基于图像处理的路面裂缝自动检测

华侨大学厦门工学院数字图像处理课程论文

题目：基于图像处理的路面裂缝自动检测班级：12通信3班

学生姓名：詹建梁

学号：1202303036

指导教师：杨艺敏

2015 年 6 月20 日

基于图像处理的路面裂缝自动检测

摘要：本文主要研究裂缝图像的处理技术，分为图像预处理、图像分割、特征提取三部分。图像预处理部分，本文采用最近邻插值法将图像缩小，变为原图像的1/4;采用四种不同类型的结构元素依次对路面裂缝图像进行中值滤波，平滑去噪;采用基于图像背景提取的灰度校正算法校正图像光照不均。图像分割部分，本文采用Ostu阂值分割算法对路面裂缝图像进行分割，并进行适当改善;采用连通域白色像素点阂值去噪算法去除二值图像的噪声;将数学形态学和白色像素点阂值去噪算法相结合，利用多种形态学算法交替处理，提取出裂缝，最后运用迭代细化方法对裂缝进行了细化。特征提取部分，本文根据不同类型裂缝的特征选取了裂缝像素面积、水平投影、垂直投影、矩形度作为裂缝的特征值，利用裂缝像素面积能够准确判断图像中有无裂缝。

关键词：裂缝检测，图像预处理，图像分割，特征提取

随着我国公路交通的迅速发展，对公路的养护工作也提出了更高的要求。公路在建成后会受到气候、地质条件、通行量、载荷量等因素的影响，这些因素会使公路产生不同程度损坏，如裂缝、坑洞等，因此，相关部门需要对公路进行定期的检测和养护。如果能在公路病害出现的初期将其发现并进行及时处理，那么养护公路的开支将大大减少，公路的使用年限也将大大延长[[2]。在不影响公路运营的前提下，对公路路面病害进行实时检测，这成为我们关注的重要问题，也是路面检测的研究方向。

1、国内发展现状

就国内而言，在对公路路面情况进行检测时，大部分还是使用传统的人工检测方法。由检测人员对裂缝的长度、周长和面积等数据进行实地测量和记录，再进行统计和分类，最后由技术人员对裂缝损害程度进行评估并制定养护计划。这种传统的方法效率低、误差大，而且对交通有较大的影响，检测人员的人身安全也不能完全保证。由于这种检测方式的误差大，养护计划制定准确性也随之下降，对施工质量的改进方法也不能很好确定。科学的对路面裂缝进行检测，得到精确的裂缝数据，相关部门就可以及时制定合适的养护计划，在路面裂缝损害出现的早期对其进行修护，节省了费用，延长了公路的使用年限，提高了公路的服务水平。

2、系统工作原理

论文的主要研究工作包括:路面裂缝图像的预处理、预处理后图像的分割、路面裂缝的特征提取、路面裂缝类型分类和识别、裂缝参数计算。整个论文研究的算法流程图如图1.11所示。

2.1图像预处理

由于路面的裂缝图像是由ccD相机拍摄所得，因此，拍摄图像时受到外界环境因素和图像采集系统自身噪声的影响，这样所得到的裂缝图像会有光照不均和附带噪声的现象，导致图像质量下降，如不对图像质量进行改善，会直接给后面的图像处理工作带来巨大的困难，影响裂缝的识别率，严重时则无法识别裂缝。综上所述，我们必须根据情况对原始图像进行预处理。

本论文中涉及的原始图像较大，首先需要对图像进行缩小，缩小为原图像的1/4，以提高系统运算速度，之后对缩小后的图像进行去噪平滑处理，通过实验对多种算法进行对比，最后选择使用四种结构元素对图像依次进行中值滤波，从而对多种噪声进行有效地滤除，并且可以保留四个方向上的边缘特性。针对图像光照不均的问题，本文尝试了5种方法对其进行校正，对效果进行比较，最后使用了基于图像背景提取的灰度校正算法对平滑后的图像进行校正，取得了较好的效果。本文对图像进行全比例缩小，取lx =寿= 0.5，并运用最近邻插值法对新图像中的像素灰度值进行近似处理，即对原图像进行隔行隔列取样，对应的像素灰度值赋给新图像。例如，原图像中的(0,2)点像素对应新图像的(0,1)点像素，原图像中的(2,0)点像素对应新图像的(1,0)点像素，这样将图像缩小为原来的四分之一，示意图如图2.3所示。

