)行提取。
全文摘要
基于稀疏分解理論的公路路面病害特征提取方法。它涉及路面病害檢測(cè)技術(shù)，它解決了基于結(jié)構(gòu)光的輪廓信號(hào)分析技術(shù)中存在的特征提取不足，實(shí)際應(yīng)用效果不理想等問(wèn)題。它的步驟為一、根據(jù)不同的病害特征建立不同的病害特征原子庫(kù)，以位置和尺度作為參數(shù)，并使參數(shù)在不同的范圍內(nèi)變化，并將原子歸一化，得到病害特征過(guò)完備原子庫(kù)；二、根據(jù)信號(hào)展開(kāi)理論，從過(guò)完備原子庫(kù)中選取K個(gè)原子對(duì)信號(hào)做K項(xiàng)逼近，再根據(jù)稀疏分解理論，從K個(gè)原子各種組合中挑選出分解系數(shù)最為稀疏的原子組合；病害特征的系數(shù)C<sub>k</sub>的選擇需要滿足稀疏性約束條件為min‖C‖<sub>0</sub> s.t f＝∑C<sub>k</sub>φ<sub>k</sub>；則病害特征可表示為f(t)＝f<sub>k</sub>+σ＝∑C<sub>k</sub>φ<sub>k</sub>(t)+σ k＝0，1，2，…，σ為逼近誤差。本發(fā)明用于路面病害特征檢測(cè)，如裂紋、車(chē)轍、坑洼或突起等。
文檔編號(hào)G01B21/00GK101510261SQ20091007161
公開(kāi)日2009年8月19日 申請(qǐng)日期2009年3月23日 優(yōu)先權(quán)日2009年3月23日
發(fā)明者劉宛予, 孫曉明, 李新紅, 黃建平 申請(qǐng)人:哈爾濱工業(yè)大學(xué)