一種基于道路影像的路面裂縫識(shí)別方法
【專利摘要】一種基于道路影像的路面裂縫識(shí)別方法，包括：對(duì)分塊影像進(jìn)行二值化處理，形成初步分割的道路影像，劃分成若干區(qū)域，過(guò)濾面積小于經(jīng)驗(yàn)閾值的區(qū)域得到初步識(shí)別的道路影像；對(duì)各區(qū)域分別進(jìn)行橢圓擬合，去除離心率小于給定閾值的橢圓區(qū)域；計(jì)算各橢圓區(qū)域的長(zhǎng)軸與水平方向的夾角，確定橢圓主方向，將同一方向上的質(zhì)心劃為一類；對(duì)每一個(gè)分類分別以各質(zhì)心為原點(diǎn)建立坐標(biāo)系，計(jì)算各質(zhì)心在該坐標(biāo)系中與水平軸的夾角、該質(zhì)心與其他質(zhì)心間距離，將同一方向上間距小于設(shè)定距離閾值的質(zhì)心劃為一類，將各共線區(qū)域的最小包圍矩形的對(duì)角線長(zhǎng)度作為識(shí)別出的道路裂縫的長(zhǎng)度。本方法不僅可以有效地識(shí)別裂縫，同時(shí)克服環(huán)境中多種因素的干擾，誤識(shí)別率較低。
【專利說(shuō)明】
-種基于道路影像的路面裂縫識(shí)別方法
技術(shù)領(lǐng)域
[0001] 本發(fā)明設(shè)及路面裂縫識(shí)別技術(shù)領(lǐng)域，具體設(shè)及一種基于道路影像的路面裂縫識(shí)別 方法。
【背景技術(shù)】
[0002] 裂縫是漸青混凝±路面病害中最為常見(jiàn)的類型之一，采集路面影像數(shù)據(jù)可W真實(shí) 地反應(yīng)路面破損情況，它是路面養(yǎng)護(hù)中的一項(xiàng)重要環(huán)節(jié)。采用計(jì)算機(jī)進(jìn)行自動(dòng)裂紋檢測(cè)可 W更為客觀合理地完成識(shí)別，從而避免僅依賴于人類主觀傳統(tǒng)檢驗(yàn)方法帶來(lái)的不足。路面 裂縫的等級(jí)評(píng)定是公路養(yǎng)護(hù)的基本任務(wù)之一，目前許多測(cè)繪部口主要通過(guò)線陣列相機(jī)采集 道路影像，由于道路環(huán)境會(huì)受到多種因素干擾(樹(shù)木及車輛的投影、光照變化、油潰、樹(shù)枝與 稻草等條狀物、各類垃圾），降低了裂縫自動(dòng)識(shí)別的準(zhǔn)確率，導(dǎo)致對(duì)于路面等級(jí)評(píng)價(jià)依舊采 用人工的方式進(jìn)行。
[0003] ('Automated Road Information Extraction From Mobile Laser Scanning Data，，'通過(guò)綜合運(yùn)用關(guān)值、增強(qiáng)及形態(tài)學(xué)腐蝕方法獲得一種GRF(Ge〇-Referenced Feature)特征，用于識(shí)別裂縫D "Iterative Tensor Voting for Pavement Crack Extraction Using Mobile Laser Scanning Data，'提出采用ITV模型分類MLS數(shù)據(jù)，W此改 善裂縫識(shí)另U的準(zhǔn)石角于生D "Automatic segmentation of pavement condition data using wavelet transform，，' 和('Wavelet-based pavement distress detection and evaluation/'等采用小波變換及其變體，實(shí)現(xiàn)了裂紋提取技術(shù)。基于動(dòng)態(tài)優(yōu)化的方法可W 有效處理模糊和不連續(xù)的路面圖像，例如"Free-form anisotropy:A new method for crack detection on pavement surface images，'、('Critical assessment of pavement distress segmentation methods，，、"FoSA:F本seed-growing approach for crack-line detection from pavement images，'，然而由于該方法大多數(shù)是密集型計(jì)算，因此降化了該 方法的實(shí)用性D ('Introduction of a wavelet transform based on 2D matched filter in a Markov random field for fine structure extraction：Application on road crack detection"中提出一種基于馬爾可夫隨機(jī)場(chǎng)的多尺度檢測(cè)裂縫的方法，采用一維高 斯平滑濾波器增強(qiáng)裂縫，并通過(guò)二維匹配濾波的方法完成檢測(cè)。