本站小編為你精心準(zhǔn)備了路面裂縫自動(dòng)測(cè)量參考范文，愿這些范文能點(diǎn)燃您思維的火花，激發(fā)您的寫(xiě)作靈感。歡迎深入閱讀并收藏。

《長(zhǎng)安大學(xué)學(xué)報(bào)》2014年第三期

1路面裂縫識(shí)別方法

路面裂縫識(shí)別是指對(duì)圖像中的裂縫目標(biāo)進(jìn)行分割、提取和編碼。目前，路面裂縫的分割方法大都是基于像素的分割方法。由于路面防滑的技術(shù)要求，路面砂石顆粒形成大量瑣碎小目標(biāo)，根據(jù)大數(shù)原理，其直方圖總體必然呈現(xiàn)近似正態(tài)分布，由于很難確定閾值，分割效果通常不好。

1．1基于均值漂移的路面裂縫分割一些文獻(xiàn)分別證明了均值漂移（meanshift，MS）算法對(duì)連續(xù)與離散函數(shù)的收斂性以及收斂的充分條件［13］。文獻(xiàn)［13］采用式（1）進(jìn)行迭代計(jì)算，成功地將其應(yīng)用于圖像平滑與分割，即本文采用定義在N×N×D帶寬內(nèi)的均勻核函數(shù)（UniformKernel）進(jìn)行基于MS的圖像平滑與分割，N是圖像計(jì)算窗口的行、列寬度，D是圖像灰度差。下頁(yè)圖1（a）是原始裂縫圖像，以灰度為縱軸的三維顯示。算法原理與步驟：①用MS計(jì)算圖像局部灰度極值點(diǎn)集合p（Nm，n，Egray）。Nm，n為極值坐標(biāo)，Egray為極值灰度，如圖1（b）中黑色點(diǎn)；②計(jì)算帶寬內(nèi)的Nm，n處的灰度均值，并替換相應(yīng)Egray值，完成圖像平滑，如圖1（c）；③對(duì)平滑后圖像再進(jìn)行MS計(jì)算，得到新的p（Nm，n，Egray），并對(duì)Egray的直方圖進(jìn)行峰谷判斷，計(jì)算出閾值Thgr，如圖1（d）中黑色箭頭［14］；④用閾值Thgr對(duì)平滑后圖像進(jìn)行分割，得到路面裂縫初步分割結(jié)果，如圖1（e）。

1．2基于定向跟蹤的路面裂縫骨架確定初步分割的結(jié)果是二值圖像，沒(méi)有分類(lèi)，具有噪聲，需要提取出連續(xù)的裂縫像素，并對(duì)其編碼歸類(lèi)。為此，首先提取裂縫骨架，并消除噪聲。基本原理為：定裂縫點(diǎn)的當(dāng)前窗口，如下頁(yè)圖2中的灰色格網(wǎng)，用Wp表示，并在其近鄰8個(gè)方向生成相同尺寸的方向判斷窗口，如圖2中的黑色格網(wǎng)，用Wju表示。圖2中白色點(diǎn)為初步分割的裂縫像素點(diǎn)，用Cn表示窗口內(nèi)的裂縫點(diǎn)，n為點(diǎn)數(shù)，用矢量［Cn］（8，1）分別表示8個(gè)方向窗口中的裂縫點(diǎn)密度。算法步驟：（1）計(jì)算當(dāng)前窗口的輸出坐標(biāo)W（x，y）＝meani＝ni＝1，i∈Wp（Ci），并記入骨架或孤立點(diǎn)中，由下一步判斷決定。（2）方向判斷窗口的點(diǎn)密度計(jì)算與位置坐標(biāo)輸出，分3種情況：①［Cn］（8，1）中存在唯一最大值，則在該窗口中計(jì)算坐標(biāo)均值。（3）新裂縫的搜索起點(diǎn)，總是選取最靠近圖像邊緣的未搜索點(diǎn)，格網(wǎng)大小為經(jīng)驗(yàn)值，本文為7×7。由此，裂縫骨架被分類(lèi)提取，同時(shí)剔除了噪聲。

