基于動(dòng)態(tài)最短路徑識(shí)別水泥路面裂縫的方法

英 紅， 劉 楊

(1. 桂林電子科技大學(xué) 廣西高校圖像圖形智能處理重點(diǎn)實(shí)驗(yàn)室 建筑與交通工程學(xué)院廣西 桂林 541004； 2. 桂林電子科技大學(xué) 機(jī)電工程學(xué)院 廣西 桂林 541004)

基于動(dòng)態(tài)最短路徑識(shí)別水泥路面裂縫的方法

英 紅1， 劉 楊2

(1. 桂林電子科技大學(xué) 廣西高校圖像圖形智能處理重點(diǎn)實(shí)驗(yàn)室 建筑與交通工程學(xué)院廣西 桂林 541004； 2. 桂林電子科技大學(xué) 機(jī)電工程學(xué)院 廣西 桂林 541004)

針對(duì)水泥路面圖像裂縫識(shí)別過(guò)程中刻槽帶來(lái)的干擾問(wèn)題，利用頻域?yàn)V波消除水泥路面刻槽，并使用動(dòng)態(tài)最短路徑提取路面裂縫識(shí)別結(jié)果.首先用頻域?yàn)V波消除水泥路面刻槽，并將頻域?yàn)V波后圖像劃分為不重疊的16*16小方塊，再運(yùn)用動(dòng)態(tài)最短路徑判斷方塊中是否含有裂縫，經(jīng)過(guò)后續(xù)二值化、裂縫拼接等處理，最后得到裂縫圖像.實(shí)驗(yàn)結(jié)果表明，該方法可以很好地去除刻槽的影響，具有良好的識(shí)別效果.

水泥路面； 裂縫識(shí)別； 頻域?yàn)V波； 動(dòng)態(tài)最短路徑

0 引言

水泥路面具有造價(jià)相對(duì)低廉、建造周期短等優(yōu)勢(shì)，在我國(guó)公路中占有較大的比重.為了增加摩擦，在建造水泥路面時(shí)，都需要增加刻槽.由于路面刻槽在圖像上的灰度值與裂縫極其相似，因而刻槽的存在使得裂縫的提取變得異常困難.由于刻槽的存在，路面經(jīng)過(guò)長(zhǎng)時(shí)間的磨損，使得刻槽中存在大量的污染物，這些污染物也導(dǎo)致了刻槽間的灰度值具有較大差異，這也增加了裂縫提取的難度.對(duì)于裂縫識(shí)別而言，圖像分割是裂縫自動(dòng)檢測(cè)至關(guān)重要的一步[1].文獻(xiàn)[2]使用二維小波變換對(duì)高頻水平子圖中的刻槽進(jìn)行抑制，但同時(shí)弱化了橫向裂縫；隨著圖像技術(shù)的發(fā)展，頻域處理也越來(lái)越頻繁.文獻(xiàn)[3]利用二維傅里葉變換(FFT)消除刻槽，并使用同態(tài)濾波增強(qiáng)裂縫對(duì)比度，同時(shí)采用自適應(yīng)方向的LoG算法在空域中增強(qiáng)裂縫.文獻(xiàn)[4]將離散傅里葉變換應(yīng)用在異步電機(jī)參數(shù)辨識(shí)中.文獻(xiàn)[5]采用了方向增強(qiáng)的LoG在抑制刻槽的同時(shí)也存在弱化橫向裂縫的問(wèn)題.文獻(xiàn)[6]使用分塊直方圖均衡的方法，該方法在方塊邊界處易引入新的噪聲，不利于后續(xù)裂縫的提取.

本文針對(duì)在水泥刻槽路面圖像識(shí)別裂縫中存在刻槽等噪聲干擾，利用頻域進(jìn)行降噪以去除刻槽對(duì)裂縫識(shí)別的影響.首先，通過(guò)頻域?yàn)V波降低圖像中刻槽對(duì)后續(xù)處理的影響.濾波后運(yùn)用動(dòng)態(tài)最短路徑將圖像中疑似裂縫的區(qū)塊挑選出來(lái)，經(jīng)過(guò)后續(xù)二值化、裂縫拼接等處理，最后得到裂縫圖像.實(shí)驗(yàn)結(jié)果表明，該方法可以很好地去除刻槽、準(zhǔn)確地識(shí)別裂縫.