曹建農(nóng)等^分開(kāi)-合并的方 式通過(guò)Mean Shift算法完成圖像分割，而后提取裂縫骨架，通過(guò)骨架內(nèi)差值得到完成裂縫， 實(shí)現(xiàn)了裂縫的識(shí)別與測(cè)量D "Adaptive road crack detection system by pavement classification，，'、（'Automatic asphalt pavement crack detection and classification using neural networks，'、('Automatic road crack detection and characterization"采用機(jī)器學(xué)習(xí)及神經(jīng)網(wǎng)絡(luò)的方法完成了裂縫識(shí)別，但參數(shù)的選擇依賴 于裂紋的變化與圖像質(zhì)量，且需要大量樣本數(shù)據(jù)進(jìn)行訓(xùn)練。例如樣本的學(xué)習(xí)為基礎(chǔ)，通 過(guò)子集圖像數(shù)據(jù)的自動(dòng)選擇建立了無(wú)監(jiān)督訓(xùn)練系統(tǒng)，該系統(tǒng)可W將非重疊圖像塊分為含有 裂紋像素及其它部分。
[0004] 盡管上述方法可^較好地完成裂縫識(shí)別，但由于車輛在行駛過(guò)程中，周圍環(huán)境將 時(shí)刻發(fā)生變化，因此相機(jī)采集到的影像中可能存在多種干擾，具體包括:樹(shù)木及車輛的投 影、光照變化、油潰、樹(shù)枝與稻草等條狀物、各類垃圾等，而上述方法均未考慮對(duì)運(yùn)類干擾對(duì) 裂縫識(shí)別的影響。例如采用 "Introduction of a wavelet transform based on 2D matched filter in a Markov random field for fine structure extraction： Application on road crack detection"的方法，會(huì)將樹(shù)枝與稻草等條狀物誤識(shí)別為裂 縫，在運(yùn)種情況下，裂紋的誤識(shí)別率將會(huì)增加，從而降低路面病害估計(jì)的準(zhǔn)確性，間接地影 響路面的養(yǎng)護(hù)工作。

【發(fā)明內(nèi)容】

[0005] 針對(duì)現(xiàn)有技術(shù)存在的問(wèn)題，本發(fā)明提供一種基于道路影像的路面裂縫識(shí)別方法。
[0006] 本發(fā)明的技術(shù)方案是：
[0007] -種基于道路影像的路面裂縫識(shí)別方法，包括：
[000引步驟1、對(duì)道路影像進(jìn)行分塊，采用K均值聚類算法對(duì)分塊影像進(jìn)行二值化處理；
[0009] 步驟2、將各分塊圖像合并后形成初步分割的道路影像，利用區(qū)域增長(zhǎng)方法將初步 分割的道路影像劃分成若干區(qū)域，并計(jì)算各個(gè)區(qū)域的面積；
[0010] 步驟3、過(guò)濾掉初步分割的道路影像中面積小于經(jīng)驗(yàn)闊值的區(qū)域，得到初步識(shí)別的 道路影像；
[0011] 步驟4、對(duì)初步識(shí)別的道路影像中各區(qū)域分別進(jìn)行楠圓擬合，獲得每個(gè)區(qū)域擬合出 的楠圓的離屯、率，去除離屯、率小于給定闊值的楠圓區(qū)域；
[0012] 步驟5、計(jì)算各楠圓區(qū)域的長(zhǎng)軸與水平方向的夾角Θ，確定楠圓主方向；
[001引步驟6、根據(jù)夾角Θ對(duì)各楠圓區(qū)域的質(zhì)屯、進(jìn)行第一次質(zhì)屯、分類，將同一方向上的質(zhì) 屯、劃為一類；
[0014] 步驟7、統(tǒng)計(jì)每個(gè)質(zhì)屯、分類中的質(zhì)屯、數(shù)量，針對(duì)每一個(gè)質(zhì)屯、分類，分別W該質(zhì)屯、分 類中的各質(zhì)屯、為原點(diǎn)建立坐標(biāo)系，計(jì)算該質(zhì)屯、與其他質(zhì)屯、在該坐標(biāo)系中與水平軸的夾角 0/，再計(jì)算該質(zhì)屯、與其他質(zhì)屯、間的距離cT，構(gòu)成該質(zhì)屯、與其他質(zhì)屯、間的關(guān)系描述(0/，(Τ );
