一種基于聯(lián)合檢測器的路面破損檢測方法
【技術領域】
[0001] 本發(fā)明涉及智能交通研究領域，尤其是公路管理部門進行路面養(yǎng)護管理的路面破 損檢測方法。
【背景技術】
[0002] 交通量的增加以及車輛大型化、超載嚴重等現(xiàn)象導致路面破損的出現(xiàn)，嚴重影響 道路交通的安全性和舒適性。路面養(yǎng)護是公路養(yǎng)護的重點，而路面破損狀況作為路面養(yǎng)護 管理工作的依據(jù)在路面養(yǎng)護決策中占據(jù)重要地位。路面圖像類型有橫裂、縱裂、網(wǎng)裂和正常 等類型，傳統(tǒng)的路面破損檢測方法是采用人工檢測，但該方法工作效率低，勞動強度大，作 業(yè)危險程度較高，且受天氣條件等影響較為嚴重，已不適應高等級公路快速發(fā)展的需求。因 此研究設計智能化、高檢測率的路面破損檢測方法成為提高路面養(yǎng)護管理工作的關鍵技術 問題之一。
[0003] 數(shù)字圖像處理技術、智能傳感技術與電子信息技術在交通領域的應用為交通的智 能化和信息化做出了巨大的貢獻。為有效地實現(xiàn)路面破損的智能化檢測，許多研究機構及 學者對路面破損的自動檢測技術進行了研究，相繼提出了利用超聲波、激光和數(shù)字圖像處 理技術對路面破損的檢測識別方法。而目前應用最廣泛的是基于數(shù)字圖像處理技術的路面 破損檢測，但目前檢測識別率還有待于提高，因此研究有效的路面破損檢測方法對提高路 面破損的自動化識別具有重要的理論與實際意義。鄰域灰度差分法對圖像光照因素的影響 不敏感，而對于亮度較暗的圖像仍能取得較好的檢測結果；局部灰度最小分析法對路面破 損圖像中細小裂縫具有較好的檢測效果，但對網(wǎng)裂破損的檢測不明顯；分塊標記法對網(wǎng)裂 具有較好檢測效果，且該算法的處理速度較快。上述三種路面破損檢測方法各具有不同的 優(yōu)勢和缺點，因此，本專利提出了一種采用鄰域灰度差分法、局部灰度最小分析法和分塊標 記法構建基于聯(lián)合檢測器的路面破損檢測方法。

【發(fā)明內(nèi)容】

[0004] 本發(fā)明的目的在于克服現(xiàn)有技術存在的不足，提供一種基于聯(lián)合檢測器的路面破 損檢測方法，以實現(xiàn)對路面破損的高精度檢測。
[0005] 本發(fā)明采用的技術方案為：一種基于聯(lián)合檢測器的路面破損檢測方法，包括以下 步驟：
[0006] 1)采用灰度約束消除路面圖像的標線信息；
[0007] 2)采用亮度高程模型消除路面圖像的陰影區(qū)域；
[0008] 3)采用小波閾值法對路面圖像進行預處理，以消除路面圖像中的噪聲；
[0009] 4)采用鄰域灰度差分法、局部灰度最小分析法和分塊標記法構建路面破損聯(lián)合檢 測器，對預處理后的路面圖像進行破損檢測；
[0010] 5)采用目標連通域定位路面圖像的破損區(qū)域。
[0011] 作為優(yōu)選，所述步驟1)中，對采集的公路路面圖像進行灰度約束，去除路面圖像 中的道路標線信息，即對于路面圖像中的像素點I (i，j)，有：
[0013] 其中，μ為整幅圖像的均值。
[0014] 作為優(yōu)選，所述步驟2)中具體方法如下：
[0015] 由于裂縫亮度與陰影區(qū)域亮度較為接近，為了避免將裂縫劃入陰影區(qū)內(nèi)而執(zhí)行亮 度補償，需要在陰影區(qū)域劃分前將裂縫去除，因此采用灰度形態(tài)學閉運算對路面圖像進行 處理，并采用高斯平滑消除路面紋理對后續(xù)陰影區(qū)域劃分的影響。
[0016] 對路面圖像進行亮度等高區(qū)域劃分。計算路面圖像的平均像素數(shù)值和各個灰度級 所含有的像素數(shù)，并按照灰度級大小對各級像素數(shù)進行求和相加，如果像素數(shù)之和大于平 均像素數(shù)值，則將當前所加像素所對應的灰度級劃分為一個區(qū)域。依次對整幅路面圖像的 灰度級進行劃分，最終劃分為N個區(qū)域，并根據(jù)經(jīng)驗閾值L = 0. 875Ν對路面圖像進行閾值 處理，將路面圖像分為非陰影區(qū)域B和陰影區(qū)域S。