1 水泥路面圖像的頻域?yàn)V波

由于水泥路面刻槽在空域圖像中呈現(xiàn)出一定的周期性，利用刻槽的周期性，在頻域內(nèi)消除或抑制它是非常典型的條紋去除方法[7].如圖1所示：從水泥路面圖中可以看出刻槽相對(duì)成水平分布，且刻槽間的間距大致相等.利用這個(gè)特征，將路面圖像結(jié)果經(jīng)傅里葉變換轉(zhuǎn)換到頻率域后，使用特有的濾波器去除刻槽對(duì)裂縫識(shí)別的影響.

對(duì)尺寸為M*N的圖像函數(shù)f(x,y)進(jìn)行離散傅里葉變換：

(1)

同樣，給出F(u，v)，也可以通過(guò)傅里葉反變換獲得f(x,y),表達(dá)式如下：

(2)

在頻率域?yàn)V波時(shí)，往往要用(-1)x+y乘以f(x,y)將F(u，v)原點(diǎn)變換到頻率坐標(biāo)下的(M/2,N/2)，即傅里葉變換的原點(diǎn)被設(shè)置在u=M/2和v=N/2上.圖2為圖1經(jīng)過(guò)傅里葉變換后的功率譜圖像.

圖1 水泥路面圖1Fig.1 Cement pavement 1

圖2 功率譜圖Fig.2 Power spectrum diagram

從功率譜圖像可以看出，除圖像中心外，在y軸上有一些等距的亮斑，這些亮斑在空間域中對(duì)應(yīng)的就是圖像中的刻槽.觀察不難發(fā)現(xiàn)這些亮斑均在y軸附近，故可設(shè)計(jì)一種濾波器，除中心原點(diǎn)附近的y軸附近，其他y軸附近的濾波器數(shù)值均為0(為了便于觀看給圖像加上了邊框，如圖3所示).其數(shù)學(xué)表達(dá)為

(3)

使用傳遞函數(shù)H(u,v)的濾波器對(duì)F(u，v)進(jìn)行濾波，然后將濾波后的函數(shù)進(jìn)行傅里葉反變換，得到無(wú)刻槽的路面圖像(如圖4)，原水泥刻槽路面圖像中的刻槽去除了，而保存的裂縫還是相當(dāng)不錯(cuò)的.當(dāng)裂縫和刻槽平行時(shí)(如圖5)傅里葉濾波的效果如圖6所示.從圖中可以看出當(dāng)裂縫與刻槽平行時(shí)，濾波后在刻槽去除的同時(shí)裂縫也有一定程度的衰減.這也是本文刻槽濾波需要改進(jìn)的地方.

圖3 帶阻濾波器Fig.3 Band elimination filter

圖4 濾波后的圖像1Fig.4 Filtered image 1

圖5 水泥路面圖2Fig.5 Cement pavement 2

圖6 濾波后的圖像2Fig.6 Filtered image 2

2 動(dòng)態(tài)最短路徑提取裂縫方塊

考慮到路面圖像分辨率一般較大，求取動(dòng)態(tài)最短路徑時(shí)所需的時(shí)間較長(zhǎng)，且攝像機(jī)在拍攝路面圖像存在光照不均等問(wèn)題[8].故將路面圖像分割成多個(gè)不重疊的小方塊.在路面圖像的劃分中，方塊不能太小或太大，太小會(huì)使得在使用動(dòng)態(tài)最短路徑時(shí)，噪聲對(duì)最短路徑的結(jié)果影響較大，從而影響提取效果；劃分方格太大，會(huì)使運(yùn)算程度復(fù)雜，消耗時(shí)間較長(zhǎng).經(jīng)過(guò)大量實(shí)驗(yàn)證明，當(dāng)圖像劃分為16*16的方塊時(shí)，其運(yùn)算時(shí)間與效果較好.故本文采用的方塊大小為16*16.