[0015] 步驟8、根據(jù)（0/，(Τ )對(duì)每個(gè)質(zhì)屯、分類中的質(zhì)屯、進(jìn)行第二次質(zhì)屯、分類，將同一方向 上間距小于設(shè)定距離闊值的質(zhì)屯、劃分為一類；
[0016] 步驟9、在第二次質(zhì)屯、分類結(jié)果中，若某質(zhì)屯、分類中包含的質(zhì)屯、數(shù)量不小于給定闊 值Trn，則運(yùn)些質(zhì)屯、對(duì)應(yīng)的區(qū)域?yàn)楣簿€區(qū)域，否則，將包含的質(zhì)屯、數(shù)量小于給定闊值化η的質(zhì) 屯、分類中質(zhì)屯、對(duì)應(yīng)的區(qū)域過(guò)濾掉；
[0017] 步驟10、確定各共線區(qū)域的最小包圍矩形，將該矩形的對(duì)角線長(zhǎng)度作為識(shí)別出的 道路裂縫的長(zhǎng)度。
[0018] 步驟6所述的第一次質(zhì)屯、分類的規(guī)則是：
[0019] 若0。含目<25。或155。<目。80。，則質(zhì)屯、分類為1;
[0020] 若25。含Θ<75。，則質(zhì)屯、分類為2;
[0021] 若75。<θ<115°，則質(zhì)屯、分類為3;
[0022] 若115。< 0<155。，則質(zhì)屯、分類為4。
[0023] 步驟8所述的第二次質(zhì)屯、分類的規(guī)則是：
[0024] 若d'小于質(zhì)屯、間的距離闊值忙1，并且0° <白'<25°或155°<白'。80°，則質(zhì)屯、分 類為1;
[00劇若cT小于質(zhì)屯、間的距離闊值Trd，并且25° <目/ <75°，則質(zhì)屯、分類為2;
[0026] 若cT小于質(zhì)屯、間的距離闊值Trd，并且75° <目/ <115°，則質(zhì)屯、分類為3;
[0027] 若cT小于質(zhì)屯、間的距離闊值Trd，并且115° <目/ <155°，則質(zhì)屯、分類為4。
[002引有益效果：
[0029] 由于采集的圖像尺寸較大，同時(shí)為了避免光照不均勻帶來(lái)的問(wèn)題，首先對(duì)道路影 像進(jìn)行分塊，采用K均值聚類算法對(duì)分塊影像進(jìn)行二分類處理，獲得初步的分割結(jié)果。其次， 分析干擾物與裂縫的特征，通過(guò)W下四個(gè)特點(diǎn)識(shí)別裂縫：1)裂縫在局部區(qū)域中灰度值較高； 2)裂縫的連續(xù)性較差;3)裂縫的寬度較小;4)同一條裂縫的方向基本一致。為了利用裂縫的 后兩項(xiàng)特點(diǎn)，采用楠圓擬合的方法計(jì)算初步檢測(cè)各區(qū)域的方向，并W此為基礎(chǔ)將運(yùn)些區(qū)域 分為四類。在每個(gè)分類中，分別計(jì)算各區(qū)域內(nèi)的質(zhì)屯、位置，建立質(zhì)屯、間的角度及二維歐式距 離表計(jì)算其共線性，W此獲得精確的裂縫識(shí)別結(jié)果。實(shí)驗(yàn)結(jié)果表明，本方法不僅可W有效地 識(shí)別裂縫，同時(shí)可W克服環(huán)境中多種因素的干擾，誤識(shí)別率較低，具有較高的實(shí)際應(yīng)用價(jià) 值。
【附圖說(shuō)明】
[0030] 圖1是各種類型的干擾物；（a)為包含光照不均、油潰及樹(shù)木陰影的圖像，（b)為含 有樹(shù)枝與稻草的路面影像，（C)為路面油潰影像，（d)為樹(shù)木與車輛的投影，（e)為包含多種 類型的不同形狀垃圾的影像；
[0031] 圖2(a)~(d)是典型的四種道路裂縫；
[0032] 圖3是本發(fā)明【具體實(shí)施方式】的基于道路影像的路面裂縫識(shí)別方法流程圖；
[0033] 圖4是本發(fā)明【具體實(shí)施方式】的線陣列相機(jī)采集的道路影像；
[0034] 圖5是本發(fā)明【具體實(shí)施方式】的初步分割的道路影像；
[0035] 圖6是本發(fā)明【具體實(shí)施方式】的初步識(shí)別的道路影像；
[0036] 圖7是本發(fā)明【具體實(shí)施方式】的楠圓擬合的原理；
[0037] 圖8是本發(fā)明【具體實(shí)施方式】的進(jìn)一步識(shí)別的道路影像；
[0038] 圖9是本發(fā)明【具體實(shí)施方式】的模擬圖8中的裂縫形態(tài)；
[0039] 圖10是本發(fā)明【具體實(shí)施方式】的道路裂縫識(shí)別結(jié)果即標(biāo)記結(jié)果；（a)為道路裂縫識(shí) 別結(jié)果，（b)為道路裂縫標(biāo)記結(jié)果；
