基于图像分析的路面病害识别方法技术

本发明专利技术提供了一种基于图像分析的路面病害识别方法，包括以下步骤：第一步、路面图像的采集；第二步、路面图像的预处理；第三步、将经过预处理后的路面图像中的病害进行分割处理；第四步、路面图像中病害的特征提取和度量，具体是：将经过第三步的路面图像中的病害依次采用轮廓面积算法和边缘检测算法进行特征提取和度量；第五步、输出结果，具体是：控制器结合第一步中的地理位置信息将分类和度量好的病害进行精确定位后输出。应用本发明专利技术的技术方案，既可以解放劳动力，排除人为的主观因素的干扰，又能快速而准确地进行公路路况的评价，改变之前靠人工判别对裂缝分类工作效率低且错误率较高等缺点。

【技术实现步骤摘要】

本专利技术涉及数据图像处理
，具体涉及一种基于图像分析的路面病害识别方法。
技术介绍
随着路面养护新技术的发展以及各种路况检测设备的使用，路况分析方法已逐渐由基于快速检测设备的自动分析代替了传统的人工调查，如测路面平整度的方法有：车载式颠簸累计仪法、自动弯沉仪、落锤式弯沉仪、激光平整度仪法测平整度等；利用软件识别检测路面破损率等方法。现有技术对图像的识别存在以下缺点：(1)不能区别病害的种类(病害具体有：裂缝、坑槽、车辙、松散、沉陷、表面破损)；(2)计算繁琐，运算速度很慢，有时需要人工干预；(3)无法识别出路面图像数据中的阴影干扰、破损的路面内填充的污染物等；(4)病害识别误报率高，可信度低，有时检测结果会出现未养护的公路质量越用越好。因此，急需一种能够实现对路面图像的病害进行分类、标识、度量等处理的方法以满足现实需求。
技术实现思路
本专利技术目的在于提供一种基于图像分析的路面病害识别方法，具体技术方案如下：一种基于图像分析的路面病害识别方法，包括以下步骤：第一步、路面图像的采集，具体是：将车载高速线阵摄像机架设于承载车辆上，承载车辆在待检测的路面上行驶的同时高速线阵摄像机拍摄整个车道的路面图像；将所拍摄到的路面图像以及路面图像所对应的地理位置信息以有线或无线方式上传至控制器；提取含有破损的目标图像；第二步、路面图像的预处理，具体是：将含有破损的目标图像进行图像格式识别处理、图像灰度处理、图像平滑处理、图像锐化处理以及边缘检测处理，得到经过预处理后的路面图像；第三步、将经过预处理后的路面图像中的病害进行分割处理，具体是：包括以下步骤：步骤3.1、将第二步所得预处理后的路面图像经过边缘检测算法，获得路面图像的梯度幅值和梯度方向；步骤3.2、将路面图像根据步骤3.1获得的梯度幅值和梯度方向进行轮廓提取算法，得到具有轮廓的路面图像；步骤3.3、将步骤3.2获得的具有轮廓的路面图像进行膨胀算法使得路面图像的二值图扩大一圈；步骤3.4、将经过步骤3.3的路面图像进行轮廓优化算法，具体是：采用光栅扫描搜索路面图像中各像素值的像素点，按照像素值进行分割；第四步、路面图像中病害的特征提取和度量，具体是：将经过第三步的路面图像中的病害依次采用轮廓面积算法和边缘检测算法进行特征提取和度量；第五步、输出结果，具体是：控制器结合第一步中的地理位置信息将分类和度量好的病害进行精确定位后输出。以上技术方案中优选的，所述第二步中：图像格式识别处理具体是：将含有破损的目标图像转化为控制器识别的图像格式；图像灰度处理具体是：将经过图像格式识别处理的路面图像转化为灰度图；图像平滑处理具体是：采用模板滤波法将转化为灰度图的路面图像进行处理得到平滑处理后的路面图像；图像锐化处理具体是：采用拉普拉斯锐化法对平滑处理后的路面图像进行锐化处理。以上技术方案中优选的，所述图像格式为JPEG、TIFF以及RAW中的至少一种。以上技术方案中优选的，所述图像灰度处理具体是：将彩色的路面图像通过公式1)转化为灰度图：f(x,y)＝0.299R+0.587G+0.114B1)；其中：x和y分别为控制点的横坐标和纵坐标；R、G、B分别为图像坐标(x,y)处的红色分量值、绿色分量值以及蓝色分量值。