[发明专利]一种复杂路面背景下的裂缝提取方法

权利要求书

1.一种复杂路面背景下的裂缝提取方法，其特征在于，采用基于形态学对路面图像进行处理，去除过暗和高亮的污渍及交通标志白线区域；然后对路面裂缝进行增强，突出裂缝特征；最后采用基于块特征的最小路径法，基于裂缝的连续性，剔除图像中残留的噪声点区域，实现裂缝的最终提取，对采集到的路面图像进行高亮及过暗区域的去除，包括以下步骤：

S101、采用线性方程逐列实现亮度调节，计算每一列的亮度调节系数k_j，校正图像亮度，得到校正后的图像I′，每一列的亮度调节系数k_j如下：

k_j＝L_j/L_I

其中，L_I＝aver(I)为图像整体灰度均值；L_j＝aver(I(j))为图像第j列的灰度均值；

校正后的图像I′如下：

I′(j)＝I(j)/k_j；

S102、结合形态学方法实现对图像高亮及较暗区域的去除，对校正后的图像I′进行高斯滤波，并二值化得I_bw，采用形态学的开、闭运算去除过小的噪声点，分割出图像中的高亮区域H和背景区域B，开、闭运算计算如下：

其中，S为模板，S＝[1 0 1 0 0 0 1 0 1]，具体步骤如下：

S1021、对校正后的图像I′进行等高线划分，建立高亮区域校准坐标GM，以去除原图中的因交通标志白线、沥青径向颗粒反射造成的高亮区域，步骤S1021中，GM校准灰度坐标如下：

GM＝{g_i|i＝1,2,......,n}

hist(g_i)≤N_{g_l}

其中，g_i为第i个等级的灰度阈值，n为所分的总等级数；hist(g_i)为第i个灰度等级的像素统计；N_{g_l}为统计阈值；

S1022、以步骤S1021建立校准坐标GM对校正后图像I′的高亮区域H划分等级，每个等级校正，得到高亮区域去除后的结果I′_h，对图像I′_h进行高斯滤波，采用不同的灰度等级统计阈值建立较暗区域灰度校准坐标GM′，以去除原图中的污渍斑点；

S1023、对经暗区校正得到的I′_d进行灰度拉伸，采用横向亮度调节去除波纹的图像，进行基于图像均值的迭代校正，得到图像I″′。

2.根据权利要求1所述的复杂路面背景下的裂缝提取方法，其特征在于，步骤S1022中，高亮区域去除后的结果I′_h计算如下：

I′_h(gi)＝I′_gi(H)+m_B-m_gi

其中，m_B为背景均值；m_gi为GM中各级的灰度均值；

建立暗区域灰度校准坐标GM′如下：

GM′＝{g′_i|i＝1,2,......,n′}

其中，g′_i为根据灰度直方图统计得到的灰度等级；

用暗区域灰度校准坐标GM′对去除高亮后的图像划分等级为{1,2,...,K,K+1,...,n′}，取其中前K级为较暗区D，K+1到n′级为背景区B′，对较暗区域D校正，得暗区去除结果I′_d如下：

I′_d(i)＝α·I′_h(i)+λ

其中，i∈{1,2,......,K}，α为校准系数，是背景与第i级暗区方差的比值；补偿系数和分别为背景与第i级暗区的均值。

3.根据权利要求1所述的复杂路面背景下的裂缝提取方法，其特征在于，步骤S1023中，灰度拉伸方法的迭代校正方法如下：

其中，为暗区校正后图像I′_d的均值；

均值的迭代校正方法如下：

其中，m(I”)为图像I”的均值。