瀝青路面離析的數(shù)字圖像評價方法

張爭奇 徐耀輝++胡紅松 石偉 張苛

摘要：為快速有效評價瀝青路面的離析程度，文章采用數(shù)字圖像技術(shù)研究瀝青路面的非均勻性.文中分析了常用的瀝青路面離析的圖像處理評價方法的不足，提出了基于分析路面紋理中下凹區(qū)域的宏觀構(gòu)造寬度評價瀝青路面離析的新方法.此法通過對宏觀構(gòu)造中的下凹區(qū)域照相并獲得二值圖像，并將二值圖像中對應的下凹區(qū)域的平均寬度定義為路表宏觀構(gòu)造寬度K，以構(gòu)造寬度K和構(gòu)造深度TD建立模型，來評價瀝青混合料的集料離析程度.研究結(jié)果表明：構(gòu)造寬度K值與傳統(tǒng)的手工鋪砂法測出的構(gòu)造深度TD具有良好的相關(guān)性，能較好地表征瀝青路面的集料離析程度.

關(guān)鍵詞：數(shù)字圖像；瀝青路面；宏觀構(gòu)造寬度K值；構(gòu)造深度；離析；道路工程

中圖分類號：U416 文獻標識碼：A

瀝青路面集料離析[1-4]是影響路面施工質(zhì)量的重要因素，常用構(gòu)造深度值TD來評價瀝青路面的集料離析程度.目前測量路面構(gòu)造深度TD的方法有鋪砂法和激光法[5-7].傳統(tǒng)的鋪砂法測量路面構(gòu)造深度效率低、操作繁瑣且主觀隨意性較大；激光法雖然測量構(gòu)造深度快速、準確，但其所測構(gòu)造深度值為路面一定長度范圍內(nèi)的平均值，雖能評價路面的橫向離析，但無法評價路面的縱向和局部離析，且設(shè)備價格昂貴，不利于推廣應用.

隨著二維數(shù)字圖像技術(shù)[8-9]的日趨成熟，這一技術(shù)也被引用到瀝青路面質(zhì)量控制[10]中.許多專家學者也對其進行了研究[11-15]，王端宜教授采用普通數(shù)碼相機記錄道路表面構(gòu)造特征，由圖像的像素值分析得出路表面構(gòu)造深度.張肖寧教授運用數(shù)字圖像處理技術(shù)對瀝青混合料內(nèi)部結(jié)構(gòu)組成的三維圖像重構(gòu)及虛擬力學試驗等方面進行了研究.彭勇等運用基于數(shù)字圖像處理技術(shù)，直接對混合料中集料的分布狀態(tài)，即瀝青混合料均勻性進行了研究.以上研究采用圖像處理技術(shù)研究了瀝青路面表面及內(nèi)部的材料分布情況，為圖像技術(shù)在瀝青路面質(zhì)量控制研究中起到了促進作用.但鑒于離析問題的復雜性，如何快速、客觀、有效地判斷瀝青路面的離析程度還是一個研究熱點.

因此，本文嘗試以路面紋理中下凹區(qū)域的宏觀構(gòu)造寬度作為研究對象，并在圖像處理技術(shù)基礎(chǔ)上，探討宏觀構(gòu)造寬度與豎向深度之間的相關(guān)性，最終通過易于得到的構(gòu)造寬度K來評價瀝青混合料的離析情況，以達到高效的目的.

1常用的瀝青路面離析的數(shù)字圖像評價方

法分析

數(shù)字圖像處理技術(shù)是指通過數(shù)碼相機或掃描儀將一幅連續(xù)的圖像離散化為計算機可以處理的信息，并對此信息進行各種處理，以達到某一效果的方法.其過程主要包括圖像采集、圖像處理及圖像分析等.由于數(shù)字圖像處理技術(shù)具有使用方便、經(jīng)濟性好、可利用信息量大和形象化儲存等優(yōu)點，其在道路領(lǐng)域的工程應用已成為國際上的研究熱點.數(shù)字圖像處理由兩部分組成：物理圖像轉(zhuǎn)化為對應的數(shù)字圖像和通過各種運算法則[16]從數(shù)字圖像中提取有用信息.

自數(shù)字圖像技術(shù)引用到對路面離析進行評價之后，有許多專家學者對其如何較準確地評價路面離析提出了不同的方法并對其進行了研究.比較常見的方法主要有灰度矩陣擬合構(gòu)造曲面法、灰度均值法以及分形維數(shù)法.

在實驗過程中為了減少或避免圖像采集時原始圖像的信息誤差，需要規(guī)范瀝青路面數(shù)字圖像采集的操作過程.本文采用一種自制的圖像采集設(shè)備來獲取穩(wěn)定性、效果均較好的原始圖像.此設(shè)備如圖1所示.它包括一個遮光暗箱，3個LED燈，一個點光控制器和一個相機.LED燈布設(shè)在暗箱里面，通過暗箱外的點光控制器可以調(diào)節(jié)LED燈的功率，從而達到調(diào)節(jié)箱內(nèi)光線強度的作用.采集圖像時將試樣放于遮光暗箱內(nèi)，調(diào)節(jié)點光控制器使暗箱內(nèi)達到理想的光線強度，然后將照相機置于遮光暗箱上的開口處，調(diào)節(jié)相機焦距來采集圖像.

