方法中，所述步驟4)具體為：
[0056] 41)對于不同類型的路面，按照步驟1)提取訓(xùn)練集的特征向量集；
[0057] 42)使用SRC完成測試圖片的K個子塊的分類。
[0058] 43)根據(jù)步驟42)的分類結(jié)果得到子塊類型矩陣p(MXN)，表示測試圖片各個子塊 的分類情況，P(i，j)(i = 〇、l……M;j = 0、l……N)為0或1，0表示非裂縫子塊，1表示裂縫子 塊。
[0059]如圖2所示，上述方法中，所述步驟5)具體為：
[0060] 51)對步驟43)中的子塊類型矩陣p(MXN)，在水平方向和垂直方向進行映射編碼。
[0061] ^表示子塊類型矩陣中第i列1的個數(shù)，^表示子塊類型矩陣第j行中1的個數(shù)。如圖 3示例所示；
[0062] 52)以Xi為例，選定一個范圍X=[xi-d Xi+d]，d為增強距離參數(shù)，按公式⑶進行編 碼增強，得到新的水平編碼。
[0063] xi=max(X)-min(X) (3)
[0064] 如圖3所示，示例中d選取1;
[0065] 53)垂直編碼增強方法和水平編碼類似。
[0066] 如圖4所示，上述方法中，所述步驟1)具體為：
[0067] 61)統(tǒng)計子塊標簽為1的個數(shù)sum;
[0068] 62)如果sum為0,此圖像類型為正常路面，無裂縫，輸出結(jié)果，方法結(jié)束；
[0069] 63)如果sum不為0,分別求出水平編碼和垂直編碼的標準差stdx和stdy，執(zhí)行步驟 64)和步驟65);
[0070] 64)通過stdx和stdy求出兩個值在直角坐標系中與水平軸的夾角Θ，如公式(4);
[0071]
[0072] 65)根據(jù)公式(5)對圖像類型進行裂縫類型識別。
[0073]
[0074] 偏向性的裂縫表示在此方向上的裂縫居多，而網(wǎng)狀裂紋沒有明顯的偏向。如圖6所 示，前三幅圖為偏橫向裂縫，最后一幅圖為網(wǎng)狀裂縫。
[0075] 綜上所述，本發(fā)明提供了一種基于稀疏表示分類的路面裂縫檢測和識別方法。把 機器學(xué)習(xí)的方法應(yīng)用于路面裂縫的檢測和識別，普遍存在檢測精度低、耗時長的缺點，針對 這一問題，本發(fā)明引入了稀疏表示分類器（Sparse Representation-based Classifier，即 SRC)，通過選取有效的子塊高階矩特征，避免了對圖像進行預(yù)處理和后處理，簡化了檢測步 驟，提高了運行效率。具體包括:訓(xùn)練集(子塊)特征向量的提取及歸一化、將測試圖像分塊 提取特征并使用SRC進行分類、根據(jù)子塊分類結(jié)果的映射編碼識別裂縫類型。本發(fā)明提出的 方法相比于傳統(tǒng)的裂縫檢車識別方法具有更高的識別精度和執(zhí)行效率。
[0076] 雖然本發(fā)明已以較佳實施例揭露如上，然其并非用以限定本發(fā)明。本發(fā)明所屬技 術(shù)領(lǐng)域中具有通常知識者，在不脫離本發(fā)明的精神和范圍內(nèi)，當可作各種的更動與潤飾。因 此，本發(fā)明的保護范圍當視權(quán)利要求書所界定者為準。
【主權(quán)項】
1. 一種基于稀疏表示分類的路面裂縫檢測和識別方法，其特征在于，包括以下步驟： 1) 選取訓(xùn)練集，提取訓(xùn)練集的特征向量集并歸一化； 2) 對訓(xùn)練集的子塊進行標注，分為非裂縫子塊和裂縫子塊； 3) 將測試圖片分為指定大小的子塊，提取每個子塊的特征并歸一化； 4) 根據(jù)測試集特征向量，使用SRC對圖像的各個子塊進行分類，得到子塊的類型矩陣； 5) 對子塊類型矩陣進行橫向和縱向的映射編碼并進行編碼增強； 6) 利用步驟5)處理過的編碼進行裂縫類型識別。2. 根據(jù)權(quán)利要求1所述的基于稀疏表示分類的路面裂縫檢測和識別方法，其特征在于， 所述步驟1)具體包括以下步驟： 11) 在采集到的圖片中選取多幅圖片分為指定大小的子塊ηΧη，子塊分為裂縫子塊和 非裂縫子塊； 12) 在步驟11)的子塊中選取m，m 2 100個子塊作為訓(xùn)練集，提取子塊的特征向量（std M3 M4)，std為標準差，M3、M4為子塊圖像的三階矩特征和四階矩特征； 13) 對每個子塊的特征向量進行歸一化。3. 