[发明专利]基于Hessian结构分析的道路裂缝增强方法

摘要

本发明提供一种基于Hessian结构分析的道路裂缝增强方法，包括对路面图像进行预处理，得到待进行道路裂缝增强的原始图像；分析Hessian结构特征，包括得到原始图像上每一像素点的Hessian结构；对原始图像的不同结构目标进行特征分析，包括求出原始图像上每一像素点对应的Hessian结构的特征值和特征向量；裂缝增强，包括对原始图像增强裂缝目标的亮度，减弱背景目标和伪裂缝目标的亮度，得到增强图像；对增强图像进行形态学分析处理，消除裂缝边缘的毛刺和孤立的噪声点，输出最终的增强图像。

主权项

一种基于Hessian结构分析的道路裂缝增强方法，其特征在于：包括以下步骤，步骤1，对路面图像进行预处理，得到待进行道路裂缝增强的原始图像；步骤2，分析Hessian结构特征，包括基于以下公式对二维高斯核函数在不同尺度σ下求其二阶偏导数后与原始图像做卷积，得到原始图像上每一像素点在不同尺度σ下的Hessian结构H(σ)， H ( σ ) = ∂ 2 G ( x , y ; σ ) ∂ x 2 ∂ 2 G ( x , y ; σ ) ∂ x ∂ y ∂ 2 G ( x , y ; σ ) ∂ x ∂ y ∂ 2 G ( x , y ; σ ) ∂ y 2 * f ( x , y ) 其中，f(x,y)为二维的原始图像，G(x,y;σ)为二维高斯核函数，x为原始图像的水平分量，y为原始图像的垂直分量；步骤3，对原始图像的不同结构目标进行特征分析，包括求出原始图像上每一像素点(x,y)在不同尺度σ下对应的Hessian结构H(σ)的特征值λ1、λ2和特征向量u1、u2，其中|λ1|≤|λ2|；步骤4，裂缝增强，包括对原始图像上每个像素点(x,y)都进行以下计算，得到增强图像， R A = | λ 1 λ 2 | S = | | H ( σ ) | | = λ 1 2 + λ 2 2 当像素点(x,y)属于亮结构时 V 0 ( σ ) = 0 λ 2 > 0 exp ( - R A 2 2 α 2 ) ( 1 - exp ( - S 2 2 β 2 ) ) 当像素点(x,y)属于暗结构时 V 0 ( σ ) = 0 λ 2 ≤ 0 exp ( - R A 2 2 α 2 ) ( 1 - exp ( - S ( σ ) 2 2 β 2 ) ) V ( σ ) = max σ min ≤ σ ≤ σ max V 0 ( σ ) 其中，RA表示线状物体形状参数，S表示线状物体形状强度，||H(σ)||表示Hessian结构的范数，V0(σ)为对应尺度σ的图像灰度输出值，α、β是用来控制线滤波器的敏感度的参数，V(σ)表示增强图像的最终输出灰度值，σmax和σmin分别表示在进行裂缝增强时运用的最大、最小尺度；步骤5，对步骤4所得增强图像进行形态学分析处理，消除裂缝边缘的毛刺和孤立的噪声点，输出最终的增强图像。