基于数学形态学的路面裂纹图像分割方法.pdf

【信息科学与工程】:./.基于数学形态学的路面裂纹图像分割方法刘训星 张海民(.宣城职业技术学院 信息与财经学院 安徽 宣城.安徽信息工程学院 计算机与软件工程学院 安徽 芜湖)摘 要:已有裂纹图像分割方法无法对较小裂纹特征进行具体描述 导致路面图像中的裂纹提取结果不全面等问题 为此提出基于数学形态学的路面裂纹图像分割方法 采用空间域处理方法对原始图像像素进行增强处理 通过正变换及逆变换得到新的路面裂纹图像 并划分出图像中的噪声类型 使用灰度值表示噪声 使用均值滤波法中的 模板表示离散图像的裂纹元素与噪声元素 并对路面裂纹图像进行去噪处理 利用经典数学形态学理论 对路面裂纹图像结构元素进行表达 在膨胀和腐蚀处理过程中判断裂纹的形式变化 实现裂纹分割 单一裂纹图像和复杂裂纹图像的实验结果表明:所提方法可以有效提取裂纹特征值特征提取率为.并在不同噪声条件下具有较高的分割效率可以满足路面裂纹检测需求关键词:数学形态学 路面裂纹 图像处理 分割方法中图分类号:文献标志码:文章编号:()对道路进行养护关系到道路的使用寿命 其中最重要的是对路面裂纹的检测 但使用传统方法得到的路面破损信息需要工作人员进行实地勘查 测量结果存在一定的误差 为精准获取路面破损检测结果 大量科研人员针对自动化检测提出了相关理论 其中 文献 应用分数域加窗技术和对比度增强方法 对路面裂纹的检测进行研究 该方法先通过分数阶傅里叶变换模式 将裂缝图像转化到对应的分数域中 基于最优窗函数对频谱进行加窗处理实现去噪 再使用分数阶同态滤波算法对去噪后的图像进行对比度增强处理 最终利用 算法和 算法提取裂缝图像中裂缝特征 在应用过程中具有较好的裂缝检出效果 文献 利用 矩阵提出了分割方法 该方法通过多尺度滤波方法提取线状结构 并利用矩阵增强对比度将图像的纹理特征信息输入至支持向量机进行识别训练 实现图像裂纹的定位识别 较比人工检测具有更高精度 随着机器视觉和人工智能技术的不断发展 通过计算机处理数字图像的技术越发成熟路面检测也逐渐向自动化及智能化进行转变因此 本文以数学形态学理论为研究基础 针对路面裂纹图像的处理和识别提出一种分割方法该方法能够对路面裂纹图像进行预处理并使用灰度值表示噪声的存在 使用均值滤波法对噪声进行离散处理再用数学形态学对裂纹图像的结构元素进行分割处理获取裂纹分割结果实现具体的裂纹形式判断完成裂纹的分割处理 所提方法以图像像素点的位移变化实现图像结构追踪和定位排除人为因素的干扰具有自动化和高效化的处理优势可为路面裂纹高效自动化检测提供理论支持第 卷第 期 辽东学院学报(自然科学版).年 月 ().收稿日期:基金项目:安徽省教育厅自然科学重点研究项目()安徽高校自然科学重点研究项目()安徽高等学校省级质量工程项目()作者简介:刘训星()男 安徽宣城人 硕士 副教授 研究方向:数据挖掘及人工智能 路面裂纹图像分割处理.裂纹图像预处理使用数字摄像机获取路面裂纹图像 直接获取的图像会存在一定程度的噪点 后期的分割存在一定难度 本文基于“空间域”方式对路面裂纹图像进行灰度拉伸增强处理 再对噪声中存在的椒盐噪声进行统计 得到噪声强度信息 并直接对图像内的像素进行处理 以评估图像质量的好坏图像整体处理过程定义为()()()式中:()为处理后的图像、为图像领域的长和宽 ()为待处理的路面裂纹图像 为待处理图像 为 的一种运算方式将裂纹图像运用正变换从空间域转换到频率域后进行滤波处理 再通过逆变换在空间域进行修正 从而获取滤波后的图像 数学描述如下:()()()()()()()()()()式中:()为原始图像的正变换结果、分别为原始图像的长和宽 为裂纹图像在频 域 内 的 正 变 换 ()为 滤 波 后 的 结 果 ()为滤波函数 ()为逆变换的结果 即为滤波后的图像 为逆变换图像中的噪声一般为加性噪声 因此 将灰度值获取的概率密度函数的计算结果定义为噪声 并采用均值滤波法对噪声进行离散处理 其中 概率密度函数 为()其他()式中:为噪声灰度值 为灰度值的表达暗点 为表达亮点、()当、其中一个为零时 噪声表示为单极脉冲 当、均不为零且近似相等时 噪声则表示为双极脉冲.