[0040] 圖11(a)~(d)是本發(fā)明【具體實(shí)施方式】的初步分割的道路影像；
[0041] 圖12是本發(fā)明【具體實(shí)施方式】的測(cè)量與實(shí)際估計(jì)的長(zhǎng)度對(duì)比。
【具體實(shí)施方式】
[0042] 下面結(jié)合附圖對(duì)本發(fā)明【具體實(shí)施方式】做詳細(xì)說(shuō)明。
[0043] 為了提高道路裂縫的識(shí)別率，需要對(duì)路面上可能影響裂縫識(shí)別的干擾物進(jìn)行分 析，圖1給出了各種類型的干擾物。圖1(a)為包含光照不均、油潰及樹(shù)木陰影的圖像，通過(guò)分 析多幅類似的圖像，總結(jié)出如圖1(b)~（e)的干擾物。圖1(b)為含有樹(shù)枝與稻草的路面影 像，與圖2(a)~(d)中的典型的四種道路裂縫相比，其形狀特征相似，都可W歸納為線條形 狀。圖1(c)為路面油潰，除了部分區(qū)域形狀與裂縫相似外，通常會(huì)伴有塊狀區(qū)域出現(xiàn)。圖1 (d)為樹(shù)木與車輛的投影，其投影區(qū)域與其它區(qū)域的光照強(qiáng)度不同。圖1(e)中的環(huán)境更復(fù)雜 些，包含多種類型的不同形狀垃圾。通過(guò)對(duì)比圖1中的干擾物與圖2中的裂縫的特點(diǎn)可見(jiàn)，運(yùn) 些類因素均可能影響到裂縫識(shí)別的準(zhǔn)確率?？蒞總結(jié)出干擾物與裂縫的一些不同特點(diǎn)：
[0044] (1)裂縫在局部區(qū)域中灰度值較高。"Automatic road crack detection and characterization"中對(duì)裂縫的形態(tài)特征進(jìn)行了分析，裂縫區(qū)域灰度值高于鄰域灰度，如圖 2所示。
[0045] (2)裂縫的連續(xù)性較差。運(yùn)一特點(diǎn)是裂縫本身特征與線陣列相機(jī)采集精度不高兩 類因素共同影響的結(jié)果。
[0046] (3)裂縫的寬度較小。裂縫的寬度與油潰、陰影等塊狀部分相比，其寬度更小。
[0047] (4)同一條裂縫的方向基本一致。漸青路面裂縫類型通常分為橫向裂縫、縱向裂 縫、網(wǎng)狀裂縫及塊狀裂縫，而后兩類裂縫均由縱向與橫向裂縫交錯(cuò)而成，橫向與縱向的概念 本身就具有一定的方向性，因此分割后的斷裂區(qū)域也將在其方向上保持一致。
[0048] 本實(shí)施方式中，由于線陣列相機(jī)采用線掃描的方式，通常會(huì)產(chǎn)生光照不均勻的現(xiàn) 象，因此采用分塊的方式將待處理部分局部化，降低運(yùn)一因素的干擾。通過(guò)K均值聚類算法 化means)的二分類處理，可W將局部分塊圖像中的顯著部分提取出來(lái)，得到二值圖。合并所 有分塊后，獲得對(duì)輸入圖像的初步分割結(jié)果。后續(xù)處理過(guò)程中，依據(jù)總結(jié)出裂縫的四個(gè)特 點(diǎn)，綜合運(yùn)用楠圓擬合、質(zhì)屯、等區(qū)域特征，實(shí)現(xiàn)了道路裂縫的識(shí)別，輸出結(jié)果為裂縫所在的 矩形區(qū)域與裂縫長(zhǎng)度。
[0049] 本實(shí)施方式提供的基于道路影像的路面裂縫識(shí)別方法，如圖3所示，包括：
[0050] 步驟1、對(duì)道路影像進(jìn)行分塊，采用K均值聚類算法對(duì)分塊影像進(jìn)行二值化處理；
[0051] 為了降低光照不均所產(chǎn)生的干擾，需要對(duì)道路影像進(jìn)行分塊，分塊大小需要依據(jù) 采集的道路影像的尺寸而定。通常由于采集設(shè)備是固定安置于車輛上的，其采集的道路影 像的角度及尺寸在整個(gè)行車過(guò)程中不變，因此在運(yùn)種情況下，分塊的大小只需設(shè)置一次。同 時(shí)，分塊的尺寸不宜過(guò)大或過(guò)小，過(guò)大將增加光照的干擾，而過(guò)小時(shí)不符合"裂縫的寬度較 小"運(yùn)一特點(diǎn)，利用運(yùn)一特點(diǎn)修正Kmeans的分割結(jié)果。例如，對(duì)于一幅4096巧048的道路影像 來(lái)說(shuō)，可W將分塊尺寸設(shè)置為64*64。
[0052] 采用K均值聚類算法化means)對(duì)圖4進(jìn)行二分類，其得到的結(jié)果是一幅二值圖，統(tǒng) 計(jì)圖像中所有像素的灰度值，并在其中尋找兩個(gè)類中屯、。裂縫區(qū)域灰度值高于鄰域灰度，因 此W較高灰度的類中屯、為參考，對(duì)圖像中灰度較高的部分置1，較低的部分置0。
