[发明专利]路面裂缝图像检测方法

摘要

本发明涉及一种路面裂缝图像检测方法，对采集到的路面图像进行灰度化和滤波处理，通过构建脉冲耦合神经网络PCNN模型，并利用遗传算法能在解空间非线性快速查找最优解的优势优化该模型的重要参数，迅速并准确地分割图像中的裂缝和背景；再根据分割后图像的特征，对整幅图像进行连通域检测，滤除噪声和背景纹理的干扰；最后，提取裂缝骨架，求裂缝沿骨架法向线的最大宽度，并于原图中标注。采用数字图像处理技术，利用遗传算法优化PCNN模型参数，加快了寻优，减少了PCNN的迭代次数，并使其更易收敛，分割效果抗干扰能力较强，分割更准确；利用连通域矩形度、圆度滤波以及不规则噪声滤波的方式滤除了大量无规则斑块，为裂缝的检测带来了方便。

主权项

1.一种路面裂缝图像检测方法，其特征在于，对采集到的路面图像进行灰度化和滤波处理，然后，通过构建脉冲耦合神经网络模型，并利用遗传算法能在解空间非线性快速查找最优解的优势优化该模型的重要参数，迅速并准确地分割图像中的裂缝和背景；再根据分割后图像的特征，对整幅图像进行连通域检测，滤除噪声和背景纹理的干扰；最后，提取裂缝骨架，求裂缝沿骨架法向线的最大宽度，并于原图中标注；所述构建脉冲耦合神经网络模型，并利用遗传算法能在解空间非线性快速查找最优解的优势优化该模型的重要参数，迅速并准确地分割图像中的裂缝和背景的具体步骤如下：1)构建脉冲耦合神经网络模型，模型公式为：Fij(n)＝Sij；Lij(n)＝∑WijklYkl(n‑1)；式中，Fij、Sij、Lij、Yij、Uij、θij分别为神经元的馈送输入、外部刺激、链接输入、输出、内部激活和动态阈值，Vθ为幅度常数，Wijkl为权值矩阵，αθ为衰减系数，n为迭代次数；2)采用遗传算法优化脉冲耦合神经网络的参数：A:编码：采用格雷码进行编码，编码方式如表1：表1遗传基因取值范围搜索精度染色体长度α_θ0.001‑10.00110V_θ0.001‑1000.00117B：初始化：对遗传算法初始化种群，设定种群规模M＝30，最大迭代次数T＝150；C：适应度函数：由于裂缝本身占整幅图像的比例较小，采用最小误差阈值法对小目标有较好的分割效果，因此初设定最小误差准则函数作为染色体的适应度函数，适应度函数公式为：J＝1+2[P0logδ0+PBlogδB]‑2[P0logP0+PBlogPB]；式中PO、PB分别为目标裂缝和背景的正态概率密度分布，δO、δB分别表示目标和背景的标准差；其中其中O、B分别表示目标和背景的灰度值，Pu表示灰度值为u时的像素频数，N为总像素数，μ0、μB分别为目标和背景的灰度均值；为保证适应度函数为正，修改后适应度函数为：K＝C‑J，C为一常数，经多次实验，取C＝100能保证K为正；D：选择、交叉和变异，采用比例选择方式：设定杂交概率PC＝0.7，变异概率为Pw＝0.01；E：终止条件：满足以下情况时迭代中止:K(n+1)‑K(n)≤0.01 n＝1，2，3...，T‑1，式中n为迭代次数，K(n+1)和K(n)分别表示n+1和n次迭代后的适应度函数值，若条件不满足，则程序执行到最大代数为止。