一種逐步求精的路面裂縫檢測方法
【技術領域】
[0001] 本發明涉及路面檢測技術、計算機圖像處理技術領域，尤其涉及到一種路面裂縫 檢測方法。
【背景技術】
[0002] 公路在運營過程中受自然環境、行車荷載、材料性能等諸多因素影響，表面將逐漸 出現各種破損，裂縫作為瀝青路面最主要的病害類型之一，嚴重影響行車速度及行車安全， 加劇汽車磨損，也縮短了瀝青路面服務年限。為節約養護資源，保障行車安全、舒適，需要快 速、準確獲取道路損壞的位置、面積、程度等參數信息，為交通管理部門客觀評價路面質量、 科學決策養護管理方案提供依據。
[0003] 目前，隨著傳感器、自動控制、計算機等技術的發展，路面圖像的自動采集設備已 趨近成熟，而后期的裂縫識別仍然采用人機結合甚至完全人工的方式，工作量大、效率低。 然而，多數情況下，采集的高速公路圖像中有病害的圖像數目占總數目的比例往往不足 10% ;若能提供有效的圖像有無病害的分類方法，則人工識別將減少90%的工作量，若能提 供高效的瀝青路面裂縫自動識別方法，則可為交通管理部門客觀、及時的評價路面質量、科 學決策養護方案提供充足的依據。
[0004] 現有的裂縫識別方法大多采用"先識別、后分類"的處理模式，在此處理模式下，目 前主流的基于圖像的裂縫識別方法主要有以下幾種：
[0005] (1)基于灰度閾值的裂縫識別方法，通過對路面圖像灰度特征進行分析，選取合適 的灰度閾值區分圖像背景與目標。該方法一般建立在裂縫的灰度通常比背景灰度低的前提 條件下，要求裂縫具有較高的對比度及較好的連續性，但由于路面積灰、裂縫縫壁脫落、路 面顆粒紋理豐富等原因，裂縫通常具有低對比度、連續性差等特征，故基于灰度閾值的裂縫 識別方法難以識別灰度特征不夠顯著的病害。
[0006] (2)基于形態學處理的裂縫識別方法，該方法利用腐蝕、膨脹、骨架提取、邊緣檢測 等方法獲取裂縫的二維形態特征。然而路面圖像復雜、病害形式多樣，基于形態學處理的識 別方法實用性不高。
[0007] (3)基于機器學習的裂縫識別方法，該方法主要用于裂縫檢測后的類型分類，關鍵 在于路面裂縫特征的提取與分類器的設計。由于路況復雜、裂縫形式多樣，裂縫特征提取難 度加大，同時測試樣本集較小、算法復雜、計算量大等因素都制約著分類算法的準確性、魯 棒性及實時性。
[0008] (4)基于多尺度幾何分析的路面裂縫的識別方法，通常利用圖像幾何結構特征，采 用小波、Ridgelet (脊波）、Curvelet (曲線波）Xontourlet (輪廓波）、Bandelet (帶條波） 等變換表達圖像信息。由于復雜背景下的瀝青路面裂縫具有不規則性，裂縫形態及位置具 有不可預測性，該方法無法有效的提取復雜裂縫信息，同時，多尺度分析方法普遍存在計算 過程復雜、效率較低問題。
[0009] 現有的裂縫檢測技術大多建立在圖像質量好的基礎上，缺乏對復雜環境的適應 性，難以滿足工程應用的實際需求。由于路面結構類型復雜、光照不均、陰影、及路面上的異 物、人工標記等因素的影響，路面圖像具有灰度分布不均、紋理豐富、頻譜差異性小，邊緣模 糊、噪聲污染等特點。實際工程檢測表明，采集到的圖像由于自然光、行道樹、建筑物、路面 材質等外界因素影響使得圖像可能存在光照不勻、陰影大、雜物多、曝光過度、標線豐富等 現象。其次，在高速行駛采集過程中，數據采集單元的相機與激光器由于相對運動無法絕對 保持在同一個平面，導致采集的數據存在明暗相間條紋，表現為光照不勻。此外，瀝青路面 鋪裝材料顆粒感強、大小各異，導致路面圖像紋理豐富，減弱或破壞裂縫的可視化特征。通 過對已有研宄成果的分析，影響裂縫識別的主要因素有光照不勻、陰影、標識標線、紋理等。 光照不均、陰影可能會掩蓋路面病害的部分特征，不利于路面病害特征的提取。標線、紋理 等干擾與裂縫等破損目標具有某些相似特征，易與裂縫混淆，導致錯誤檢測。直接通過原始 圖像信息提取高區分度裂縫特征從而實現裂縫識別的難度較大。此外，一般情況下，采集的 高速公路圖像中有病害的圖像數目占總數目的比例較小，若采用與有病害路面圖像同樣的 識別方法，大大增加了處理的時間復雜度。