[0017] 采用紋理平衡對路面圖像進行亮度補償。對于非陰影區(qū)域B和陰影區(qū)域S，分別采 用式（2)對該區(qū)域像素進行變換，以實現(xiàn)亮度的補償，BP
[0019] 上式中，I1^和ΙΛ ,分別為路面圖像進行亮度補償前、后的像素值，α =db/ds，db、 Ds分別為非陰影區(qū)和陰影區(qū)的像素亮度值的標準方差，
分別為非 陰影去和陰影區(qū)的平均亮度。
[0020] 作為優(yōu)選，所述步驟3)中，對噪聲路面圖像U1,, i，i = 1，2,…N}做小波變換，得 到小波系數(shù)（Wl j, i，i = 1，2, "·Ν};對小波系數(shù)Wl j進行閾值處理，即
[0023] 其中，ητ(·)為閾值函數(shù)，T為選取的閾值。對于本專利的路面圖像去噪，由于路 面圖像尺寸較大，考慮到圖像預處理耗費的時間及對后續(xù)破損檢測的影響，選取小波閾值 去噪函數(shù)中的硬閾值去噪，而其閾值采用Visushrink閾值，以期在實現(xiàn)圖像去噪的同時不 增加圖像處理算法的復雜度，提高處理算法的效率。
[0024] 對小波去噪處理后的小波系數(shù)if進行小波逆變換，得到去噪后的路面圖像。
[0025] 作為優(yōu)選，所述步驟4)中，對預處理后的路面圖像I進行破損檢測，即
[0027] 其中，IabeliQ < i < 3)分別為鄰域灰度差分法、局部灰度最小分析法和分塊標 記法的檢測結果，label為路面破損聯(lián)合檢測器的檢測結果。
[0028] 如果Iabeli= 1，則子檢測器檢測到路面破損，否則，label ;= 0。如果label彡2， 則聯(lián)合檢測器檢測到路面圖像破損，否則路面圖像判斷為正常路面圖像。
[0029] 作為優(yōu)選，所述步驟5)中，對聯(lián)合檢測器檢測到的路面破損圖像進行二值化處 理，得到二值圖像I l jQ = 〇, 1，2···M，j = 0, 1，2…N)，構建二值圖像的連通區(qū)域，并計算各 連通區(qū)域的質(zhì)心位置Qlj (i，j)。計算各連通區(qū)域的質(zhì)心距離，即對于任意兩連通區(qū)域質(zhì)心 {兄置 Qi j (Xi，yj)、Q(i+m) (j+n) (xi+m, yj+n)，其質(zhì)心距離d為
[0031] 設定允許融合的閾值T，當兩質(zhì)心間距離滿足d< T時，對兩連通區(qū)域進行融合，構 建新的連通區(qū)域；反之，則對兩連通區(qū)域不做融合處理，保持連通區(qū)域的獨立性，并根據(jù)連 通區(qū)域的外接邊界進行路面圖像破損區(qū)域的精確定位。
[0032] 有益效果：本發(fā)明基于級聯(lián)分類器的思想，采用鄰域灰度差分法、局部灰度最小分 析法和分塊標記法構建了一種基于聯(lián)合檢測器的路面破損檢測方法，以用于提高路面破損 的檢測效率，為公路管理工作特別是路面養(yǎng)護中提供高效、智能化的管理依據(jù)。
【具體實施方式】
[0033] 下面結合【具體實施方式】對本發(fā)明技術方案作進一步說明：
[0034] 一種基于聯(lián)合檢測器的路面破損檢測方法，包括以下步驟：
[0035] 第一步：通過對采集到的路面圖像進行灰度約束即可去除路面圖像中的道路標線 信息，對于路面圖像中的任意像素點I (i，j)，有：
[0037] 第二步：路面破損圖像易受公路兩旁樹木、柵欄和建筑物等遮擋影響而形成陰影， 陰影的存在造成圖像中陰影區(qū)域的像素灰度較暗，從而嚴重影響了路面圖像中破損信息的 檢測。本專利采用基于亮度高程模型的圖像陰影去除方法消除路面圖像中的陰影，具體方 法如下：
[0038] 1)采用灰度形態(tài)學閉運算對路面圖像進行處理，并采用高斯平滑消除路面紋理對 后續(xù)陰影區(qū)域劃分的影響。
[0039] 2)計算路面圖像的平均