首页 > 论文范文 > 社会科学论文 > 科技论文 > 计算机硬件论文 > 基于图像分析的路面裂缝检测识别研究

基于图像分析的路面裂缝检测识别研究

2021-10-08 89 上传者：管理员

摘要：为了改善传统人工公路路面裂缝的检测效率与精度以及耗费大量人力物力,采用数字图像处理技术对公路路面裂缝进行检测识别。把采集到野外公路路面裂缝图像进行灰度化、灰度直方图均衡化、低帽滤波变换、滤波去噪、阈值分割操作检测识别出路面裂缝区域,提取线性裂缝提取骨架并求出其长度和最大最小宽度。通过使用MATLAB软件编制图像处理程序,验证本文提出的路面裂缝识别算法能够有效检测识别路面裂缝。

关键词：
图像
数字图像处理技术
滤波
灰度化
裂缝
加入收藏

对于公路路面来讲，裂缝是需要重视的病害之一。目前，我国对路面裂缝检测需要专门的路面管理部门定期进行安全巡视和检查，然后进行养护与整修。但是，人工检测存在效率低、精度低、费时、费力等缺点，此方法已经不再适用于如今的路面养护。随着数字图像处理技术的不断发展，使其技术在道路养护领域中得到广泛应用。因此，为了减少人力物力的损失，提高准确率，进行道路安全状态监控，运用数字图像处理技术可以大大改善传统检测方式存在的问题，使路面裂缝得到高效精准的检测识别。本论文主要采用数字图像处理技术，采集路面裂缝图像，运用matlab编写程序，对路面裂缝图像进行处理识别。

1、路面裂缝图像处理技术

采集的公路路面图像通常存在一些杂点，它们会在路面检测中产生噪声从而造成公路路面检测效果。当前应用的检测算法能够有效地剔除部分噪声，导致识别的结果出现不间断的现象。噪声对路面裂缝特征提取产生一定程度的干扰，对裂缝长度、最大与最小宽度的计算产生影响，因此需要对采集到的路面裂缝图像进行预处理，即图像灰度化、图像增强、图像去噪、阈值分割、特征提取等操作。在进行裂缝图像预处理之前先对裂缝图像进行采集，采集到的原始裂缝图像如图1所示。

1.1图像灰度化

在RGB模型中，如果RGB色彩分量全部相等，则彩色表示一种灰度颜色，其中R=G=B的值叫灰度值。灰度范围为0-255。灰度化处理是把含有亮度和色彩的彩色图像变化成灰度图像的过程。图像灰度化处理一般采用以下三种算法：

平均值法:f(i,j)=(R(i,j)+G(i,j)+B(i,j))/3

最大值法:f(i,j)=max(R(i,j),G(i,j),B(i,j))

加权平均值法:f(i,j)=0.30R(i,j)+0.59G(i,j)+0.11B(i,j)

采用加权平均法对图像进行灰度化处理，处理后的结果如图2所示。

1.2图像灰度直方图均衡化

直方图均衡化是通过拉大图像像素强度分布范围来增强图像的对比度的一种方法，增大图像反差，使图像细节清晰，达到增强效果的目的，有利于对裂缝特征的提取。

直方图均衡化处理的基本原理是对图像就那些非线性拉伸，重新分配图像的灰度值，使一定范围内的灰度值大致相等，就是把一副图像的灰度直方图变成近似均匀分布，从而增强图像的对比度，得到的结果如图3所示。

1.3低帽滤波变换

高帽变换和低帽变换是数学形态学中重要的运算形式，有形态学中最基本的运算如膨胀、腐蚀组合实现。高帽变换是通过利用原始图像与原始图像开操作的结果图像进行图像减操作实现的；而低帽变换是通过原始图像闭操作的结果图像与原始图像进行图像减操作实现的。高帽变换具有高通滤波的特性，适用于处理具有暗背景、亮物体特征的图像。低帽变换能够检测图像中的谷值，适用于处理具有亮背景、暗物体特征的图像，如图4所示。

1.4滤波去噪

图像去噪是指减少数字图像中噪声的过程。在图像处理过程中，噪声成为干扰图像处理的结果的重要因素。图像去噪是图像预处理中不可缺少的操作，其处理效果的好坏将直接影响到后续图像处理和分析的有效性和可靠性，可见它在图像处理过程中的重要性。滤波去噪有许多种算法，参数的选择也不相同，下面分别对算法和参数进行选择。

1.5阈值分割

在图像裂缝识别过程中，虽然裂缝目标或背景区域的像素灰度大多是高度相关的，但裂缝与背景之间在灰度上存在差异。因此需要通过以一个合适的像素值作为界限将图像处理成高对比度、容易识别的图像。

1.6线性裂缝提取裂缝区域

(1）计算裂缝长度。

在计算线性裂缝长度时，先提取出线性裂缝的骨架，如图7所示。在裂缝二值图像中路面为黑色，裂缝为白色。图像线性裂缝长度的计算采用统计的图像中两端像素点的距离。

(2）计算裂缝最大与最小宽度。

以列的方式统计二值图像中白点的数目，对得到的白点数目数组中的最大值对应裂缝的最大宽度和最小值对应裂缝的最小宽度。

2、实例分析

使用MATLAB编制图像处理程序，实现上述图像处理过程，得出公路路面裂缝的长度、宽度，标记处图像的区域。为了验证提出方法的有效性，实验数据为用手机机采集的260张公路路面裂缝图像。从中选取200幅图像，分成3组，设T代表一组图像中存在裂缝数目，C代表一组图像正确检测识别的裂缝数目，E代表一组图像中是裂缝图像而没有被正确检测识别的裂缝数目，检测识别结果的正确率见表1。

3、结束语

本文基于数字图像处理技术把采集到野外公路路面裂缝图像进行灰度化、灰度直方图均衡化、低帽滤波变换、滤波去噪、阈值分割操作检测识别出路面裂缝区域，提取裂缝骨架并求出其长度和最大最小宽度。通过使用MATLAB软件编制图像处理程序，验证本文提出的路面裂缝识别算法能够有效进行有效检测且识别精度较高。下一步将系统地研究其他的路面破损类型的识别方法，提高公路路面的破损识别监测效果，提高评价的可靠性和准确性。

参考文献：

[1]韩混，韩洪飞.基于区域级和像素级特征的路面裂缝检测方法[J].铁道科学与工程学报,2018,15(05):1178-1186.

[2]张磊.基于图像处理的公路路面裂缝检测技术研究[J].机械设计与制造工程,2017,46(02):87-90.

[3]王婷婷.公路路面裂缝检测与识别技术研究[D].大连:大连海事大学,2017.

[4]罗瑞.基于图像处理的路面裂缝检测算法研究[D].芜湖市:安徽工程大学,2017.

[5]王鑫，齐建玲，赵振.基于图像处理路面裂缝自动化检测及识别关键问题研究[J].北华航天工业学院学报,2015,25(02):26-28.

文章来源：苏秀芝.基于图像分析的路面裂缝检测识别研究[J].电脑与信息技术,2021,29(05):17-19