從方格內(nèi)像素的灰度值看出是其鄰域到其的距離，可以看成是求解動(dòng)態(tài)最短路徑問(wèn)題.如圖7.

Af(0，0)f(0，1)f(0，2)……f(0，14)f(0，15)f(1，0)f(1，1)f(1，2)……f(1，14)f(1，15)f(2，0)f(2，1)f(2，2)……f(2，14)f(2，15)………………………………f(13，0)f(13，1)f(13，2)……f(14，14)f(13，15)f(14，0)f(14，1)f(14，2)……f(15，14)f(14，15)f(15，0)f(15，1)f(15，2)……f(15，14)f(15，15)B

圖7 方格像素路徑距離表

Fig.7 Square pixels path distance table

其中A點(diǎn)為路徑起始點(diǎn)，B點(diǎn)為路徑終止點(diǎn).(x,y)為像素坐標(biāo)，f(x,y)為像素的灰度值，這里代表該點(diǎn)到其鄰域點(diǎn)距離.如點(diǎn)(6,6)到點(diǎn)(6,7)的距離為f(6,7).為了便于觀察，將其點(diǎn)進(jìn)行編號(hào)，像素點(diǎn)依次由左向右、由上到下進(jìn)行編號(hào)，編號(hào)為0到255.

定義s(x,y)為點(diǎn)x到點(diǎn)y的距離，令：

A點(diǎn)到x(即點(diǎn)(0,x))的距離為s(A,x)=f(0,x),x=0,1,2，…，15;

A點(diǎn)到16*x(即點(diǎn)(x,0))的距離為s(A,16*x)=f(x,0),x=0,1,2，…，15;

A點(diǎn)到16*x+15(即點(diǎn)(x,15))的距離為s(A,16*x+15)=f(x,15),x=0,1,2，…，15;

15*16+x(即點(diǎn)(15,x))到B點(diǎn)的距離為s(15*16+x,B)=0,x=0,1,2，…，15;

16*x(即點(diǎn)(x,0)) 到B點(diǎn)的距離為s(16*x,B)=0,x=0,1,2，…，15;

16*x+15(即點(diǎn)(x,15))到B點(diǎn)的距離為s(16*x+15,B)=0,x=0,1,2，…，15.

定義S(x)為點(diǎn)A到點(diǎn)x的最小動(dòng)態(tài)距離，其初始值S(x)=f(x/16,x%16).其動(dòng)態(tài)最短距離的定義為：

S(x)=min({S((x/16+m)*16+x%16+n)*P[(x/16+m)*16+x%16+n]+f(x/16,x%16)}/(P[(x/16+m)*16+x%16+n]+1)),

其中：P[k]為點(diǎn)A到點(diǎn)k所需的步驟數(shù)，m=-1，0，1；n=-1，0，1；且x/16+i≥0，x%16+j≥0(x/16為x對(duì)16取正，x%16為x對(duì)16取余).

A點(diǎn)到B點(diǎn)的距離定義為S=min(S(x)),其中:x/16=15或x%16=0或x%16=15且P[x]>5.

圖8 操作流程圖Fig.8 Operation flow chart

由于在含裂縫的方塊中，裂縫一般的平均寬度不超過(guò)4個(gè)像素，故裂縫所占比例不會(huì)超過(guò)(16*4)/(16*16),即25%.考慮到路面噪音的影響，故取其灰度值較低的30%的平均值作為閾值，提取裂縫方塊.設(shè)置P[x]的閾值是為了防止方格邊境像素灰度值較低(如受到噪音的影響)，從而影響整個(gè)動(dòng)態(tài)求取最短距離的結(jié)果，造成識(shí)別結(jié)果誤檢率較高.圖8為裂縫方格操作流程圖.

