基于数学形态学的道路裂缝病害检测.doc

基于数学形态学的道路裂缝病害检测
作者,周沛希
(辽宁工程技术大学 测绘与地理科学学院 遥感科学与技术13-1，辽宁 阜新 123000）

0 目的意义
在公路养护中，路面裂缝是衡量公路质量最重要的一个指标，目前国内主要依靠人工来检测高速公路的路况，不仅会受到养护工主观意识的影响，而且还浪费了大量的人力资源，因此基于数字图像处理技术的路面裂检测技术成为路面裂缝检测发展的必然趋势，这种检测技术可以准确快速的对路面情况作出评价[1]。
高速公路对国家和地区的经济发展起到了关键性的作用，近几年我国高速公路的建设十分迅速，在公路养护中，路面裂缝是衡量道路质量最重要的一个指标，如果在裂缝出现的初期就能够及时的发现，并且对裂缝的发展情况给予实时的跟踪，那么公路的养护费将会极大的减少，同时还能够使得高速公路的行车安全得到保证。目前国内主要是依靠人工来检测高速公路的路况，已经不能够满足高速公路的检测要求，其主要的缺点有以下几点：
(1)人力耗费过大：基于人视觉的检测需要依靠养护工人到现场，使用眼睛来观察，然而一条高速公路里程数相当可观，因此工人的劳动强度过大。
(2)时间耗费过长：虽然投入巨大的人力，但是由于是基于人的视觉特性，因此速度依然很慢。
(3)精确度不高：判断裂缝易受人的主观因素影响，因此判定结果会因人而异。
(4)影响正常的交通：检测路面病害时，需要将高速公路封闭，从而会影响到正常的交通。
(5)危险：尽管检测路面病害时是封闭了车道，但是依然存在潜在的人身安全隐患。
(6)花费过高：因为投入了巨大的人力和时间，所以花费很高[2]。
1研究现状
伴随着数字图像处理技术的不断发展，使得基于数字图像处理技术的路面裂缝检测技术成为可能，利用先进的图像采集技术，对公路路面图像采集，并将采集的数据存放到大容量的存储设备中，可以离线也可实时的对采集到的图像处理，利用上述的新技术应用于公路裂缝的检测，不仅可以节省劳动力、去除人的主观因素影响，而且可以快速、准确地对公路的路况进行评价，显然是路面裂缝检测发展的必然趋势。综上所述基于数字图像处理技术的路面裂检测技术，是一门具有使用价值的高新兴技术[3]。
数字图像处理的算法成千上万种，但是数字图像处理的对象和目的是各不相同的，在路面裂缝检测技术中，最为核心的是就是基于数字图像处理的路面裂缝检测算法，研究的对象主要就是路面裂缝，近些年来国内外为了研究路面裂缝的自动检测技术投入了大量的人力和物力，已经获得了大量的成果[4]。
高速公路路面病害养护和管理的重要部分就是路面裂缝的检测。近年来，路面裂缝自动检测技术已得到了广泛应用，而由于路面裂缝图像的复杂性，检测算法直接影响着检测结果的精确度。因此，将重点放在路面裂缝病害的检测上，为了提高检测的精度，分别从裂缝图像的去噪、图像的增强、图像的分割以及检测后路面裂缝图像的特征提取方面进行深入研究。在路面裂缝图像中，由于裂缝信息与背景对比度偏低，难以将裂缝直接检测到。对于图像的预处理，首先对图像进行灰度校正，再对校正之后的图像滤波，提出了一种改进的中值滤波方法，对图像进行去噪，之后用基于模糊理论的图像增强原理对图像做进一步增强，有效提高了路面裂缝图像的对比度[5]。针对路面裂缝图像分割，本文分别用了阈值分割和基于形态学多尺度的思想，对于形状规则的裂缝采用的是阈值分割，对于裂缝形状不规则的图像，本文设计了一种多结构元素的抗噪型边缘检测算子，且依据不同形状的结构元素对裂缝边缘填充的几率不同，确定了自适应权重，使得算子检测到了各种类型的裂缝边缘，有效地提高了检测的精度[6]。对于经过分割后的路面裂缝图像中存在噪声和裂缝断裂的问题，本文对于断裂较窄的图像用形态学中的闭运算和开运算去处理，对于断裂较宽的图像，提出了一种基于生长的断裂裂缝块的连接方法。提高了连接的效率和准确率，使整个检测结果清晰完整。最终，从识别结果图中提取裂缝信息。根据得到的识别结果图，设定一系列判定条件，提取出裂缝的连通域,对裂缝的类型进行判断，最后计算出网状裂缝的面积及线性裂缝的长宽信息。
2技术路线
2.1图像去噪
常用的路面病害图像增强算法，主要有均值滤波、中值滤波和自适应平滑滤波等等。我们这里采用的是用中值滤波进行去噪
使用的代码是：I2=medfilt2(I1)，medfilt2是进行中值滤波的函数。
I=imread('C:\Users\zpx\Desktop\遥感131第二组综合训练一\A.bmp');
I1=rgb2gray(I);%彩色图像转变为灰度图像
imshow(I1);
I2=medfilt2(I1);%中值滤波去噪
figure,imshow(I2);

