基于多功能检测车路面病害自动识别系统.docVIP

基于多功能检测车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。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。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，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