基于路面高精三維圖像的裂縫自動識別與分類算法.pdf

1、裂縫類破損是公路路面主要而常見的破損之一，它會加速路面結(jié)構(gòu)損壞，降低公路整體性能和壽命。面對日益增長的路面養(yǎng)護(hù)需求，路面裂縫自動檢測對于路面養(yǎng)護(hù)管理、路面性能評價(jià)與預(yù)測、路面材料和結(jié)構(gòu)設(shè)計(jì)具有重要的實(shí)用價(jià)值。
　　路面裂縫具有位置、種類、嚴(yán)重程度和尺寸等信息，由于路面狀況復(fù)雜多變，檢測路面裂縫信息主要面臨著如下挑戰(zhàn):(1)難以快速、準(zhǔn)確、全面且穩(wěn)定地識別路面裂縫;(2)裂縫識別算法評價(jià)機(jī)制不健全;(3)缺乏行之有效的路面裂縫種類和

2、嚴(yán)重程度自動識別算法。本文在綜述路面裂縫自動檢測研究進(jìn)展的基礎(chǔ)上，圍繞“快速、準(zhǔn)確、及時(shí)有效地獲得路面裂縫信息”這一目標(biāo)，基于1 mm/像素的路面高精三維圖像對裂縫自動識別、裂縫識別算法性能評價(jià)和裂縫自動分類進(jìn)行研究。主要工作內(nèi)容和研究成果簡述如下:
　　1.鑒于既有圖像去噪和增強(qiáng)方法大都針對路面灰度圖像，不適用于路面三維圖像處理，提出了適用于路面高精三維圖像的預(yù)處理方法:中縫消除算法和降維處理，初步消除噪音、提高圖像質(zhì)量，為裂縫

3、自動識別和分類奠定基礎(chǔ)。中縫消除算法根據(jù)路面圖像左半幅和右半幅的高度差消除圖像中央接縫。降維處理則將源圖像劃分為8像素×8像素的子塊，形成降維圖像，后續(xù)裂縫識別算法直接基于降維圖像進(jìn)行操作。測試表明，中縫消除和降維處理可以降低中縫、噪聲和紋理對裂縫識別的影響，有利于快速、準(zhǔn)確的裂縫自動識別。
　　2.由于現(xiàn)有路面裂縫自動識別算法難以快速準(zhǔn)確地識別完整的裂縫圖像，且大都基于路面灰度圖像進(jìn)行設(shè)計(jì)，本文根據(jù)路面高精三維圖像提出了基于裂縫

4、種子識別的并行運(yùn)算裂縫識別算法，以提高運(yùn)算速度和裂縫識別準(zhǔn)確度。該算法有10個(gè)并行的子流程，每個(gè)流程均有三個(gè)關(guān)鍵步驟:裂縫種子識別，裂縫連接，裂縫種子融合與去噪處理。然后將并行子流程產(chǎn)生的10幅裂縫初步識別圖像進(jìn)行融合與去噪處理，獲得裂縫圖像。測試表明，并行運(yùn)算框架可較大幅度地提高處理速度且有助于裂縫信息融合，算法最終取得了較高準(zhǔn)確率和召回率，優(yōu)于OTSU閾值分割和Canny邊緣檢測算法。
　　3.既有路面裂縫識別算法大都建立在平

5、面圖像處理的基礎(chǔ)之上，為了推動路面裂縫識別朝著立體化方向發(fā)展，更穩(wěn)定有效地識別路面裂縫，提出了考慮路面的立體特征的三維虛擬路面裂縫自動識別算法。首先，對路面三維圖像進(jìn)行4個(gè)角度的光照模型處理，獲得4幅光照強(qiáng)度圖像;其次，應(yīng)用基于裂縫種子識別的并行運(yùn)算裂縫識別算法檢測源路面三維圖像的裂縫信息;然后，檢測4幅光照強(qiáng)度圖像的陰影區(qū)和反光區(qū)，將其視為可能的裂縫;最后，將前兩步的識別結(jié)果進(jìn)行融合和與去噪，形成裂縫圖像。測試表明，該算法裂縫信息融合

6、程度高、檢測靈敏，準(zhǔn)確率、召回率和穩(wěn)定性均較高。
　　4.針對路面裂縫識別算法評價(jià)，考慮到“缺乏算法性能測試和對比的基準(zhǔn)圖像”、“既有衡量指標(biāo)不合理”、“算法參數(shù)確定缺乏理論依據(jù)”和“既有評價(jià)方法適用范圍有限”，本文從建立路面裂縫圖像基準(zhǔn)庫、改進(jìn)裂縫識別算法評定指標(biāo)、提出算法參數(shù)確定方法及完善性能評價(jià)方法四個(gè)方面入手，提出了系統(tǒng)的裂縫圖像自動識別算法性能評價(jià)機(jī)制，可對算法進(jìn)行客觀合理的評價(jià)和對比分析，引導(dǎo)裂縫識別算法改進(jìn)工作。

7、r>　　5.考慮到缺乏行之有效的路面裂縫種類和嚴(yán)重程度自動劃分算法，在裂縫目標(biāo)矢量化分離和幾何特征提取的基礎(chǔ)上，提出了路面裂縫圖像自動分類和嚴(yán)重程度識別算法。首先基于輪廓矢量化自動分離裂縫目標(biāo)，以適應(yīng)一張圖片有多個(gè)裂縫的情況;其次，提出9個(gè)裂縫特征的計(jì)算方法，遴選出空洞特征、長寬比和傾角顯著性為裂縫分類特征;然后，設(shè)計(jì)區(qū)分線性裂縫和網(wǎng)狀裂縫的閾值分類算法，推算并測試算法的準(zhǔn)確率和召回率;最后，根據(jù)裂縫寬度和塊度分布特征對裂縫進(jìn)行嚴(yán)重程度

8、識別。測試結(jié)果表明，在無人為干預(yù)的情況下，算法可準(zhǔn)確、實(shí)時(shí)地進(jìn)行裂縫種類和嚴(yán)重程度的識別。
　　概括而言，上述內(nèi)容形成了獲取路面裂縫信息的一套有機(jī)體系，為路面養(yǎng)護(hù)管理、路面性能評價(jià)與預(yù)測、路面材料和結(jié)構(gòu)設(shè)計(jì)提供決策依據(jù):第一部分對路面三維圖像進(jìn)行預(yù)處理，為路面裂縫識別和分類奠定基礎(chǔ);第二、三部分對裂縫自動識別（確定裂縫位置信息）進(jìn)行深入研究，前者基于平面圖像處理技術(shù)識別裂縫，后者跳出平面圖像處理范疇，考慮路面的立體特征進(jìn)行裂縫自動