[0053] 步驟2、將各分塊圖像合并后形成如圖5所示的初步分割的道路影像，利用區(qū)域增 長(zhǎng)方法將初步分割的道路影像劃分成若干區(qū)域，并計(jì)算各個(gè)區(qū)域的面積；
[0054] 步驟3、過(guò)濾掉初步分割的道路影像中面積小于經(jīng)驗(yàn)闊值T。的區(qū)域，得到如圖6所 示的初步識(shí)別的道路影像；
[0055] 由于K均值聚類算法化means)只是將圖像中的顯著區(qū)域提取出來(lái)，因此需要除去 其它干高灰度區(qū)域的干擾，統(tǒng)計(jì)每個(gè)置1部分的面積，并根據(jù)經(jīng)驗(yàn)闊值Trs = 300過(guò)濾小面積 區(qū)域。
[0056] 步驟4、對(duì)初步識(shí)別的道路影像中各區(qū)域分別進(jìn)行楠圓擬合，獲得每個(gè)區(qū)域擬合出 的楠圓的離屯、率，去除離屯、率小于給定闊值Tre = 0.97的楠圓區(qū)域，得到圖8所示的進(jìn)一步 識(shí)別的道路影像；
[0057] 楠圓擬合的原理如圖7所示，W區(qū)域S的質(zhì)屯、0為原點(diǎn)建立坐標(biāo)系進(jìn)行楠圓擬合，求 解楠圓參數(shù)(包括長(zhǎng)半徑、短半徑、長(zhǎng)半徑與水平方向的夾角、離屯、率），建立W長(zhǎng)半徑為X 軸、短半徑為y軸、原點(diǎn)為0的坐標(biāo)系。
[0058] 步驟5、計(jì)算各楠圓區(qū)域的長(zhǎng)軸與水平方向的夾角Θ，確定楠圓主方向；
[0059] 步驟6、根據(jù)夾角Θ對(duì)各楠圓區(qū)域的質(zhì)屯、進(jìn)行第一次質(zhì)屯、分類，將同一方向上的質(zhì) 屯、劃為一類；
[0060] 若0。<θ<25?；?155。<0<18〇。，則質(zhì)屯、分類為 1;
[0061] 若25° < Θ<75°，則質(zhì)屯、分類為2;
[006^ 若75。< 0<115。，則質(zhì)屯、分類為3;
[0063] 若115。< 0<155。，則質(zhì)屯、分類為4;
[0064] 依據(jù)道路裂縫的特點(diǎn)分析，結(jié)合圖2(a)~(d)給出的幾種方向的裂縫情況，將W各 質(zhì)屯、為原點(diǎn)建立的坐標(biāo)系中其他質(zhì)屯、與該坐標(biāo)系水平軸的夾角e進(jìn)行分類：
[00 化] - (1)
[0066] 分類的目的是將不同方向的區(qū)域歸類，便于為下一步判斷共線提供支持。式（1) 中，Type為質(zhì)屯、分類號(hào)，不同的類別代表不同的方向。
[0067] 表1Type為1時(shí)的夾角及質(zhì)屯、間距離情況 [006引
[0071]步驟7、統(tǒng)計(jì)每個(gè)質(zhì)屯、分類中的質(zhì)屯、數(shù)量，針對(duì)每一個(gè)質(zhì)屯、分類，分別W該質(zhì)屯、分 類中的各質(zhì)屯、為原點(diǎn)建立坐標(biāo)系，計(jì)算該質(zhì)屯、與其他質(zhì)屯、在該坐標(biāo)系中與水平軸的夾角 0/，再計(jì)算該質(zhì)屯、與其他質(zhì)屯、間的距離cT，構(gòu)成該質(zhì)屯、與其他質(zhì)屯、間的關(guān)系描述(0/，(Τ );
[0072] 步驟8、根據(jù)（0/，(Τ )對(duì)每個(gè)質(zhì)屯、分類中的質(zhì)屯、進(jìn)行第二次質(zhì)屯、分類，將同一方向 上間距小于設(shè)定距離闊值的質(zhì)屯、劃分為一類；
[0073] 若cT小于質(zhì)屯、間的距離闊值忙1，并且0° <白/<25°或155°<白/。80°，則質(zhì)屯、分 類為1;
[0074] 若cT小于質(zhì)屯、間的距離闊值Trd，并且25° <目/ <75°，則質(zhì)屯、分類為2;
[00對(duì)若cT小于質(zhì)屯、間的距離闊值Trd，并且75° <目/ <115°，則質(zhì)屯、分類為3;
[0076] 若cT小于質(zhì)屯、間的距離闊值Trd，并且115° <目/ <155°，則質(zhì)屯、分類為4;
[0077] W水平方向分類為例，即Type為1時(shí)，根據(jù)影響裂縫魯棒識(shí)別的第四因素（同一條 裂縫的方向基本一致），圖9給出6條線段A~F模擬圖8中的裂縫形態(tài)，其中下半部分的四條 線段A~D屬于裂縫部分，而上半部分作為干擾項(xiàng)。根據(jù)每一質(zhì)屯、分類中的質(zhì)屯、數(shù)量和夾角 分別構(gòu)成4張二維矩陣表(分別對(duì)應(yīng)四個(gè)分類），該矩陣表中的元素代表：W某質(zhì)屯、分類中的 各質(zhì)屯、為原點(diǎn)建立坐標(biāo)系，其他質(zhì)屯、與該坐標(biāo)系水平軸的夾角。
