基于數(shù)學(xué)形態(tài)學(xué)的道路裂縫病害檢測

1、基于數(shù)學(xué)形態(tài)學(xué)的道路裂縫病害檢測作者,周沛希(遼寧工程技術(shù)大學(xué)測繪與地理科學(xué)學(xué)院遙感科學(xué)與技術(shù)13-1，遼寧阜新123000)0目的意義在公路養(yǎng)護(hù)中，路面裂縫是衡量公路質(zhì)量最重要的一個(gè)指標(biāo)，目前國內(nèi)主要依靠人工來檢測高速公路的路況，不僅會受到養(yǎng)護(hù)工主觀意識的影響，而且還浪費(fèi)了大量的人力資源，因此基于數(shù)字圖像處理技術(shù)的路面裂檢測技術(shù)成為路面裂縫檢測發(fā)展的必然趨勢，這種檢測技術(shù)可以準(zhǔn)確快速的對路面情況作出評價(jià)1。高速公路對國家和地區(qū)的經(jīng)濟(jì)發(fā)展起到了關(guān)鍵性的作用，近幾年我國高速公路的建設(shè)十分迅速，在公路養(yǎng)護(hù)中，路面裂縫是衡量道路質(zhì)量最重要的一個(gè)指標(biāo)，如果在裂縫出現(xiàn)的初期就能夠及時(shí)的發(fā)現(xiàn)，并且對裂縫的

2、發(fā)展情況給予實(shí)時(shí)的跟蹤，那么公路的養(yǎng)護(hù)費(fèi)將會極大的減少，同時(shí)還能夠使得高速公路的行車安全得到保證。目前國內(nèi)主要是依靠人工來檢測高速公路的路況，已經(jīng)不能夠滿足高速公路的檢測要求，其主要的缺點(diǎn)有以下幾點(diǎn)：人力耗費(fèi)過大：基于人視覺的檢測需要依靠養(yǎng)護(hù)工人到現(xiàn)場，使用眼睛來觀察，然而一條高速公路里程數(shù)相當(dāng)可觀，因此工人的勞動(dòng)強(qiáng)度過大。時(shí)間耗費(fèi)過長：雖然投入巨大的人力，但是由于是基于人的視覺特性，因此速度依然很慢。精確度不高：判斷裂縫易受人的主觀因素影響，因此判定結(jié)果會因人而異。影響正常的交通：檢測路面病害時(shí)，需要將高速公路封閉，從而會影響到正常的交通。危險(xiǎn)：盡管檢測路面病害時(shí)是封閉了車道，但是依然存在潛

3、在的人身安全隱患?；ㄙM(fèi)過高：因?yàn)橥度肓司薮蟮娜肆蜁r(shí)間，所以花費(fèi)很高2。1研究現(xiàn)狀伴隨著數(shù)字圖像處理技術(shù)的不斷發(fā)展，使得基于數(shù)字圖像處理技術(shù)的路面裂縫檢測技術(shù)成為可能，利用先進(jìn)的圖像采集技術(shù)，對公路路面圖像采集，并將采集的數(shù)據(jù)存放到大容量的存儲設(shè)備中，可以離線也可實(shí)時(shí)的對采集到的圖像處理，利用上述的新技術(shù)應(yīng)用于公路裂縫的檢測，不僅可以節(jié)省勞動(dòng)力、去除人的主觀因素影響，而且可以快速、準(zhǔn)確地對公路的路況進(jìn)行評價(jià)，顯然是路面裂縫檢測發(fā)展的必然趨勢。綜上所述基于數(shù)字圖像處理技術(shù)的路面裂檢測技術(shù)，是一門具有使用價(jià)值的高新興技術(shù)3。數(shù)字圖像處理的算法成千上萬種，但是數(shù)字圖像處理的對象和目的是各不相同的，在

4、路面裂縫檢測技術(shù)中，最為核心的是就是基于數(shù)字圖像處理的路面裂縫檢測算法，研究的對象主要就是路面裂縫，近些年來國內(nèi)外為了研究路面裂縫的自動(dòng)檢測技術(shù)投入了大量的人力和物力，已經(jīng)獲得了大量的成果4。高速公路路面病害養(yǎng)護(hù)和管理的重要部分就是路面裂縫的檢測。近年來，路面裂縫自動(dòng)檢測技術(shù)已得到了廣泛應(yīng)用，而由于路面裂縫圖像的復(fù)雜性，檢測算法直接影響著檢測結(jié)果的精確度。因此，將重點(diǎn)放在路面裂縫病害的檢測上，為了提高檢測的精度，分別從裂縫圖像的去噪、圖像的增強(qiáng)、圖像的分割以及檢測后路面裂縫圖像的特征提取方面進(jìn)行深入研究。在路面裂縫圖像中，由于裂縫信息與背景對比度偏低，難以將裂縫直接檢測到。對于圖像的預(yù)處理，首