裂纹图像降噪均值滤波算法是一种线性滤波算法 可按照固定的窗口大小 依次遍历图像的每个像素点 并在窗口中取出该点附近一定范围内的多个像素点 计算这些像素点的平均值并赋值给当前像素点作为新的像素值 在赋值过程中 可以使用一个新的数组来存储处理后的图像像素值 最后再将其复制给原始图像均值滤波完全基于线性卷积思想 因而可将其看作是一种线性操作 在图像处理中可以滑动进行 一般情况下认定路面裂纹图像中肯定会含有噪声点 需要通过设定噪声的灰度值 再基于均值滤波算法对具体的噪声点直接进行求取 图像线性滤波输出形式 ()的计算方法如下:()()()()式中:为线性滤波、分别为输出图像的长和宽 为模板大小通常取奇数()为滤波器的特性 为滤波器、分别为滤波器中的图像的长和宽()为二维函数在实际操作过程中对图像中的噪声进行去除时需要对其进行排序以此达到离散处理效果 噪声排序过程 计算如下:()式中 为维度滤波处理后的图像响应过程是非卷积过程只需要在模板中进行排序即可 设定此次的均值滤波模板为()()则离散过程计算如下:()()()()式()可将噪声归纳到()区域内实现图像中噪声与待提取特征灰度值的离散 为了保证降噪效果设 为替换窗口并将其选择为 的大小计算如下:()第 期 刘训星 张海民:基于数学形态学的路面裂纹图像分割方法根据替换窗口 获取具体离散函数为()()()()式中:()为离散函数 为噪声灰度值所处区域包含所有噪声.基于数学形态学的裂纹图像结构元素分割处理数学形态学 是基于集合论的一种图像处理方法 其中最基本的操作是膨胀和腐蚀 膨胀操作通过结构元素与图像进行卷积 将图像中与结构元素匹配的像素进行膨胀 从而将裂纹等边缘特征进行粗化 而腐蚀操作则相反 将图像中与结构元素匹配的像素进行腐蚀 从而将裂纹等边缘特征进行细化 数学形态学通过图像像素点的位移变化实现结构追踪和定位 本文将裂纹 作为追踪结构元素 通过膨胀和腐蚀处理 实现路面裂纹图像结构元素的分割 其中 膨胀运算为 ()()()式中:为裂纹图像 为裂纹图像结构元素为膨胀运算 为膨胀后的灰度级、为图像中裂纹像素点的位置、为水平和竖直方向的最大位移腐蚀处理即为膨胀的逆向表达 腐蚀运算为 ()()()式中 为腐蚀运算路面裂纹图像经过膨胀处理后 可大体标记出图像裂纹的具体走向 并对裂纹结构元素有关的属性进行有序扩展 在此基础上再进行腐蚀操作 能够将细小断裂进行突显 对分割出的裂纹图像结构元素再进行处理 可表达较小的裂纹 将分割出的裂纹图像划分为 和 这 种类型 分别对应、子集 由此 会产生以下情况:()()()()()()()()式中:为裂纹图像中裂纹像素点的位置()为对图像进行膨胀处理后提取出的裂纹像素点的位置()为对图像进行腐蚀处理后提取出的裂纹像素点的位置公式()表示不同裂纹图像结构元素具有的结合性不同的细小裂纹可能会联结成大的裂纹或大的裂纹会在图像上延伸出较小结构元素 公式()表示裂纹具有递增性会由细小裂纹变为较大裂纹 公式()具有横向扩展性表示裂纹只会进行横向平移增大 公式()表示裂纹不会变形至此实现了基于数学形态学对裂纹图像结构元素的分割处理获取了裂纹分割结果实现了具体裂纹发展形式的判断 实验测试分析为验证本文方法能够应用于路面裂纹图像分割检测中使用 软件进行实验测试)实验测试环境:()().处理器、位操作系统)实验测试过程:步骤:根据路面裂纹的类型和特征 对不同地点、不同环境和不同时间段的路面裂纹进行拍摄 拍摄图像共计 张步骤:将上述拍摄到的照片剪切成 的裂纹图像 将其作为数据集 从中随机选择 幅图像 作为参数优化的样本 其余作为性能测试的样本步骤:通过均值滤波算法设定噪声的灰度值 求取具体的噪声点后进行排序 以达到离散处理效果 实现图像去噪步骤:基于数学形态学将裂纹作为追踪结构元素 通过膨胀和腐蚀运算 判断具体裂纹形式变化 完成裂纹分割处理步骤:将基于分数域加窗技术的分割方法、辽东学院学报(自然科学版)第 卷基于 矩阵的分割方法与本文方法进行对比分析 验证不同方法的分割精度和效率.测试图像样本设置路面裂纹图像测试样本如图 所示:由图 可知 本文选择单一裂纹和复杂裂纹作为路面裂纹图像测试样本 其中 单一裂纹表示图像中仅含有一组裂纹 而复杂裂纹图像中包含横纵交错的裂纹.