[0078] WType為1的情況為例，首先分別求取A~F每條線段的質(zhì)屯、，并計(jì)算W各質(zhì)屯、為原 點(diǎn)建立的坐標(biāo)系中其他質(zhì)屯、與該坐標(biāo)系水平軸的夾角，用矢量表示如表1所示。表1用矢量 角、矢量模值表示，如表中第二行、第Ξ列的（355,10)表示W(wǎng)質(zhì)屯、A為原點(diǎn)建立坐標(biāo)系，B在 該坐標(biāo)系中與水平軸的夾角為355度，與原點(diǎn)的距離為10個(gè)像素單位。從A與B的空間位置關(guān) 系上考慮，A與B間的關(guān)系(355，10)及B與A間的關(guān)系（170，10)應(yīng)是相同的，因此對(duì)表1中180 ~359間的角度值進(jìn)行修正，將其映射到0~179的空間上，得到表2的結(jié)果。
[0079] 步驟9、在第二次質(zhì)屯、分類結(jié)果中，若某質(zhì)屯、分類中包含的質(zhì)屯、數(shù)量不小于給定闊 值Trn，則運(yùn)些質(zhì)屯、對(duì)應(yīng)的區(qū)域?yàn)楣簿€區(qū)域，否則，將包含的質(zhì)屯、數(shù)量小于給定闊值化η的質(zhì) 屯、分類中質(zhì)屯、對(duì)應(yīng)的區(qū)域過(guò)濾掉；
[0080] 令距離闊值化d為30,夾角范圍取0° < 0<25°orl55°<0。80°，對(duì)表2中每個(gè)單元 格中不符合該條件的值計(jì)為0,符合條件的計(jì)為1，構(gòu)成表3。最后統(tǒng)計(jì)表3中每行的列數(shù)量n， 該值將決定有多少條分割區(qū)域共線，共線數(shù)量越多，則判定為裂縫的概率越大。例如本實(shí)施 方式中令η含2,則可W將A~D與E~F分離，達(dá)到道路裂縫識(shí)別的目的。
[0081] 表3共線區(qū)域統(tǒng)計(jì)表 Γ00821
[0083] 為了解決存在多條裂縫時(shí)計(jì)算出哪些分割部分在同一條裂縫上的問(wèn)題，給出如下 遞歸方法處理矢量表(表2)中數(shù)據(jù)，偽代碼如下所示：
[0084]
[0085]
[00化]GetClass函數(shù)的參數(shù)有兩個(gè)，Table為二維矢量表(表3)，Class-維數(shù)組與Table 表中的行數(shù)相同。Mark函數(shù)包括四個(gè)參數(shù)，除了化ble與Class外，第二個(gè)參數(shù)i為當(dāng)前行號(hào)， Tag用來(lái)對(duì)Class進(jìn)行標(biāo)記。通過(guò)Mark的遞歸標(biāo)記，可W完成分割區(qū)域的相關(guān)性統(tǒng)計(jì)，從而可 W將同一幅圖像中的多條道路裂縫分別標(biāo)記。采用上述方法對(duì)圖8進(jìn)行處理，得到如圖10 (a)的標(biāo)記結(jié)果。圖10(b)為根據(jù)標(biāo)記結(jié)果中的所有區(qū)域繪制的矩形框，在原圖中將其標(biāo)記 出來(lái)。
[0087] 舉例說(shuō)明遞歸過(guò)程:記W某質(zhì)屯、分類中的各質(zhì)屯、為原點(diǎn)建立坐標(biāo)系，質(zhì)屯、與其它 每個(gè)區(qū)域質(zhì)屯、的關(guān)系（9/1，(1/1)--(9\，山）（距離值，夾角值），按如下方式統(tǒng)計(jì)某質(zhì)屯、分 類中包含的質(zhì)屯、數(shù)量Num:令X為當(dāng)前行的列號(hào)（vc=l..n ),共線區(qū)域集合S，若當(dāng)前分類為1 (Type為1)，統(tǒng)計(jì)dx<Trd并且0° <θχ<25°或155°<θχ<180°的數(shù)量與列號(hào)X，獲得列號(hào)集合 XC;若當(dāng)前分類為2(Type為2)，統(tǒng)計(jì)cU<Trd并且25° <θχ<75°的數(shù)量與列號(hào)X，獲得列號(hào)集 合XC;若當(dāng)前分類為3(Type為3)，統(tǒng)計(jì)dx<hd并且75° <θχ<115°的數(shù)量與列號(hào)X，獲得列號(hào) 集合XC;若當(dāng)前分類為4(Type為4)，統(tǒng)計(jì)cU<hd并且115° <θχ<155°的數(shù)量與列號(hào)X，獲得 列號(hào)集合XC。如Num大于給定闊值Trn，則表示當(dāng)前區(qū)域與其它區(qū)域存在共線情況，記錄當(dāng)前 區(qū)域編號(hào)到S中，取出XC的每個(gè)值，將其作為行號(hào)再次進(jìn)行上述計(jì)算，直到XC集合為空。至 此，與行號(hào)為X的共線區(qū)域均記錄與S中。
