陶明霞，錢(qián) 廣，馬仁安

(1.安徽建筑大學(xué)土木學(xué)院，安徽 合肥 230601；2.寧波交通工程咨詢(xún)監(jiān)理有限公司，浙江 寧波 315100；3.新華學(xué)院電子與信息學(xué)院，安徽 合肥 230088)

隨著高速公路在我國(guó)的快速發(fā)展，傳統(tǒng)的基于人眼觀察來(lái)檢測(cè)路面裂縫的方法已經(jīng)不能滿(mǎn)足及時(shí)維護(hù)高速公路的要求，這使運(yùn)用計(jì)算機(jī)實(shí)現(xiàn)路面自動(dòng)檢測(cè)成為新的研究熱點(diǎn).對(duì)已采集的大量瀝青路面圖像進(jìn)行質(zhì)量分析，進(jìn)而對(duì)裂紋進(jìn)行自動(dòng)檢測(cè)，主要存在2類(lèi)比較難解決的問(wèn)題：一是成像灰度不均勻，主要由光照不均勻引起；二是噪聲問(wèn)題，如路邊建筑物的陰影、剎車(chē)痕跡和油跡等.針對(duì)這2類(lèi)問(wèn)題，許多學(xué)者提出了多種解決方法.Li L等[1]運(yùn)用Sobel圖像檢測(cè)與域值分割方法來(lái)實(shí)現(xiàn)裂縫與路面的分割，但相應(yīng)的域值T很難確定.一些學(xué)者運(yùn)用小波分析的多分辨率特性來(lái)解決裂縫的弱信號(hào)特性[2-4]，但在實(shí)際運(yùn)用中如何選擇分析尺度是一個(gè)有待進(jìn)一步解決的問(wèn)題.Zuo Y等[5]運(yùn)用模糊邏輯算法實(shí)現(xiàn)裂縫檢測(cè)，但很難從海量圖像中確定亮度閾值以實(shí)現(xiàn)從亮度圖到裂縫圖的轉(zhuǎn)換.

針對(duì)瀝青路面圖像中裂縫與路面背景的特性，筆者擬采用非線(xiàn)濾波、二值化、形態(tài)學(xué)開(kāi)閉運(yùn)算等方法對(duì)路面圖像進(jìn)行處理，從而得到一種有效的裂縫自動(dòng)檢測(cè)算法.路面裂縫自動(dòng)檢測(cè)流程為輸入路面圖像—非線(xiàn)性濾波—圖像二值化—填補(bǔ)裂縫間隙—剔除獨(dú)立噪聲—提取裂縫骨架.

1 非均勻光照噪聲的去除

根據(jù)路面圖像的特點(diǎn)，可將其分成背景圖像Ib、噪聲信號(hào)In和裂縫圖像Ic,即I=Ib+In+Ic.算法的核心為如何精確提取Ic.目前，大多數(shù)學(xué)者從由I中提取Ic的角度出發(fā)，研究如何解決因光照不均勻引起的圖像中間亮、邊緣暗的問(wèn)題[6-8].對(duì)大量的路面圖像進(jìn)行特征分析，筆者發(fā)現(xiàn)圖像的大部分均是背景.因此，設(shè)法從另一個(gè)角度去考慮問(wèn)題，即如何準(zhǔn)確提取路面圖像的背景Ib.主要思路為運(yùn)用數(shù)學(xué)形態(tài)學(xué)算法提取背景圖像，再運(yùn)用此背景圖像來(lái)解決不均勻光照引起的噪聲問(wèn)題.首先運(yùn)用開(kāi)運(yùn)算對(duì)圖像進(jìn)行極小值濾波，再運(yùn)用同樣算子對(duì)圖像進(jìn)行閉運(yùn)算，即極大值濾波.極小和極大值濾波消除了路面圖像的裂縫、油漬等弱信號(hào)信息，而保留了路面等強(qiáng)信號(hào)目標(biāo)，如圖1b所示.再將原始路面圖像減去濾波后的背景圖像，從而消除光照不均引起的噪聲.將整個(gè)背景圖像灰度均值加到相減后圖像的每個(gè)像素，以還原路面圖像，如圖1c所示.從圖1c中可以看出圖像中間較亮、邊緣較暗的現(xiàn)象已得到解決.運(yùn)用此方法對(duì)大量路面圖像進(jìn)行處理.從效果來(lái)看，能夠解決光照不均問(wèn)題，而且相對(duì)文獻(xiàn)[9]提出的灰度值校正算法，具有便于算法移值和執(zhí)行效率高的特點(diǎn).