圖9～12為在不同P[x]閾值下裂縫方格的提取狀況,可以看出當(dāng)P[x]為3時(shí)，所提取的裂縫方格中存在較多的誤檢，而當(dāng)P[x]為8時(shí)，提取的裂縫方格誤檢較少，但存在較為嚴(yán)重的漏檢的現(xiàn)象，這也是我們不愿看見(jiàn)的情形.綜合考慮后，當(dāng)P[x]為5時(shí)，誤檢和漏檢的情況相對(duì)較少，提取的裂縫方格相對(duì)最優(yōu).經(jīng)過(guò)大量實(shí)驗(yàn)對(duì)比發(fā)現(xiàn)，當(dāng)P[x]閾值為5時(shí)，其動(dòng)態(tài)最短路徑算子的識(shí)別率相對(duì)較好.

圖9 濾波后的圖像3Fig.9 Filtered image 3

圖10 P[x]閾值為3的識(shí)別圖Fig.10 Recognition of threshold P[x] to 3

圖11 P[x]閾值為5的識(shí)別圖Fig.11 Recognition of threshold P[x] to 5

圖12 P[x]閾值為8的識(shí)別圖Fig.12 Recognition of threshold P[x] to 8

圖13為頻率濾波后，使用上述本節(jié)所使用的動(dòng)態(tài)最短路徑算子對(duì)裂縫這種“線狀”目標(biāo)進(jìn)行識(shí)別的效果圖.該算子已經(jīng)將濾波后圖像中的裂縫方塊識(shí)別出來(lái)，當(dāng)然其中也存在誤檢和漏檢的情況.從圖中可以看出，誤檢的裂縫方塊相對(duì)離散，方塊相對(duì)“孤立”，運(yùn)用這一特性可以將誤檢的裂縫方塊去除，圖14為離散方塊去除圖，可以看出絕大多數(shù)“孤立”的方塊已經(jīng)被去除，這為進(jìn)一步的提取裂縫提供較好的基礎(chǔ).

3 裂縫的提取

將頻率濾波后的圖像進(jìn)行5*5的高斯濾波，目的是給圖像減噪，利于最后的裂縫提取.將頻率域?yàn)V波后的圖像進(jìn)行高斯濾波，然后對(duì)圖像進(jìn)行自適應(yīng)閾值處理(圖15).圖16為將自適應(yīng)閾值圖與離散方塊去除圖相交得到的自適應(yīng)裂縫方塊圖.

經(jīng)過(guò)上述處理后的圖像變?yōu)榱硕祱D像，原圖中絕大多數(shù)裂縫噪音已經(jīng)被去除.從圖16中可以看到，在含有裂縫的方塊中還存在一些離散的小“顆?！?，這些較小的“顆?！焙苊黠@不是我們所需要的.接下來(lái)對(duì)自適應(yīng)裂縫方塊圖像進(jìn)行顆粒的篩除.裂縫提取過(guò)程中，由于頻率濾波后的圖像存在與裂縫灰度值相近的雜點(diǎn)，在提取裂縫的同時(shí)還應(yīng)將這些雜點(diǎn)去掉.由于這些顆粒毫無(wú)規(guī)律，且相對(duì)獨(dú)立，因此可以通過(guò)其連通域的面積、長(zhǎng)短軸等特征[9]將“顆粒去除”.根據(jù)經(jīng)驗(yàn)，設(shè)定面積最小閾值為10，長(zhǎng)短軸比值最大閾值為0.9，去除路面污點(diǎn)[10].通過(guò)實(shí)驗(yàn)驗(yàn)證，對(duì)顆粒的面積與長(zhǎng)短軸按照上述閾值設(shè)置對(duì)顆粒雜點(diǎn)去除的效果相對(duì)較好.顆粒去除后，此時(shí)得到若干不連續(xù)的裂縫片段圖像，如圖17所示.裂縫片段拼接歷來(lái)都是裂縫圖像識(shí)別的難點(diǎn)，通常使用幾何法、方格法、形態(tài)學(xué)法[11].本文采用的是先提取裂縫片段端點(diǎn)，根據(jù)裂縫片段端點(diǎn)之間的距離與裂縫端點(diǎn)的延伸方向等因素，選取最優(yōu)的端點(diǎn)與之連接，實(shí)現(xiàn)裂縫片段的拼接.如圖18.

