一種逐步求精的路面裂縫檢測(cè)方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及路面檢測(cè)技術(shù)、計(jì)算機(jī)圖像處理技術(shù)領(lǐng)域，尤其涉及到一種路面裂縫 檢測(cè)方法。
【背景技術(shù)】
[0002] 公路在運(yùn)營(yíng)過(guò)程中受自然環(huán)境、行車荷載、材料性能等諸多因素影響，表面將逐漸 出現(xiàn)各種破損，裂縫作為瀝青路面最主要的病害類型之一，嚴(yán)重影響行車速度及行車安全， 加劇汽車磨損，也縮短了瀝青路面服務(wù)年限。為節(jié)約養(yǎng)護(hù)資源，保障行車安全、舒適，需要快 速、準(zhǔn)確獲取道路損壞的位置、面積、程度等參數(shù)信息，為交通管理部門客觀評(píng)價(jià)路面質(zhì)量、 科學(xué)決策養(yǎng)護(hù)管理方案提供依據(jù)。
[0003] 目前，隨著傳感器、自動(dòng)控制、計(jì)算機(jī)等技術(shù)的發(fā)展，路面圖像的自動(dòng)采集設(shè)備已 趨近成熟，而后期的裂縫識(shí)別仍然采用人機(jī)結(jié)合甚至完全人工的方式，工作量大、效率低。 然而，多數(shù)情況下，采集的高速公路圖像中有病害的圖像數(shù)目占總數(shù)目的比例往往不足 10% ;若能提供有效的圖像有無(wú)病害的分類方法，則人工識(shí)別將減少90%的工作量，若能提 供高效的瀝青路面裂縫自動(dòng)識(shí)別方法，則可為交通管理部門客觀、及時(shí)的評(píng)價(jià)路面質(zhì)量、科 學(xué)決策養(yǎng)護(hù)方案提供充足的依據(jù)。
[0004] 現(xiàn)有的裂縫識(shí)別方法大多采用"先識(shí)別、后分類"的處理模式，在此處理模式下，目 前主流的基于圖像的裂縫識(shí)別方法主要有以下幾種：
[0005] (1)基于灰度閾值的裂縫識(shí)別方法，通過(guò)對(duì)路面圖像灰度特征進(jìn)行分析，選取合適 的灰度閾值區(qū)分圖像背景與目標(biāo)。該方法一般建立在裂縫的灰度通常比背景灰度低的前提 條件下，要求裂縫具有較高的對(duì)比度及較好的連續(xù)性，但由于路面積灰、裂縫縫壁脫落、路 面顆粒紋理豐富等原因，裂縫通常具有低對(duì)比度、連續(xù)性差等特征，故基于灰度閾值的裂縫 識(shí)別方法難以識(shí)別灰度特征不夠顯著的病害。
[0006] (2)基于形態(tài)學(xué)處理的裂縫識(shí)別方法，該方法利用腐蝕、膨脹、骨架提取、邊緣檢測(cè) 等方法獲取裂縫的二維形態(tài)特征。然而路面圖像復(fù)雜、病害形式多樣，基于形態(tài)學(xué)處理的識(shí) 別方法實(shí)用性不高。
[0007] (3)基于機(jī)器學(xué)習(xí)的裂縫識(shí)別方法，該方法主要用于裂縫檢測(cè)后的類型分類，關(guān)鍵 在于路面裂縫特征的提取與分類器的設(shè)計(jì)。由于路況復(fù)雜、裂縫形式多樣，裂縫特征提取難 度加大，同時(shí)測(cè)試樣本集較小、算法復(fù)雜、計(jì)算量大等因素都制約著分類算法的準(zhǔn)確性、魯 棒性及實(shí)時(shí)性。
[0008] (4)基于多尺度幾何分析的路面裂縫的識(shí)別方法，通常利用圖像幾何結(jié)構(gòu)特征，采 用小波、Ridgelet (脊波）、Curvelet (曲線波）Xontourlet (輪廓波）、Bandelet (帶條波） 等變換表達(dá)圖像信息。由于復(fù)雜背景下的瀝青路面裂縫具有不規(guī)則性，裂縫形態(tài)及位置具 有不可預(yù)測(cè)性，該方法無(wú)法有效的提取復(fù)雜裂縫信息，同時(shí)，多尺度分析方法普遍存在計(jì)算 過(guò)程復(fù)雜、效率較低問(wèn)題。