圖1 非均勻光照噪聲的去除的圖像 Fig.1 Removal of Nonuniform Illumination Noise

2 二值化分割

路面裂縫圖像二值化是自動(dòng)檢測(cè)中的關(guān)鍵步驟.由于路面除了裂縫外還有油漬、輪跡和建筑物陰影等弱信號(hào)信息，因此很難有一種全局分割的方法滿(mǎn)足實(shí)際需要.為此，筆者將整個(gè)路面圖像分割成多塊，如圖2a所示.在單塊圖像中，裂縫和其他弱信號(hào)對(duì)象共存的概率減少.分塊的、尺寸較小的單塊圖像整體上呈現(xiàn)均勻的灰度值，圖像中裂縫和其他噪聲的灰度值相對(duì)于路面的灰度值要低得多，故采用分塊圖像的灰度統(tǒng)計(jì)特征來(lái)確定分割域值.[9-10]

設(shè)單塊圖像為Ii(p)，二維坐標(biāo)p={x，y}，wi和hi為圖像塊的寬和高，c值為常數(shù)(一般根據(jù)實(shí)驗(yàn)確定).路面圖像二值化的具體實(shí)現(xiàn)步驟如下：

圖2 路面圖像二值化Fig.2 Binarization of Pavement Image

(ⅰ)統(tǒng)計(jì)圖像的直方圖Hi(n)，n<255；

(ⅱ)對(duì)域值集合T={t1，t2，…，ti，…,tn}，tj=tj-1+ 1，n<255,從t1開(kāi)始對(duì)直方圖作累加計(jì)算Sj=Sj-1+H(tj)，其中S0=0；

(ⅲ)當(dāng)Si>c×wi×hi時(shí)終止，否則轉(zhuǎn)(ⅱ)；

(ⅳ)用最后得到的ti值對(duì)單塊圖像作二值化處理.

根據(jù)上述步驟得到的路面二值化圖像，如圖2b所示.

3 非裂縫噪聲的去除

二值化后的圖像可能存在連續(xù)裂縫被中斷的現(xiàn)象，因此需要對(duì)二值圖像作開(kāi)閉運(yùn)算，即IB=(I⊕B)?B，其中I為二值化圖像，B為形態(tài)學(xué)算子.作開(kāi)閉運(yùn)算后的二值圖像呈現(xiàn)半徑為5的圓盤(pán)狀結(jié)構(gòu)，如圖3a所示.

路面圖像在二值化后，隨機(jī)噪聲仍以胡椒狀散布于整個(gè)圖像中，如圖3b所示.由圖3b可以看出，相對(duì)于隨機(jī)噪聲來(lái)說(shuō)，裂縫的像素面積會(huì)大得多，且一般呈現(xiàn)細(xì)長(zhǎng)狀連續(xù)分布.據(jù)此，筆者采用形態(tài)學(xué)的閉運(yùn)算來(lái)去除噪聲，即先對(duì)白色像素點(diǎn)(對(duì)應(yīng)噪聲和裂紋)做膨脹運(yùn)算，再對(duì)膨脹后的圖像做腐蝕運(yùn)算.主要的操作包括2步：(1)面積計(jì)算.通過(guò)8鄰域，統(tǒng)計(jì)各白色像素塊的像素值.(2)閾值判斷.面積閾值需要根據(jù)實(shí)際采集數(shù)據(jù)和道路病害程度來(lái)確定.面積大于一定閾值的像素塊被標(biāo)記為裂紋像素點(diǎn)，小于一定閾值的像素塊被記為噪聲像素點(diǎn).經(jīng)過(guò)此2步操作后，得到如圖3c所示的圖像.