[0088] 步驟10、確定各共線區(qū)域的最小包圍矩形，將該矩形的對(duì)角線長(zhǎng)度作為識(shí)別出的 道路裂縫的長(zhǎng)度。
[0089] WS中的區(qū)域編號(hào)為基準(zhǔn)，確定最小矩形包圍，將該矩形的對(duì)角線長(zhǎng)度計(jì)為道路裂 縫的長(zhǎng)度。按上述方法處理完整張表2,獲得所有的道路裂縫長(zhǎng)度。
[0090] 采用4核CPU主頻3.2G化，內(nèi)存4G作為實(shí)驗(yàn)環(huán)境，MA化AB編程。采用1000張尺寸為 4096*2048的道路影像進(jìn)行實(shí)驗(yàn)，實(shí)驗(yàn)結(jié)果如下：
[0091] 1、干擾物過(guò)濾測(cè)試
[0092] 選用含圖1中（b)~(e)的道路影像數(shù)據(jù)作為測(cè)試集，采用本發(fā)明方法對(duì)運(yùn)些影像 進(jìn)行處理，得到如圖11(a)~(d)所示的初始分割結(jié)果。（a)~(d)中，第一行為采用步驟1獲 得的處理結(jié)果，第二行為采用步驟3獲得的處理結(jié)果。
[0093] 由實(shí)驗(yàn)結(jié)果可見(jiàn)，經(jīng)過(guò)道路裂縫的初始分割后，在檢測(cè)出影像中的裂縫部分同時(shí)， 會(huì)產(chǎn)生較多的干擾區(qū)域。運(yùn)部分區(qū)域中，絕大多數(shù)的形狀特征不符合條狀物特征，因此可W 利用楠圓擬合結(jié)果剔除大部分干擾，結(jié)果如圖11(a)~(d)中第二行影像所示。在運(yùn)部分影 像中，與道路裂縫相比，油潰與垃圾的線條寬度較大，可W利用運(yùn)種特點(diǎn)將其濾除。稻草與 樹(shù)枝檢測(cè)結(jié)果與裂縫極其相似，都呈細(xì)條狀，利用裂縫的第2個(gè)特點(diǎn)進(jìn)行區(qū)別將其剔除。
[0094] 2、本方法的性能分析
[00M]從1000張道路影像中人工挑隨機(jī)挑選包含裂痕的影像57張，并按序號(hào)等間隔分別 取出5組未含有裂痕的圖像57張，每組114張組成數(shù)據(jù)集進(jìn)行測(cè)試。由于檢測(cè)結(jié)果中可能將 含有裂縫及未含裂縫的影像錯(cuò)識(shí)別，采用分類指標(biāo)統(tǒng)計(jì)的方法進(jìn)行性能評(píng)測(cè)：
[0096] 將本方法看做一個(gè)二分類器，即將每組數(shù)據(jù)分為兩分類，計(jì)為正例和負(fù)例分別為：
[0097] 1)ΤΡ:被正確地劃分為正例的個(gè)數(shù)，即實(shí)際為正例且被分類器劃分為正例的實(shí)例 數(shù)(樣本數(shù)）；
[0098] 2)FP:被錯(cuò)誤地劃分為正例的個(gè)數(shù)，即實(shí)際為負(fù)例但被分類器劃分為正例的實(shí)例 數(shù)；
[0099] 3)FN:被錯(cuò)誤地劃分為負(fù)例的個(gè)數(shù)，即實(shí)際為正例但被分類器劃分為負(fù)例的實(shí)例 數(shù)；
[0100] 4)TN:被正確地劃分為負(fù)例的個(gè)數(shù)，即實(shí)際為負(fù)例且被分類器劃分為負(fù)例的實(shí)例 數(shù)。
[0101 ]首先計(jì)算表4中的各類指標(biāo)，W此為基礎(chǔ)計(jì)算結(jié)果如表5所示；
[0102]表4分類指標(biāo)
[01化]表5實(shí)驗(yàn)結(jié)果
[0106]
