[发明专利]一种基于动态刷新正样本图像库的道路路面异常检测方法

权利要求书

1.一种基于动态刷新正样本图像库的道路路面异常检测方法，其特征在于，包括以下步骤：

(1)、收集正常道路路面的图像即正常图像，构成正常样本图像集A＝{a_m|m＝1,2,......,M}，其中，M为正常图像的数量，a_m为第m张道路路面的正常图像，正常图像a_m的尺寸大小为H×W，H为图像像素的行数，W为图像像素的列数；

初始化正样本图像库K＝{k_n,d_n|n＝1,2,......,N}：

正常样本图像集A中选取出N张的正常图像，并表示为k_n，每张正常图像视为由W个H维列向量组成的集合，即一张正常图像k_n等价为一个数据集k_n＝{H_nw|w＝1,2,......,W}，H_nw为选出的第n张正常图像的第w列像素；

用字典学习算法对数据集k_n进行学习，得到一个欠完备字典d_n,这样得到正样本图像库K＝{k_n,d_n|n＝1,2,......,N}；

(2)、遍历正常样本图像集A，更新正样本图像库K：

2.1)、将正常样本图像集A中剔除步骤(1)初始化正样本图像库K所用的N张正常图像后的正常图像依次取出并学习得到相应的欠完备字典，然后加入正样本图像库K中，则此时，正样本图像库K＝{k_n,d_n|n＝1,2,......,N+1}；将正样本图像库K中第n正常图像k_n的每一列像素对应的列向量都用正样本图像库中的一个字典d_j稀疏分解，其中，j≠n，然后对分解得到的每一个列向量都重建回去，得到重建图像k_nj，然后再计算重建误差e_nj即正常图像k_n与重建图像k_nj之间的欧式距离；

2.2)、每张正常图像k_n用正样本图像库中其余N张正常图像对应字典d_j稀疏分解再重建，得到N个重建误差e_nj，计算N个重建误差的平均值e_n，将重建误差平均值最小e_n的正常图像k_n剔除出正样本图像库K；

2.3)、遍历正常样本图像集A，重复执行步骤2.1)、步骤2.2)，最后得到最能代表该数据集变化性的正样本图像库K＝{k_n,d_n|n＝1,2,......,N}；

(3)、基于正样本图像库K＝{k_n,d_n|n＝1,2,......,N}计算异常分类阈值threshold：

3.1)、正样本图像库K＝{k_n,d_n|n＝1,2,......,N}中正常图像k_n用正样本图像库K中其余N-1张正常图像对应字典d_j稀疏分解再重建，得到N-1个重建误差e_nj，然后计算N-1个重建误差的平均值e_n；

3.2)、将正样本图像库K中N张正常图像k_n，n＝1,2,......,N按照步骤3.1)计算出N个重建误差平均值e_n，n＝1,2,......,N，对这N个重建误差平均值e_n再求一次平均，得到正样本图像库K的整体重建误差e；

3.3)、整体重建误差e乘以一个系数α作为异常分类阈值threshold；该系数α根据收集的道路路面图像中正常图像和异常图像来计算，并且该正常图像与构建正样本图像库K用的正常样本图像集A不相交，具体为：

将正常图像与异常图像都输入正样本图像库K进行重建，要求所有正常图像的重建误差平均值都小于异常分类阈值threshold，异常图像的重建误差平均值都大于异常分类阈值threshold；

(4)、基于正样本图像库K＝{k_n,d_n|n＝1,2,......,N}和异常分类阈值threshold进行道路路面异常检测，并根据检测结果决定是否进行正样本图像库的动态刷新

拍摄道路路面，得到路面图像作为待检测图像x，分别用正样本图像库中N张正常图像对应字典d_j稀疏分解再重建，得到N个重建误差e_xj，j＝1,2,......,N，然后计算N个重建误差的平均值e_x，如果平均值e_x大于等于异常分类阈值threshold，则判定该路面图像为异常图像，对应的道路路面有损坏，如果平均重建误差小于异常分类阈值，则判定为正常图像，对应的道路路面为正常道路路面；

并且当检测到待检测图像x为正常图像时，把该正常图像加入正样本图像库K，按照步骤(2)、(3)的方法，刷新正样本图像库K。