路面裂缝自动测量范文

《长安大学学报》2014年第三期

1路面裂缝识别方法

路面裂缝识别是指对图像中的裂缝目标进行分割、提取和编码。目前，路面裂缝的分割方法大都是基于像素的分割方法。由于路面防滑的技术要求，路面砂石颗粒形成大量琐碎小目标，根据大数原理，其直方图总体必然呈现近似正态分布，由于很难确定阈值，分割效果通常不好。

1．1基于均值漂移的路面裂缝分割一些文献分别证明了均值漂移（meanshift，MS）算法对连续与离散函数的收敛性以及收敛的充分条件［13］。文献［13］采用式（1）进行迭代计算，成功地将其应用于图像平滑与分割，即本文采用定义在N×N×D带宽内的均匀核函数（UniformKernel）进行基于MS的图像平滑与分割，N是图像计算窗口的行、列宽度，D是图像灰度差。下页图1（a）是原始裂缝图像，以灰度为纵轴的三维显示。算法原理与步骤：①用MS计算图像局部灰度极值点集合p（Nm，n，Egray）。Nm，n为极值坐标，Egray为极值灰度，如图1（b）中黑色点；②计算带宽内的Nm，n处的灰度均值，并替换相应Egray值，完成图像平滑，如图1（c）；③对平滑后图像再进行MS计算，得到新的p（Nm，n，Egray），并对Egray的直方图进行峰谷判断，计算出阈值Thgr，如图1（d）中黑色箭头［14］；④用阈值Thgr对平滑后图像进行分割，得到路面裂缝初步分割结果，如图1（e）。

1．2基于定向跟踪的路面裂缝骨架确定初步分割的结果是二值图像，没有分类，具有噪声，需要提取出连续的裂缝像素，并对其编码归类。为此，首先提取裂缝骨架，并消除噪声。基本原理为：定裂缝点的当前窗口，如下页图2中的灰色格网，用Wp表示，并在其近邻8个方向生成相同尺寸的方向判断窗口，如图2中的黑色格网，用Wju表示。图2中白色点为初步分割的裂缝像素点，用Cn表示窗口内的裂缝点，n为点数，用矢量［Cn］（8，1）分别表示8个方向窗口中的裂缝点密度。算法步骤：（1）计算当前窗口的输出坐标W（x，y）＝meani＝ni＝1，i∈Wp（Ci），并记入骨架或孤立点中，由下一步判断决定。（2）方向判断窗口的点密度计算与位置坐标输出，分3种情况：①［Cn］（8，1）中存在唯一最大值，则在该窗口中计算坐标均值。（3）新裂缝的搜索起点，总是选取最靠近图像边缘的未搜索点，格网大小为经验值，本文为7×7。由此，裂缝骨架被分类提取，同时剔除了噪声。

1．3基于裂缝骨架的路面裂缝内插裂缝骨架是裂缝的轮廓点，如下页图3（a）、图3（b）中的黑色点线，在骨架点间还存在像素缺失，因此需要内插出1条连续像素构成的完整裂缝，如图3（c）、图3（d）中的白色点。图3（a）是2条不同裂缝的骨架线与裂缝内插结果的叠加显示，对黑框局部放大，如图3（b）。可以看到2条不同走向的裂缝骨架点线与裂缝内插点，对其黑框局部再放大，得到图3（c）。图3（c）中的黑色箭头所指为裂缝骨架点，设为Sf和Sb，分别表示裂缝骨架的前、后点。算法步骤：①计算前、后点的坐标增量（Δx，Δy）＝Sb－Sf，并计算坐标增量最大绝对值的方向Pori＝max（P｜Δx｜ori，P｜Δy｜ori），以Pori为内插方向；②判断坐标增量Δx和Δy的正负，以骨架前点Sf为基准，确定坐标是增加还是减小；③将内插得到的坐标值四舍五入取整，得到内插的图像裂缝坐标，即图像行列号，如图3（c）中的白色点。由此，裂缝被完整提取并编码。

