英语原文共 6 页，剩余内容已隐藏，支付完成后下载完整资料
使用逾渗理论的基于图像的路面裂缝检测
摘要——由于地方政府的服务水平逐渐降低，沥青路面的性能可能会随之逐渐恶化。因此，在一些路面上存在着很多的道路损坏问题，例如裂缝，坑洼和车辙等。如果它们仍然处于这种不合适的状态，就会引起摩托车摔倒甚至车祸等道路交通等事故。而且，如果它们进一步恶化，可能会导致路面安全性能难以保持，道路结构亦可能会崩塌。因此，非常有必要对路面进行安全诊断并定期的进行适当的维护。在本文的研究中，我们提出了基于逾渗理论的高精度的裂缝检测的方法。阴影减少的方法可用来更加准确的检测出裂纹。实验结果表明，采用自适应搜索窗口方法可以准确并且快速地检测出多种类型的裂纹。
关键词 - 裂纹检测;图像处理; 逾渗理论
- 简介
由于路面老化的情况，路面的性能会迅速恶化，从而导致地方政府的理想服务水平逐渐降低。因此，在一些路面上存在着很多道路损坏问题，如裂缝[1]，坑洼[2]和车辙[3]等。但如果它们仍然处于这种不合适的状态，会发生诸如车祸和摩托车坠落等道路交通事故。而且，如果它们进一步恶化，可能会导致路面安全性能将难以保持，道路结构也可能会崩塌。因此，非常有必要对路面进行安全诊断并定期的进行适当的维护。
然而，目前的路面修复方法无论是在时间还是在费用这两个方面来说都是昂贵的。原因在于它主要侧重于并依赖于人工进行分析，例如通过人的视觉来确定一些需要维修的部位和多人共同测量数据的方法。因此，研究人员和工程师需要实施成本更低并通过更高效的方式来提供道路诊断。为达到此目的，道路诊断方法的标准化以及自动化是未来研究的重要问题。
现如今有各种基于图像的裂缝的检测方法已经被提出用来进行标准化的道路诊断，以提高道路损伤的维护和修复效率，如可见光[4]; [5] 红外[6]; [7]，超声波[8]; [9]，激光[10]; [11]和TOFD [12];[13]等。现在，已知其他损害都是由裂纹的尺寸的增长而引起的。因此，裂缝检测是该研究领域最重要的问题。
我们提出了一种基于逾渗理论的高精度裂缝检测方法。本论文的结构如下。在第2节中，我们将裂缝，坑洼和车辙的产生机理描述为道路诊断项目。在第3节中，我们概述了道路诊断分析系统并详细解释裂缝检测和建议的方法。在第4节中，我们解释了实验结果和需要考虑的事项，最后以第5节来进行总结结束。
- 道路诊断项目
在此，作为道路诊断项目，我们将解释产生裂缝，坑洼和车辙的产生原理。
首先，由于沥青或路面的温度变化，负载的重复作用和由于超负荷的交通量引起的振动等，使得沥青路面产生反复收缩和膨胀从而最终引起了裂缝。在坑洼形成过程中，雨水渗入路面表层的裂缝中，表层与下层基层之间的粘合强度减弱，同时轮胎的冲击在坑洼点施加力的作用，最终导致了部分路面表层剥落。发生车辙的原因是，当车辆多次重复经过同一点时，沥青混合料顺势流入从而引起道路发生凹陷。因此，在本论文中，我们描述了一种用于检测由多种原因产生并会引起坑洞问题的裂缝的算法。
- 道路诊断分析系统
- 概述
在本研究所提出的道路诊断分析系统中，裂缝，坑洼和车辙都可以被检测出来。关于裂缝和坑洞，首先，用立体相机来采集到道路的图像，并通过应用立体匹配和U-V视差的方法来提取出道路区域。在此之后，对所获得的道路区域图像使用图像处理技术来进行检测裂缝。此外，使用从惯性测量单元（IMU）获取的姿态数据来检测坑洼现象。使用从激光测距仪（LRF）获得的距离数据来检测孔洞。接下来，通过GPS映射完成余下部分。在本论文中，我们主要关注研究利用图像处理来检测裂缝的方法，因此我们没有提及坑洞，车辙，立体匹配，U-V视差，GPS测绘方法等检测方法。
