路面裂缝自动识别技术研究

王仲霖 雷宝亮

摘要：路面裂缝自动检测对于路面养护管理路面性能评价与预测具有重要的实用价值'但快速、准确全面且稳定的识别路面裂缝—直是个难题。本文从传统的数字图像处理算法入手，为裂缝自动识别的研究提供参考。

关键词：最佳特定非线性音调曲线 导向滤波 种子生长 特征提取 卷积神经网络

1.概述

我国公路交通正处于高速发展时期，随着人们对行车安全性、舒适性和经济性地要求的不断提高，路面养护的重要性和紧迫性日渐凸显出来。现在比较流行的路面采集方式有基于面阵相机和线阵相机两种方式。线阵相机具有分辨率高、成本低等优点，应用比较广泛。不管是基于哪种方式，要实现裂缝的自动识别主要是针对图像进行处理。

2.基于传统数字图像处理的裂缝自动识别研究

利用传统的图像处理方式对裂缝进行自动识别主要经过以下几个步骤：1、预处理;2、图像分割;3、特征提取;4、机器分类学习。

2.1图像预处理

预处理主要尽量减少图像因摄像机镜头光照条件等产生的噪声。针对路面裂缝的识别，主要是消除杂物、油污、阴影、斑马线等因素的影响。同时，由于路面检测的情况不一，其产生的照片存在曝光不足或曝光太过的情况，需要对图像的对比度进行修正。图像预处理的好坏直接影响最终识别的准确率，因此图像预处理至关重要。图像预处理一般包括3个步骤：

2.1.1 图像对比度增强

由于在车辆快速运行的过程中，受环境光、背光、世界复杂反射率及相机后处理能力等因素的影响，照片会存在过度曝光或曝光不足的情况，细节会丢失。微软亚洲研究院LuYuan和JianSun提出了一种基于图论区域的图像分割，根据图片亮度的最佳特定非线性音调曲线（S）的自动曝光校正技术。该方法比通用的自动水平拉伸、直方图均衡、拉普拉斯变换等有更好的效果。

2.1.2 图像去噪

图像去噪可以在空间域和频域展开。空间滤波使用较为广泛的预处理方法主要包括：均值、中值、维纳等滤波。基于中值滤波的方法对路面裂缝识别的平滑效果较好，但仍无法有效消除路面纹理的影响。本文采用的是KaimingHe提出的导向滤波，该方法在平滑图像的基础上，有良好的保边作用，而且在细节增强等方面有良好的表现。

2.1.2 去除光亮

使用光纹删除背景可以为我们提供更好的分割，有效去除圖片的伪像。一般采用差分和除法，这两种方法在裂缝识别中效果区别不大。首先可通过大尺寸核矩阵模糊化原图像可完成图像背景的提取。本文采用均值滤波，半径为图像尺寸的三分之一。去除背景后，需对图像进行二值化处理。

2.2 图像分割

图像分割的目的就是有效去除二值化产生的孤立点等干扰。主要方法包括基于连通区域孔洞填充的算法和基于区域生长（种子生长）的算法。

2.3 特征提取

裂缝类型主要分为横向、纵向、网状和龟裂等，根据其主要分类，本文拟提取以下特征值：裂缝在x轴的投影，裂缝在y轴的投影、裂缝最小外接矩形的面积、裂缝的占空比4个特征值。

2.4 机器分类学习

本文采用了基于前馈神经网络的学习方法。前馈神经网络是神经网络的一种，其包括一个输入层、一个输出层和若干个隐含层，因此具有该种拓扑结构的神经网络又称为多层感知器（MLP）。该MLP包括一个输入层、一个输出层和一个隐含层，其中某一层的神经元只能通过一个方向连接到下一层的神经元。

本文采用了OpenCV提供的基于RPROP算法的神经网络训练方法。通过输入训练样本数据、创建1个3层MLP，其输入层有4个神经元，隐藏层有5个神经元，输出层有4个神经元。训练1000次后，人工挑选100幅图像，分类结果如下：

通过上述分类可以看出，对于横向、纵向裂缝的识别率较高，但对于网状和龟裂的识别率还不能达到要求，主要因为噪声环境中微弱的裂缝信号无法检测到，目前无法找到合适的算法可实现根据裂缝走向对裂缝断裂进行修补，在裂缝复杂的情况下无法有效的提取到准确的裂缝图像。

3 总结

本文通过从传统的数字图像处理人手，对路面裂缝自动的技术进行了研究，该方法可以有效的识别大部分的裂缝，单处理单幅图像上有多个裂缝的情况情况不佳。如何有效的寻找有效的方式适用于所有类型的裂缝将是作者下一步研究的方向。

参考文献

[1]RafaeIC .GonzalezRichardE .Woods.数字图像处理，电子工业出版社.2017（5）

[2]赵春江，机器学习经典算法剖析.人民邮电出版社2018（8）L3lLuYuan. JianSun AutomaticExposureCorrectionofConsumerPhotographs.

[4]Pedro. Felzenszwalb. andDanieIP.Huttenlocher.EfficientGraphBasedImageSegmentation

[5]唐磊，赵春霞，王鸿南，胡勇，基于图像分析的路面裂缝检测和分类，工程图学学报.2008

[6]K.He. Sun， andX.Tang.Guidedimagefiltering.lnECCV2010