根據(jù)權(quán)利要求2所述的基于稀疏表示分類的路面裂縫檢測和識別方法，其特征在于， 所述步驟12)具體包括以下步驟： 121) 假設(shè)子塊為1，其大小為ηΧη，子塊的標準差特征std提取方法如公式(1); V η -1 甘出 Σ-Σ';.-Α〇 兵干，"Κ謂二-^- /Γ ; 122) 子塊的矩特征提取方法如公式(2)，k = 3時為三階矩特征，k = 4時為四階矩特征： _ Σ;:Σ:η fflj. - --- \ jL·/ 1 fT 。4. 根據(jù)權(quán)利要求3所述的基于稀疏表示分類的路面裂縫檢測和識別方法，其特征在于， 所述步驟2)具體包括以下步驟： 21) 對測試集的子塊進行標注，分為非裂縫子塊和裂縫子塊； 22) 根據(jù)標注的ground truth，將每個測試集的子塊的標簽設(shè)為0和1，0表示非裂縫子 塊，1表示裂縫子塊。5. 根據(jù)權(quán)利要求4所述的基于稀疏表示分類的路面裂縫檢測和識別方法，其特征在于， 所述步驟3)具體包括以下步驟： 31) 將大小為WXL的測試圖片P分為指定大小的子塊，子塊大小和步驟11)相同，得到K =MXN 個子塊，M=W/n，N=L/n; 32) 提取每個子塊的特征組成向量(std M3 M4); 33) 特征向量歸一化。6. 根據(jù)權(quán)利要求5所述的基于稀疏表示分類的路面裂縫檢測和識別方法，其特征在于， 所述步驟4)具體包括以下步驟： 41) 對于不同類型的路面，按照步驟1)提取訓(xùn)練集的特征向量集； 42) 使用SRC完成測試圖片的K個子塊的分類； 43) 根據(jù)步驟42)的分類結(jié)果得到子塊類型矩陣p(MXN)，表示測試圖片各個子塊的分 類情況，P(i，j)為〇或1，〇表示非裂縫子塊，1表示裂縫子塊，i = 〇，1，2，. . .，M, j = 0，1， 2,···，N〇7. 根據(jù)權(quán)利要求6所述的基于稀疏表示分類的路面裂縫檢測和識別方法，其特征在于， 所述步驟5)具體包括以下步驟： 51) 對步驟43)中的子塊類型矩陣p(MXN)，在水平方向和垂直方向進行映射編碼，得到 水平編碼(xix2......xn)和垂直編碼(yiy2......yM); ^表示子塊類型矩陣中第i列1的個數(shù)，^表示子塊類型矩陣第j行中1的個數(shù)。 52) 對^，選定一個范圍X=[Xl-d x1+d]，d為增強距離參數(shù)，按公式(3)進行編碼增強，得 到新的水平編碼： xi=max(X)-min(X) (3) 53) 采用與上述水平編碼相同的方式進行垂直編碼增強。8. 根據(jù)權(quán)利要求7所述的基于稀疏表示分類的路面裂縫檢測和識別方法，其特征在于， 所述步驟6)具體包括以下步驟： 61) 統(tǒng)計子塊標簽為1的個數(shù)sum; 62) 如果sum為0,此圖像類型為正常路面，無裂縫，輸出結(jié)果，方法結(jié)束； 63) 如果sum不為0,分別求出水平編碼和垂直編碼的標準差stdx和stdy，執(zhí)行步驟64) 和步驟65); 64) 通過stdx和stdy求出兩個值在直角坐標系中與水平軸的夾角Θ，如公式(4): ^ ? as'c$b( ' ) (4) 65) 根據(jù)公式(5)對圖像類型進行裂縫類型識別： -6?<pi/8 偏縱向裂縫 <pi/8<^<3*pi/8 網(wǎng)狀裂縫。 (5) 0>3*pi/8 偏橫向裂縫
【專利摘要】本發(fā)明提供了一種基于稀疏表示分類的路面裂縫檢測和識別方法，通過引入了稀疏表示分類器(Sparse？Representation-based？Classifier,即SRC)，選取有效的子塊高階矩特征，避免了對圖像進行預(yù)處理和后處理，簡化了檢測步驟，提高了運行效率。具體包括：訓(xùn)練集(子塊)特征向量的提取及歸一化、將測試圖像分塊提取特征并使用SRC進行分類、根據(jù)子塊分類結(jié)果的映射編碼識別裂縫類型。本發(fā)明提出的方法相比于傳統(tǒng)的裂縫檢測識別方法具有更高的識別精度和執(zhí)行效率。
【IPC分類】G06T7/00, G06K9/62, G06K9/46, G06K9/64
【公開號】CN105469099
【申請?zhí)枴緾N201510810541
【發(fā)明人】唐振民, 周舟, 呂建勇, 錢彬
【申請人】南京理工大學(xué)
【公開日】2016年4月6日
【申請日】2015年11月20日