基于圖像分析的路面裂縫檢測的關(guān)鍵技術(shù)研究.pdf

1、路面裂縫是絕大部分病害的早期形式,及時發(fā)現(xiàn)裂縫并進(jìn)行修補(bǔ)可以最大限度的減小路面病害帶來的損失。此外,裂縫病害往往較為細(xì)微,裂縫檢測是病害自動檢測中的難點(diǎn)問題,因此本文的研究主要針對裂縫病害進(jìn)行。本文提出將分?jǐn)?shù)階微分分析、多尺度變換理論、中值濾波、形態(tài)學(xué)、形態(tài)成分分析等理論知識應(yīng)用到對路面裂縫圖像的增強(qiáng)、去噪、邊緣檢測和陰影分離中去,旨在進(jìn)一步提高路面裂縫的檢測和陰影分離的效果,對推動路面裂縫檢測自動化的進(jìn)步具有較大的理論意義和實踐價值。

2、
　　 本文提出了基于分?jǐn)?shù)階微分和圖像形態(tài)學(xué)的路面裂縫檢測算法,通過分析信號經(jīng)過微分后的幅頻特性,發(fā)現(xiàn)分?jǐn)?shù)階微分在增強(qiáng)信號中、高頻部分的同時能非線性保留信號的低頻部分,而基于1階和2階的整數(shù)階微分運(yùn)算雖然能有效實現(xiàn)信號中、高頻部分的增強(qiáng),可是同時對于平滑區(qū)域的裂縫信息有削弱的作用。據(jù)此,根據(jù)經(jīng)典的分?jǐn)?shù)階微分G-L定義推導(dǎo)出分?jǐn)?shù)階微分的差值定義,構(gòu)建出分?jǐn)?shù)階微分掩模,通過分?jǐn)?shù)階微分掩模運(yùn)算使路面圖像中的裂縫信息尤其是處于平滑區(qū)域的

3、細(xì)小裂縫病害信息有效加強(qiáng)。之后利用圖像形態(tài)學(xué)算子進(jìn)行演算提取裂縫,通過組合中值濾波去除孤立噪聲點(diǎn)。實驗結(jié)果表明,本文提出的基于分?jǐn)?shù)階微分的路面裂縫檢測方法切實可行。通過與其它整數(shù)階微分方法比較發(fā)現(xiàn)無論是主觀視覺的效果,還是客觀評價標(biāo)準(zhǔn)方面都能取得較好的結(jié)果。同時,分?jǐn)?shù)階微分算子彌補(bǔ)了傳統(tǒng)圖像增強(qiáng)算子不能通過改變參數(shù)來得到連續(xù)變化的增強(qiáng)效果,以及對于較弱信號處理效果不理想的缺陷,算法更具靈活性和針對性。而且該方法運(yùn)行效率較高可以廣泛應(yīng)用于

4、路面圖像病害檢測。多尺度幾何分析方法具有多尺度、時一頻局部和多方向的特性,輪廓波變換是對圖像的多尺度多方向表達(dá),能準(zhǔn)確把握圖像幾何結(jié)構(gòu)信息,有效捕捉到自然圖像中的輪廓,但存在頻譜混淆現(xiàn)象,從而削弱了方向選擇性。非下采樣的輪廓波變換取消了輪廓波變換中的下采樣部分,首先由非下采樣塔狀濾波器進(jìn)行多尺度分解,然后由非下采樣方向性濾波器組對得到的各帶通子帶圖像進(jìn)行方向分解,從而得到不同尺度、方向子帶圖像,在非下采樣輪廓波變換域,通過基于梯度向量模

5、的自適應(yīng)雙閾值將路面圖信息分類,通過非線性增益函數(shù)有針對性的增強(qiáng)信號的對比度,之后進(jìn)行非下采樣輪廓波反變換得到裂縫被增強(qiáng)的路面圖,然后應(yīng)用形態(tài)學(xué)和組合中值濾波后處理得到裂縫檢測結(jié)果。
　　 本文提出的算法與其它算法相比有效的增強(qiáng)了弱信號裂縫,在抑制噪聲的同時保留了豐富的裂縫細(xì)節(jié)信息,并且能很好地抑制偽Gibbs失真造成的裂縫邊緣模糊,實驗結(jié)果證明了算法的有效性。路面圖陰影是攝像光源光線被攝像頭等物體完全或者部分遮擋的區(qū)域,陰影區(qū)

6、域的灰度值比周圍的區(qū)域的灰度值要小。一般情況下路面裂縫的灰度也較低,陰影在路面圖像自動檢測中會影響路面裂縫識別的準(zhǔn)確度,容易將陰影區(qū)域劃分為被識別物體,加大了檢測的錯識率。針對路面圖像陰影問題,本文提出了基于形態(tài)成分分析的路面圖像陰影分離算法。算法涉及到稀疏表示理論及形態(tài)成分分析方法。形態(tài)成分分析的主要假設(shè)是圖像的幾何結(jié)構(gòu)和紋理結(jié)構(gòu)分量在某個特定的基庫或超完備字典下是類內(nèi)稀疏的,而各形態(tài)分量稀疏表示的基庫或超完備字典之間具有不相干性。因

7、此,本文首先根據(jù)路面圖像和陰影的特點(diǎn)找到相應(yīng)的字典來稀疏表示各個部分;然后,根據(jù)字典對相應(yīng)圖像信號進(jìn)行變換,得到各部分信息的稀疏表示系數(shù),對系數(shù)進(jìn)行軟閾值收縮得到新的系數(shù);最后,再對系數(shù)分別進(jìn)行逆變換將這個過程進(jìn)行多次迭代分離出要得到的路面圖信息和陰影信息。從而利用路面圖像中各種信息組成成分的形態(tài)差異性,通過形態(tài)成分分析的方法實現(xiàn)路面圖像陰影分離。通過對迭代次數(shù)、對多種路面狀況圖陰影分離和對不同形狀陰影分離的適應(yīng)性的實驗結(jié)果,都證實了本