一种水泥刻槽路面图像降噪增强与裂缝特征提取方法技术

本发明专利技术针对水泥刻槽路面裂缝识别过程中由外部因素导致路面对比度过低、由路面材质引起路面斑点以及刻槽自身干扰，公开了一种水泥刻槽路面图像降噪增强与裂缝特征提取方法，包括以下步骤：对原始水泥路面图像灰度化处理后采用改进的局部自适应对比度增强算法增强图像对比度；对增强对比度后的图像采用改进P‑M模型的平移不变Shearlet变换去噪算法去除由路面材质引起的斑点噪声；对去噪后的图像应用基于单向全变分UTV模型建立的水泥刻槽路面图像平滑模型去除影响裂缝特征提取的路面刻槽；结合连通域标记法、投影法和矩形框法，提出裂缝类型判定方法及裂缝特征计算方法，实现裂缝特征的数字化描述。本发明专利技术方法系统全面、计算量小、易于应用。

【技术实现步骤摘要】
一种水泥刻槽路面图像降噪增强与裂缝特征提取方法
本专利技术涉及图像处理领域，尤其涉及一种水泥刻槽路面图像降噪增强与裂缝特征提取方法。
技术介绍
一直以来，公路交通与我们的生活息息相关，它不仅保障了我们正常的工作、学习，同时也为各类出行提供了方便，极大的推进了社会的发展。截至2017年7月，我国高速公路通车里程达13.1万公里，但随着公路总里程数目的增长，路面防护工作变得愈来愈重要。早期建设的公路，由于持续受到来自自然环境及车辆负载等因素的影响，不可避免地会受到损伤，因此，为避免损伤扩大化，及时制定出相应的路面防护策略显得尤为重要。道路破损程度作为公路健康状况的重要指标，其中最常见的破损类型是路面裂缝，及时检测出路面裂缝并加以修补是进行路面防护的一项重要工作。水泥混凝土路面作为公路路面的一种抗滑构造，其通过添加刻槽增大道路表面的摩擦系数。刻槽的存在虽然极大地降低了交通意外的发生，但与此同时也对路面裂缝的检测工作造成了诸多不便。早期因路面检测技术未臻完善，普遍使用人工方法进行检测。在交通量较小的公路，可采用人工手段进行检测，但是在车辆来往频繁的公路采用此方法则会引起交通堵塞。此外，加之人的主观意识，人工检测的质量很难得到保证，为此，还需耗费一定的人力物力对检测人员进行道路健康状况相关知识的专业培训。自进入20世纪以来，随着计算机技术的飞速发展，计算机图形图像处理技术、人工智能以及各种存储技术等在路面裂缝检测方面得到了普遍应用。因此，研究水泥刻槽路面裂缝检测方法，快速统计路面病害，将大大加快路面防护自动化技术的进步，同时对公路管理部门制定科学养护决策也具有重大意义。现阶段裂缝提取方法在整个裂缝的检测工作中或多或少都会存在以下问题，如在图像对比度增强方面：部分方法采用传统的局部自适应对比度增强算法虽然能够使图像的细节信息更加突出，但并未解决图像亮度不均带来的裂缝识别精度偏低问题；在干扰噪声的去除方面：部分方法采用平移不变Shearlet变换去噪方法虽然能在一定程度上解决伪Gibbs效应带来的图像边缘模糊问题，但是对低信噪比路面图像仍然无法完整的保留图像中裂缝的边缘信息；在路面刻槽的去除方面：霍夫变换只能去除部分裂缝干扰，且会去除裂缝中的横向片段；快速傅里叶变换在弱化刻槽边缘的同时也弱或了裂缝的边缘信息，使结果图像产生模糊现象。对此，本专利技术方法针对水泥刻槽路面裂缝识别过程中由外部因素导致路面对比度过低、由路面材质引起路面斑点以及刻槽自身干扰，提出了一种解决方案。
技术实现思路
本专利技术要解决的技术问题在于针对现有技术中的缺陷，提供一种水泥刻槽路面图像降噪增强与裂缝特征提取方法。本专利技术解决其技术问题所采用的技术方案是：一种水泥刻槽路面图像降噪增强与裂缝特征提取方法，包括以下步骤：步骤S100，对原始水泥路面图像进行灰度化处理，然后采用改进的局部自适应对比度增强算法处理灰度化后的图像，以增强图像对比度；步骤S200，对增强对比度后的图像采用平移不变Shearlet变换，针对其中的高频子带应用改良后的P-M扩散模型进行处理，对低频子带采用双边滤波进行处理；步骤S300，应用基于单向全变分UTV模型建立的水泥刻槽路面图像平滑模型，对步骤S200得到的图像进行处理，获得去除刻槽后的路面图像；步骤S400，采用形态学滤波对去除刻槽后的路面二值化图像进行后处理；步骤S500，结合连通域标记法、投影法和矩形框法，完成裂缝长度、宽度、倾角、面积的提取。