2裂缝骨架自动分段精确计算裂缝形态参数

提取裂缝的形态参数，包括总长度、最大和最小宽度、宽度点位置坐标、宽度点总数、平均值宽度。裂缝形态计算与裂缝骨架密切相关，必须沿裂缝走向的拐点分段计算。图3（d）中灰色“”点为裂缝初步分割的像素点，设为C，白色“＋”点为内插的裂缝点，设为Citp，Sf和Sb定义同上节。基本原理为：以骨架前后拐点的中点为圆心，以拐点间距离为半径，在这个范围内，逐个计算C中的点与所有Citp点的距离，并取其最小值，就是初步分割的像素点与裂缝中线的近似垂线距离，所有最小近距离的平均值的2倍，就是裂缝宽度。裂缝长度是所有骨架拐点间距离之和。算法步骤：①计算骨架前、后拐点的中点坐标p（xcet，ycet）＝Sf＋mean（Sb－Sf）；②计算骨架拐点间的距离D（Sf，Sb）＝｜Sb－Sf｜；③以p（xcet，ycet）为中心，以D（Sf，Sb）为半径，搜索C中的点，存入Cout向量中，搜索Citp中的点，存入Citpout向量中；④逐个计算Cout点与Citpout中所有点的距离，并取最小值，存入dmin向量中，计算其均值的2倍，即2mean（dmin），存入Dmin向量；⑤向量Dmin中记录了宽度点的位置，宽度点总数为Len（Dmin），最大宽度为max（Dmin），最小宽度为min（Dmin），平均宽度值为mean（Dmin），裂缝长度为∑n1D（Sf，Sb）。

3试验分析

研究大量裂缝图像可以发现，裂缝灰度变化范围与路面背景的灰度存在较大的重叠，直接利用灰度幅值信息提取裂缝必然造成裂缝与路面背景混淆。采用MS的平滑方法可以克服或减弱裂缝与路面背景的灰度重叠，对平滑图像进行分割，可以比较准确地初步分割出裂缝像素群。在图4和图5中，图（a）是原始图像，图（b）是基于MS的初步分割结果，图（c）是经过方向跟踪提取的裂缝骨架，图（d）是裂缝的最终识别结果。图4（a）为路面比较粗糙的图像，横向主要存在3条较长的波浪状裂缝，如图4（c）、（d）中的编号1、2、3；图5（a）为路面比较光滑的图像，纵向贯穿1条裂缝，上方裂缝斜向而下，下方裂缝垂直而下。从图4可见：最终识别出3条裂缝，很好地提取了裂缝中线，对较短小裂缝比较敏感，对路面噪声具有较强的抑制作用，对初分割中的断裂像素，可以自动连接拟合。从图5可见，最终识别出1条裂缝，对较细窄裂缝比较敏感。图4和图5在路面光滑度以及裂缝数量、宽度与方向上都具有典型的代表性。由于图4比较粗糙，一般分割法方法噪声都比较大，在裂缝提取时难度也较大，但利用基于MS的图像分割克服了这一问题，在分割裂缝的同时，大大减少了分割噪声。图5比较光滑，裂缝较细，对一般分割法方法的响应比较迟钝，但对基于MS的分割方法则比较敏感。本文方法具有较强的适应性，图4和图5路面粗糙度存在明显差异，表明算法对路面粗糙度不敏感，可以识别较细裂缝；图4和图5的裂缝基本处于2个相互正交的方向，表明算法对裂缝方向不敏感；图4提取了较短小裂缝，表明算法对短小裂缝比较敏感。从以上比较典型的裂缝图像的处理结果看，本文方法对裂缝的提取具有很好的效果。表1给出了裂缝形态参数的测量结果。参数定义：总长度是沿裂缝走向的实际长度；最大或最小宽度分别是裂缝延伸方向的法线方向的最大或最小变化量；宽度点位是指计算裂缝宽度的图像点坐标；宽度点数是指计算宽度的抽样点总数；平均宽度值是所有抽样点宽度的平均值。显然，表1所列参数可以重构裂缝模型，将在另文讨论。

4结语

（1）采用均值漂移技术进行图像平滑与裂缝分割，可以有效增大裂缝与背景之间的特征差异，因此能够比较完善地分割出裂缝目标。（2）用定向跟踪方法提取裂缝骨架，可以宏观识别和控制裂缝的形态趋势，并以编码方式记录每条裂缝对象。（3）对裂缝骨架进行内插，可以细化并完整识别裂缝中线，以裂缝骨架分段精确计算裂缝形态参数，实现裂缝形态测量。（4）该方法对路面粗糙度和裂缝方向不敏感，可以识别细小裂缝，识别精度较高，可操作性强。（5）本文方法在计算策略上需要改进，例如采用分开－合并技术并行处理较小图像块，可以进一步提高算法的灵活性以及算法的识别精度和效率，由此将产生直方图动态模式识别与阈值分割等问题，这是需要进一步研究的问题。

作者：曹建农许素素李长青单位：长安大学地球科学与资源学院焦作大学数学系