基于圖像處理的路面裂縫檢測關(guān)鍵技術(shù)研究.pdf

1、隨著我國公路網(wǎng)的不斷完善，公路建設(shè)的規(guī)模趨勢日益平緩，公路路面狀況檢測、養(yǎng)護和管理已成為我國公路建設(shè)領(lǐng)域的重要任務(wù)。路面裂縫是大部分路面病害的早期形式，及時發(fā)現(xiàn)裂縫并進行修補可以有效的減小路面病害帶來的損失。因此，路面裂縫檢測具有重要的現(xiàn)實意義。
　　由于路面圖像的多紋理性、多目標(biāo)性、目標(biāo)的弱信號性和圖像光強的多變性，使得路面裂縫目標(biāo)的識別難度相對較大?，F(xiàn)有算法大多是建立在路面圖像質(zhì)量好、裂縫目標(biāo)清晰的基礎(chǔ)上而開發(fā)的，缺乏對復(fù)雜環(huán)

2、境的適應(yīng)性，難以滿足工程應(yīng)用的實際需求。
　　針對以上問題，本文對路面裂縫病害檢測過程中所涉及的去除噪聲、裂縫目標(biāo)分割、裂縫邊緣提取以及裂縫類型識別等關(guān)鍵技術(shù)進行研究，提出了一種基于圖像處理的路面裂縫智能檢測方法。該方法對路面裂縫灰度圖像建立壓縮感知去噪模型，對于成像照度不均勻的問題，選擇自適應(yīng)閾值進行分割，并通過韋伯定律和視覺模型進行分段閾值邊緣檢測，最終通過徑向基概率神經(jīng)網(wǎng)絡(luò)進行裂縫圖像的裂縫類型識別。
　　論文主要在以

3、下幾個方面展開了研究工作:
　　1．針對目前路面圖像濾波算法復(fù)雜度高且難以耦合噪聲抑制和信號平衡的缺點，提出了一種基于非下采樣Contourlet變換域壓縮采樣的濾波算法。該方法首先使用非下采樣Contourlet變換對包含噪聲的路面裂縫圖像進行多尺度分解，建立壓縮感知去噪模型，采用偽隨機傅里葉矩陣對高頻子帶系數(shù)進行觀測，通過構(gòu)建重建過程所使用的優(yōu)化目標(biāo)函數(shù)的形式及參數(shù)的設(shè)置，應(yīng)用不同的優(yōu)化目標(biāo)函數(shù)信號，重建原始圖像以達到實現(xiàn)濾波

4、的目的。實驗表明：本文提出的算法可以很好的克服光照不均對裂縫目標(biāo)檢測的影響，在相同的實驗條件下，與Curvelet閾值法和Wavelet閾值法相比，裂縫的錯誤檢測率降低了15％和7.8%。
　　2．針對成像照度不均勻的問題，提出一種基于改進的模糊聚類分割的自適應(yīng)閾值分割算法。改進的模糊聚類分割算法對路面灰度圖像采用模糊直方圖，利用模糊直方圖波峰的個數(shù)來確定聚類數(shù)，模糊直方圖的極值確定聚類中心。改進的模糊聚類分割算法對整幅圖像的全局

5、分割閾值進行估計，最大類間方差算法對所劃分子圖像進行局部分割閾值估計，局部分割閾值通過局部分割估計閾值與全局分割估計閾值之間的關(guān)系以及子圖像的灰度特點共同確定。實驗表明：在相同的實驗條件下，基于改進的模糊聚類分割的自適應(yīng)閾值分割算法比模糊聚類分割算法查全率提高了0.195，查準(zhǔn)率提高了0.0566。
　　3．提出了一種利用視覺模型來確定路面裂縫邊緣檢測閾值的算法。該算法按照仿生學(xué)原理，通過分析人眼的閾值亮度比曲線和Weber比曲線

6、，將圖像根據(jù)背景亮度劃分為三個不同亮度區(qū)域，分別是亮區(qū)域、中間區(qū)域、暗區(qū)域，對于不同亮度區(qū)域分別采用不同的邊緣閾值公式，最后得到路面裂縫的檢測結(jié)果。實驗結(jié)果表明：本文提出的算法受到噪聲的影響較小，能夠克服光照不均對檢測結(jié)果的影響，可以檢測出較為完整的裂縫邊緣信息，在相同的實驗條件下，與基于多尺度小波模極大值和基于脈沖耦合神經(jīng)網(wǎng)絡(luò)的邊緣檢測算法相比，不同類型的裂縫的邊緣定位指標(biāo)和檢出率均有所提高。
　　4．設(shè)計了一個四層徑向基概率神

7、經(jīng)網(wǎng)絡(luò)進行裂縫類型的識別。第一隱層采用徑向基函數(shù)作為基函數(shù)，隱矢量中心采用k-means聚類法確定，第二隱層與輸出層之間的連接權(quán)值由遞推最小二乘法確定。將裂縫的幾何特征作為網(wǎng)絡(luò)的輸入，利用900幅已知裂縫類型的路面圖像作為訓(xùn)練樣本對徑向基概率神經(jīng)網(wǎng)絡(luò)進行訓(xùn)練，訓(xùn)練好的網(wǎng)絡(luò)對700幅未知裂縫類型的路面圖像進行分類測試。測試結(jié)果表明：徑向基概率神經(jīng)網(wǎng)絡(luò)可以取得了很好的分類效果，與SVM，C4.5決策樹分類器、貝葉斯分類器相比，識別率達分別提