基于模糊數(shù)學(xué)的公路路面裂痕檢測(cè)技術(shù)

劉益玲，謝書(shū)童

(集美大學(xué)計(jì)算機(jī)工程學(xué)院，福建 廈門 361021)

0 引言

由于道路路面自身的特點(diǎn)[1]，針對(duì)路面的檢測(cè)分割方法有許多，如基于局部二進(jìn)制模式方法[2]，基于熵和有監(jiān)督策略的方法[3－4]，基于連續(xù)小波變換的方法[5]，基于分形的方法[6]，基于模糊增強(qiáng)的方法[7－8]，以及其他一些分割方法[9－12]．公路路面裂痕檢測(cè)的目的是對(duì)公路路況進(jìn)行高速采樣，經(jīng)處理后提取路面裂痕的信息，為制定公路路面養(yǎng)護(hù)計(jì)劃提供科學(xué)的理論依據(jù)．然而這些方法處理的圖片都是清晰圖片，很少涉及到由運(yùn)動(dòng)導(dǎo)致模糊的圖片，或只做增強(qiáng)和不分割處理．由H.D.Cheng提出的基于模糊集理論的路面裂紋檢測(cè)新方法[13]在較大程度上彌補(bǔ)了此項(xiàng)空白，該方法先使用反銳化掩模算法對(duì)原圖像進(jìn)行預(yù)處理，然后通過(guò)遺傳算法確定渡越點(diǎn)并使用標(biāo)準(zhǔn)S型隸屬度函數(shù)來(lái)映射灰度圖像到模糊域中，在此步驟中確定了隸屬度低于0.3的值為裂痕，高于0.4的為非裂痕，而對(duì)隸屬度在0.3與0.4之間的進(jìn)行對(duì)比度增強(qiáng)處理后再由系統(tǒng)來(lái)決定是否為裂痕，最后連接裂痕像素點(diǎn)并分類．此方法中運(yùn)算量相對(duì)較大，難以滿足實(shí)時(shí)自動(dòng)檢測(cè)需求．為此，本文根據(jù)路面裂痕灰度值的實(shí)際特征，擬提出計(jì)算相對(duì)簡(jiǎn)單、速度相對(duì)較快、能符合實(shí)際檢測(cè)精度的自動(dòng)檢測(cè)算法．

1 具體實(shí)現(xiàn)

1.1 使用乘性模型校正原圖像

由于采集設(shè)備本身的特點(diǎn)、成像時(shí)的光照不均和一些樹(shù)木或?qū)嵨镌斐傻年幱?，造成圖像質(zhì)量的下降，給裂痕圖像檢測(cè)帶來(lái)較大的影響，所以需要在裂痕檢測(cè)前進(jìn)行灰度的校正工作，盡量減少其帶來(lái)的影響．本系統(tǒng)主要使用乘性模型進(jìn)行灰度校正[14]，公式為:

其中，I'(p)為校正后曝光均勻的圖像，其均勻曝光成像后各點(diǎn)灰度級(jí)應(yīng)為常數(shù)M;I(p)為非均勻圖像，p={x，y}，這個(gè)均勻場(chǎng)面在非均勻成像系統(tǒng)下成的像為I'M(p)．

本文對(duì)于常數(shù)M的選取是用OSTU最大類間方差法計(jì)算得到的原圖閾值T．OSTU最大類間方差法是利用閾值將原圖像分成前景、背景兩個(gè)部分，當(dāng)取最佳閾值時(shí)，背景應(yīng)該與前景差別最大，即方差最大．而具有統(tǒng)計(jì)意義上的最佳分割閾值，不僅計(jì)算簡(jiǎn)單，而且在一定條件下不受圖像對(duì)比度與亮度變化的影響，相對(duì)比較穩(wěn)定．

由石子、瀝青組成的路面可以看成是由均勻物質(zhì)組成，因此亮度基本上也是均勻的，所以在理想狀態(tài)下，可以把只含有石子、瀝青組成的路面背景認(rèn)為是曝光均勻即亮度均勻的圖像IM(IM≈I'M)，則可用來(lái)校正原圖像．IM的計(jì)算步驟是先由原圖像求取背景子集φ，然后由φ作雙線性插值[15]得到近似的亮度均勻的背景圖像I'M．對(duì)于背景子集φ的計(jì)算是先對(duì)原圖像中灰度值大于閾值T的像素點(diǎn)灰度值置為T，而小于或等于原圖閾值T的灰度值不變．這是因?yàn)樵趫D像中背景的面積最大，且裂痕的灰度值一般要低于背景的灰度值，但總的來(lái)說(shuō)這些灰度值是較小的，且路面經(jīng)過(guò)長(zhǎng)期磨損產(chǎn)生的白色斑點(diǎn)或經(jīng)過(guò)灰度化的其他雜質(zhì)的灰度值又要大于背景灰度值．減少部分偏大的灰度值對(duì)背景產(chǎn)生的影響，加強(qiáng)了背景子集的均勻性，更符合實(shí)際背景的情況．最后把修改后的圖像劃分成10×10的子塊，取子塊中的所有像素灰度值的平均值作為該塊的特征像素值歸入背景子集φ．

