基于稀疏分解理论的公路路面病害特征提取方法技术

基于稀疏分解理论的公路路面病害特征提取方法。它涉及路面病害检测 技术，它解决了基于结构光的轮廓信号分析技术中存在的特征提取不足，实际 应用效果不理想等问题。它的步骤为：一、根据不同的病害特征建立不同的病 害特征原子库，以位置和尺度作为参数，并使参数在不同的范围内变化，并将 原子归一化，得到病害特征过完备原子库；二、根据信号展开理论，从过完备 原子库中选取K个原子对信号做K项逼近，再根据稀疏分解理论，从K个原 子各种组合中挑选出分解系数最为稀疏的原子组合；病害特征的系数Ck的选择 需要满足稀疏性约束条件为：min‖C‖0 s.t f＝∑Ckφk；则病害特征可表示为： f(t)＝fk+σ＝∑Ckφk(t)+σ k＝0，1，2，…，σ为逼近误差。本发明专利技术用于路面病害特 征检测，如裂纹、车辙、坑洼或突起等。

【技术实现步骤摘要】

本专利技术涉及路面病害检测技术，具体涉及一种路面病害特征的提取方法。
技术介绍
随着高速公路事业的蓬勃发展，路面病害检测成为公路养护事业的一个 重要研究课题，在公路的维护中占有重要的地位。传统的人工检测技术速度慢、 不准确且影响交通，已不能满足公路检测发展的要求。高性能的计算机以及图 像处理技术的发展使路面病害的自动检测成为可能，其中对于路面的检测一直 是研究的热点。然而，路面图像存在着成像灰度不均、光源、阴影、稳定性等 问题，其复杂性、多样性以及病害信息的弱信号性，使得路面病害自动检测技 术存在诸多问题。针对变化多样的路面破损形式，寻找行之有效的路面病害特 征识别技术具有重要的意义。目前路面病害特征识别技术主要有两种， 一种是基于灰度信息的图像处 理技术，这种技术研究较多，方法也较多；另一种是基于结构光的三维轮廓检 测技术，这种技术研究相对较少。下面分别介绍这两种检测技术1. 基于图像灰度信息的路面病害特征识别技术由线阵相机在辅助照明条件下获取路面图像是这种技术的一个典型实 现。图像数据主要由以下四部分灰度信息组成路面影像背景部分，为低频成 分；路面破损及路面污染物如油污部分，为高频成分；辅助照明系统由于照 明不均所引起的干扰成分以及成像系统的随机噪声成分。因而路面图像裂缝的 识别研究主要集中在图像增强和裂缝目标分割的方法上。现有的裂缝图像检测技术主要以裂缝的灰度特征及二维形态特征作为判 别裂缝的准则，主要应用的算法有基于直方图路面裂缝感知算法，影像分块裂 缝检测算法，路面影像实时阈值化算法、人工种群算法、统计滤波法、模糊逻 辑法等。这些算法都在一定程度上对常规裂缝检测算法有所改进，但均难以克 服油污、黑斑以及大量随机分布的噪声的影响。2. 基于结构光的三维轮廓信号分析技术结构光成像技术获得的路面信号包含了路面三维轮廓信息，数据精度高、 特征丰富，对油污、黑斑以及随机噪声不敏感。这些特征包含车辙、裂缝、坑 洼、突起等不同的表现形态。如图1所示，由于成因不同和杂物填充，病害特征可能会表现出不同的形态，如宽度变化不一，深度不同等。基于结构光的三维轮廓信号分析技术可以采用小波和中值滤波相结合的 方法来提取基于结构光的三维轮廓信号特征。其中，小波降噪用于平滑线性叠 加的高斯噪声，中值滤波用于处理信号中的强脉冲分量。在轮廓特征提取的过 程中，可以得到裂缝、突起、坑洼等特征的信息。实际路面由于受到雨水冲刷，泥土填埋等原因，裂缝信号表现形式并不 像仿真信号那样理想，采用小波和中值滤波相结合的轮廓特征提取方法，经常 会把有用特征当作噪声来处理，识别准确率低，不能满足实际应用要求。综上所述基于灰度信息的图像处理技术难以克服油污、黑斑以及大量随 机分布的噪声的影响，而基于结构光的三维轮廓信号分析技术虽然可以有效克 服这些缺点，但是采用的小波和中值滤波相结合的方法也存在特征提取不足， 实际应用效果不理想等问题。
技术实现思路
本专利技术为了解决基于结构光的轮廓信号分析技术中存在的特征提取不足， 实际应用效果不理想等问题，而提出了一种基于稀疏分解理论的公路路面病害 特征提取方法。本专利技术的的步骤如下 步骤一建立路面病害特征的原子库{%(0}，根据不同的病害特征建立不 同的病害特征原子库，以位置和尺度作为参数，并使参数在不同的范围内变化， 并将原子归一化，得到病害特征的过完备原子库；步骤二根据信号展开理论，从过完备原子库中选取k个原子对信号做k 项逼近，再根据稀疏分解理论，从k个原子的各种可能的组合中挑选出分解系 数最为稀疏的原子组合；病害特征的系数&的选择需要满足稀疏性的约束条 件min||C||。"/ (1-3) 其中IICll。是序列C力W义…,^)中非零项的个数，则病害特征可表示为/(o=y;+o"=i;cwA(/)+<7 ho，1，2,… (i-4)其中，C7为逼近误差，CT = if||/-/』。基于稀疏分解的路面病W特征提取方法具有如下的优点41、 可以根据信号的特征，灵活构造适合病害特征的原子库，方法的针对性较强；原子库的大小以及特点没有任何限制，根据不同的病害特征构造不同的病害原子库，原子选取的针对性较强，能够更准确的提取出路面病害特征;原子库结构灵活，可以针对路面个别的特殊病害特征，构造相应的特征原子，随时添加合适的病害原子。2、 改变了基于结构光的三维轮廓信号分析技术中以小波分解等传统的数字信号处理为主的方法，提高了实用性。传统的数字信号处理方法，通常采用小波分解和中值滤波等方法，由于公路路面轮廓信号中裂缝病害变化多样，经过多步处理会丢失信号的一些特征，使得错误率和误识别率很高。3、 与经典的Gabor原子库相比，降低了搜索次数，效率显著提高。经典的Gabor原子库包含L "， v， w四个时频参数，在搜索过程中会增加很多时间成本，而且Gabor原子是双边信号，不能很好的表现裂缝病害的特征。本专利技术中采用自己构造的原子库则灵活得多，提高了特征提取的准确度和速度。4、 多功能。基于稀疏分解的路面病害特征提取方法不仅能提取病害特征，还能提取路面的主轮廓特征，同时还能提取出路面信号中的噪声信号，可以用来从侧面反映路面的状况。5、 受背景影响小，弥补了基于灰度信息的图像处理技术的不足。本专利技术的方法用于路面病害特征检测，如裂纹、车辙、坑洼或突起等。附图说明图1为轮廓信号分析法中的路面轮廓信号示意图；图2为包含裂缝和噪声的路面轮廓信号；图3为从包含裂缝和噪声的路面轮廓信号中提取的裂缝病害信号示意图；图4为从包含裂缝和噪声的路面轮廓信号中提取的轮廓信号示意图；图5为提取特征和路面轮廓后的残余噪声信号示意图。具体实施例方式具体实施方式一本实施方式中的的步骤如下步骤一建立路面病害特征的原子库{%(/)}，根据不同的病害特征建立不同的病害特征原子库，以位置和尺度作为参数，并使参数在不同的范围内变化，并将原子归一化，得到病害特征的过完备原子库；步骤二根据信号展开理论，从过完备原子库中选取K个原子对信号做K项逼近，再根据稀疏分解理论，从K个原子的各种可能的组合中挑选出分解系数最为稀疏的原子组合；病害特征的系数C;的选择需要满足稀疏性的约束条件min||C|。 "/ = |X% (1-3),=1其中||1。是序列^(/=7,2,...，。中非零项的个数，则病害特征可表示为/(0 = /4+" = ZQ%(,)+cr /t-0，1,2,… (l一4)其中，o"'为逼近误差，cr = mf|/_/J 。具体实施方式二本^施方式是对具体实施方式一的进一步说明，本实施方式中的步骤二中公式1-3是采用稀疏分解理论中的框架方法、FOCUSS、基追踪或匹配追踪进行提取。其它步骤与具体实施方式一相同。具体实施方式三本实施方式中的通过提取裂缝病害特征的步骤如下步骤一建立裂缝病害特征的原子库{%(/)}，如公式l-l:% (x) = 4 exp(—(^)2)& = 0,1,2,… (！ _丄)其中A表示裂缝的位置信息，^表示裂缝的尺度信息，也即宽度信息；A表示一系列的不同位置，不同宽度的裂缝类型；4为归一化系数，如公式1-2，从而保证原子具有单位能量，便于后续处理；14 =卜A 2 (1-2)exp(-(f)2)分别让^本文档来自技高网...