去噪效果对比分析由于测试样本图像的裂纹特征较为模糊 用 种方法对图像进行去噪 结果如图 所示如图 可知使用本文方法获取的图像具有较好的去噪效果能够直观地显示出裂纹情况 而其他 种对比方法的去噪效果较差图像中仍有模糊部分去噪效果不明显综合说明本文方法更加有效为进一步对比不同方法的分割效果 将处理后的图像上传至测试平台中 获取不同方法对裂纹像素点的提取率 计算方式如下:()式中:为提取率 为裂纹特征在原有图像的实际占比数量 为提取到的占比数量裂纹特征提取率对比结果如图 所示 第 期 刘训星 张海民:基于数学形态学的路面裂纹图像分割方法由图 可知 本文方法对原始图像裂纹特征的平均提取率达到.接近 具有较好的分割效果 而其他 种方法平均裂纹特征提取率只为 和 说明本文方法能够对图像中的裂纹进行精准分割 实现裂纹特征的有效提取.分割效率对比分析为进一步验证不同方法的应用效果 验证不同方法的分割效率 本文对原始图像进行模糊处理分别加入、的椒盐噪声 图像模糊处理后 种方法的分割效率对比结果如图 所示由图 可知本文方法可以快速实现路面裂纹图像的分割:加入 的椒盐噪声时处理单一裂纹图像需要.处理复杂裂纹图像需要.复杂裂纹图像处理时间较短是由于裂纹特征较明显 使图像处理效率加快 加入 的椒盐噪声时 处理单一裂纹图像需要.复杂裂纹图像需要.相较于 的椒盐噪声 复杂裂纹图像特征没有那么明显 因此分割时间增加并长于单一裂纹图像 随着椒盐噪声比例的继续增加 种方法的处理时间也随之增加 但与其他 种方法相比 本文方法的裂纹图像分割处理时间较短 说明本文方法对路面裂纹图像分割更加有效 结语本文基于数学形态学提出新的图像分割方法并将其应用在路面裂纹检测中 实验测试其实际应用效果 较传统方法具有更高的分割精度 能够保证路面裂纹检测的精准度 后续研究会对比不同类型的路面裂纹 在测试广度上进行探索性分析 对图像分割方法进行完善 为路面的裂纹检测提供更多技术支持参考文献:赵鸿图 周秋豪.基于分数域加窗和对比度增强的路面裂缝检测.科学技术与工程 ():.邹永宁 张智斌 李琦 等.基于 矩阵和支持向量机的 图像裂纹分割.光学精密工程辽东学院学报(自然科学版)第 卷 ():.黄心畏 单晓锋 高红俐 等.基于边缘检测和数字图像相关法的疲劳裂纹长度测量方法.兵工学报 ():.张力丹.多尺度数学形态学的船舶图像去噪方法.舰船科学技术 ():.宋瑞丽 谷芳 孟鸽 等.去椒盐噪声的新型图像复原模型.安徽大学学报(自然科学版)():.何昊 贺福强 谢丹 等.基于 和改进区域生长法的桥梁裂缝分割算法.公路交通科技 ():.蔡子林 高峰 张泽 等.基于流固耦合的固体推进剂药柱裂纹稳定性分析.固体火箭技术 ():.石玉敏.基于数学形态学的船舶图像质量提升方法.舰船科学技术 ():.娄联堂 汪然然.基于数字图像连续表示的图像分割方法.中南民族大学学报(自然科学版)():.李梦霞 曹博 卢佳玮 等.数学形态学区域分割的快速相位解包裹算法.光学精密工程 ():.林懿 龙伟 李炎炎 等.基于数学形态学分形理论与 的轴承状态监测与故障诊断.四川大学学报(自然科学版)():.陆可 郑伯桢 卢春盛 等.基于数学形态学改进的无人机影像配准算法.合肥工业大学学报(自然科学版)():.张坤 邸忆 顾晓辉.基于 与数学形态学分形维数谱的战场声特征提取 .火力与指挥控制 ():.张凭 陆山 景鑫 等.基于晶体塑性的涡轮盘短裂纹扩展模拟方法 .航 空 动 力 学 报 ():.汪晨曦 李立明 柴晓冬 等.基于级联卷积神经网络的轨枕裂纹识别方法研究.铁道科学与工程学报 ():.张小伟 包腾飞 高兴和.基于计算机视觉的混凝土坝裂缝检测方法.水利水电科技进展 ():.徐成桂 徐广顺.基于数学形态学的非规则缺失图像修复仿真.现代电子技术 ():.樊甫江 时国栋 吴升清 等.基于数学形态学的表面原子熔融相的 图像识别算法.原子与分子物理学报 ():.王功兵 陈托.基于数学形态学的主动声呐探测信息净化方法.应用声学 ():.张莲 李梦天 余松林 等.基于改进 算法的红外图像分割方法研究 .红外技术 ():.(.):.:(责任编辑:赵双文)第 期 刘训星 张海民:基于数学形态学的路面裂纹图像分割方法