1、基于多功能检测车的路面病害自动识别系统摘要：随着我国高速公路建设的飞速发展，传统的基于人工视觉检测路面病害的方法存在着成本高、精确度低、危险性高等诸多的不足，已经不能适应公路的发展要求。随着近年来计算机信息化的发展，高速公路路面病害自动检测和自动识别系统的研究和应用越来越广泛，路面病害图像的自动识别和处理算法日臻完善。 关键词：图像预处理；模式识别；图像分割；图像去噪；图像增强；灰度校正；边缘修正 中图分类号： U416 文献标识码： A 文章编号： 引言 随着我国公路建设的飞速发展，传统基于人工视觉的公路养护检测方式越来越不能适应其快速发展的要求，表现为成本高、精度低、影响交通、作业危险等。
2、而计算机和网络的不断发展，使得公路检测养护自动化成为可能。自上世纪 90 年代，国外出现了一批研究自动检测病害识别的系统，其中包括加拿大的 WiseCrax 系统、澳大利亚 RoadCrack 系统、英国 HARRIS 系统等。我国对路面自动检测技术的研究最早可追溯于 20世纪 80 年代后期，由于当时公路建设的快速发展，使我国公路养护里程迅速增长，与此同时，重载交通和交通量的快速增长和快速出现的路面大中修养护需求，使我国公路养护管理部门承受了巨大的压力。西安、南京等很多专业检测部门和院校纷纷开展了以路面自动检测设备(硬件)和路面管理系统(软件)为主要内容的研究与开发工作。 2、 病害自动识别
3、系统设计 2.1 病害自动识别流程 随着检测任务不断增加，我院从美国 ICC 公司引进了先进的多功能自动检测车，加测车包括：道路几何参数测量系统、GPS 全球定位系统、激光线扫描车辙测量系统、纵向断面平整度测量系统、计算机定标录像及测量平台、高精度道路几何系数测量系统、路面纹理测量系统、道路全景路况扫描等，大大提高了检测工作的效率。 多功能自动检测车通过激光线扫描拍下路面状况图，通过自动识别系统可以识别出病害的类型从而转化成路面病害数据，以供养护人员参考。自动识别系统流程为： 2.2 病害自动识别系统设计 2.2.1 图像增强处理 该阶段是把通过多功能车激光扫描技术拍的图片经过灰度化、去噪等方
4、法滤掉不是病害的部分，留下病害或可能是病害的部分。预检测时，通过图像子块的直方图特征进行筛选。在细节分析阶段，采用小波变换来提取图像的高频信息，再利用处理后的高频信息进行反变换，得到裂缝轮廓。然后使用阈值分割和连通分量扩展算法得到完整的裂缝形态信息，最后统计病害。 转化成灰度图 灰度图是指包含亮度信息而不包含色彩信息的图像。一幅灰度图共256 个级别。任何颜色都有红、绿、蓝三原色组成，本文所设计的路面病害自动识别系统使用的是浮点算法，将彩色图片转化成灰度图。 浮点算法：Gray=R*0.3+G*0.59+B*0.11 原始图片灰度变换图片 图像的去噪处理 图像在采集过程中会受到一定程度的噪声干
5、扰，即使是激光线扫描图像，所以在图像提取各种特征之前需要去噪处理。去噪处理分为空域滤波、变换域滤波、偏微分方程、变分法、形态学噪声滤波。空域滤波是在原图像上直接进行数据运算，对像素的灰度值进行处理。本文使用的也是空域去噪方法。 常用的空域去噪方法包括：中值滤波、加权邻域平均滤波、小波阈值去噪、总体变分 TV 去噪等方法。 根据噪声的不同，每个去噪方法都有各自优缺点，根据实验，本系统使用的是总体变分（TV）去噪方法实现的去噪过程。 总体变分 TV 方法： 是由 Rudin Osher and Fatemi 提出，它基于变分法的思想，确定图像的能量函数，通过对图像能量函数最小化达到平滑去噪的目的。