- 硬件配置
具体的道路诊断分析系统的硬件配置规格如表1所示。
|
电脑 |
操作系统 |
Windows 7 Professional |
|
中央处理器 |
Intel (R) Core i7-2700 K |
|
|
内存 |
32GB |
|
|
立体 相机 |
制造商 |
LinX |
|
基线长度 |
46.5cm |
|
|
焦距 |
6 mm |
|
|
测距仪 |
制造商 |
SICK |
|
平均误差 |
2% |
|
|
角度分辨率 |
0.5 ° |
|
|
|
制造商 |
Crossbow |
|
公差 |
0.5mm |
|
|
角度分辨率 |
0.1 ° |
|
|
|
制造商 |
Pioneer |
|
定位更新时间 |
约1s |
|
|
接收频率 |
1575.42MHz（L1系统） |
表1道路诊断分析系统的硬件规格
- 裂缝检测算法
图1显示了裂缝检测算法的框图。在该算法中，道路区域已被提取后的图像被设置为输入图像。但是，输入图像并不是使用立体匹配和U-V视差方法所提取出的道路区域，而是使用人工手动提取出来的道路区域。由于公路沿线经常出现树木和电线杆等阴影，因此存在会造成误检的可能性。因为这个原因，为了更准确地来检测裂纹，应用线性变换，闭合处理和高斯滤波器去除噪声并执行阴影去除处理[14]。接下来，对于去除阴影后的图像，通过使用各向异性过滤器对图像进行平滑处理，最后应用逾渗理论[15]来检测裂纹。裂纹的检测算法将会在下一部分被具体描述。
输入图像
线性变换
高斯滤波器
阈值处理
阴影减少处理
闭合处理
各向异性滤波器
逾渗理论
图1 裂缝检测算法的框图
- 线性变化
由于相机条件，拍摄时间，天气情况和其他条件，图像的对比度不是恒定的。因此，对比度的变换就如下这样给出的：
其中I（x，y）是输入图像坐标（x，y）处的像素值，I#39;（x，y）是应用变换后坐标（x，y）处的像素值。
此外，和是输入图像的最小像素值和最大像素值，和是应用线性变换后的图像的最小像素值和最大像素值， = 0， = 255。图2为原输入图像，图3显示了应用了线性变换后的图像。
图2 输入图像 图3 应用线性变换处理后的图像
- 关闭处理
关闭处理是一种形态学处理，由表达式(4)表示
这里，A表示输入图像，B表示作为改变图像时的结构元。另外，Aoplus;B是膨胀过程，AB是收缩过程。如图4（c）所示，当B的原点移过A的所有点时，膨胀过程就是B的轨迹，如图4（d）所示。图4（d）显示B移动时其原点的轨迹。因此，如图4（e）所示，A·B是B移动到B时的整个轨迹的补充集合，如图4（e）所示，它包含在A的背景中。通过比较图4（a）和图4（e）可以看出，闭合具有消除孔洞的功能。 此时，使用图3所示的结构元件进行关闭处理。应用关闭处理后得到的图像如图6所示。
(a) 模拟图像 （b）结构元
(a)膨胀处理 （b）收缩处理
（e）关闭处理
图4 形态学操作
图5.应用关闭处理图像 图6. 7x7结构元
图7. 高斯滤波器的波形 图8. 应用高斯滤波器的图像
- 高斯滤波器