2.2图像分割
常用路面裂缝图像分割算法主要有基于边缘的分割算法（一阶梯度算子、二阶梯度算子 、canny算子），直方图法等。
我们使用的是阈值分割算法，阈值根据直方图进行选择，我们选取的是89。
计算直方图函数：imhist。进行阈值分割使用的find函数。
figure,imhist(I2);%计算直方图，确定阈值
I3=I;
I3(find(I<=89))=255;%阈值分割
I3(find(I>89))=0;
figure;imshow(I3);
I4=im2bw(I3,graythresh(I3));%把灰度图像转换成二值图像，在使用im2bw函数将灰度图像转换为二值图像时，需要设定一个阈值，这个函数可以帮助我们获得一个合适的阈值。利用这个阈值通常比人为设定的阈值能更好地把一张灰度图像转换为二值图像。
figure,imshow(I4);

2.3形态学处理
实现二值图像的几种常用的形态学处理方法，包括：腐蚀、膨胀、开运算和闭运算。
膨胀处理的结果是使原来的二值图像扩大一圈。
腐蚀处理的结果是使原来的二值图像减小一圈。
开操作是先腐蚀、后膨胀处理。
闭操作是先膨胀、后腐蚀处理。
实现膨胀的函数是imdilate,腐蚀imerode， bwmorph既可以实现开操作，又可以实现闭操作。
这里用 imclose、imopen实现闭操作和开操作。
I5=imclose(I4,strel('square',5));%用边长为5的方形结构元素做闭运算
I6=imopen(I5,strel('square',2));%用边长为2的方形结构元素做开运算
figure;imshow(I6);

2.4二值图像标记处理
二值图像分析最重要的方法就是连通区域标记，它是所有二值图像分析的基础，它通过对二值图像中白色像素（目标）的标记，让每个单独的连通区域形成一个被标识的块，进一步的我们就可以获取这些块的轮廓、外接矩形、质心、不变矩等几何参数。
这里用bwlabel 实现二值图像标记处理。
在图像处理中，如要提取大区域目标（如机场、桥梁、道路等）的特征，为了提高准确率必须剔除小区域目标。
这里采用bwareaopen 函数来实现剔除小区域目标。
[L,num]=bwlabel(I6,4);%二值图像标记处理,对矩阵中的连通区域赋以标号
STATS=regionprops(L,'ALL');%用来度量图像区域属性
figure;imshow(L,[]);
J=bwareaopen(I6,20,4);%将目标图像中面积小于20的部分去掉,删除二值图像I6中面积小于20的对象
figure;imshow(J);
二值图像标记处理：

剔除小区域目标后图像：

3结束语
本次综合项目首先对图像进行了预处理，对路面裂缝图像进行了灰度化处理，分析了路面裂缝图像噪声产生的具体原因对图像进行去噪，然后应用阈值分割法来分割出裂缝，结果显示效果理想。路面裂缝图像经分割后还是有一些孤立的噪声点存在，而且裂缝边缘有一些毛刺、内部有一些空洞，再应用了闭开运算去除分割后图像所存在的瑕疵（二值图像中存在孤立的噪声点、裂缝边缘有毛刺、裂缝内部有空洞），取得了良好的效果。之后再进行了二值图像标记处理。得出结果。首先,在分析了路面裂缝图像的特点后,对路面图像的预处理问题进行研究。采集到的裂缝图像不可避免的含有大量的噪声,从而会给裂缝的分类识别带来很多困难。为了便于后续图像处理工作,根据路面裂缝图像的特征，我们用灰度变换的方法对图像进行增强、采用中值滤波的算法对图像进行平滑处理。其次,在路面裂缝图像的预处理后,对裂缝区域分割问题进行研究。经过预处理后的图像虽然噪声有所减少,但仍不能满足有效提取裂缝目标边缘的要求。为去除原始图像中的噪声，我们尝试了中值滤波、均值滤波以及高斯滤波等多种去噪方式经过对比，我们最终选定中值滤波。通过这次综合训练项目，我们对课堂上所学的内容有了更加深刻的掌握，能够较为熟练的自由运用所学知识处理实际问题，团队协作能力、信息搜集与共享能力也得到了提高与加强，但对于更加复杂的问题，还是不能快速的解决，因此今后的学习中我们会再接再厉。

参考文献
[1] 任炳兰.基于Matlab的路面裂缝识别算法研究[D]. 长安大学 中国优秀硕士学位论文全文数据库.2014
[2] 胡世昆. 基于数字图像处理技术的路面裂缝检测算法研究[D]. 南京邮电大学
[3] 高速公路建设对拉动经济的的作用研究[EB]. 2009.
[4] 唐磊.基于图像分析的路面病害自动检测[D].南京理工大学, 2007.
[5] 阮秋琦著.数字图像处理学[M].北京:电子工业出版社, 2007.
[6] 李晋惠.用图像处理的方法检测公路路面裂缝类病害[J].长安大学学报(自然科学版), 2004.