基于模糊数学的公路路面裂痕检测技术

刘益玲，谢书童

(集美大学计算机工程学院，福建 厦门 361021)

0 引言

由于道路路面自身的特点[1]，针对路面的检测分割方法有许多，如基于局部二进制模式方法[2]，基于熵和有监督策略的方法[3－4]，基于连续小波变换的方法[5]，基于分形的方法[6]，基于模糊增强的方法[7－8]，以及其他一些分割方法[9－12]．公路路面裂痕检测的目的是对公路路况进行高速采样，经处理后提取路面裂痕的信息，为制定公路路面养护计划提供科学的理论依据．然而这些方法处理的图片都是清晰图片，很少涉及到由运动导致模糊的图片，或只做增强和不分割处理．由H.D.Cheng提出的基于模糊集理论的路面裂纹检测新方法[13]在较大程度上弥补了此项空白，该方法先使用反锐化掩模算法对原图像进行预处理，然后通过遗传算法确定渡越点并使用标准S型隶属度函数来映射灰度图像到模糊域中，在此步骤中确定了隶属度低于0.3的值为裂痕，高于0.4的为非裂痕，而对隶属度在0.3与0.4之间的进行对比度增强处理后再由系统来决定是否为裂痕，最后连接裂痕像素点并分类．此方法中运算量相对较大，难以满足实时自动检测需求．为此，本文根据路面裂痕灰度值的实际特征，拟提出计算相对简单、速度相对较快、能符合实际检测精度的自动检测算法．

1 具体实现

1.1 使用乘性模型校正原图像

由于采集设备本身的特点、成像时的光照不均和一些树木或实物造成的阴影，造成图像质量的下降，给裂痕图像检测带来较大的影响，所以需要在裂痕检测前进行灰度的校正工作，尽量减少其带来的影响．本系统主要使用乘性模型进行灰度校正[14]，公式为:

其中，I'(p)为校正后曝光均匀的图像，其均匀曝光成像后各点灰度级应为常数M;I(p)为非均匀图像，p={x，y}，这个均匀场面在非均匀成像系统下成的像为I'M(p)．

本文对于常数M的选取是用OSTU最大类间方差法计算得到的原图阈值T．OSTU最大类间方差法是利用阈值将原图像分成前景、背景两个部分，当取最佳阈值时，背景应该与前景差别最大，即方差最大．而具有统计意义上的最佳分割阈值，不仅计算简单，而且在一定条件下不受图像对比度与亮度变化的影响，相对比较稳定．

由石子、沥青组成的路面可以看成是由均匀物质组成，因此亮度基本上也是均匀的，所以在理想状态下，可以把只含有石子、沥青组成的路面背景认为是曝光均匀即亮度均匀的图像IM(IM≈I'M)，则可用来校正原图像．IM的计算步骤是先由原图像求取背景子集φ，然后由φ作双线性插值[15]得到近似的亮度均匀的背景图像I'M．对于背景子集φ的计算是先对原图像中灰度值大于阈值T的像素点灰度值置为T，而小于或等于原图阈值T的灰度值不变．这是因为在图像中背景的面积最大，且裂痕的灰度值一般要低于背景的灰度值，但总的来说这些灰度值是较小的，且路面经过长期磨损产生的白色斑点或经过灰度化的其他杂质的灰度值又要大于背景灰度值．减少部分偏大的灰度值对背景产生的影响，加强了背景子集的均匀性，更符合实际背景的情况．最后把修改后的图像划分成10×10的子块，取子块中的所有像素灰度值的平均值作为该块的特征像素值归入背景子集φ．

从图1可以看出校正前由于光照不均造成原图像质量相对较差，而通过本文的校正算法后可以实现:①减少阴影对裂痕检测的影响;②得到了成像质量相对较高的图像;③提高后续处理的效率．

图1 校正前后的对比图Fig.1 Contrast image before and after correction

1.2 利用模糊技术生成模糊图像

1)选择渡越点

使用OSTU法计算原图像的阈值T，作为模糊处理时隶属度函数的渡越点，对背景进行模糊增强处理，同时衰减了纹理细节、噪声和裂痕信息，在后续构造隶属度函数时尽量减少对裂痕信息的衰减程度．

2)构造新的隶属度函数

由于裂痕信息通常是局部或全局最小，且所占的比率比较小，使用OSTU计算得到的阈值通常会比实际裂痕信息的灰度值大，所以在构造的新模糊隶属度函数上就选择从灰度值[0，255]相对于渡越点的偏离程度来计算隶属度，得到的隶属度在[0，1]范围内分布更均匀，能保留更多的原图像信息，以达到模糊图像的目的．