從圖1可以看出校正前由于光照不均造成原圖像質(zhì)量相對(duì)較差，而通過(guò)本文的校正算法后可以實(shí)現(xiàn):①減少陰影對(duì)裂痕檢測(cè)的影響;②得到了成像質(zhì)量相對(duì)較高的圖像;③提高后續(xù)處理的效率．

圖1 校正前后的對(duì)比圖Fig.1 Contrast image before and after correction

1.2 利用模糊技術(shù)生成模糊圖像

1)選擇渡越點(diǎn)

使用OSTU法計(jì)算原圖像的閾值T，作為模糊處理時(shí)隸屬度函數(shù)的渡越點(diǎn)，對(duì)背景進(jìn)行模糊增強(qiáng)處理，同時(shí)衰減了紋理細(xì)節(jié)、噪聲和裂痕信息，在后續(xù)構(gòu)造隸屬度函數(shù)時(shí)盡量減少對(duì)裂痕信息的衰減程度．

2)構(gòu)造新的隸屬度函數(shù)

由于裂痕信息通常是局部或全局最小，且所占的比率比較小，使用OSTU計(jì)算得到的閾值通常會(huì)比實(shí)際裂痕信息的灰度值大，所以在構(gòu)造的新模糊隸屬度函數(shù)上就選擇從灰度值[0，255]相對(duì)于渡越點(diǎn)的偏離程度來(lái)計(jì)算隸屬度，得到的隸屬度在[0，1]范圍內(nèi)分布更均勻，能保留更多的原圖像信息，以達(dá)到模糊圖像的目的．

3)對(duì)比度增強(qiáng)處理

直接使用Pal－King定義的模糊增強(qiáng)函數(shù)

該函數(shù)形式簡(jiǎn)單，并且具有良好的迭代增強(qiáng)效果．可增強(qiáng)在渡越點(diǎn)附近的灰度值，衰減偏離渡越點(diǎn)較遠(yuǎn)的灰度值，在衰減計(jì)算時(shí)是遵循使大灰度值變小，小灰度值變大的原理，使得隸屬度值在[0，1]范圍內(nèi)分布更均勻．

4)逆變換

直接使用公式 (2)的逆運(yùn)算將模糊域中的隸屬度值映射到圖像域中的灰度值，簡(jiǎn)單高效．

通過(guò)逆變換，把圖像從模糊域轉(zhuǎn)換回空域，得到了模糊處理后的圖像．

從圖2可以看出原圖與處理后的圖像在通過(guò)模糊操作后，增強(qiáng)了渡越點(diǎn)附近的值，而對(duì)遠(yuǎn)離渡越點(diǎn)的值進(jìn)行了衰減操作．由于公路路面圖像的實(shí)際特性，其圖像的灰度值主要是集中在背景灰度值附近，而裂痕信息的灰度值和噪聲信息的灰度值較少，所以整幅圖像達(dá)到了模糊細(xì)節(jié)的效果．

圖2 原圖像和模糊完后的灰度值對(duì)比圖Fig.2 Gray pixels contrast figure between the original image and fuzzy image

1.3 邊緣檢測(cè)并對(duì)其梯度圖二值化處理

使用Sobel算子邊緣檢測(cè)．Sobel算子是一種離散性差分算子，用來(lái)計(jì)算圖像亮度函數(shù)的梯度近似值，在圖像的任何一點(diǎn)使用此算子，將會(huì)產(chǎn)生對(duì)應(yīng)的梯度矢量．

在計(jì)算時(shí)為了提高效率和準(zhǔn)確率，利用已知的先驗(yàn)知識(shí)來(lái)進(jìn)行一些相關(guān)的設(shè)置．具體步驟如下:

1)判斷模糊后的圖像中每一個(gè)像素點(diǎn)的灰度值是否大于OSTU方法計(jì)算得到的原圖像閾值T，把大于T的灰度值直接置成T．因?yàn)楸疚年P(guān)心的只是裂痕信息和背景信息，而裂痕信息的灰度值肯定不會(huì)超過(guò)T，所以當(dāng)灰度值大于T的像素點(diǎn)就置成T，如此設(shè)置在后續(xù)梯度計(jì)算時(shí)就盡可能的減少由高細(xì)節(jié)區(qū)帶來(lái)的大量的碎邊緣．