[0107]其中的準(zhǔn)確率表示被分對(duì)的樣本數(shù)除W所有的樣本數(shù)，該值越高則正確率越高， 識(shí)別結(jié)果越好。靈敏度、特效度及精度分別代表對(duì)正例的識(shí)別能力、對(duì)負(fù)例的識(shí)別能力、精 確性的度量，按照公式(2)計(jì)算。從各項(xiàng)指標(biāo)的均值上看，均達(dá)到94% W上，驗(yàn)證了本文方法 的有效性。圖12給出了測(cè)量與實(shí)際估計(jì)的長(zhǎng)度對(duì)比，由于本方法采用矩形對(duì)角線作為道路 裂縫的估計(jì)長(zhǎng)度，因此與實(shí)測(cè)長(zhǎng)度不一致。盡管如此，估計(jì)值與測(cè)量值間的相對(duì)誤差比較相 近，能從整體上反應(yīng)道路區(qū)段的破損程度。在實(shí)際應(yīng)用中，結(jié)合數(shù)據(jù)采集車輛給出的地理坐 標(biāo)，通過(guò)運(yùn)種方式估計(jì)需要養(yǎng)護(hù)路段的信息。由于現(xiàn)有方法均未考慮道路裂縫識(shí)別過(guò)程中 的干擾問(wèn)題，因此本發(fā)明未給出與其它文獻(xiàn)的實(shí)驗(yàn)對(duì)比結(jié)果。
【主權(quán)項(xiàng)】
1. 一種基于道路影像的路面裂縫識(shí)別方法，其特征在于，包括： 步驟1、對(duì)道路影像進(jìn)行分塊，采用K均值聚類算法對(duì)分塊影像進(jìn)行二值化處理； 步驟2、將各分塊圖像合并后形成初步分割的道路影像，利用區(qū)域增長(zhǎng)方法將初步分割 的道路影像劃分成若干區(qū)域，并計(jì)算各個(gè)區(qū)域的面積； 步驟3、過(guò)濾掉初步分割的道路影像中面積小于經(jīng)驗(yàn)閾值的區(qū)域，得到初步識(shí)別的道路 影像； 步驟4、對(duì)初步識(shí)別的道路影像中各區(qū)域分別進(jìn)行橢圓擬合，獲得每個(gè)區(qū)域擬合出的橢 圓的離心率，去除離心率小于給定閾值的橢圓區(qū)域； 步驟5、計(jì)算各橢圓區(qū)域的長(zhǎng)軸與水平方向的夾角Θ，確定橢圓主方向； 步驟6、根據(jù)夾角Θ對(duì)各橢圓區(qū)域的質(zhì)心進(jìn)行第一次質(zhì)心分類，將同一方向上的質(zhì)心劃 為一類； 步驟7、統(tǒng)計(jì)每個(gè)質(zhì)心分類中的質(zhì)心數(shù)量，針對(duì)每一個(gè)質(zhì)心分類，分別以該質(zhì)心分類中 的各質(zhì)心為原點(diǎn)建立坐標(biāo)系，計(jì)算該質(zhì)心與其他質(zhì)心在該坐標(biāo)系中與水平軸的夾角θ'，再 計(jì)算該質(zhì)心與其他質(zhì)心間的距離d'，構(gòu)成該質(zhì)心與其他質(zhì)心間的關(guān)系描述(θ'，d'）； 步驟8、根據(jù)（θ'，d'）對(duì)每個(gè)質(zhì)心分類中的質(zhì)心進(jìn)行第二次質(zhì)心分類，將同一方向上間 距小于設(shè)定距離閾值的質(zhì)心劃分為一類； 步驟9、在第二次質(zhì)心分類結(jié)果中，若某質(zhì)心分類中包含的質(zhì)心數(shù)量不小于給定閾值 Trn，則這些質(zhì)心對(duì)應(yīng)的區(qū)域?yàn)楣簿€區(qū)域，否則，將包含的質(zhì)心數(shù)量小于給定閾值Trn的質(zhì)心 分類中質(zhì)心對(duì)應(yīng)的區(qū)域過(guò)濾掉； 步驟10、確定各共線區(qū)域的最小包圍矩形，將該矩形的對(duì)角線長(zhǎng)度作為識(shí)別出的道路 裂縫的長(zhǎng)度。2. 根據(jù)權(quán)利要求1所述的基于道路影像的路面裂縫識(shí)別方法，其特征在于，步驟6所述 的第一次質(zhì)心分類的規(guī)則是： 若0° < θ<25°或155° <θ < 180°，則質(zhì)心分類為1; 若25° < θ<75°，則質(zhì)心分類為2; 若75° < θ< 115°，則質(zhì)心分類為3; 若115° < θ<155°，則質(zhì)心分類為4。3. 根據(jù)權(quán)利要求1所述的基于道路影像的路面裂縫識(shí)別方法，其特征在于，步驟8所述 的第二次質(zhì)心分類的規(guī)則是： 若d'小于質(zhì)心間的距離閾值Trd，并且0° < θ' <25°或155° <θ' < 180°，則質(zhì)心分類為1; 若(1'小于質(zhì)心間的距離閾值Trd，并且25° < θ' <75°，則質(zhì)心分類為2; 若(1'小于質(zhì)心間的距離閾值Trd，并且75° < θ' <115°，則質(zhì)心分類為3; 若d'小于質(zhì)心間的距離閾值Trd，并且115° < θ' <155°，貝lj質(zhì)心分類為4。
【文檔編號(hào)】G06K9/00GK105825169SQ201610136943
【公開(kāi)日】2016年8月3日
【申請(qǐng)日】2016年3月10日
【發(fā)明人】賈迪, 宋偉東, 戴激光, 董娜, 朱紅
【申請(qǐng)人】遼寧工程技術(shù)大學(xué)