进一步的，步骤S100所述采用改进的局部自适应对比度增强算法处理灰度化后的图像的实现方式如下，设图像大小为M×N，滑动窗口的大小为m×n，起始坐标为(x0,y0)，(i,j)为相应像素点位置，f(i,j)是灰度图像(i,j)处的灰度值，favg为全局均值，wavg为滑动窗口内的局部均值，δf为全局标准差，δw为滑动窗口内的局部标准差，则有：若滑动窗口内局部均值低于全局均值，则增大窗口内像素点的灰度值；若滑动窗口内局部标准差低于全局标准差，则增强图像对比度。其处理过程可表示为：其中：f”为处理后的图像；(i,j)为相应像素点位置；f(i,j)是灰度图像(i,j)处的灰度值；wavg为滑动窗口内的局部均值；favg为全局均值；δw为滑动窗口内的局部标准差；δf为全局标准差；η,λ,λ1,λ2,λ3均为常数。进一步的，步骤S200对高频子带应用改良后的P-M扩散模型进行处理的实现方式如下，记高频子带图像f(x)的SIST系数为ci,j，i和j分别代表尺度和方向，高频子带图像的方向局部化过程可表示为：其中：ψi,j(x)为剪切波函数，其公式如下：ψi,j(x)＝a-3/4ψ(E-1F-1(x-m))其中，a∈R+表示尺度参数；E＝(a,0；0,a1/2)为各项异性膨胀矩阵；m∈R2表示平移参数；F＝(1,s；0,1)为剪切波矩阵，s∈R表示剪切波参数；改进的SIST域的P-M去噪模型如下所示：其中：f0(x)为输入源图像；为图像梯度算子，用于检测图像边缘信息；DIV为散度算子；t为时间算子；G(·)为扩散方程系数，其与图像梯度成反比关系，用于避免因梯度变化过大带来的“阶梯效应”，保护图像边缘信息，其公式如下：其中：λ为常数；η为扩散门限，用于区别噪声和边缘；k为图像梯度阈值。进一步的，步骤S300所述水泥刻槽路面图像平滑模型的表达式如下，在UTV模型的基础上引入保真项和稀疏优化项，其能量泛函表示如下：其中：f表示带有裂缝的原始水泥路面图像；g表示经过步骤S200去噪处理后得到的图像；为图像梯度算子，分别是x方向和y方向的梯度算子，用于检测图像边缘信息；||·||2、||·||1和||·||0分别代表向量L2范数、L1范数和L0范数；λ1,λ2,λ3为正则化参数，λ1,λ2为单向全变分UTV模型参数，λ1的取值范围为[0.1,1]，λ2取1，λ3为惩罚系数，取值范围为[0.001,0.01]；为重建约束项或保真项，用于避免“阶梯效应”，保证平滑处理后的图像不失真；λ3||Ωg||0为惩罚项或稀疏优化项，用于保证处理后的图像不再包含残留噪声，Ω代表图像变换域转换方式；针对上述能量泛函具有不可微和不可分离性，采用ADMM算法对其进行优化，能量泛函的增广拉格朗日函数可表示如下：其中：A,B,C为引入的辅助变量，其表达式为f表示带有裂缝的原始水泥路面图像；g表示经过步骤S200去噪处理后得到的图像；为图像梯度算子，分别是x方向和y方向的梯度算子，用于检测图像边缘信息；||·||2、||·||1和||·||0分别代表向量L2范数、L1范数和L0范数；p1,p2,p3为拉格朗日乘子；λ1,λ2,λ3为正则化参数，λ1的取值范围为[0.1,1]，λ2取1，λ3的取值范围为[0.001,0.01]；ρ1,ρ2,ρ3为惩罚系数，用于计算每一步的拉格朗日乘子，其值为ρ1＝ρ2＝ρ3＝100λ1；Ω代表图像变换域转换方式。进一步的，A,B,C,g的求解更新方式如下，因A,B,C,g互不耦合，故可将ADMM的每次迭代过程转换为下式4个简单子问题的求解，每个子问题的参数以一种交替有序的方式进行更新：(1)A相关子问题：即L1范数优化问题，使用软阈值收缩算子求解，其迭代公式如下所示：其中：k表示迭代次数，为正整数；本文档来自技高网...