2)使用各向同性Sobel(Isotropic Sobel)算子來(lái)進(jìn)行水平和垂直方向的梯度檢測(cè)，選擇較大者作為最終的梯度值．

各向同性Sobel算子和普通Sobel算子相比，它的位置加權(quán)系數(shù)更為準(zhǔn)確，在檢測(cè)不同方向的邊緣時(shí)梯度的幅度一致．檢測(cè)水平邊緣和垂直邊緣的算子分別是:

3)對(duì)其梯度圖二值化處理

在梯度計(jì)算完畢后對(duì)其梯度圖二值化處理會(huì)更直觀、更易于操作．在進(jìn)行二值化處理時(shí)，把梯度較小的值 (如小于10)直接取0(0是黑色，代表背景;255是白色，代表裂痕信息)，因?yàn)榱押叟c背景的對(duì)比度通常是大于10的，而其他梯度值則取255．

1.4 對(duì)二值化的灰度圖像去噪并區(qū)域分割

1)先統(tǒng)計(jì)二值化圖像A中灰度值為255的像素點(diǎn)的總數(shù)Total，其中背景的灰度值為0，而裂痕信息的灰度值為255．

2)去除大的孤立點(diǎn)．把圖像A分成L×K塊，其中L=Width/80，K=Height/80，每塊的大小為80×80，統(tǒng)計(jì)每塊中灰度值為255的像素點(diǎn)的個(gè)數(shù)Num1，如果Num1小于Total/20，則將整塊所有像素的灰度值置0，此次操作后得到的圖像為B．

3)去除小的噪聲．把圖像B分成P×Q塊，其中P=Width/10，Q=Height/10，每塊的大小為10×10，統(tǒng)計(jì)每塊中灰度值為255的像素點(diǎn)的個(gè)數(shù)Num2，如果Num2小于Total/(P×Q)+3，則將整塊所有像素的灰度值置0，此次操作后得到的圖像為C．

4)對(duì)圖像C中灰度值為255的像素求最小橫坐標(biāo)Xmin、最小縱坐標(biāo)Ymin、最大橫坐標(biāo)Xmax和最大縱坐標(biāo)Ymax，使用這些坐標(biāo)即可以把二值化后的圖像A或者原圖像的主要裂痕信息區(qū)域劃分出來(lái)．

2 實(shí)驗(yàn)結(jié)果分析

為了驗(yàn)證本文算法的有效性，用VC++實(shí)現(xiàn)的檢測(cè)系統(tǒng)軟件對(duì)實(shí)時(shí)采集到的圖像幀進(jìn)行自動(dòng)檢測(cè)．使用普通相機(jī)采集的3段視頻文件，1.avi視頻文件的分辨率是640×480，2.avi和3.avi的分辨率都是1024×768，3.avi視頻速度較快，采集到的圖像產(chǎn)生的運(yùn)動(dòng)模糊現(xiàn)象最嚴(yán)重．而本研究中沒(méi)有消除運(yùn)動(dòng)模糊，所以會(huì)影響檢測(cè)的正確率和最終圖像分割的效果．1.avi和2.avi視頻的檢測(cè)正確率為100%，3.avi視頻正確率為82.6%．測(cè)試程序使用的是普通雙核CPU性能的計(jì)算機(jī)．程序運(yùn)行計(jì)算得到待檢測(cè)幀的平均檢測(cè)時(shí)間，第1段視頻是0.325 s，第2段視頻是1.074 s，第3段視頻是1.319 s．平均檢測(cè)時(shí)間與圖像的分辨率及含有裂痕信息的圖像多少成正比，分辨率越高需要處理的像素點(diǎn)個(gè)數(shù)越多，處理速度相對(duì)較慢;含有裂痕信息的圖像幀數(shù)越多，需要處理的步驟越多，處理速度越慢，這也與實(shí)際情況相符．

具體檢測(cè)分步處理效果如圖3和圖4所示，它們是對(duì)含有裂痕信息幀的處理前后及最終分割得到的檢測(cè)效果圖，圖5是對(duì)無(wú)裂痕信息的圖像幀處理效果圖．

比較圖3—圖5得出，通過(guò)構(gòu)造模糊隸屬度函數(shù)可以有針對(duì)性的對(duì)某段所需要的灰度值進(jìn)行增強(qiáng)處理，對(duì)涉及不到的灰度值范圍可以進(jìn)行快速衰減處理，有效地、快速地過(guò)濾掉灰度值較大的非裂痕和背景信息，并不影響最終處理結(jié)果．