[0009] 現(xiàn)有的裂縫檢測(cè)技術(shù)大多建立在圖像質(zhì)量好的基礎(chǔ)上，缺乏對(duì)復(fù)雜環(huán)境的適應(yīng) 性，難以滿足工程應(yīng)用的實(shí)際需求。由于路面結(jié)構(gòu)類型復(fù)雜、光照不均、陰影、及路面上的異 物、人工標(biāo)記等因素的影響，路面圖像具有灰度分布不均、紋理豐富、頻譜差異性小，邊緣模 糊、噪聲污染等特點(diǎn)。實(shí)際工程檢測(cè)表明，采集到的圖像由于自然光、行道樹、建筑物、路面 材質(zhì)等外界因素影響使得圖像可能存在光照不勻、陰影大、雜物多、曝光過(guò)度、標(biāo)線豐富等 現(xiàn)象。其次，在高速行駛采集過(guò)程中，數(shù)據(jù)采集單元的相機(jī)與激光器由于相對(duì)運(yùn)動(dòng)無(wú)法絕對(duì) 保持在同一個(gè)平面，導(dǎo)致采集的數(shù)據(jù)存在明暗相間條紋，表現(xiàn)為光照不勻。此外，瀝青路面 鋪裝材料顆粒感強(qiáng)、大小各異，導(dǎo)致路面圖像紋理豐富，減弱或破壞裂縫的可視化特征。通 過(guò)對(duì)已有研宄成果的分析，影響裂縫識(shí)別的主要因素有光照不勻、陰影、標(biāo)識(shí)標(biāo)線、紋理等。 光照不均、陰影可能會(huì)掩蓋路面病害的部分特征，不利于路面病害特征的提取。標(biāo)線、紋理 等干擾與裂縫等破損目標(biāo)具有某些相似特征，易與裂縫混淆，導(dǎo)致錯(cuò)誤檢測(cè)。直接通過(guò)原始 圖像信息提取高區(qū)分度裂縫特征從而實(shí)現(xiàn)裂縫識(shí)別的難度較大。此外，一般情況下，采集的 高速公路圖像中有病害的圖像數(shù)目占總數(shù)目的比例較小，若采用與有病害路面圖像同樣的 識(shí)別方法，大大增加了處理的時(shí)間復(fù)雜度。
[0010]同時(shí)，現(xiàn)有技術(shù)大多建立在裂縫的灰度值比圖像背景灰度值低、裂縫目標(biāo)清晰、連 續(xù)、幾何特征顯著的假設(shè)前提下，而實(shí)際路面上，由于車輪載重碾壓、風(fēng)化、路面積灰、裂縫 縫壁脫落等原因，裂縫通常具有對(duì)比度低、連續(xù)性差等特征，同時(shí)，由于道路基層進(jìn)水而發(fā) 生灌漿的現(xiàn)象，使裂縫的灰度值較路面背景要高，表現(xiàn)為"白裂縫"的現(xiàn)象，由此可知，在實(shí) 際應(yīng)用中，現(xiàn)有技術(shù)的假設(shè)條件并不完全成立，因此，現(xiàn)有技術(shù)是無(wú)法解決弱對(duì)比、弱連續(xù) 性、細(xì)小的裂縫以及"白裂縫"的檢測(cè)問(wèn)題。

【發(fā)明內(nèi)容】

[0011] 本發(fā)明所要解決的技術(shù)問(wèn)題是提供一種逐步求精的路面裂縫檢測(cè)方法，以克服現(xiàn) 有的裂縫自動(dòng)識(shí)別方法普遍存在實(shí)時(shí)性差、識(shí)別率低、無(wú)法滿足實(shí)際應(yīng)用需求等缺陷。
[0012] 為解決上述技術(shù)問(wèn)題，本發(fā)明提供一種逐步求精的路面裂縫檢測(cè)方法，包括采集 路面圖像，對(duì)所述路面圖像進(jìn)行分析處理，其特征在于，所述對(duì)路面圖像進(jìn)行分析處理包括 以下步驟：