6、是现在比较流行的图像复原方法。图像的能量函数方程为： 全变分去噪能量泛函为： 其欧拉-拉格朗日方程为： 其中，梯度算子： 正则项： 用来减少平坦区域的退化。 2.2.2 图像边缘检测 图像边缘对于图像识别有非常重要的作用。边缘能勾画出具体病害的图像信息，从某种意义上说，图像边缘是图像局部特性不连续的反应，它标志着一个区域的中介和另一个区域的开始。当路面灰度变化大时，可以采用边缘检测法对病害进行识别。目前边缘提取采用的算法包括：模板匹配法、曲面拟合法、边缘算子法等等。 边缘算子法包括 Roerts 算子、Sobel 算子、Prewitt 算子，LOG 算子、Canny 算子等，根据实际研究和对比
7、，本系统采用了拉普拉斯高斯算子（LOG 算子）方法。该方法是先选取高斯函数对图像进行平滑滤波，在对平滑后的图像进行拉普拉斯运算。常用的是 5*5 模板 滤波后图像 LOG 算子处理后图像 2.2.2 图像分割 图像分割是按照一定规则将一副图像分成若干个有意义的区域的处理技术，分割是实现自动图像分析时搜西安需要完成的操作，在图像识别中占很重要的位置。根据不同的图像模型一般分为基于边缘检测的方法和基于区域生长的方法两大类。基于边缘检测的分割方法首先检出局部特性的不连续性，在将它们连成边界。这些边界把图像分成不同的区域。基于区域生长的方法是将像素分成图通区域。 图像灰度直方图的形状是多变的，区域面积
8、难以确定。根据不同情况，需要一个确定阈值来分割。根据这个灰度阈值选择分为最大类间方差法、矩阵不变法、极小误差法等。 本系统经过对比采用了最合适的最大类间方差阈值分割法，简称OTSU 法。该方法简单、处理速度快。是一种常用的阈值选取方法。 灰度图像 OSTU 算法后图像 2.2.3 图像特征提取 目前，在图像特征提取方面已经有了成熟的理论：纹理特征、几何特征、统计特征、投影特征，分形特征等。最常用的方法是投影特征提取法。 步骤：1、根据阈值判断是否为网状裂缝 2、如果是，不再判断，如果不是进行 3 3、根据投影特征判断是纵向裂缝还是横向裂缝 1、判断网状还是线性裂缝。具体操作，首先本系统设定一个
9、 8 的阈值，然后计算像素点为 0 的连通区域个数，根据黑色像素连通区域与设定的阈值比较，若连通区域大于该阈值，判定图像为网状裂缝，若小于，为线性裂缝。 2、判断横向还是纵向裂缝。具体操作，对裂缝图像分别向 X 和 Y轴投影，分别计算投影长度，若投影到 X 轴长度大于 Y 轴，则为横向裂缝，反之为纵向裂缝。 3、路面病害自动识别系统开发和运行环境 多功能检测车的路面病害自动识别系统开发是基于我院引进的多功能检测车，其配套的检测数据库环境 SQL Server 2005，软件环境VisalC+6.0 ，系统环境 Windows XP，硬件环境 主流机。 总结 基于图像的公路路面病害自动识别系统，
10、一直是图像处理和模式识别领域的一项挑战性工作，其对公路养护工程具有很大的指导作用。目前对于路面自动识别系统研究还存在一些难点，系统对于横竖裂纹的自动识别成功率达到 90%，但对于路面上的其他病害识别率还很低，算法智能修正的研究与应用是我们下一步需要研究的课题，以便加强路面病害自动识别的准确率。 参考文献 【1】GonzalesRC，WoodsRE.DigitalImageProeessing，SeeondEdition Beijing Eleetronieand Industrial Press，2002 【2】刘丹,计算机图像处理的输血和算法基础。 北京 国防出版社 2005 【3】孙即祥，图像分析。北京 科学出版社 2005 【4】Jon Bates，实用 Visual C+ 6.0 教程