1．3基于裂縫骨架的路面裂縫內(nèi)插裂縫骨架是裂縫的輪廓點(diǎn)，如下頁(yè)圖3（a）、圖3（b）中的黑色點(diǎn)線(xiàn)，在骨架點(diǎn)間還存在像素缺失，因此需要內(nèi)插出1條連續(xù)像素構(gòu)成的完整裂縫，如圖3（c）、圖3（d）中的白色點(diǎn)。圖3（a）是2條不同裂縫的骨架線(xiàn)與裂縫內(nèi)插結(jié)果的疊加顯示，對(duì)黑框局部放大，如圖3（b）。可以看到2條不同走向的裂縫骨架點(diǎn)線(xiàn)與裂縫內(nèi)插點(diǎn)，對(duì)其黑框局部再放大，得到圖3（c）。圖3（c）中的黑色箭頭所指為裂縫骨架點(diǎn)，設(shè)為Sf和Sb，分別表示裂縫骨架的前、后點(diǎn)。算法步驟：①計(jì)算前、后點(diǎn)的坐標(biāo)增量（Δx，Δy）＝Sb－Sf，并計(jì)算坐標(biāo)增量最大絕對(duì)值的方向Pori＝max（P｜Δx｜ori，P｜Δy｜ori），以Pori為內(nèi)插方向；②判斷坐標(biāo)增量Δx和Δy的正負(fù)，以骨架前點(diǎn)Sf為基準(zhǔn)，確定坐標(biāo)是增加還是減小；③將內(nèi)插得到的坐標(biāo)值四舍五入取整，得到內(nèi)插的圖像裂縫坐標(biāo)，即圖像行列號(hào)，如圖3（c）中的白色點(diǎn)。由此，裂縫被完整提取并編碼。

2裂縫骨架自動(dòng)分段精確計(jì)算裂縫形態(tài)參數(shù)

提取裂縫的形態(tài)參數(shù)，包括總長(zhǎng)度、最大和最小寬度、寬度點(diǎn)位置坐標(biāo)、寬度點(diǎn)總數(shù)、平均值寬度。裂縫形態(tài)計(jì)算與裂縫骨架密切相關(guān)，必須沿裂縫走向的拐點(diǎn)分段計(jì)算。圖3（d）中灰色“”點(diǎn)為裂縫初步分割的像素點(diǎn)，設(shè)為C，白色“＋”點(diǎn)為內(nèi)插的裂縫點(diǎn)，設(shè)為Citp，Sf和Sb定義同上節(jié)。基本原理為：以骨架前后拐點(diǎn)的中點(diǎn)為圓心，以拐點(diǎn)間距離為半徑，在這個(gè)范圍內(nèi)，逐個(gè)計(jì)算C中的點(diǎn)與所有Citp點(diǎn)的距離，并取其最小值，就是初步分割的像素點(diǎn)與裂縫中線(xiàn)的近似垂線(xiàn)距離，所有最小近距離的平均值的2倍，就是裂縫寬度。裂縫長(zhǎng)度是所有骨架拐點(diǎn)間距離之和。算法步驟：①計(jì)算骨架前、后拐點(diǎn)的中點(diǎn)坐標(biāo)p（xcet，ycet）＝Sf＋mean（Sb－Sf）；②計(jì)算骨架拐點(diǎn)間的距離D（Sf，Sb）＝｜Sb－Sf｜；③以p（xcet，ycet）為中心，以D（Sf，Sb）為半徑，搜索C中的點(diǎn)，存入Cout向量中，搜索Citp中的點(diǎn)，存入Citpout向量中；④逐個(gè)計(jì)算Cout點(diǎn)與Citpout中所有點(diǎn)的距離，并取最小值，存入dmin向量中，計(jì)算其均值的2倍，即2mean（dmin），存入Dmin向量；⑤向量Dmin中記錄了寬度點(diǎn)的位置，寬度點(diǎn)總數(shù)為L(zhǎng)en（Dmin），最大寬度為max（Dmin），最小寬度為min（Dmin），平均寬度值為mean（Dmin），裂縫長(zhǎng)度為∑n1D（Sf，Sb）。