5、先對圖像進(jìn)行灰度校正，再對校正之后的圖像濾波，提出了一種改進(jìn)的中值濾波方法，對圖像進(jìn)行去噪，之后用基于模糊理論的圖像增強(qiáng)原理對圖像做進(jìn)一步增強(qiáng)，有效提高了路面裂縫圖像的對比度5。針對路面裂縫圖像分割，本文分別用了閾值分割和基于形態(tài)學(xué)多尺度的思想，對于形狀規(guī)則的裂縫采用的是閾值分割，對于裂縫形狀不規(guī)則的圖像，本文設(shè)計(jì)了一種多結(jié)構(gòu)元素的抗噪型邊緣檢測算子，且依據(jù)不同形狀的結(jié)構(gòu)元素對裂縫邊緣填充的幾率不同，確定了自適應(yīng)權(quán)重，使得算子檢測到了各種類型的裂縫邊緣，有效地提高了檢測的精度6。對于經(jīng)過分割后的路面裂縫圖像中存在噪聲和裂縫斷裂的問題，本文對于斷裂較窄的圖像用形態(tài)學(xué)中的閉運(yùn)算和開運(yùn)算去處理，對于

6、斷裂較寬的圖像，提出了一種基于生長的斷裂裂縫塊的連接方法。提高了連接的效率和準(zhǔn)確率，使整個(gè)檢測結(jié)果清晰完整。最終，從識別結(jié)果圖中提取裂縫信息。根據(jù)得到的識別結(jié)果圖，設(shè)定一系列判定條件，提取出裂縫的連通域,對裂縫的類型進(jìn)行判斷，最后計(jì)算出網(wǎng)狀裂縫的面積及線性裂縫的長寬信息。2技術(shù)路線圖像去噪常用的路面病害圖像增強(qiáng)算法，主要有均值濾波、中值濾波和自適應(yīng)平滑濾波等等。我們這里采用的是用中值濾波進(jìn)行去噪。使用的代碼是：I2=medfilt2(I1)，medfilt2是進(jìn)行中值濾波的函數(shù)。I=imread(C:UserszpxDesktop遙感131第二組綜合訓(xùn)練一A.bmp);II二rgb2gray(

7、I);%彩色圖像轉(zhuǎn)變?yōu)榛叶葓D像imshow(I1);I2=medfilt2(Il);%中值濾波去噪figure,imshow(I2);圖像分割常用路面裂縫圖像分割算法主要有基于邊緣的分割算法(一階梯度算子、二階梯度算子、canny算子)，直方圖法等。我們使用的是閾值分割算法，閾值根據(jù)直方圖進(jìn)行選擇，我們選取的是89。計(jì)算直方圖函數(shù)：imhist。進(jìn)行閾值分割使用的find函數(shù)。figure,imhist(I2);%計(jì)算直方圖，確定閾值I3=I;I3(find(I=89)=255;%閾值分割I(lǐng)3(find(I89)=0;figure;imshow(I3);I4=im2bw(I3,graythre

8、sh(I3);%把灰度圖像轉(zhuǎn)換成二值圖像，在使用im2bw函數(shù)將灰度圖像轉(zhuǎn)換為二值圖像時(shí)，需要設(shè)定一個(gè)閾值，這個(gè)函數(shù)可以幫助我們獲得一個(gè)合適的閾值。利用這個(gè)閾值通常比人為設(shè)定的閾值能更好地把一張灰度圖像轉(zhuǎn)換為二值圖像。figure,imshow(I4);剔除小區(qū)域目標(biāo)后圖像：二值圖像標(biāo)記處理二值圖像分析最重要的方法就是連通區(qū)域標(biāo)記，它是所有二值圖像分析的基礎(chǔ)，它通過對二值圖像中白色像素(目標(biāo))的標(biāo)3結(jié)束語本次綜合項(xiàng)目首先對圖像進(jìn)行了預(yù)處形態(tài)學(xué)處理實(shí)現(xiàn)二值圖像的幾種常用的形態(tài)學(xué)處理方法，包括：腐蝕、膨脹、開運(yùn)算和閉運(yùn)算。膨脹處理的結(jié)果是使原來的二值圖像擴(kuò)大一圈。腐蝕處理的結(jié)果是使原來的二值圖像減