3)对比度增强处理

直接使用Pal－King定义的模糊增强函数

该函数形式简单，并且具有良好的迭代增强效果．可增强在渡越点附近的灰度值，衰减偏离渡越点较远的灰度值，在衰减计算时是遵循使大灰度值变小，小灰度值变大的原理，使得隶属度值在[0，1]范围内分布更均匀．

4)逆变换

直接使用公式 (2)的逆运算将模糊域中的隶属度值映射到图像域中的灰度值，简单高效．

通过逆变换，把图像从模糊域转换回空域，得到了模糊处理后的图像．

从图2可以看出原图与处理后的图像在通过模糊操作后，增强了渡越点附近的值，而对远离渡越点的值进行了衰减操作．由于公路路面图像的实际特性，其图像的灰度值主要是集中在背景灰度值附近，而裂痕信息的灰度值和噪声信息的灰度值较少，所以整幅图像达到了模糊细节的效果．

图2 原图像和模糊完后的灰度值对比图Fig.2 Gray pixels contrast figure between the original image and fuzzy image

1.3 边缘检测并对其梯度图二值化处理

使用Sobel算子边缘检测．Sobel算子是一种离散性差分算子，用来计算图像亮度函数的梯度近似值，在图像的任何一点使用此算子，将会产生对应的梯度矢量．

在计算时为了提高效率和准确率，利用已知的先验知识来进行一些相关的设置．具体步骤如下:

1)判断模糊后的图像中每一个像素点的灰度值是否大于OSTU方法计算得到的原图像阈值T，把大于T的灰度值直接置成T．因为本文关心的只是裂痕信息和背景信息，而裂痕信息的灰度值肯定不会超过T，所以当灰度值大于T的像素点就置成T，如此设置在后续梯度计算时就尽可能的减少由高细节区带来的大量的碎边缘．

2)使用各向同性Sobel(Isotropic Sobel)算子来进行水平和垂直方向的梯度检测，选择较大者作为最终的梯度值．

各向同性Sobel算子和普通Sobel算子相比，它的位置加权系数更为准确，在检测不同方向的边缘时梯度的幅度一致．检测水平边缘和垂直边缘的算子分别是:

3)对其梯度图二值化处理

在梯度计算完毕后对其梯度图二值化处理会更直观、更易于操作．在进行二值化处理时，把梯度较小的值 (如小于10)直接取0(0是黑色，代表背景;255是白色，代表裂痕信息)，因为裂痕与背景的对比度通常是大于10的，而其他梯度值则取255．

1.4 对二值化的灰度图像去噪并区域分割

1)先统计二值化图像A中灰度值为255的像素点的总数Total，其中背景的灰度值为0，而裂痕信息的灰度值为255．

2)去除大的孤立点．把图像A分成L×K块，其中L=Width/80，K=Height/80，每块的大小为80×80，统计每块中灰度值为255的像素点的个数Num1，如果Num1小于Total/20，则将整块所有像素的灰度值置0，此次操作后得到的图像为B．

3)去除小的噪声．把图像B分成P×Q块，其中P=Width/10，Q=Height/10，每块的大小为10×10，统计每块中灰度值为255的像素点的个数Num2，如果Num2小于Total/(P×Q)+3，则将整块所有像素的灰度值置0，此次操作后得到的图像为C．

4)对图像C中灰度值为255的像素求最小横坐标Xmin、最小纵坐标Ymin、最大横坐标Xmax和最大纵坐标Ymax，使用这些坐标即可以把二值化后的图像A或者原图像的主要裂痕信息区域划分出来．

2 实验结果分析

为了验证本文算法的有效性，用VC++实现的检测系统软件对实时采集到的图像帧进行自动检测．使用普通相机采集的3段视频文件，1.avi视频文件的分辨率是640×480，2.avi和3.avi的分辨率都是1024×768，3.avi视频速度较快，采集到的图像产生的运动模糊现象最严重．而本研究中没有消除运动模糊，所以会影响检测的正确率和最终图像分割的效果．1.avi和2.avi视频的检测正确率为100%，3.avi视频正确率为82.6%．测试程序使用的是普通双核CPU性能的计算机．程序运行计算得到待检测帧的平均检测时间，第1段视频是0.325 s，第2段视频是1.074 s，第3段视频是1.319 s．平均检测时间与图像的分辨率及含有裂痕信息的图像多少成正比，分辨率越高需要处理的像素点个数越多，处理速度相对较慢;含有裂痕信息的图像帧数越多，需要处理的步骤越多，处理速度越慢，这也与实际情况相符．

