[发明专利]一种路面裂缝图像的处理方法

说明书

本发明公开了一种路面裂缝图像的处理方法，主要包含以下内容：1.通过迭代过程，使用最大间类方差法处理路面裂缝图像，并将每次迭代结果中的非置信区域在路面裂缝图像中消除；2.较少迭代次数用作路面裂缝图像的预处理算法；3.对路面裂缝图像进行过度迭代，将结果处理后作为种子图像，消除种子图像中的细小区域，并利用边缘检测算法，在路面裂缝图像中设置“生长围栏”，最后通过区域种子生长完成图像分割。本发明提出的路面裂缝图像处理方法明显改善了图像预处理效果和图像分割效果，克服了图像中噪杂噪声的干扰，计算效率较高，并具有较强的鲁棒性，性能稳定，应用于路面裂缝病害的智能识别与统计，提高了路面裂缝病害的识别精度与统计效率。

技术领域

本发明属于道路工程领域与图像处理技术领域，具体涉及一种路面裂缝图像的处理方法。

背景技术

截至2016年底，全国高速公路总里程达13万公里，居世界第一位。公路的大规模建设在影响着经济发展的同时也影响着人们的日常生活，这使得公路的检测与养护管理也日益凸显出重要性和紧迫性。目前,随着传感器、自动控制、计算机等技术的发展,路面图像的自动采集设备已趋近成熟,而后期的裂缝识别仍然采用人机结合甚至完全人工的方式,工作量大、效率低。针对检测车采集到的路面裂缝图像开发算法，对路面裂缝图像进行识别处理可以大大提高路面裂缝的检测效率，并节省人力资源。

目前常见的路面裂缝识别方法主要有以下几种:

(1)基于灰度阂值的裂缝识别方法,通过对路面图像灰度特征进行分析,选取合适的灰度阂值区分图像背景与目标。该方法一般建立在裂缝的灰度通常比背景灰度低的前提条件下,要求裂缝具有较高的对比度及较好的连续性,但由于路面积灰、裂缝缝壁脱落、路面颗粒纹理丰富等原因,裂缝通常具有低对比度、连续性差等特征,故基于灰度阂值的裂缝识别方法难以识别灰度特征不够显著的病害。

(2)基于形态学处理的裂缝识别方法,该方法利用腐蚀、膨胀、骨架提取、边缘检测等方法获取裂缝的二维形态特征。然而路面图像复杂、病害形式多样,基于形态学处理的识别方法实用性不高。

(3)基于机器学习的裂缝识别方法,该方法主要用于裂缝检测后的类型分类,关键在于路面裂缝特征的提取与分类器的设计。由于路况复杂、裂缝形式多样,裂缝特征提取难度加大,同时测试样本集较小、算法复杂、计算量大等因素都制约着分类算法的准确性、鲁棒性及实时性。

(4)基于多尺度几何分析的路面裂缝的识别方法,通常利用图像几何结构特征,采用小波、Ridge1et(脊波)、Curve1et(曲线波)、Contour1et(轮廓波)、Bande1et(带条波)等变换表达图像信息。由于复杂背景下的沥青路面裂缝具有不规则性,裂缝形态及位置具有不可预测性,该方法无法有效的提取复杂裂缝信息,同时,多尺度分析方法普遍存在计算过程复杂，效率较低等问题。

现有的这些方法，普遍对路面裂缝图像质量要求较高，但实际工程中路面裂缝图像并不是在相同的光照条件下获取的(昼/夜)，(晴天/多云)，其中一些图像中包含了干扰图像分析的部分，例如随机颗粒状纹理，非均匀照明和不规则路面表面阴影，嘈杂的环境线条，水迹、轮胎痕迹、油渍等。这些干扰因素对于裂缝的提取会产生明显的影响。

发明内容

本发明为消除路面裂缝图像中的大量干扰因素，更好的对路面裂缝图像进行图像处理，本发明针对道路检测车CCD相机所获取的路面裂缝图像提供了一种路面裂缝图像处理方法，能够克服路面裂缝图像中复杂背景的干扰。

为了解决上述技术问题，本发明提供了一种路面裂缝图像的处理方法，包括以下步骤：

步骤1、利用路面裂缝与路面在灰度值上的相似性，通过迭代过程，控制迭代次数和/或迭代限定值，对路面裂缝图像进行图像分割预处理；

步骤2、获取种子图像，在设置了“生长围栏”的路面裂缝图像上进行区域种子生长；