3試驗(yàn)分析

研究大量裂縫圖像可以發(fā)現(xiàn)，裂縫灰度變化范圍與路面背景的灰度存在較大的重疊，直接利用灰度幅值信息提取裂縫必然造成裂縫與路面背景混淆。采用MS的平滑方法可以克服或減弱裂縫與路面背景的灰度重疊，對(duì)平滑圖像進(jìn)行分割，可以比較準(zhǔn)確地初步分割出裂縫像素群。在圖4和圖5中，圖（a）是原始圖像，圖（b）是基于MS的初步分割結(jié)果，圖（c）是經(jīng)過(guò)方向跟蹤提取的裂縫骨架，圖（d）是裂縫的最終識(shí)別結(jié)果。圖4（a）為路面比較粗糙的圖像，橫向主要存在3條較長(zhǎng)的波浪狀裂縫，如圖4（c）、（d）中的編號(hào)1、2、3；圖5（a）為路面比較光滑的圖像，縱向貫穿1條裂縫，上方裂縫斜向而下，下方裂縫垂直而下。從圖4可見(jiàn)：最終識(shí)別出3條裂縫，很好地提取了裂縫中線(xiàn)，對(duì)較短小裂縫比較敏感，對(duì)路面噪聲具有較強(qiáng)的抑制作用，對(duì)初分割中的斷裂像素，可以自動(dòng)連接擬合。從圖5可見(jiàn)，最終識(shí)別出1條裂縫，對(duì)較細(xì)窄裂縫比較敏感。圖4和圖5在路面光滑度以及裂縫數(shù)量、寬度與方向上都具有典型的代表性。由于圖4比較粗糙，一般分割法方法噪聲都比較大，在裂縫提取時(shí)難度也較大，但利用基于MS的圖像分割克服了這一問(wèn)題，在分割裂縫的同時(shí)，大大減少了分割噪聲。圖5比較光滑，裂縫較細(xì)，對(duì)一般分割法方法的響應(yīng)比較遲鈍，但對(duì)基于MS的分割方法則比較敏感。本文方法具有較強(qiáng)的適應(yīng)性，圖4和圖5路面粗糙度存在明顯差異，表明算法對(duì)路面粗糙度不敏感，可以識(shí)別較細(xì)裂縫；圖4和圖5的裂縫基本處于2個(gè)相互正交的方向，表明算法對(duì)裂縫方向不敏感；圖4提取了較短小裂縫，表明算法對(duì)短小裂縫比較敏感。從以上比較典型的裂縫圖像的處理結(jié)果看，本文方法對(duì)裂縫的提取具有很好的效果。表1給出了裂縫形態(tài)參數(shù)的測(cè)量結(jié)果。參數(shù)定義：總長(zhǎng)度是沿裂縫走向的實(shí)際長(zhǎng)度；最大或最小寬度分別是裂縫延伸方向的法線(xiàn)方向的最大或最小變化量；寬度點(diǎn)位是指計(jì)算裂縫寬度的圖像點(diǎn)坐標(biāo)；寬度點(diǎn)數(shù)是指計(jì)算寬度的抽樣點(diǎn)總數(shù)；平均寬度值是所有抽樣點(diǎn)寬度的平均值。顯然，表1所列參數(shù)可以重構(gòu)裂縫模型，將在另文討論。

4結(jié)語(yǔ)

（1）采用均值漂移技術(shù)進(jìn)行圖像平滑與裂縫分割，可以有效增大裂縫與背景之間的特征差異，因此能夠比較完善地分割出裂縫目標(biāo)。（2）用定向跟蹤方法提取裂縫骨架，可以宏觀識(shí)別和控制裂縫的形態(tài)趨勢(shì)，并以編碼方式記錄每條裂縫對(duì)象。（3）對(duì)裂縫骨架進(jìn)行內(nèi)插，可以細(xì)化并完整識(shí)別裂縫中線(xiàn)，以裂縫骨架分段精確計(jì)算裂縫形態(tài)參數(shù)，實(shí)現(xiàn)裂縫形態(tài)測(cè)量。（4）該方法對(duì)路面粗糙度和裂縫方向不敏感，可以識(shí)別細(xì)小裂縫，識(shí)別精度較高，可操作性強(qiáng)。（5）本文方法在計(jì)算策略上需要改進(jìn)，例如采用分開(kāi)－合并技術(shù)并行處理較小圖像塊，可以進(jìn)一步提高算法的靈活性以及算法的識(shí)別精度和效率，由此將產(chǎn)生直方圖動(dòng)態(tài)模式識(shí)別與閾值分割等問(wèn)題，這是需要進(jìn)一步研究的問(wèn)題。

作者：曹建農(nóng)許素素李長(zhǎng)青單位：長(zhǎng)安大學(xué)地球科學(xué)與資源學(xué)院焦作大學(xué)數(shù)學(xué)系