【技术保护点】
基于稀疏分解理论的公路路面病害特征提取方法，其特征在于它的步骤如下：　步骤一：建立路面病害特征的原子库，根据不同的病害特征建立不同的病害特征原子库，以位置和尺度作为参数，并使参数在不同的范围内变化，并将原子归一化，得到病害特征的过完备 原子库；　步骤二：根据信号展开理论，从过完备原子库中选取Ｋ个原子对信号做Ｋ项逼近，再根据稀疏分解理论，从Ｋ个原子的各种可能的组合中挑选出分解系数最为稀疏的原子组合；病害特征的系数Ｃ↓［ｋ］的选择需要满足稀疏性的约束条件：　＊‖Ｃ ‖↓［０］　ｓ．ｔ　ｆ＝＊Ｃ↓［ｋ］φ↓［ｋ］　（１－３）　其中‖Ｃ‖↓［０］是序列Ｃ↓［ｉ］（ｉ＝１，２，．．．，Ｋ）中非零项的个数，则病害特征可表示为：　ｆ（ｔ）＝ｆ↓［ｋ］＋σ＝∑Ｃ↓［ｋ］φ↓［ｋ］（ｔ）＋σ　ｋ ＝０，１，２，…　（１－４）　其中，σ为逼近误差，σ＝＊‖ｆ－ｆ↓［ｋ］‖。

【技术特征摘要】

【专利技术属性】
技术研发人员：刘宛予，李新红，孙晓明，黄建平，
申请(专利权)人：哈尔滨工业大学，
类型：发明
国别省市：93