以上技术方案中优选的，所述拉普拉斯锐化法具体是：设为拉普拉斯算子，则为表达式2)：▿2f=∂2f∂x2+∂2f∂y2---2);]]>对于离散型数字图像f(i,j)，其二阶偏导数为表达式3)：∂2f(i,j)∂x2=f(i+1,j)+f(i-1,j)-2f(i,j)∂2f(i,j)∂y2=f(i,j+1)+f(i,j-1)-2f(i,j)---3);]]>其中：i和j代表图像中的横纵坐标值；根据表达式2)和表达式3)可得表达式4)：▿2f=∂2f∂x2+∂2f∂y2=f(i-1,j)+f(i+1,j)+f(i,j-1)+f(i,j+1)-4f(i,j)---4);]]>对于扩散现象引起的图像模糊，用表达式5)进行锐化：g(i,j)=f(i,j)-kτ▿2f(i,j)---5);]]>其中：kτ为与扩散效应有关的系数，其取值为1；g(i,j)为锐化处理后的函数；根据表达式4和表达式5)可得表达式6)：g(i,j)＝5f(i,j)-f(i-1,j)-f(i+1,j)-f(i,j+1)-f(i,j-1)6)。以上技术方案中优选的，所述第二步中边缘检测处理采用canny算子法。以上技术方案中优选的，所述步骤3.1和第四步中边缘检测算法具体是：采用高斯滤波对路面图像进行平滑处理得到路面图像的梯度幅值和梯度方向，其中：高斯滤波的计算式为表达式7)：G(x,y)=12πσ2exp(-x2+y22σ2)---7);]]>其中：G(x,y)为梯度幅值，x和y分别为控制点的横坐标和纵坐标，σ为正态分布的标准偏差。以上技术方案中优选的，所述第四步中轮廓面积算法为使用特征搜索和迭代算法使其收敛到目标轮廓边缘，具体是：先用特征搜索求取相应的特征点及特征曲线；再用B样条曲线拟合得到Qf；用迭代算法使动态轮廓线向Qf收敛逼近；设收敛后的动态轮廓线控制点向量为Q＝[q1，q2，q3，...，qn]，qi＝[xi,yi]T；i为控制点数目，i＝1,2,3,...,N；应用基于封闭的2次均匀B样条曲线的面积计算公式为表达式8)：A=124Σm=1N(-10(xmym+1-xm+1ym)-(xmym+2-xm+2ym)---8);]]>其中：A为封闭轮廓线的面积，xi和yi分别为控制点的横坐标和纵坐标，其中1≤i≤N。以上技术方案中优选的，承载车以10-80km/h的车速在待检测路面上行驶。应用本专利技术的技术方案，既可以解放劳动力，排除人为的主观因素的干扰，又能快速而准确地进行公路路况的评价，改变之前靠人工判别对裂缝分类工作效率低且错误率较高等缺点。除了上面所描述的目的、特征和优点之外，本专利技术还有其它的目的、特征和优点。下面将参照图，对本专利技术作进一步详细的说明。附图说明构成本申请的一部分的附图用来提供对本专利技术的进一步理解，本专利技术的示意性实施例及其说明用于解释本专利技术，并不构成对本专利技术的不当限定。在附图中：图1是本专利技术优选实施例1的基于图像分析的路面病害识别方法的结构示意图；图2(a)为某一路面图像中横向裂纹经过图像灰度处理前的示意图；图2(b)为图2(a)路面图像中横向裂纹经过图像平滑处理后的示意图；图3(a)为某一路面图像中纵向裂纹经过图像平滑处理前的示意图；图3(b)为图3(a)路面图像中纵向裂纹经过图像灰度处理后的示意图；图4(a)为某一路面图像中不规则裂纹经过图像锐化处理前的示意图；图4(b)为图4(a)路面图像中不规则裂纹经过图像锐化处理后的示意图；图5(a)为某一路面图像中点蚀和麻坑经过边缘检测处理前的示意图；图5(b)为图5(a)路面图像中点蚀和麻坑经过边缘检测处理后的示意图。具体实施方式以下结合附图对本专利技术的实施例进行详细说明，但是本专利技术可以根据权利要求限定和覆盖的多种不同方式实施。本文档来自技高网...