圖13 動(dòng)態(tài)最短路徑裂縫識(shí)別圖Fig.13 Dynamic shortest path fracture identification

圖14 離散方塊去除圖Fig.14 Discrete blocks removal

圖15 自適應(yīng)閾值操作后圖像Fig.15 Adaptive threshold operation

圖16 自適應(yīng)裂縫方塊圖Fig.16 Adaptive crack square

4 試驗(yàn)結(jié)果

為了驗(yàn)證算法的效果，選用了200幅水泥刻槽裂縫圖像進(jìn)行識(shí)別，驗(yàn)算其正確性，通過(guò)實(shí)驗(yàn)驗(yàn)證該算法的裂縫識(shí)別準(zhǔn)確率達(dá)到92%.圖19選取了一種典型的水泥路面裂縫作為說(shuō)明.從圖中可以看出，主要裂縫都可被識(shí)別.對(duì)于較細(xì)的裂縫，由于本文采用的是自適應(yīng)二值化導(dǎo)致較細(xì)裂紋在二值圖中斷斷續(xù)續(xù)，而在過(guò)濾“顆?！痹肼晻r(shí)，容易將較細(xì)的裂紋過(guò)濾掉，從而導(dǎo)致細(xì)裂紋提取不完整.這也是下一步有待研究的內(nèi)容.圖19(a)、(d)為垂直裂縫與傾斜裂縫原圖；(b)、(e)為利用動(dòng)態(tài)最短路徑識(shí)別裂縫方塊的識(shí)別圖；(c)、(f)為最終識(shí)別效果圖.從圖19(b)可以看出當(dāng)圖像污染較多時(shí)，用動(dòng)態(tài)最短路徑識(shí)別裂縫方塊，提取的結(jié)果中噪音模塊較多.當(dāng)圖像污染較少時(shí)，通過(guò)該方法識(shí)別裂縫方塊的準(zhǔn)確率較高.

圖17 顆粒去除圖Fig.17 Particle removal

圖18 裂縫片段連接圖Fig.18 Crack segment connection

圖19 試驗(yàn)結(jié)果圖Fig.19 Test results

5 結(jié)論

1) 提出了基于動(dòng)態(tài)最短路徑的水泥混凝土路面裂縫識(shí)別方法，由頻域?yàn)V波、動(dòng)態(tài)最短路徑提取裂縫方塊、裂縫片段提取和裂縫片段拼接4個(gè)主要步驟實(shí)現(xiàn).

2) 頻域?yàn)V波是通過(guò)傅里葉變換使用帶阻濾波器來(lái)實(shí)現(xiàn)抑制刻槽.

3) 在空域圖像中，裂縫成“線狀”分布，利用動(dòng)態(tài)最短路徑可以求出各個(gè)方塊中的最短距離，通過(guò)與其方塊內(nèi)像素灰度值較小的30%灰度平均值進(jìn)行比較，來(lái)實(shí)現(xiàn)裂縫方塊的提取.

4) 針對(duì)裂縫不連續(xù)的問(wèn)題，先提取裂縫片段端點(diǎn)，根據(jù)裂縫片段端點(diǎn)之間的距離與裂縫端點(diǎn)的延伸方向等因素，選取最優(yōu)的端點(diǎn)與之連接后，將裂縫片段拼接起來(lái)，實(shí)現(xiàn)裂縫的提取.

[1] TSAI Y C, KAUL V, MERSEREAU R. Critical assessment of pavement distress segmentation methods[J]. Journal of transportation engineering, 2010, 136(1):11-19.

[2] 潘玉利，趙懷志.基于二維傅里葉變換的水泥路面圖像刻槽去除的方法：101419668A[P].2009.