9、小一圈。開操作是先腐蝕、后膨脹處理。閉操作是先膨脹、后腐蝕處理。實(shí)現(xiàn)膨脹的函數(shù)是imdilate,腐蝕imerode，bwmorph既可以實(shí)現(xiàn)開操作，又可以實(shí)現(xiàn)閉操作。這里用imclose、imopen實(shí)現(xiàn)閉操作和開操作。I5=imclose(I4,strel(square,5);%用邊長為5的方形結(jié)構(gòu)元素做閉運(yùn)算16二imopen(I5,strel(square,2);%用邊長為2的方形結(jié)構(gòu)元素做開運(yùn)算figure;imshow(I6);記，讓每個(gè)單獨(dú)的連通區(qū)域形成一個(gè)被標(biāo)識的塊，進(jìn)一步的我們就可以獲取這些塊的輪廓、外接矩形、質(zhì)心、不變矩等幾何參數(shù)。這里用bwlabel實(shí)現(xiàn)二值圖像標(biāo)記處理。

10、在圖像處理中，如要提取大區(qū)域目標(biāo)(如機(jī)場、橋梁、道路等)的特征，為了提高準(zhǔn)確率必須剔除小區(qū)域目標(biāo)。這里采用bwareaopen函數(shù)來實(shí)現(xiàn)剔除小區(qū)域目標(biāo)。L,num二bwlabel(I6,4);%二值圖像標(biāo)記處理,對矩陣中的連通區(qū)域賦以標(biāo)號STATS=regionprops(L,ALL);%用來度量圖像區(qū)域?qū)傩詅igure;imshow(L,);J=bwareaopen(I6,20,4);%將目標(biāo)圖像中面積小于20的部分去掉,刪除二值圖像I6中面積小于20的對象figure;imshow(J);二值圖像標(biāo)記處理：理，對路面裂縫圖像進(jìn)行了灰度化處理，分析了路面裂縫圖像噪聲產(chǎn)生的具體原因?qū)D像進(jìn)行去

11、噪，然后應(yīng)用閾值分割法來分割出裂縫，結(jié)果顯示效果理想。路面裂縫圖像經(jīng)分割后還是有一些孤立的噪聲點(diǎn)存在，而且裂縫邊緣有一些毛刺、內(nèi)部有一些空洞，再應(yīng)用了閉開運(yùn)算去除分割后圖像所存在的瑕疵（二值圖像中存在孤立的噪聲點(diǎn)、裂縫邊緣有毛刺、裂縫內(nèi)部有空洞），取得了良好的效果。之后再進(jìn)行了二值圖像標(biāo)記處理。得出結(jié)果。首先,在分析了路面裂縫圖像的特點(diǎn)后,對路面圖像的預(yù)處理問題進(jìn)行研究。采集到的裂縫圖像不可避免的含有大量的噪聲,從而會給裂縫的分類識別帶來很多困難。為了便于后續(xù)圖像處理工作,根據(jù)路面裂縫圖像的特征，我們用灰度變換的方法對圖像進(jìn)行增強(qiáng)、采用中值濾波的算法對圖像進(jìn)行平滑處理。其次,在路面裂縫圖像的預(yù)

12、處理后,對裂縫區(qū)域分割問題進(jìn)行研究。經(jīng)過預(yù)處理后的圖像雖然噪聲有所減少,但仍不能滿足有效提取裂縫目標(biāo)邊緣的要求。為去除原始圖像中的噪聲，我們嘗試了中值濾波、均值濾波以及高斯濾波等多種去噪方式經(jīng)過對比，我們最終選定中值濾波。通過這次綜合訓(xùn)練項(xiàng)目，我們對課堂上所學(xué)的內(nèi)容有了更加深刻的掌握，能夠較為熟練的自由運(yùn)用所學(xué)知識處理實(shí)際問題，團(tuán)隊(duì)協(xié)作能力、信息搜集與共享能力也得到了提高與加強(qiáng)，但對于更加復(fù)雜的問題，還是不能快速的解決，因此今后的學(xué)習(xí)中我們會再接再厲。參考文獻(xiàn)任炳蘭基于Matlab的路面裂縫識別算法研究D.長安大學(xué)中國優(yōu)秀碩士學(xué)位論文全文數(shù)據(jù)庫.2014胡世昆.基于數(shù)字圖像處理技術(shù)的路面裂縫檢測算法研究D.南京郵電大學(xué)高速公路建設(shè)對拉動(dòng)經(jīng)濟(jì)的的作用研究EB. HYPERLINK /lfzxc