[发明专利]一种基于方向滤波器的路面裂缝检测方法

说明书

本发明提供一种基于方向滤波器的路面裂缝检测方法，包括以下步骤：对待测图片的光栅干扰进行检测，并对所述检测到的光栅进行去除；自然光干扰去除；对所述待测图片进行小块黑斑去除；通过方向滤波器提取所述待测图片上的候选裂缝；去除所述待测图片上的水渍干扰；判定并去除路面标识线。本发明解决了传统边缘检测不能区分裂缝和噪声的问题，能够有效的避免检测到路面标志，同时有效的抑制了水渍黑斑等噪声的影响，在乡镇道路等干扰较多的复杂路面情况中都有很好的表现。同时节省了前期的训练成本，能够即时得到输出图片，加快处理速度，提高了路面检测系统的效率。

技术领域

本发明涉及裂缝检测方法技术领域，具体而言，尤其涉及一种基于方向滤波器的路面裂缝检测方法。

背景技术

目前针对路面裂缝检测方法主要分为深度学习方法和传统方法两大类，深度学习主要有基于语义分割和随机森林的路面裂缝检测方法；传统方法主要有特征值与级联分类器结合的方法和边缘检测方法。各方法的主要思路如下：

(1)基于语义分割的裂缝检测算法是对数据集中的样本进行人工的语义分割，制作训练样本的标签，通过数据增强对数据集中的图像数量进行扩充，将准备好的训练集输入网络模型进行训练，利用采集到的测试集的裂缝图像进行裂缝提取。

(2)基于随机森林的裂缝检测算法是首先对图片进行特征提取，采用随机结构森林训练图片，所有的模板共同组成模板结构空间；然后对图像块进行二值化处理和膨胀腐蚀操作，将模板结构空间里的所有模板用新的裂缝描述子进行描述，将其描述特征都输入到分类器中进行学习；最后将原图输入到分类器中进行分类，识别出含有裂缝的图像块。

(3)基于特征值与级联分类器结合的方法是通过遍历图像计算特征值，逐张对降噪后的裂缝图像进行扫描，扫描窗口按3×3的矩形特征模板对路面图像扫描，并以矩形特征模板黑色矩形覆盖的灰度值之和以及白色矩形覆盖的像素灰度值之和计算出特征值。得到用于路面裂缝识别的级联分类器；通过级联分类器检测路面图像中是否包含裂缝。

(4)基于边缘检测方法主要是通过对灰度图像进行低通滤波以及边缘提取得到边缘图像，然后做图像阈值化处理。根据图像本身的特征计算适合当前图像的区块参数，并使用这些区块描述裂缝。通过选取连通域中灰度累加值最小区块的方法确定裂缝精确定位结果。最后使用区块的分布特征完成对裂缝的描述。

目前的新类别检测算法存在的问题：

(1)基于语义分割的裂缝检测算法存在的问题是前期需要花费大量的人力对数据集上的样本进行人工语义分割，制作训练样本的标签，同时还要通过数据增强的方法扩充数据集，前期的预处理很繁琐，并且只针对单一数据集进行优化，没有普遍性。

(2)基于随机森林的裂缝检测算法存在的问题是：当随机森林中的决策树个数很多时，训练时需要的空间和时间会比较大，模型训练和预测都比较慢，同时现阶段随机森林中还有许多不好解释的地方，在噪音比较大的数据集上，模型容易陷入过拟合，适用性不高。

(3)基于特征值与级联分类器的检测算法存在的问题是：该方法不能将裂缝曲线从图片中提取出来，而是用离散的矩形方框标出裂缝所在的位置，从而很难判定裂缝的类型。

(4)基于边缘检测算法存在的主要问题是：检测过程中对阈值的要求高，对于细小的裂缝边缘检测效果欠佳，同时难以区分裂缝和噪声，对于干扰较多的图片性能不佳。

发明内容

根据上述提出对于细小的裂缝边缘检测效果欠佳，同时难以区分裂缝和噪声，对于干扰较多的图片性能不佳的技术问题，而提供一种基于方向滤波器的路面裂缝检测方法。本发明主要利用一种基于方向滤波器的路面裂缝检测方法，其特征在于，包括以下步骤：

S1：对待测图片I进行匀光处理，得到光照均衡的图片I_new；

S2：对I_new进行小块黑斑去除；