[3] 英紅，羅宏偉,談至明，等. 基于消除刻槽的水泥路面新生裂縫識(shí)別方法[J]. 同濟(jì)大學(xué)學(xué)報(bào)(自然科學(xué)版)，2013，41(1):78-82.

[4] 任志斌，曾彪,曾德墻. 運(yùn)用離散傅里葉變換在異步電機(jī)參數(shù)辨識(shí)中的應(yīng)用[J]. 河南科技大學(xué)學(xué)報(bào)(自然科學(xué)版),2014,35(3):58-63.

[5] 關(guān)斌.一種改進(jìn)的自適應(yīng)各向異性LoG算子[J].科學(xué)技術(shù)與工程，2010,10(12): 2992-2996.

[6] 肖靖.道路裂縫識(shí)別算法研究[D].北京：北京郵電大學(xué)，2009.

[7] 張宏，英紅. 頻域?yàn)V波的水泥路面圖像降噪增強(qiáng)方法[J].土木建筑與環(huán)境工程，2015，37(3):48-52.

[8] 李莉，陳長(zhǎng)，孫立軍.改進(jìn)的路面圖像背景校正算法[J].同濟(jì)大學(xué)學(xué)報(bào)(自然科學(xué)版)，2011,39(1):79-84.

[9] 劉凡凡，徐國(guó)愛(ài)，肖靖，等. 基于連通域相關(guān)及Hough變換的公路路面裂縫提取[J]. 北京郵電大學(xué)學(xué)報(bào)，2009，32( 2) : 24-28.

[10]榮婧，潘玉利. 基于圖像的水泥路面裂縫識(shí)別方法及應(yīng)用[J]. 北京郵電大學(xué)學(xué)報(bào)，2012，35( 6) :121-124.

[11]SUN Y, SALARI E, CHOU E. Automated pavement distress detection using advanced image processing techniques[C]//Proceedings of IEEE International Conference on Electro / Information Technology. Windsor University,2009:373-377.

(責(zé)任編輯：王浩毅)

Method of Crack Recognition in Cement Pavement Based on Dynamic Shortest Path

YING Hong1, LIU Yang2

(1.CollegeofConstructionandTrafficEngineer,GuangxiKeyLaboratoryofImageandGraphicsIntelligentProcessing,GuilinUniversityofElectronicTechnology,Guilin541004,China; 2.CollegeofMechanicalandElectricalEngineering,GuilinUniversityofElectronicTechnology,Guilin541004,China)

A method of using frequency domain filtering to eliminate the crack of cement pavement was proposed by using the dynamic shortest path to obtain the identification result of pavement crack. Firstly the frequency domain filtering was used to eliminate cement road surface groove, and the frequency domain filtering image was divided into non-overlapping 16 * 16 small squares, and then the dynamic shortest path was used to determine whether the squares contained cracks,by the follow-up of binaryzation, crack stitching and other processing.Finally the image was abtained. The experiment result showed that this method could eliminate the influence of the groove easily and got a good recognition effect.

cement pavement; crack recognition; frequency domain filtering; dynamic shortest path

2016-07-20

國(guó)家自然科學(xué)基金項(xiàng)目(51208130，51668012)；廣西省自然科學(xué)基金項(xiàng)目(2013GXNSFBA019258)；廣西高校圖像圖形智能處理重點(diǎn)實(shí)驗(yàn)室項(xiàng)目(GIIP201507)；廣西省科技開(kāi)發(fā)項(xiàng)目(桂科14124004-4-14)；桂林電子科技大學(xué)研究生教育創(chuàng)新計(jì)劃項(xiàng)目(YJCX201502).

英紅(1978—),男，河北衡水人，副教授，主要從事道路工程、圖像處理與模式識(shí)別研究，E-mail：yinghongcq@tom.com；通訊作者：劉楊(1990—)，男，湖北孝感人，碩士研究生，主要從事道路工程、圖像處理與模式識(shí)別研究，E-mail：794479603@qq.com.

TP391

A

1671-6841(2017)02-0083-07

10.13705/j.issn.1671-6841.2016193