【技术保护点】
1.一种水泥刻槽路面图像降噪增强与裂缝特征提取方法，其特征在于，包括如下步骤：步骤S100，对原始水泥路面图像进行灰度化处理，然后采用改进的局部自适应对比度增强算法处理灰度化后的图像，以增强图像对比度；步骤S200，对增强对比度后的图像采用平移不变Shearlet变换，针对其中的高频子带应用改良后的P‑M扩散模型进行处理，对低频子带采用双边滤波进行处理；步骤S300，应用基于单向全变分UTV模型建立的水泥刻槽路面图像平滑模型，对步骤S200得到的图像进行处理，获得去除刻槽后的路面图像；步骤S400，采用形态学滤波对去除刻槽后的路面二值化图像进行后处理；步骤S500，结合连通域标记法、投影法和矩形框法，完成裂缝长度、宽度、倾角、面积的提取。

【技术特征摘要】
1.一种水泥刻槽路面图像降噪增强与裂缝特征提取方法，其特征在于，包括如下步骤：步骤S100，对原始水泥路面图像进行灰度化处理，然后采用改进的局部自适应对比度增强算法处理灰度化后的图像，以增强图像对比度；步骤S200，对增强对比度后的图像采用平移不变Shearlet变换，针对其中的高频子带应用改良后的P-M扩散模型进行处理，对低频子带采用双边滤波进行处理；步骤S300，应用基于单向全变分UTV模型建立的水泥刻槽路面图像平滑模型，对步骤S200得到的图像进行处理，获得去除刻槽后的路面图像；步骤S400，采用形态学滤波对去除刻槽后的路面二值化图像进行后处理；步骤S500，结合连通域标记法、投影法和矩形框法，完成裂缝长度、宽度、倾角、面积的提取。2.如权利要求1所述的一种水泥刻槽路面图像降噪增强与裂缝特征提取方法，其特征在于：步骤S100所述采用改进的局部自适应对比度增强算法处理灰度化后的图像的实现方式如下，设图像大小为M×N，滑动窗口的大小为m×n，起始坐标为(x0,y0)，(i,j)为相应像素点位置，f(i,j)是灰度图像(i,j)处的灰度值，favg为全局均值，wavg为滑动窗口内的局部均值，δf为全局标准差，δw为滑动窗口内的局部标准差，则有：若滑动窗口内局部均值低于全局均值，则增大窗口内像素点的灰度值；若滑动窗口内局部标准差低于全局标准差，则增强图像对比度。其处理过程可表示为：其中：f”为处理后的图像；(i,j)为相应像素点位置；wavg为滑动窗口内的局部均值；favg为全局均值；δw为滑动窗口内的局部标准差；δf为全局标准差；η,λ,λ1,λ2,λ3均为常数。3.如权利要求1所述的一种水泥刻槽路面图像降噪增强与裂缝特征提取方法，其特征在于：步骤S200对高频子带应用改良后的P-M扩散模型进行处理的实现方式如下，记高频子带图像f(x)的SIST系数为ci,j，i和j分别代表尺度和方向，高频子带图像的方向局部化过程可表示为：其中：ψi,j(x)为剪切波函数，其公式如下：ψi,j(x)＝a-3/4ψ(E-1F-1(x-m))其中，a∈R+表示尺度参数；E＝(a,0；0,a1/2)为各项异性膨胀矩阵；m∈R2表示平移参数；F＝(1,s；0,1)为剪切波矩阵，s∈R表示剪切波参数；改进的SIST域的P-M去噪模型如下所示：其中：f0(x)为输入源图像；为图像梯度算子，用于检测图像边缘信息；DIV为散度算子；t为时间算子；G(·)为扩散方程系数，其与图像梯度成反比关系，用于避免因梯度变化过大带来的“阶梯效应”，保护图像边缘信息，其公式如下：其中：λ为常数；η为扩散门限，用于区别噪声和边缘；k为图像梯度阈值。4.如权利要求1所述的一种水泥刻槽路面图像降噪增强与裂缝特征提取方法，其特征在于：步骤S300所述水泥刻槽路面图像平滑模型的表达式如下，在UTV模型的基础上引入保真项和稀疏优化项，其能量泛函表示如下：其中：f表示带有裂缝的原始水泥路面图像；g表示经过步骤S200去噪处理后得到的图像；为图像梯度算子，分别是x方向和y方向的梯度算子，用于检测图像边缘信息；||·||2、||·||1和||·||0分别代表向量L2范数、L1范数和L0范数；λ1,λ2,λ3为正则化参数，λ1,λ2为单向全变分UTV模型参数，λ1的取值范围为[0.1,1]，λ2取1，λ3为惩罚系数，取值范围为[0.001,0.01]；为重建约束项或保真项，用于避免“阶梯效应”，保证平滑处理后的图像不失真；λ3||Ωg||0为惩罚项或稀疏优化项，用于保证处理后的图像不再包含残留噪声，Ω代表图像变换域转换方式；针对上述能量泛函具有不可微和不可分离性，在此采用ADMM算法对其进行优化，能量泛函的增广拉格朗日函数可表示如下：其中：A,B,C为引入的辅助变量，其表达式为f表示带有裂缝的原始水泥路面图像；g表示经过步骤S200去噪处理后得到的图像；为图像梯度算子，分别是x方向和y方向的梯度算子，用于检测图像边缘信息；||·...

【专利技术属性】
技术研发人员：陈先桥，杨英，施辉，李欢，
申请(专利权)人：武汉理工大学，
类型：发明
国别省市：湖北,42