基于路面裂縫圖像均光分析方法

楊杲 贠斌強(qiáng) 王青鋒

摘要：為了解決路面病害檢測(cè)過(guò)程中，在沒(méi)有光照或者光照條件不好的情況下對(duì)裂縫圖像識(shí)別的可靠性問(wèn)題，研究了一種基于路面裂縫圖像均光分析方法。首先對(duì)基于面陣CCD相機(jī)圖像裂縫8位灰度值轉(zhuǎn)換成16位灰度值圖像，基次采用Beamlet變換提供了一種多尺度分析算法，進(jìn)行圖像勻光，然后將勻光好的圖像轉(zhuǎn)成8位灰度值的原圖，最后對(duì)一組由面陣CCD相機(jī)獲取的路面圖像按照方法進(jìn)行路面裂縫訪真試驗(yàn)，驗(yàn)證采用這種技術(shù)的合理性和實(shí)用性.

關(guān)鍵詞：勻光；BeamLet變換；像素灰度；路面裂縫檢測(cè)

引言

隨著數(shù)字圖像采集技術(shù)和圖像處理技術(shù)的發(fā)展，基于CCD的視頻圖像采集技術(shù)已經(jīng)被廣泛應(yīng)用于公路病害檢測(cè)。但是通過(guò)CCD的道路圖像采集過(guò)程中，許多非人為因素的干擾會(huì)嚴(yán)重影響采集圖像的質(zhì)量。本文采用將CCD相機(jī)采集過(guò)來(lái)的8位圖像轉(zhuǎn)換成16位圖像，然后再采用圖像自動(dòng)勻光算法進(jìn)行勻光，最后將16位圖像恢復(fù)成8位圖像的方式來(lái)解決采集過(guò)程圖像存在的問(wèn)題[1]。

1.圖像灰度位階轉(zhuǎn)換

將8位灰度值圖像中的顏色全部取出來(lái)，映射到16位灰度值圖像中去，就是所謂的邏輯移位，移進(jìn)的位都補(bǔ)零，移出的位丟掉，都是在原始數(shù)據(jù)上移位。

2基于Beamlet變換的圖像光照均勻算法實(shí)現(xiàn)

基于Beamlet變換的路面裂縫圖像勻光算法實(shí)現(xiàn)整幅圖像和局部圖像相結(jié)合，兼顧全局對(duì)比度提高和局部細(xì)節(jié)保持.且處理后的圖像裂縫線清晰、連貫性較好且無(wú)漏檢裂縫的現(xiàn)象.圖像背景光照均勻化的過(guò)程可以分為以下幾個(gè)步驟.

2.1遞歸二進(jìn)分塊

對(duì)于一幅n×n的圖像，并且n=2J.如果定義圖像的邊長(zhǎng)為單位長(zhǎng)度，那么每個(gè)像素可以看成是邊長(zhǎng)1/n的方塊，并且所有像素都位于[0，1]2中，用二進(jìn)的正方形表示{（x1，x2）：[k1/2j，k1+1/2j]×[k2/2j，k2+1/2j}]j，≥0，0≤k1，k2≤2j，記作（k1，k2，j）.在尺度0≤j≤J上，可將原圖像分成大小為2-j的2j×2j個(gè)窗口[2].

本文中將一幅512×512的裂縫圖像先劃分為2×2個(gè)子正方形，每個(gè)子正方形的邊長(zhǎng)是單位正方形邊長(zhǎng)的1/2，再把每個(gè)子正方形劃分為2×2個(gè)更小的子正方形.以此類推，一個(gè)n×n的圖像最多可以分解log2n+1次，即尺度最多分解到像素級(jí)

2.2圖像裂縫定位

對(duì)一幅512×512的含噪聲圖像進(jìn)行處理，圖像中可能含有未知長(zhǎng)度、方向和位置的裂縫.裂縫圖像的每一像素點(diǎn)灰度值表示為fi1，i2，其中0

對(duì)劃分出來(lái)的窗口，按從上到下從左到右的順序依次搜索f'i1，i2.對(duì)含有目標(biāo)像素點(diǎn)的窗口，按順序依次搜索該窗口的鄰域窗口，如果在該窗口的所有鄰域窗口內(nèi)都沒(méi)有發(fā)現(xiàn)目標(biāo)像素點(diǎn)，則認(rèn)為該目標(biāo)像素點(diǎn)為噪聲點(diǎn)，則將該目標(biāo)像素點(diǎn)的像素值替換為fmean.如果有多個(gè)鄰域窗口都含有目標(biāo)像素點(diǎn)，則對(duì)每一個(gè)含有目標(biāo)像素的鄰域窗口按搜索該窗口的鄰域窗口中是否含有目標(biāo)像素點(diǎn)，并建立beamlet基，記為Bn，δ..

在所有尺度下取恒定的分辨率，對(duì)每個(gè)窗口在邊界上以δ為間隔，以目標(biāo)像素點(diǎn)f'i1，i2為標(biāo)記點(diǎn)，則對(duì)同一beamlet基下的兩個(gè)標(biāo)記點(diǎn)的連線為一個(gè)beamlet[4]..

對(duì)于由任意裂縫的兩個(gè)標(biāo)記點(diǎn)連接成的一條beamlet線段，其可以由不同精度下的若干條beamlet線段來(lái)無(wú)限逼近，以此能到最真實(shí)的裂縫圖像，并可以有效地濾除干擾.