高斯滤波器是用于去除噪声的一种平滑滤波器。在许多情况下，存在于关注像素周围的像素值大多是接近1的像素值，但是随着距关注像素的距离逐渐增加，与关注像素的像素值的差异常常随之增加。因此，高斯滤波器使用了高斯函数来计算权重，从而使得靠近关注像素的领域像素的权重增加并且远离关注像素的像素所占权重减小。在此时，过滤器的尺寸为7times;7，sigma;= 4，将其应用于经过关闭操作后的图像。高斯滤波器的波形如图7所示，应用高斯滤波器后的图像如图8所示。
4)阴影消除处理
在阴影去除处理将应用了高斯滤波器后的图像分成N个等级。这里，具有相似像素值的像素被包括在每个级别中。然后，在N个等级中，1-L等级为阴影区域S，第L 1等级到第N等级为非阴影区域B。其中，L是
和分别是B和S的标准偏差。然后，将阴影区域（i = 1,2，...）和非阴影区域B应用于图3，并且应用以下等式来消除阴影。
lambda;由以下等式定义。
在此，和分别是B和S的平均值。 阴影区域和非阴影区域之间的边界图像如图9所示，应用阴影去除处理后图像如图10所示。
图9 阴影区域和非阴影区域的边界图像 图10 应用阴影消除后的图像
5）阈值处理
这里所使用的判别分析方法也称为Otsu的二值化法，它是用来进行二值化图像的最常用的算法。与其他的算法不同，它可以自动计算出阈值，因此它是一种非常方便的二值化方法。它使用一个阈值进行二值化，在该阈值下，类间方差和类内方差所需的分离度是最大值。当使用阈值t对图像进行二值化时，类别1的像素的数量是，均值（亮度值的总和divide;像素数量）是，方差是，类别2的像素的数量是，平均值为，方差是。 此外，当整个图像的像素数量是时，平均值是，并且方差是，类内方差如下表示。
（9）
另外，类间方差如下表示。
（10）
这里，因为，所以分离度（辨别率）如下:
（11）
而且，因为总是恒定的，所以可以充分理解为找到最大值时即可找到合适的阈值。此外，注意的表达式，因为分母的值也总是恒定的，所以可知当分子达到最大值时的即可得到阈值t。
6）各向异性过滤器
Perona和Malik [17]提出的各向异性滤波器[16]是一种各向异性平滑滤波器。它由公式（12）和（13）表示。
这里，表示在n次迭代之后在目标像素x处的像素值。此外在像素x附近。在这种情况下，它表示图11所示的框架中的空间4的附近领域。另外，是加权因子，对抑制边缘的平滑起到了作用。
因为这个原因，函数g被称为边缘停止函数。 等式（14）为边缘停止函数的表达式。
根据这些等式，通过评估梯度值获得的值给出了图像中某个像素x在相邻点p的方向上的平滑度。在图11的情况下，由于梯度值在方向和方向上较大，因此可得，从而抑制了沿该方向的平滑。相反，由于在方向和方向上梯度值较小，因此可以得到，并且强调该方向的平滑。
在各向异性滤波器中，随着迭代次数n的不断增加，平滑度也会逐渐增加。停止函数中的系数K成为需平滑梯度值程度的参数。
图11 关注像素x和领域像素
7）渗流理论
解释渗流理论的概要。
将概率为p的元素（站点）放置在方格的格点上。随着我们从0增加p，元素将形成簇，当达到临界值时，四边形晶格的上下和左右边将会被连接起来（渗出物：渗出物）。一个巨大的团簇就会随之出现。这种集群的建设过程称为现场过程。另外，作为制作另一个簇的方法，存在其中元素（键）排列在格点之间而不是布置元素的键合过程。通过这种方式，渗流是处理组成系统的元素间的联系和连接元素集的特征的理论。
这一次，我们将渗流理论应用于图像处理。下面将描述详细的处理步骤。
步骤1：将本地区域的中心像素作为渗透
全文共6722字，剩余内容已隐藏，支付完成后下载完整资料
资料编号：[9024]，资料为PDF文档或Word文档，PDF文档可免费转换为Word