[0013] 提取疑似裂縫聚集區(qū)域R0A，包括：在所述路面圖像上提取具有一定灰度特征的 連通區(qū)域，根據(jù)一定預(yù)設(shè)條件對(duì)所述連通區(qū)域進(jìn)行篩選，得到所述疑似裂縫聚集區(qū)域；所述 預(yù)設(shè)條件是根據(jù)裂縫區(qū)域的幾何形態(tài)特征先驗(yàn)得到的。
[0014] 所述疑似裂縫聚集區(qū)域ROA不是孤立的像素點(diǎn)，而是由一些灰度相近的像素點(diǎn)聚 集在一起且滿足裂縫聚集形態(tài)特征的區(qū)域。
[0015] 進(jìn)一步的，還包括步驟：提取裂縫置信區(qū)域R0C，包括：
[0016] 對(duì)篩選出的ROA區(qū)域，利用ROA區(qū)域的幾何形態(tài)、空間位置及灰度統(tǒng)計(jì)特征，建立 目標(biāo)決策機(jī)制篩選出具有一定裂縫置信度的初步裂縫置信區(qū)域；
[0017] 對(duì)所述初步裂縫置信區(qū)域，依據(jù)初步裂縫置信區(qū)域之間的空間位置及區(qū)域相似性 特征，連接合并位置較近且相似的區(qū)域，形成增強(qiáng)裂縫置信區(qū)域，即所述裂縫置信區(qū)域R0C。
[0018] 更進(jìn)一步的，還包括步驟：基于ROC方向特征加權(quán)的區(qū)域生長(zhǎng)，包括：
[0019] 步驟4-1、提取所有ROC的方向及長(zhǎng)度特征矢量；
[0020] 步驟4-2、從最長(zhǎng)的ROC開始，計(jì)算搜索范圍；
[0021] 步驟4-3、搜索范圍內(nèi)的所有可生長(zhǎng)區(qū)域；
[0022] 步驟4-4、合并ROC及可生長(zhǎng)區(qū)域：對(duì)于可生長(zhǎng)區(qū)域集合中的所有區(qū)域，依據(jù)ROC 與可生長(zhǎng)區(qū)域空間位置關(guān)系，依次合并位置相近區(qū)域，然后結(jié)束當(dāng)前ROC生長(zhǎng)；
[0023] 步驟4-5、裂縫構(gòu)成判斷：若當(dāng)前ROC生長(zhǎng)結(jié)束，可依據(jù)生長(zhǎng)后的區(qū)域總長(zhǎng)度Rgrowlen 進(jìn)行判斷是否滿足裂縫條件；若滿足，則進(jìn)入步驟4-6,否則區(qū)域生長(zhǎng)完畢；
[0024] 步驟4-6、下一個(gè)ROC的延伸：從下一個(gè)ROC開始，重復(fù)步驟4-2到步驟4-5的操 作，直到完成所有ROC的生長(zhǎng)，則區(qū)域生長(zhǎng)完畢。
[0025] 在所述提取裂縫置信區(qū)域ROC之前，還包括步驟：
[0026] 基于ROA對(duì)圖像進(jìn)行自適應(yīng)閾值分割，包括：
[0027] 將圖像劃分為不重疊子塊圖像；所述子塊圖像包括：含疑似裂縫聚集區(qū)域的子塊 圖像I、與子塊圖像I位置鄰近的且不含疑似裂縫聚集區(qū)域的子塊圖像II，以及不含疑似 裂縫聚集區(qū)域且與子塊圖像I不相鄰的子塊圖像III ;
[0028] 對(duì)子塊圖像I、II和III分別按照不同的閾值進(jìn)行分割，其中，子塊圖像I根據(jù)ROA 的灰度特征確定分割閾值；子塊圖像II參考與其相鄰的子塊圖像I確定分割閾值；子塊圖 像III按照其自身的特征進(jìn)行分割；分別得到各子塊圖像的二值圖。
[0029] 進(jìn)一步優(yōu)化的，所述對(duì)ROA進(jìn)行自適應(yīng)閾值分割后，還包括步驟：
[0030] 第一輪補(bǔ)償：依據(jù)病害的連續(xù)性，判斷背景像素點(diǎn)與其周圍的感興趣像素點(diǎn)的灰 度差值是否滿足預(yù)設(shè)范圍，若滿足，進(jìn)行補(bǔ)償。