圖3 非裂縫噪聲的去除Fig.3 Removal of Non Crack Noise

4 實(shí)驗(yàn)結(jié)果與討論

運(yùn)用路面裂縫自動(dòng)檢測(cè)方法對(duì)1 000幅大小為1024×768的瀝青路面圖像進(jìn)行裂縫檢測(cè)及分類(lèi)處理，4類(lèi)典型裂縫的檢測(cè)結(jié)果如圖4所示.從圖4可知該方法對(duì)4類(lèi)典型裂縫進(jìn)行了有效檢測(cè).

圖4 4類(lèi)典型裂縫的檢測(cè)Fig.4 Detection of Four Typical Kinds of Cracks

表1列出了相應(yīng)的檢測(cè)時(shí)間和準(zhǔn)確率，從中可知系統(tǒng)運(yùn)行時(shí)間均值約為1.75 s，檢測(cè)準(zhǔn)確率均值為96.25%.

表1 路面裂縫自動(dòng)檢測(cè)Table 1 Automatic Detection of Pavement Cracks

5 結(jié)語(yǔ)

針對(duì)人工檢測(cè)路面裂縫存在的問(wèn)題，提出了一種新的檢測(cè)方法.該路面裂縫自動(dòng)檢測(cè)方法能夠應(yīng)用到瀝青路面車(chē)載檢測(cè)系統(tǒng)中，檢測(cè)準(zhǔn)確率能夠滿(mǎn)足系統(tǒng)設(shè)計(jì)要求.配合GPS定位系統(tǒng)，該方法能夠自動(dòng)檢測(cè)和定位瀝青路面裂縫，與人工檢測(cè)相比節(jié)省了大量的人力、物力和財(cái)力，且有利于路面圖像數(shù)據(jù)的有效管理.

參考文獻(xiàn)：

[1] LI L，CHAN P，LYTTON R L.Detection of Thin Cracks on Noisy Pavement Images[Z].Transportation Research Record，No.1311，Pavement Management：Data Collection，Analysis，1991:131-135.

[2] NEWLAND D E.Wavelet Analysis of Vibration[J].Journal of Vibration & Acoustics，1994，116(4):21-37.DOI：10.1115/1.2930443.

[3] WANG Q，DENG X.Damage Detection with Spatial Wavelets[J].International Journal of Solids & Structures，1999，36(23):3 443-3 468.

[4] QUEK S T，WANG Q，ZHANG L，et al.Sensitivity Analysis of Crack Detection in Beams by the Wavelet Technique[J].International Journal of Mechanical Sciences，2001，43(12):2 899-2 910.

[5] ZUO Y，WANG G，ZUO C.A Novel Image Segmentation Method of Pavement Surface Cracks Based on Fractal[C].International Conference on Computational Intelligence and Security.Suzhou，China，2008:485-488.DOI：10.1109/CIS.2008.206.

[6] 高建貞，任明武，楊靜宇.路面裂縫的自動(dòng)檢測(cè)與識(shí)別[J].計(jì)算機(jī)工程,2003，29(2):149-150.

[7] ABE SATOSHI，ABE TOSHIO，SATO HISAO，et al.System Integration of Road-Crack Evaluation System[C]∥Machine Vision Applications in Industrial Inspection.WU FREDERICK Y,DAWSON BENJAMIN M,Ed.Proceedings of SPIE 1907,1993:38-48.

[8] CHENG H D，MIYOJIM M.Automatic Pavement Distress Detection System[J].Journal of Information Sciences,1998,108(1):219- 240.

[9] 高建貞，任明武，楊靜宇.一種快速實(shí)用的灰度校正算法[J].中國(guó)圖象圖形學(xué)報(bào),2002,7(6):548-552.

[10] LIAO P S，CHEN T S，CHUNG P C.A Fast Algorithm for Multilevel Thresholding[J].Journal of Information Science and Engineering.2001,17(5):713-727.