2.3 beamlet變換

設(shè)f（x1，x2）為[0，1]2上的連續(xù)函數(shù)，函數(shù)f（x1，x2）的beamlet變換表述為 （1）式中b為某一尺度下某一方向和位置的一個(gè)beamlet；bnδ，為所有尺度下beamlet基的集合；x（l）為描述沿著b的單位速度路徑的函數(shù)；f（x（l））為沿著b的圖像函數(shù).對(duì)于實(shí)際的n×n數(shù)字圖像fi1，i2，相應(yīng)的離散beamlet變換，可以先通過(guò)插值得到函數(shù)f（x1，x2），再利用式（1）得到： （2）這里φi1，i2是插值函數(shù)，其選擇方法有很多.本文中綜合考慮計(jì)算的復(fù)雜性與插值精度，把fi1，i2看成f（x1，x2）的像素級(jí)平均.取恒定分辨率δ=2-J，即1/n.那么任意像素點(diǎn)（i1，i2）被看成是一個(gè)矩形[i1/n（，i1+1）/n]×[i2/n（，i2+1）/n]，由此得到的函數(shù)在此窗口內(nèi)的值都為fi1-i2.

2.4背景光照均勻

通過(guò)Beamlet變換后的圖像，裂縫信息已經(jīng)被完整地從原圖像中分離出來(lái).可以將裂縫信息與背景信息相互孤立地進(jìn)行處理.此時(shí)我們要做的是保持圖像細(xì)節(jié).

對(duì)于劃分后的每一個(gè)窗口，計(jì)算該窗口的像素灰度平均值（ ），最大值（） 以及最小值（ ），設(shè)置該窗口的一個(gè)灰度上限閾值 ，如果該窗口中的像素點(diǎn)的灰度值fi1，i2大于灰度值上限Hh，則認(rèn)為這一點(diǎn)為太陽(yáng)光照射點(diǎn).將像素點(diǎn)灰度值fi1，i2像素點(diǎn)濾除，然后重新計(jì)算每個(gè)窗口的灰度平均值f'mean，并計(jì)算勻光參數(shù) ，對(duì)于同一窗口內(nèi)的像素灰度值fi1，i2經(jīng)過(guò)均光變換后的取值如下：

（3）

3.圖像壓縮成圖像位階

將所勻光后的16位圖片還原成8位，16位轉(zhuǎn)成8位就是有數(shù)據(jù)截?cái)?，相?dāng)于一定程度的壓縮。

4.實(shí)驗(yàn)仿真結(jié)果比較及分析

道路裂縫檢測(cè)系統(tǒng)在對(duì)道路圖像的處理過(guò)程中，路面圖像質(zhì)量的優(yōu)劣直接決定了裂縫識(shí)別的準(zhǔn)確性等問(wèn)題。先將原圖轉(zhuǎn)成16位圖，再采用Beamlet變換處理后的道路圖像，與傳統(tǒng)的圖像增強(qiáng)算法相比，具有明顯的背景均勻，裂縫清晰等優(yōu)點(diǎn)。

為了對(duì)路面裂縫圖像在不同方法下的處理時(shí)間和處理結(jié)果進(jìn)行評(píng)價(jià)，選擇峰值信噪比（PSNR）作為定量評(píng)價(jià)標(biāo)準(zhǔn)，在去除單點(diǎn)噪聲和裂縫邊緣保護(hù)兩方面性能上，對(duì)該文算法與經(jīng)典的邊緣檢測(cè)算子及傳統(tǒng)形態(tài)學(xué)算法進(jìn)行比較。PSNR定義如下：

（4）式中f（i，j）和y（i，j）分別為參考圖像和處理后圖像中像素的灰度值；E為f（i，j）的最大值；M和N分別為圖像的長(zhǎng)寬像素。

從PSNR性能參數(shù)比較中可以清楚的看出，本文算法處理后的圖像信噪比遠(yuǎn)高于其它傳統(tǒng)類型的處理方法。無(wú)論是從視覺(jué)效果，還是從客觀評(píng)價(jià)來(lái)看，利用該算法處理的裂縫信息完整，也可以有效地過(guò)濾噪聲的干擾。最后將圖片還原成8位灰度值圖像。

5.研究結(jié)論

先將8位灰度值圖像轉(zhuǎn)成16位，再用Beamlet變換的路面裂縫圖像勻光算法引入路面裂縫圖像預(yù)處理，再將16位灰度值圖像還原成8位圖。從而提高路面裂縫的可靠性和準(zhǔn)確性，且該算法運(yùn)算簡(jiǎn)單，處理速度快，可以滿足在行車過(guò)程中的對(duì)路面采集圖像的高速處理。因此，本文提出的路面裂縫圖像勻光算法對(duì)于路面裂縫智能檢測(cè)系統(tǒng)的開(kāi)發(fā)和應(yīng)該具有重要意義。

參考文獻(xiàn)

[1]王榮本，王超，初秀民，路面破損圖像識(shí)別研究進(jìn)展[J].吉林大學(xué)學(xué)報(bào)：工學(xué)版，2002，32（4）：91-97.

[2] 李清泉，胡慶武，基于圖像自動(dòng)勻光的路面裂縫圖像分析方法[J].公路交通科技，2010，27（4）：1-5.

[3] H D Cheng，M Miyojim.Automatic pavement distress detection system[J].Journal of Information Sciences，1998，108（1/4）：219-240.

[4] 張娟.基于數(shù)字圖像處理的路面裂縫識(shí)別與評(píng)價(jià)技術(shù)研究[D].西安：長(zhǎng)安大學(xué)，2004.

（作者單位：武漢濱湖電子有限責(zé)任公司）