基于路面裂缝图像均光分析方法

杨杲 贠斌强 王青锋

摘要：为了解决路面病害检测过程中，在没有光照或者光照條件不好的情况下对裂缝图像识别的可靠性问题，研究了一种基于路面裂缝图像均光分析方法。首先对基于面阵CCD相机图像裂缝8位灰度值转换成16位灰度值图像，基次采用Beamlet变换提供了一种多尺度分析算法，进行图像匀光，然后将匀光好的图像转成8位灰度值的原图，最后对一组由面阵CCD相机获取的路面图像按照方法进行路面裂缝访真试验，验证采用这种技术的合理性和实用性.

关键词：匀光；BeamLet变换；像素灰度；路面裂缝检测

引言

随着数字图像采集技术和图像处理技术的发展，基于CCD的视频图像采集技术已经被广泛应用于公路病害检测。但是通过CCD的道路图像采集过程中，许多非人为因素的干扰会严重影响采集图像的质量。本文采用将CCD相机采集过来的8位图像转换成16位图像，然后再采用图像自动匀光算法进行匀光，最后将16位图像恢复成8位图像的方式来解决采集过程图像存在的问题[1]。

1.图像灰度位阶转换

将8位灰度值图像中的颜色全部取出来，映射到16位灰度值图像中去，就是所谓的逻辑移位，移进的位都补零，移出的位丢掉，都是在原始数据上移位。

2基于Beamlet变换的图像光照均匀算法实现

基于Beamlet变换的路面裂缝图像匀光算法实现整幅图像和局部图像相结合，兼顾全局对比度提高和局部细节保持.且处理后的图像裂缝线清晰、连贯性较好且无漏检裂缝的现象.图像背景光照均匀化的过程可以分为以下几个步骤.

2.1递归二进分块

对于一幅n×n的图像，并且n=2J.如果定义图像的边长为单位长度，那么每个像素可以看成是边长1/n的方块，并且所有像素都位于[0，1]2中，用二进的正方形表示{（x1，x2）：[k1/2j，k1+1/2j]×[k2/2j，k2+1/2j}]j，≥0，0≤k1，k2≤2j，记作（k1，k2，j）.在尺度0≤j≤J上，可将原图像分成大小为2-j的2j×2j个窗口[2].

本文中将一幅512×512的裂缝图像先划分为2×2个子正方形，每个子正方形的边长是单位正方形边长的1/2，再把每个子正方形划分为2×2个更小的子正方形.以此类推，一个n×n的图像最多可以分解log2n+1次，即尺度最多分解到像素级

2.2图像裂缝定位

对一幅512×512的含噪声图像进行处理，图像中可能含有未知长度、方向和位置的裂缝.裂缝图像的每一像素点灰度值表示为fi1，i2，其中0

对划分出来的窗口，按从上到下从左到右的顺序依次搜索f'i1，i2.对含有目标像素点的窗口，按顺序依次搜索该窗口的邻域窗口，如果在该窗口的所有邻域窗口内都没有发现目标像素点，则认为该目标像素点为噪声点，则将该目标像素点的像素值替换为fmean.如果有多个邻域窗口都含有目标像素点，则对每一个含有目标像素的邻域窗口按搜索该窗口的邻域窗口中是否含有目标像素点，并建立beamlet基，记为Bn，δ..

在所有尺度下取恒定的分辨率，对每个窗口在边界上以δ为间隔，以目标像素点f'i1，i2为标记点，则对同一beamlet基下的两个标记点的连线为一个beamlet[4]..

对于由任意裂缝的两个标记点连接成的一条beamlet线段，其可以由不同精度下的若干条beamlet线段来无限逼近，以此能到最真实的裂缝图像，并可以有效地滤除干扰.

2.3 beamlet变换

设f（x1，x2）为[0，1]2上的连续函数，函数f（x1，x2）的beamlet变换表述为 （1）式中b为某一尺度下某一方向和位置的一个beamlet；bnδ，为所有尺度下beamlet基的集合；x（l）为描述沿着b的单位速度路径的函数；f（x（l））为沿着b的图像函数.对于实际的n×n数字图像fi1，i2，相应的离散beamlet变换，可以先通过插值得到函数f（x1，x2），再利用式（1）得到： （2）这里φi1，i2是插值函数，其选择方法有很多.本文中综合考虑计算的复杂性与插值精度，把fi1，i2看成f（x1，x2）的像素级平均.取恒定分辨率δ=2-J，即1/n.那么任意像素点（i1，i2）被看成是一个矩形[i1/n（，i1+1）/n]×[i2/n（，i2+1）/n]，由此得到的函数在此窗口内的值都为fi1-i2.

2.4背景光照均匀

通过Beamlet变换后的图像，裂缝信息已经被完整地从原图像中分离出来.可以将裂缝信息与背景信息相互孤立地进行处理.此时我们要做的是保持图像细节.

对于划分后的每一个窗口，计算该窗口的像素灰度平均值（ ），最大值（） 以及最小值（ ），设置该窗口的一个灰度上限阈值 ，如果该窗口中的像素点的灰度值fi1，i2大于灰度值上限Hh，则认为这一点为太阳光照射点.将像素点灰度值fi1，i2像素点滤除，然后重新计算每个窗口的灰度平均值f'mean，并计算匀光参数 ，对于同一窗口内的像素灰度值fi1，i2经过均光变换后的取值如下：

（3）

3.图像压缩成图像位阶

将所匀光后的16位图片还原成8位，16位转成8位就是有数据截断，相当于一定程度的压缩。

4.实验仿真结果比较及分析

道路裂缝检测系统在对道路图像的处理过程中，路面图像质量的优劣直接决定了裂缝识别的准确性等问题。先将原图转成16位图，再采用Beamlet变换处理后的道路图像，与传统的图像增强算法相比，具有明显的背景均匀，裂缝清晰等优点。

为了对路面裂缝图像在不同方法下的处理时间和处理结果进行评价，选择峰值信噪比（PSNR）作为定量评价标准，在去除单点噪声和裂缝边缘保护两方面性能上，对该文算法与经典的边缘检测算子及传统形态学算法进行比较。PSNR定义如下：

（4）式中f（i，j）和y（i，j）分别为参考图像和处理后图像中像素的灰度值；E为f（i，j）的最大值；M和N分别为图像的长宽像素。

从PSNR性能参数比较中可以清楚的看出，本文算法处理后的图像信噪比远高于其它传统类型的处理方法。无论是从视觉效果，还是从客观评价来看，利用该算法处理的裂缝信息完整，也可以有效地过滤噪声的干扰。最后将图片还原成8位灰度值图像。

5.研究结论

先将8位灰度值图像转成16位，再用Beamlet变换的路面裂缝图像匀光算法引入路面裂缝图像预处理，再将16位灰度值图像还原成8位图。从而提高路面裂缝的可靠性和准确性，且该算法运算简单，处理速度快，可以满足在行车过程中的对路面采集图像的高速处理。因此，本文提出的路面裂缝图像匀光算法对于路面裂缝智能检测系统的开发和应该具有重要意义。

参考文献

[1]王荣本，王超，初秀民，路面破损图像识别研究进展[J].吉林大学学报：工学版，2002，32（4）：91-97.

[2] 李清泉，胡庆武，基于图像自动匀光的路面裂缝图像分析方法[J].公路交通科技，2010，27（4）：1-5.

[3] H D Cheng，M Miyojim.Automatic pavement distress detection system[J].Journal of Information Sciences，1998，108（1/4）：219-240.

[4] 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.

（作者单位：武汉滨湖电子有限责任公司）