基于圖像處理的路面裂縫檢測關鍵技術研究.pdf

1、隨著我國公路網(wǎng)的不斷完善，公路建設的規(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領域的重要任務。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、多目標性、目標的弱信號性和圖像光強的多變性，使得路面裂縫目標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量好、裂縫目標清晰的基礎上而開發(fā)的，缺乏對復雜環(huán)

2、境的適應性，難以滿足工程應用的實際需求。
　　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、裂縫目標分割、裂縫邊緣提取以及裂縫類型識別等關鍵技術進行研究，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，通過構建重建過程所使用的優(yōu)化目標函數(shù)的形式及參數(shù)的設置，應用不同的優(yōu)化目標函數(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果。實驗結果表明：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)絡的邊緣檢測算法相比，不同類型的裂縫的邊緣定位指標和檢出率均有所提高。
　　4．設計了一個四層徑向基概率神

7、經(jīng)網(wǎng)絡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值由遞推最小二乘法確定。將裂縫的幾何特征作為網(wǎng)絡的輸入，利用900幅已知裂縫類型的路面圖像作為訓練樣本對徑向基概率神經(jīng)網(wǎng)絡進行訓練，訓練好的網(wǎng)絡對700幅未知裂縫類型的路面圖像進行分類測試。測試結果表明：徑向基概率神經(jīng)網(wǎng)絡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