[发明专利]基于图像处理和SVM的无人机路面破损分类检测方法

说明书

本发明涉及一种基于图像处理和SVM的无人机路面破损分类检测方法，包括以下步骤：首先利用无人机群对路面进行图像拍摄，对采集到的图像进行去噪增强处理，之后再对预处理后的图像进行分割处理，对分割处理后的图像进行形态学处理和裂缝特征提取，最后使用支持向量机进行分类决策。本发明实现了可以多方位、实时性、远程操作的一种路面破损检测方法，并且人力成本较低，安全性相应提高。

技术领域

本发明涉及路面养护技术领域，特别是涉及一种基于图像处理和SVM的无人机路面破损分类检测方法。

背景技术

随着国家公路的发展，对路面破损检测护养的成本越来越高，而采用无人机巡检，拥有较高的自由度，且不影响路面交通，在偏远的地区也可以投放无人机进行巡检，多个无人机可以同时工作，达到省时省力，具有更高的时效性。

目前在国内的情况是，在对路面破损情况进行检测时，很多还是采用传统的人工检测方法。由检测人员对裂缝的长度、周长和面积等相关数据进行实地测量和记录，再进行统计和分类，最后由技术人员对裂缝损害程度进行评估并制定养护计划。这种传统的方法效率低、误差大，而且对交通有一定的影响，检测人员的人身安全也不能完全保证。这种检测方式的误差大，养护计划制定准确性也随之下降，对施工质量的改进方法也不能很好确定。还有一些采用的是路面摄像机拍摄采集路面状况和巡检车巡检路面破损情况，因道路众多，路面监控摄像机分布密度原因，以及车辆往来造成的噪声等使得这种方法不能普遍施展开来。对于巡检车来说，巡检车也是需要人工操作，相对来说成本较高，不能普遍施展开来。这时候需要一种可以多方位、实时性、远程操作的一种路面破损检测方法。

发明内容

本发明所要解决的技术问题是提供一种基于图像处理和SVM的无人机路面破损分类检测方法，能够降低人力成本，提高安全性。

本发明解决其技术问题所采用的技术方案是：提供一种基于图像处理和SVM的无人机路面破损分类检测方法，包括以下步骤：

(1)无人机群对路面进行图像采集；

(2)对采集到的图像进行预处理，使得预处理后的图像能够突出表现出裂缝信息；

(3)对预处理后的图像进行分割处理；

(4)对分割处理后的图像进行形态学处理，保证了裂缝的连续性和完整性，避免目标区域信息的丢失；

(5)对形态学处理后的图像进行特征提取；

(6)支持向量机分类对特征提取后的图像进行分类。

所述步骤(2)中对采集到的图像进行预处理包括灰度化处理、滤波去噪处理和增强处理。

所述灰度化处理具体为：将图像中的RGB三个分量进行加权平均得到处于0～255的灰度值。

所述滤波去噪处理具体采用中值滤波的方式实现。

所述增强处理具体为：先通过梯度算子确定出裂缝区域，将定位的目标区域对应到滤波后的图像中，然后利用区域对比度特征对感兴趣区域的像素点进行增强处理，得到路面图像增强图。

所述步骤(3)具体为：先对路面图像进行相位移动，之后对图像进行分块极值平滑操作，与原图像进行差分运算。

所述步骤(4)中选择闭运算对分割处理后的路面裂缝图像进行操作。

所述步骤(5)中选取裂缝像素面积、水平/垂直投影、矩形度作为路面裂缝的特征参数；其中，裂缝像素面积的计算方式为水平/垂直投影的计算方式为：矩形度的计算方式为：其中，A表示裂缝像素面积、X(i)表示水平投影、Y(i)表示垂直投影、R表示矩形度、A_MER表示裂缝部分最小外接矩形的面积、f(i,j)表示裂缝二值图像、N和M分别表示图像的总行数和列数。