【技术保护点】
一种基于图像分析的路面病害识别方法，其特征在于，包括以下步骤：第一步、路面图像的采集，具体是：将车载高速线阵摄像机架设于承载车辆上，承载车辆在待检测的路面上行驶的同时高速线阵摄像机拍摄整个车道的路面图像；将所拍摄到的路面图像以及路面图像所对应的地理位置信息以有线或无线方式上传至控制器；提取含有破损的目标图像；第二步、路面图像的预处理，具体是：将含有破损的目标图像进行图像格式识别处理、图像灰度处理、图像平滑处理、图像锐化处理以及边缘检测处理，得到经过预处理后的路面图像；第三步、将经过预处理后的路面图像中的病害进行分割处理，具体是：包括以下步骤：步骤3.1、将第二步所得预处理后的路面图像经过边缘检测算法，获得路面图像的梯度幅值和梯度方向；步骤3.2、将路面图像根据步骤3.1获得的梯度幅值和梯度方向进行轮廓提取算法，得到具有轮廓的路面图像；步骤3.3、将步骤3.2获得的具有轮廓的路面图像进行膨胀算法使得路面图像的二值图扩大一圈；步骤3.4、将经过步骤3.3的路面图像进行轮廓优化算法，具体是：采用光栅扫描搜索路面图像中各像素值的像素点，按照像素值进行分割；第四步、路面图像中病害的特征提取和度量，具体是：将经过第三步的路面图像中的病害依次采用轮廓面积算法和边缘检测算法进行特征提取和度量；第五步、输出结果，具体是：控制器结合第一步中的地理位置信息将分类和度量好的病害进行精确定位后输出。...

【技术特征摘要】
1.一种基于图像分析的路面病害识别方法，其特征在于，包括以下步骤：第一步、路面图像的采集，具体是：将车载高速线阵摄像机架设于承载车辆上，承载车辆在待检测的路面上行驶的同时高速线阵摄像机拍摄整个车道的路面图像；将所拍摄到的路面图像以及路面图像所对应的地理位置信息以有线或无线方式上传至控制器；提取含有破损的目标图像；第二步、路面图像的预处理，具体是：将含有破损的目标图像进行图像格式识别处理、图像灰度处理、图像平滑处理、图像锐化处理以及边缘检测处理，得到经过预处理后的路面图像；第三步、将经过预处理后的路面图像中的病害进行分割处理，具体是：包括以下步骤：步骤3.1、将第二步所得预处理后的路面图像经过边缘检测算法，获得路面图像的梯度幅值和梯度方向；步骤3.2、将路面图像根据步骤3.1获得的梯度幅值和梯度方向进行轮廓提取算法，得到具有轮廓的路面图像；步骤3.3、将步骤3.2获得的具有轮廓的路面图像进行膨胀算法使得路面图像的二值图扩大一圈；步骤3.4、将经过步骤3.3的路面图像进行轮廓优化算法，具体是：采用光栅扫描搜索路面图像中各像素值的像素点，按照像素值进行分割；第四步、路面图像中病害的特征提取和度量，具体是：将经过第三步的路面图像中的病害依次采用轮廓面积算法和边缘检测算法进行特征提取和度量；第五步、输出结果，具体是：控制器结合第一步中的地理位置信息将分类和度量好的病害进行精确定位后输出。2.根据权利要求1所述的基于图像分析的路面病害识别方法，其特征在于，所述第二步中：图像格式识别处理具体是：将含有破损的目标图像转化为控制器识别的图像格式；图像灰度处理具体是：将经过图像格式识别处理的路面图像转化为灰度图；图像平滑处理具体是：采用模板滤波法将转化为灰度图的路面图像进行处理得到平滑处理后的路面图像；图像锐化处理具体是：采用拉普拉斯锐化法对平滑处理后的路面图像进行锐化处理。3.根据权利要求2所述的基于图像分析的路面病害识别方法，其特征在于，所述图像格式为JPEG、TIFF以及RAW中的至少一种。4.根据权利要求2所述的基于图像分析的路面病害识别方法，其特征在于，所述图像灰度处理具体是：将彩色的路面图像通过公式1)转化为灰度图：f(x,y)＝0.299R+0.587G+0.114B1)；其中：x和y分别为控制点的横坐标和纵坐标；R、G、B分别为图像坐标(x,y)处的红色分量值、绿色分量值以及蓝色分量值。5.根据权利要求2所述的基于图像分析的路面病害识别方法，其特征在于，所述拉普拉斯锐化法具体是：设为拉普拉斯算子，则为表达式2)：▿2f=∂2f∂x2+∂2f∂y...

【专利技术属性】
技术研发人员：梁晓东，
申请(专利权)人：梁晓东，
类型：发明
国别省市：湖南;43