《路面裂缝自动测量.docx》由会员分享，可在线阅读，更多相关《路面裂缝自动测量.docx（6页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、路面裂缝自动测量（长安大学学报）2014年第三期路面裂缝识别方法路面裂缝识别是指对图像中的裂缝目的进行分割、提取和编码。目前，路面裂缝的分割方法大都是基于像素的分割方法。由于路面防滑的技术要求，路面砂石颗粒构成大量琐碎小目的，根据大数原理，其直方图总体必然呈现近似正态分布，由于很难确定阈值，分割效果通常不好。基于均值漂移的路面裂缝分割一些文献分别证实了均值漂移，算法对连续与离散函数的收敛性以及收敛的充分条件。文献采用式进行迭代计算，成功地将其应用于图像平滑与分割，即本文采用定义在带宽内的均匀核函数进行基于的图像平滑与分割，是图像计算窗口的行、列宽度，是图像灰度差。下页图是原始裂缝图像，以灰度为
2、纵轴的三维显示。算法原理与步骤：用计算图像局部灰度极值点集合，。，为极值坐标，为极值灰度，如图中黑色点；计算带宽内的，处的灰度均值，并替换相应值，完成图像平滑，如图；对平滑后图像再进行计算，得到新的，并对的直方图进行峰谷判定，计算出阈值，如图中黑色箭头；用阈值对平滑后图像进行分割，得到路面裂缝初步分割结果，如图。基于定向跟踪的路面裂缝骨架确定初步分割的结果是二值图像，没有分类，具有噪声，需要提取出连续的裂缝像素，并对其编码归类。为此，首先提取裂缝骨架，并消除噪声。基本原理为：定裂缝点的当前窗口，如下页图中的灰色格网，用表示，并在其近邻个方向生成一样尺寸的方向判定窗口，如图中的黑色格网，用表示。
3、图中白色点为初步分割的裂缝像素点，用表示窗口内的裂缝点，为点数，用矢量，分别表示个方向窗口中的裂缝点密度。算法步骤：计算当前窗口的输出坐标，并记入骨架或孤立点中，由下一步判定决定。方向判定窗口的点密度计算与位置坐标输出，分种情况：，中存在唯一最大值，则在该窗口中计算坐标均值。新裂缝的搜索起点，总是选取最靠近图像边缘的未搜索点，格网大小为经历值，本文为。由此，裂缝骨架被分类提取，同时剔除了噪声。基于裂缝骨架的路面裂缝内插裂缝骨架是裂缝的轮廓点，如下页图、图中的黑色点线，在骨架点间还存在像素缺失，因而需要内插出条连续像素构成的完好裂缝，如图、图中的白色点。图是条不同裂缝的骨架线与裂缝内插结果的叠加
4、显示，对黑框局部放大，如图。能够看到条不同走向的裂缝骨架点线与裂缝内插点，对其黑框局部再放大，得到图。图中的黑色箭头所指为裂缝骨架点，设为和，分别表示裂缝骨架的前、后点。算法步骤：计算前、后点的坐标增量，并计算坐标增量最大绝对值的方向，以为内插方向；判定坐标增量和的正负，以骨架前点为基准，确定坐标是增加还是减小；将内插得到的坐标值四舍五入取整，得到内插的图像裂缝坐标，即图像行列号，如图中的白色点。由此，裂缝被完好提取并编码。裂缝骨架自动分段准确计算裂缝形态参数提取裂缝的形态参数，包括总长度、最大和最小宽度、宽度点位置坐标、宽度点总数、平均值宽度。裂缝形态计算与裂缝骨架密切相关，必须沿裂缝走向的
5、拐点分段计算。图中灰色“点为裂缝初步分割的像素点，设为，白色“点为内插的裂缝点，设为，和定义同上节。基本原理为：以骨架前后拐点的中点为圆心，以拐点间距离为半径，在这个范围内，逐个计算中的点与所有点的距离，并取其最小值，就是初步分割的像素点与裂缝中线的近似垂线距离，所有最小近距离的平均值的倍，就是裂缝宽度。裂缝长度是所有骨架拐点间距离之和。算法步骤：计算骨架前、后拐点的中点坐标，；计算骨架拐点间的距离，；以，为中心，以，为半径，搜索中的点，存入向量中，搜索中的点，存入向量中；逐个计算点与中所有点的距离，并取最小值，存入向量中，计算其均值的倍，即，存入向量；向量中记录了宽度点的位置，宽度点总数为，
6、最大宽度为，最小宽度为，平均宽度值为，裂缝长度为，。试验分析研究大量裂缝图像能够发现，裂缝灰度变化范围与路面背景的灰度存在较大的重叠，直接利用灰度幅值信息提取裂缝必然造成裂缝与路面背景混淆。采用的平滑方法能够克制或减弱裂缝与路面背景的灰度重叠，对平滑图像进行分割，能够比拟准确地初步分割出裂缝像素群。在图和图中，图是原始图像，图是基于的初步分割结果，图是经过方向跟踪提取的裂缝骨架，图是裂缝的最终识别结果。图为路面比拟粗糙的图像，横向主要存在条较长的波浪状裂缝，如图、中的编号、；图为路面比拟光滑的图像，纵向贯穿条裂缝，上方裂缝斜向而下，下方裂缝垂直而下。从图可见：最终识别出条裂缝，很好地提取了裂缝
7、中线，对较短小裂缝比拟敏感，对路面噪声具有较强的抑制作用，对初分割中的断裂像素，能够自动连接拟合。从图可见，最终识别出条裂缝，对较细窄裂缝比拟敏感。图和图在路面光滑度以及裂缝数量、宽度与方向上都具有典型的代表性。由于图比拟粗糙，一般分割法方法噪声都比拟大，在裂缝提取时难度也较大，但利用基于的图像分割克制了这一问题，在分割裂缝的同时，大大减少了分割噪声。图比拟光滑，裂缝较细，对一般分割法方法的响应比拟迟钝，但对基于的分割方法则比拟敏感。本文方法具有较强的适应性，图和图路面粗糙度存在明显差异，表明算法对路面粗糙度不敏感，能够识别较细裂缝；图和图的裂缝基本处于个互相正交的方向，表明算法对裂缝方向不敏
8、感；图提取了较短小裂缝，表明算法对短小裂缝比拟敏感。从以上比拟典型的裂缝图像的处理结果看，本文方法对裂缝的提取具有很好的效果。表给出了裂缝形态参数的测量结果。参数定义：总长度是沿裂缝走向的实际长度；最大或最小宽度分别是裂缝延伸方向的法线方向的最大或最小变化量；宽度点位是指计算裂缝宽度的图像点坐标；宽度点数是指计算宽度的抽样点总数；平均宽度值是所有抽样点宽度的平均值。显然，表所列参数能够重构裂缝模型，将在另文讨论。结语采用均值漂移技术进行图像平滑与裂缝分割，能够有效增大裂缝与背景之间的特征差异，因而能够比拟完善地分割出裂缝目的。用定向跟踪方法提取裂缝骨架，能够宏观识别和控制裂缝的形态趋势，并以编码方式记录每条裂缝对象。对裂缝骨架进行内插，能够细化并完好识别裂缝中线，以裂缝骨架分段准确计算裂缝形态参数，实现裂缝形态测量。该方法对路面粗糙度和裂缝方向不敏感，能够识别细小裂缝，识别精度较高，可操作性强。本文方法在计算策略上需要改良，例如采用分开合并技术并行处理较小图像块，能够进一步提高算法的灵敏性以及算法的识别精度和效率，由此将产生直方图动态形式识别与阈值分割等问题，这是需要进一步研究的问题。