The invention provides a pavement crack identification method and a system based on a Prewitt operator. The method includes the S1 pavement, the input image is first image processing to remove the pavement outside the region, obtain road image; S2, on the road area image second image processing to eliminate the road line; S3, preliminary identification and accurate identification of cracks in the road pavement crack data acquisition. The invention of Prewitt operator on the pavement image based on the pavement outside the filter useless image, gradually remove the image interference and noise of Road area, extract and calculate the length of pavement cracks, quantitative output, convenient and practical standard contrast; mainly used in pavement crack high empty background and complex scene motion detection, the applicability of various compared with the commonly used crack detection algorithm has stronger, get better recognition of aerial image crack.
【技术实现步骤摘要】
本专利技术涉及图像处理领域,更具体地,涉及基于Prewitt算子的路面裂缝识别方法及系统。
技术介绍
目前,公路路面主要破损形式之一是路面裂缝,其中,我国高速公路裂缝类型主要是横向和纵向裂缝。若能在裂缝出现的初期就发现,并跟踪其发展情况,那么路面维护费将大大降低,同时保证高速公路的行车安全。因此,对公路的路面状况进行定期的调查及养护极其重要。路面裂缝检测方式从最初的人工检测方式开始发展;随着图像处理技术的应用,将车载采集装置和图像处理技术结合,应用于路面裂缝检测,使得检测效率得到很大改善。近年来,无人机技术得到快速发展,与之结合的应用得到极大丰富,结合于无人机采集方式的路面裂缝检测装置,相较于其他的方法,具有快速高效、视场大以及存储数据量有所下降的优势。但是相比于车载采集图像,存在路旁景物、车辆、电线以及阴影等干扰,且噪声也十分丰富。常用的裂缝识别方法主要集中于边缘检测、阈值分割、纹理分析和连通域分割等的应用,除此之外,还有机器学习以及模糊集的运用。但是目前已有的这些方法基本都是针对车载采集装置图像的基础进行检测发展,不能适用于干扰和噪声更加丰富的航拍图像。因此,为了结合航拍采集方式的一系列优势使裂缝检测高效便捷,设计一种能应用于航拍图像的路面裂缝检测算法是亟待解决的问题。
技术实现思路
本专利技术提供一种克服上述问题或者至少部分地解决上述问题的基于Prewitt算子的路面裂缝识别方法及系统,主要应用于航拍图像的路面裂缝识别。根据本专利技术的一个方面,提供一种基于Prewitt算子的路面裂缝识别方法,包括:S1,对输入的路面图像进行第一图像处理,以剔除路面以 ...
【技术保护点】
基于Prewitt算子的路面裂缝识别方法,其特征在于,包括:S1,对输入路面图像进行第一图像处理,以剔除路面以外的区域,获得路面区域图像;S2,对所述路面区域图像进行第二图像处理,以剔除路面分界线;S3,对路面裂缝进行初步识别和精确识别,获取路面裂缝数据。
【技术特征摘要】
1.基于Prewitt算子的路面裂缝识别方法,其特征在于,包括:S1,对输入路面图像进行第一图像处理,以剔除路面以外的区域,获得路面区域图像;S2,对所述路面区域图像进行第二图像处理,以剔除路面分界线;S3,对路面裂缝进行初步识别和精确识别,获取路面裂缝数据。2.如权利要求1所述的方法,其特征在于,S1中所述第一图像处理包括:S1.1,利用直方图变换对所述路面图像灰度值进行变换处理后,利用HSV空间阈值分割方法提取所述路面图像的颜色突变边界;S1.2,根据预先设定的区域生长算法的生长准则,对所述路面图像中路面区域和非路面区域进行分割,得到路面区域图像。3.如权利要求1所述的方法,其特征在于,S2中所述第二图像处理进一步包括:S2.1,根据所述路面区域图像灰度差异对路面与路面分界线进行初次分割,通过形态学灰度运算处理进行二次分割,以剔除路面分界线。4.如权利要求1所述的方法,其特征在于,S3中所述对路面裂缝进行初步识别进一步包括:S3.1,基于Prewitt算子对剔除路面分界线后的路面区域图像进行邻域卷积处理,以检测路面裂缝边缘,对检测到的路面裂缝边缘进行形态学滤波处理;S3中对路面裂缝进行精确识别进一步包括:S3.2,选择路面裂缝区域;S3.3,对选择的路面裂缝区域拟合离散曲线,根据预设权重阈值进行约束处理;S3中获取路面裂缝数据进一步包括:S3.4,根据图像像素坐标和实际路面的道路长度进行换算,计算裂缝长度和/或裂缝宽度,并在图像上显示相关信息。5.如权利要求2所述的方法,其特征在于,S1.1中所述直方图变换的公式为:s=T(r)=sk-s0MNΣi=r0rH(x)dx+s0]]>其中,H(r)表示输入的直方图,MN表示图像中像素总数,r∈[r0,rk]表示输入灰度级范围,s∈[s0,sk]表示输出灰度级范围,k为图像灰度级分布不同数值的数目,为直方图x轴的分布区间;所述HSV空间阈值分割方法为:利用像素点i至像素点j的颜色梯度,提取颜色突变的边界,像素点i到像素点j的颜色梯度算子为:R(i,j)=(Di+1j-Di-1j)2+(Dij+1-Dij-1)2]]>其中,Dij为像素点i和像素点j的颜色距离;根据预设梯度阈值对梯度图像进行二值化处理,得到路面区域初步分割结果。6.如权利要求2所述的方法,其特征在于,S1.2进一步包括:对图像划分区域,按预定规则设置种子区域;以种子区域为起点,对已生长的n个区域进行判定,判定公式为:T=[(n-1)nn+1×(y‾-x‾)2&sigm...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。