道路裂缝图像尺寸大小为4096x2048，经过尺寸缩小后变为2048x1024, 总像素数减少为原来的四分之一，这样减少了处理的运算量，提高了软件处理的运行速度，系统性能得到提升。对路面裂缝图像的缩小结果如图2.4所示。

2.2图像分割

图像分割是继图像预处理后又一项十分重要的内容，也是图像处理工作中最困难的步骤之一。图像分割是图像处理层到图像分析层的关键步骤，在良好的图像分割基础下，才能更好的提取目标的特征值，测量目标的各种数据，这样就将图像转化为更高层次的抽象形式，为图像分析和图像理解服务。

本文中分别对多种边缘检测算子进行了实验对比，分析了各个算法的优缺点针对预处理后的路面裂缝图像，采用了Ostu阂值分割算法，并对得到的阂值进行了调整，得到了较理想的二值图像。但是二值图像中存在很多孤立噪声点，不予以消除的话会影响后面裂缝的提取工作，针对二值图像的去噪问题研究并运用了连通域白色像素点阂值去噪算法，完全去除了噪声，之后又运用数学形态学中的算法和连通域白色像素点阂值去噪算法想结合的方法成功地提取出了裂缝，最后再对裂缝进行迭代细化。

2.3裂缝特征提取

裂缝特征提取属于图像分析的范畴，是从图像到数据的变换技术，提取到的特征值是为后面的识别工作服务的。裂缝的特征值有很多种，本文中基于不同类型裂缝的特点，选择了4个特征值，分别是:裂缝像素面积A、水平投影Xsum、垂直投影I'sum、矩形度R。对4种裂缝类型的各个特征值进行了研究，证明这4种特征值能够较好的区分出4种类型的裂缝和无裂缝图像。

2.4裂缝识别

裂缝类型的识别是最终目的，采用人工神经网络能够很好的对裂缝进行分类识别。本文在研究了支持向量机SVM线性可分模式、线性不可分模式和多分类算法的基础上，使用高斯径向基函数RBF作为核函数，运用“一对多”的多分类算法，使用裂缝部分较为明显的30个横向裂缝、30个纵向裂缝、20个块状裂缝、15个网状裂缝作为测试样本，对裂缝类型进行识别。

2.5裂缝参数计算

为了给公路养护工作提供路面裂缝的数据性资料，需要对识别出的各类裂缝进行参数计算，裂缝的参数数据有很多种，本文中选择了两种重要的参数，即横向和纵向裂缝长度、块状和网状裂缝外接矩形面积，利用这些裂缝参数就可以计算出路面状况指数PCI，使路面损坏程度得到数据化的综合评定。

3、结论

为了满足我国近年来经济高速发展的需要，国家大力发展公路事业，公路总里程日益增加，公路管理和养护的任务也越发繁重，公路的日常养护至关重要。回顾过去，公路养护工作主要由人工实地完成，技术落后，不仅效率低，而且对公路安全通行影响大。由于这些原因，路面自动检测设备应运而生，利用计算机完成道路检测工作使道路养护工作进入新的发展阶段。自动检测设备不仅依附于优良的硬件条件，更依赖于优越的软件算法，检测算法的研究己是当下重要的研究内容。本文就是针对检测算法对路面自动检测技术进行研究。

4、参考文献：

[1]张娟.基于数字图像处理的路面裂缝识别与评价技术研究[D].西安:长安大学，2004,24(2).