具体检测分步处理效果如图3和图4所示，它们是对含有裂痕信息帧的处理前后及最终分割得到的检测效果图，图5是对无裂痕信息的图像帧处理效果图．

比较图3—图5得出，通过构造模糊隶属度函数可以有针对性的对某段所需要的灰度值进行增强处理，对涉及不到的灰度值范围可以进行快速衰减处理，有效地、快速地过滤掉灰度值较大的非裂痕和背景信息，并不影响最终处理结果．

3 结论

本文提出的基于模糊数学的路面裂痕检测技术，在图像预处理时能较好地校正亮度不均的灰度图

像，能快速区分并过滤掉深色、浅色的噪声，对于成像效果一般的模糊图像能检测出裂痕，并能实现高效、准确的自动检测．但是可能会把一些含有细小裂痕的帧漏检．因路面裂痕检测中主要是检测在行车过程中构成危险的裂痕，而对细小裂痕的关注度相对较小，所以并不太影响最终系统效果．

图3 横向裂痕图像分步检测效果图Fig.3 Step results from detecting transverse cracks

图4 块状裂痕图像分步检测效果图Fig.4 Step results from detecting massive cracks

图5 无裂痕图像分步检测效果图Fig.5 Step results from detecting non-cracks

实验证明，本文所叙述的基于模糊数学的路面检测技术在实际应用中能快速而有效地工作，具有一定的现实指导意义．

[1]SAYERS M W．KARAMIHAS S M．The little book of profiling:basic information about measuring and interpreting road profiles[M/OL]．Michigan:University of Michigan，Transportation Research Institute，1998[2010-12-20]．http://www．umtri．umich．edu/content/LittleBook98R．pdf．

[2]HU YONG，ZHAO CHUN-XIA．A local binary pattern based methods for pavement crack detection [J]．Journal of Pattern Recognition Research，2010，5(1):140-147．

[3]HENRIQUE OLIVEIRA，PAULO LOBATO CORREIA．Automatic road crack segmentation using entropy and image dynamic thresholding[C/OL]//17th European Signal Processing Conference，Glasgow，Scotland[2011-01-20]．http://www．eurasip．org/Proceedings/Eusipco/Eusipco2009/contents/papers/1569192726．pdf．

[4]HENRIQUE OLIVEIRA，PAULO LOBATO CORREIA．Supervised strategies for cracks detection in images of road pavement flexible surfaces[C/OL]//16th European Signal Processing Conference(EUSIPCO 2008)，Lausanne，Switzerland[2013-2-10]．http://www．eurasip．org/Proceedings/Eusipco/Eusipco2008/papers/1569105104．pdf．

[5]PEGGY SUBIRATS ，JEAN DUMOULIN，VINCENT LEGEAY，et al．Automation of pavement surface crack detection using the continuous wavelet transform[C/OL]//IEEE International Conference on Image Processing，Atlanta，Georgia，USA，2006[2013-2-10]．http://www．pilhokim．com/images/2/24/0003037．pdf．

[6]张坤华，杨烜，张力．分形特征模糊增强及其在目标检测中的应用 [J]．计算机工程与应用，2009，45(11):172-174．

[7]伯绍波，闫茂德，孙艳，等．沥青路面裂缝图像增强与边缘提取算法研究 [J]．电子技术应用，2007，33(12):64-67．

[8]欧阳琰，陈先桥，初秀民．路面破损图像的模糊增强方法研究[J]．计算机工程与应用，2010，46(10):184-186．

[9]LI QINGQUAN，ZOU QIN，LIU XIANGLONG．Pavement crack classification via spatial distribution features[J]．EURASIP Journal on Advances in Signal Processing，2011:649-675．

[10]伯绍波，闫茂德，孙国军，等．沥青路面裂缝检测图像处理算法研究[J]．微计算机信息，2007，23(15):280-282．

[11]封基良．探地雷达快速检测方法在云南公路路面质量检测评价中的应用研究 [J]．公路交通科技:应用技术版，2013(1):45-49．

[12]孙晓明．基于结构光的公路路面裂缝检测关键技术研究[D]．哈尔滨:哈尔滨工业大学，2012．

[13]CHENG H D．Novel Approach to Pavement Cracking Detection Based on Fuzzy Set Theory[J]．Journal of Computing in Civil Engineering，1999，13(4):270-280．

[14]高建贞．基于图像分析的道路病害自动检测研究[D]．南京:南京理工大学，2003．

[15]KENNETH R CASTLEMAN．数字图像处理[M]．朱志刚，译．北京:电子工业出版社，1998．