[0010]同時，現有技術大多建立在裂縫的灰度值比圖像背景灰度值低、裂縫目標清晰、連 續、幾何特征顯著的假設前提下，而實際路面上，由于車輪載重碾壓、風化、路面積灰、裂縫 縫壁脫落等原因，裂縫通常具有對比度低、連續性差等特征，同時，由于道路基層進水而發 生灌漿的現象，使裂縫的灰度值較路面背景要高，表現為"白裂縫"的現象，由此可知，在實 際應用中，現有技術的假設條件并不完全成立，因此，現有技術是無法解決弱對比、弱連續 性、細小的裂縫以及"白裂縫"的檢測問題。
【發明內容】
[0011] 本發明所要解決的技術問題是提供一種逐步求精的路面裂縫檢測方法，以克服現 有的裂縫自動識別方法普遍存在實時性差、識別率低、無法滿足實際應用需求等缺陷。
[0012] 為解決上述技術問題，本發明提供一種逐步求精的路面裂縫檢測方法，包括采集 路面圖像，對所述路面圖像進行分析處理，其特征在于，所述對路面圖像進行分析處理包括 以下步驟：
[0013] 提取疑似裂縫聚集區域R0A，包括：在所述路面圖像上提取具有一定灰度特征的 連通區域，根據一定預設條件對所述連通區域進行篩選，得到所述疑似裂縫聚集區域；所述 預設條件是根據裂縫區域的幾何形態特征先驗得到的。
[0014] 所述疑似裂縫聚集區域ROA不是孤立的像素點，而是由一些灰度相近的像素點聚 集在一起且滿足裂縫聚集形態特征的區域。
[0015] 進一步的，還包括步驟：提取裂縫置信區域R0C，包括：
[0016] 對篩選出的ROA區域，利用ROA區域的幾何形態、空間位置及灰度統計特征，建立 目標決策機制篩選出具有一定裂縫置信度的初步裂縫置信區域；
[0017] 對所述初步裂縫置信區域，依據初步裂縫置信區域之間的空間位置及區域相似性 特征，連接合并位置較近且相似的區域，形成增強裂縫置信區域，即所述裂縫置信區域R0C。
[0018] 更進一步的，還包括步驟：基于ROC方向特征加權的區域生長，包括：
[0019] 步驟4-1、提取所有ROC的方向及長度特征矢量；
[0020] 步驟4-2、從最長的ROC開始，計算搜索范圍；
[0021] 步驟4-3、搜索范圍內的所有可生長區域；
[0022] 步驟4-4、合并ROC及可生長區域：對于可生長區域集合中的所有區域，依據ROC 與可生長區域空間位置關系，依次合并位置相近區域，然后結束當前ROC生長；
[0023] 步驟4-5、裂縫構成判斷：若當前ROC生長結束，可依據生長后的區域總長度Rgrowlen 進行判斷是否滿足裂縫條件；若滿足，則進入步驟4-6,否則區域生長完畢；
[0024] 步驟4-6、下一個ROC的延伸：從下一個ROC開始，重復步驟4-2到步驟4-5的操 作，直到完成所有ROC的生長，則區域生長完畢。
[0025] 在所述提取裂縫置信區域ROC之前，還包括步驟：
[0026] 基于ROA對圖像進行自適應閾值分割，包括：
[0027] 將圖像劃分為不重疊子塊圖像；所述子塊圖像包括：含疑似裂縫聚集區域的子塊 圖像I、與子塊圖像I位置鄰近的且不含疑似裂縫聚集區域的子塊圖像II，以及不含疑似 裂縫聚集區域且與子塊圖像I不相鄰的子塊圖像III ;
[0028] 對子塊圖像I、II和III分別按照不同的閾值進行分割，其中，子塊圖像I根據ROA 的灰度特征確定分割閾值；子塊圖像II參考與其相鄰的子塊圖像I確定分割閾值；子塊圖 像III按照其自身的特征進行分割；分別得到各子塊圖像的二值圖。
[0029] 進一步優化的，所述對ROA進行自適應閾值分割后，還包括步驟：
[0030] 第一輪補償：依據病害的連續性，判斷背景像素點與其周圍的感興趣像素點的灰 度差值是否滿足預設范圍，若滿足，進行補償。