路面破損圖像實(shí)時(shí)檢測方法研究

摘要：提出一種路面破損圖像實(shí)時(shí)檢測的實(shí)現方法。對高速采集的路面圖像去模糊后再進(jìn)行裂紋特征分析，設計了一種基于鄰域像素灰度值比較的特征快速提取方法，利用鄰域相關(guān)及連貫性等知識智能去除虛假裂紋，從而提取真實(shí)裂紋信息。大量采集的圖片的處理結果表明，該方法可實(shí)時(shí)快速檢測路面破損信息，具有較強的魯棒性和實(shí)際應用性。
關(guān)鍵詞：路面破損；裂紋特征；圖像分析；特征提取

1 引言
高等級公路建設快速發(fā)展，路面質(zhì)量監控體系完善，則要求高的檢測水平。車(chē)輛在高等級公路行駛時(shí)，對路面的平整度、完好率要求很高，當路面出現裂縫等損壞時(shí)，應及時(shí)維修。目前國內檢測高等級公路路況的手段主要是人工檢測，不但勞動(dòng)強度大、檢測速度慢，而且十分危險。隨著(zhù)高速大容量數據傳輸及圖像處理與模式識別技術(shù)的發(fā)展，使得路面破損實(shí)時(shí)檢測成為可能。國外已有許多學(xué)者致力于該領(lǐng)域研究，國內相關(guān)領(lǐng)域的學(xué)者也在開(kāi)展這方面的研究工作。對車(chē)載實(shí)時(shí)采集的路面圖像進(jìn)行特征分析和處理，對存在裂紋的路面圖像提取裂紋信息，實(shí)時(shí)處理路面圖像。實(shí)驗結果表明，該方法對路面破損狀況的檢測快速準確，具有廣闊的應用前景。

2 路面圖像處理
2．1 去模糊處理
利用CCD攝像機采集圖像時(shí)，攜載攝像機的車(chē)輛處于高速運動(dòng)狀態(tài)，由于拍攝的路面和攝像機之間的相對運動(dòng)，導致所獲取的路面圖像存在模糊現象。因此在圖像分析處理前，必須對其去模糊處理。模糊的二維圖像可模型化為：

g(x，y),f(s，t)，n(x，y)分別表示模糊圖像、原圖像及噪聲。對式(2)進(jìn)行傅里葉變換后，利用維納濾波方法進(jìn)行高通濾波，將產(chǎn)生模糊的低頻信息濾除掉，只保留高頻圖像信息，則可得到去模糊后的圖像。
2．2 路面裂紋特征及其度量
一般情況下，路面裂紋在圖像上主要表現為：
(1)非負性 與周同非裂紋像素相比，裂紋位置的像素灰度值明顯低于背景像素灰度值，針對此特征定義其度量公式為：

式中，V(i,j)為當前像素灰度，V(i+m,j+n)為以當前像素為中心設定窗口內的鄰域像素灰度值。當滿(mǎn)足k>0時(shí)的非負個(gè)數N作為其中的裂紋像素的主要特征判斷標準。
(2)對比度特征 裂紋像素與其周?chē)姆橇鸭y區域存在明顯的對比度關(guān)系，將其對比度定義為：

式中，Vb為連續裂紋像素區域灰度平均值，Vg、Vmax和Vmin分別為其鄰域非裂紋像素區域灰值及最大灰度值和最小灰度值，N為鄰域非裂紋區域像素個(gè)數，C為裂紋區域與非裂紋區域的對比度。
(3)路面裂紋的紋理特征 裂紋在窗口區域中表現為連續的、共線(xiàn)的且具有相近灰度值的像素區域，可將裂紋的這種特征描述為基于灰值相似性分布基礎上的紋理特征?？擅枋鰹椋?/p>

式中，i，j為像素坐標，P(i-j)為該窗口區域的灰度共生矩陣，若P(i-j)中小的元素接近矩陣主對角線(xiàn)，則表明該窗口中的近鄰元素有較大的反差，表明存在裂紋區域。
2．3 特征的快速提取方法
根據上述主要裂紋特征及其度量，這里提出一種基于像素灰度值比較進(jìn)行裂紋特征量提取的快速掃描方法。
①以圖像中心(i，j)為起點(diǎn)，考查其8個(gè)鄰域點(diǎn)在原圖中的灰度信息。若其滿(mǎn)足某一灰度特征信息，賦值為255；否則賦0：以1個(gè)單位為起始步長(cháng)(step=1)，按照逆時(shí)針?lè )较蛐D開(kāi)始掃描；②每改變一次方向時(shí)其方向碼值增加2個(gè)單位方向，每改變兩次方向時(shí)其步長(cháng)值增加1個(gè)單位。因8個(gè)鄰域中已賦值的點(diǎn)有4個(gè)(轉折點(diǎn)處只有3個(gè))，故只需比較已賦值的點(diǎn)；③如圖1所示，當掃描到(i0,J0)時(shí)，將當前點(diǎn)在原圖中的灰度值與4個(gè)鄰域在原圖中的灰度值相比較。若與4個(gè)鄰域中值為255的點(diǎn)在原圖中的灰度值相似時(shí)，當前點(diǎn)賦為255，下一步執行⑤；若與4鄰域中值為0的點(diǎn)在原圖中的灰度值相似，當前點(diǎn)賦為0，下一步執行⑤；若與它們都不相似，則執行④操作；④判斷其8個(gè)鄰域點(diǎn)在原圖中的灰度信息。若其滿(mǎn)足某一灰度特征信息，將其值賦為255；否則賦為0；執行下一步；⑤重復②③操作，直至遍歷整幅圖像為止。

2．4 特征分析與處理

3 結果與分析
利用該方法處理實(shí)時(shí)采集的高速路面圖像，如圖2、圖3所示。圖2a為采集的路面單裂紋圖像，其大小為512×384(文中圖像縮小到1／3)，圖2b為對圖2a的裂紋特征提取結果，含有較多的非裂紋像素，通過(guò)特征分析對圖2b進(jìn)行虛假裂紋剔除后并進(jìn)行裂紋跟蹤的結果見(jiàn)圖2c。圖3a為多裂紋路面圖像，對其進(jìn)行裂紋特征提取的結果見(jiàn)圖3b，圖3c為通過(guò)特征分析對圖3b進(jìn)行虛假裂紋剔除后跟蹤的結果。從實(shí)驗結果可以看出，該方法準確完整地提取出了路面裂紋，沒(méi)有受到路面標記的影響。

4 結語(yǔ)
提出一種路面破損圖像實(shí)時(shí)檢測方法。先對路面裂紋圖像進(jìn)行去模糊處理和裂紋特征分析，在此基礎上，提出快速方法提取裂紋，對提取出的裂紋圖像進(jìn)行特征處理后，用參數描述裂紋的矢量信息和幾何特性。對大量采集的路面圖像進(jìn)行處理。結果表明，該檢測方法能正確快速提取路面圖像的裂紋信息，具有較強的魯棒性和實(shí)用性。