3 結(jié)論

本文提出的基于模糊數(shù)學(xué)的路面裂痕檢測(cè)技術(shù)，在圖像預(yù)處理時(shí)能較好地校正亮度不均的灰度圖

像，能快速區(qū)分并過(guò)濾掉深色、淺色的噪聲，對(duì)于成像效果一般的模糊圖像能檢測(cè)出裂痕，并能實(shí)現(xiàn)高效、準(zhǔn)確的自動(dòng)檢測(cè)．但是可能會(huì)把一些含有細(xì)小裂痕的幀漏檢．因路面裂痕檢測(cè)中主要是檢測(cè)在行車過(guò)程中構(gòu)成危險(xiǎn)的裂痕，而對(duì)細(xì)小裂痕的關(guān)注度相對(duì)較小，所以并不太影響最終系統(tǒng)效果．

圖3 橫向裂痕圖像分步檢測(cè)效果圖Fig.3 Step results from detecting transverse cracks

圖4 塊狀裂痕圖像分步檢測(cè)效果圖Fig.4 Step results from detecting massive cracks

圖5 無(wú)裂痕圖像分步檢測(cè)效果圖Fig.5 Step results from detecting non-cracks

實(shí)驗(yàn)證明，本文所敘述的基于模糊數(shù)學(xué)的路面檢測(cè)技術(shù)在實(shí)際應(yīng)用中能快速而有效地工作，具有一定的現(xiàn)實(shí)指導(dǎo)意義．

[1]SAYERS M W．KARAMIHAS S M．The little book of profiling:basic information about measuring and interpreting road profiles[M/OL]．Michigan:University of Michigan，Transportation Research Institute，1998[2010-12-20]．http://www．umtri．umich．edu/content/LittleBook98R．pdf．

[2]HU YONG，ZHAO CHUN-XIA．A local binary pattern based methods for pavement crack detection [J]．Journal of Pattern Recognition Research，2010，5(1):140-147．

[3]HENRIQUE OLIVEIRA，PAULO LOBATO CORREIA．Automatic road crack segmentation using entropy and image dynamic thresholding[C/OL]//17th European Signal Processing Conference，Glasgow，Scotland[2011-01-20]．http://www．eurasip．org/Proceedings/Eusipco/Eusipco2009/contents/papers/1569192726．pdf．

[4]HENRIQUE OLIVEIRA，PAULO LOBATO CORREIA．Supervised strategies for cracks detection in images of road pavement flexible surfaces[C/OL]//16th European Signal Processing Conference(EUSIPCO 2008)，Lausanne，Switzerland[2013-2-10]．http://www．eurasip．org/Proceedings/Eusipco/Eusipco2008/papers/1569105104．pdf．

[5]PEGGY SUBIRATS ，JEAN DUMOULIN，VINCENT LEGEAY，et al．Automation of pavement surface crack detection using the continuous wavelet transform[C/OL]//IEEE International Conference on Image Processing，Atlanta，Georgia，USA，2006[2013-2-10]．http://www．pilhokim．com/images/2/24/0003037．pdf．

[6]張坤華，楊烜，張力．分形特征模糊增強(qiáng)及其在目標(biāo)檢測(cè)中的應(yīng)用 [J]．計(jì)算機(jī)工程與應(yīng)用，2009，45(11):172-174．

[7]伯紹波，閆茂德，孫艷，等．瀝青路面裂縫圖像增強(qiáng)與邊緣提取算法研究 [J]．電子技術(shù)應(yīng)用，2007，33(12):64-67．

[8]歐陽(yáng)琰，陳先橋，初秀民．路面破損圖像的模糊增強(qiáng)方法研究[J]．計(jì)算機(jī)工程與應(yīng)用，2010，46(10):184-186．

[9]LI QINGQUAN，ZOU QIN，LIU XIANGLONG．Pavement crack classification via spatial distribution features[J]．EURASIP Journal on Advances in Signal Processing，2011:649-675．

[10]伯紹波，閆茂德，孫國(guó)軍，等．瀝青路面裂縫檢測(cè)圖像處理算法研究[J]．微計(jì)算機(jī)信息，2007，23(15):280-282．

[11]封基良．探地雷達(dá)快速檢測(cè)方法在云南公路路面質(zhì)量檢測(cè)評(píng)價(jià)中的應(yīng)用研究 [J]．公路交通科技:應(yīng)用技術(shù)版，2013(1):45-49．

[12]孫曉明．基于結(jié)構(gòu)光的公路路面裂縫檢測(cè)關(guān)鍵技術(shù)研究[D]．哈爾濱:哈爾濱工業(yè)大學(xué)，2012．

[13]CHENG H D．Novel Approach to Pavement Cracking Detection Based on Fuzzy Set Theory[J]．Journal of Computing in Civil Engineering，1999，13(4):270-280．

[14]高建貞．基于圖像分析的道路病害自動(dòng)檢測(cè)研究[D]．南京:南京理工大學(xué)，2003．

[15]KENNETH R CASTLEMAN．?dāng)?shù)字圖像處理[M]．朱志剛，譯．北京:電子工業(yè)出版社，1998．