1.1灰度矩陣擬合構(gòu)造曲面法

有不少研究利用MATLAB數(shù)學軟件將瀝青路面RGB數(shù)字圖像轉(zhuǎn)化為灰度圖像，并得到圖像對應的二維灰度矩陣，然后用灰度矩陣信息擬合構(gòu)造曲面，最后應用曲面積分等公式計算得到表征路面構(gòu)造深度的HP.

在操作過程中發(fā)現(xiàn)，這種圖像處理模型在實際應用中存在一定的局限性，原因是路面的構(gòu)造紋理極不規(guī)則且復雜，當相機像素越高時，由灰度圖像得到的灰度矩陣數(shù)據(jù)量越大，且分布離散.很多情況下，由這些三維數(shù)據(jù)點擬合的空間曲面方程的相關(guān)系數(shù)偏低，難以保證精度要求，且在下一步的積分求體積中，偏差進一步擴大；同時由灰度矩陣擬合曲面方程涉及到一個龐大的數(shù)據(jù)量處理過程，要通過反復的調(diào)節(jié)擬合方式和擬合參數(shù)才能獲得相關(guān)性較好的曲面方程，這對計算機運行功能要求較高.因此，本文認為基于灰度矩陣擬合構(gòu)造曲面模型在用于瀝青混合料離析評價的應用前還需要進一步的研究.

1.2灰度均值法

采用數(shù)字圖像方法評價瀝青路面離析比較常用的方法為灰度均值法.灰度均值法首先通過數(shù)碼相機拍攝路面不同離析狀態(tài)下的表面紋理構(gòu)造圖像，然后利用MATLAB軟件繪制出其相應的路表灰度直方圖，接下來跳過擬合曲面的過程，直接考慮路面圖像灰度均值與構(gòu)造深度的關(guān)系，由灰度均值來預測構(gòu)造深度.這種方法只需要調(diào)用Matlab中的mean2（）函數(shù)就可實現(xiàn).

本文采用室內(nèi)模式試驗模擬細集料離析（F）、無離析（N）、低離析（L）、中等離析（M）及嚴重離析（H）五種不同集料離析程度的瀝青混合料.分別成型10塊無離析（N）AC20瀝青混合料車轍板和10塊不同程度集料離析（F，N，L，M，H各兩塊）的瀝青混合料車轍板，對車轍板進行圖像采集后，并用MATLAB軟件計算每張圖像的灰度均值，同時采用人工鋪砂法測量其構(gòu)造深度TD，其結(jié)果見表1和表2.

運用統(tǒng)計學方法將無離析車轍板的TD和灰度均值以及不同離析程度車轍板的TD和灰度均值分別進行線性回歸，其結(jié)果如圖2所示.

從圖2（a）中可以看出，當瀝青混合料未產(chǎn)生集料離析時，車轍板圖像灰度均值與構(gòu)造深度TD的線性相關(guān)系數(shù)達到0.726，說明混合料無集料離析條件下的圖像灰度均值與TD值具有較好的相關(guān)性.但從圖2（b）中發(fā)現(xiàn)，當瀝青混合料發(fā)生不同程度集料離析時，車轍板圖像灰度均值與構(gòu)造深度TD的線性相關(guān)系數(shù)下降到0.515，雖然這兩個指標大致符合線性反比關(guān)系，但其相關(guān)系數(shù)小于0.6，Remero提出以相關(guān)系數(shù)[17-18]大于0.6作為儀器效能的界限值，因此在混合料產(chǎn)生不同程度集料離析時，由灰度均值來預測構(gòu)造深度TD還是存在較大的誤差，因此本文認為用該指標判別瀝青路面的離析情況還需進一步研究.

1.3分形維數(shù)法

分形維數(shù)[19-20]法也被用來評價瀝青路面的離析.由于瀝青路面紋理構(gòu)造復雜、極不規(guī)則，且不同離析程度瀝青混合料表面的復雜程度存在顯著的差異，可以采用分形維數(shù)對其表面紋理構(gòu)造進行定量描述.本文采用基于FractalFox分維數(shù)計算軟件采用盒子分維法[21]提取路面紋理構(gòu)造灰度圖像中的分形維數(shù)，定量描述不同離析程度瀝青混合料表面的粗糙程度，嘗試評價路面離析.

選用上文中的10塊不同程度集料離析的瀝青混合料車轍板圖像，對所有圖像進行灰度化處理后，分別導入FractalFox軟件計算各自的分形維數(shù)，計算結(jié)果如表3所示.

將表3的數(shù)據(jù)運用統(tǒng)計學的方法將D與TD進行線性回歸，結(jié)果如圖3所示.并繪制出D隨混合料離析逐漸增大而變化的柱狀圖，如圖4所示.

從圖3可以看到，瀝青混合料構(gòu)造深度TD值與分形維數(shù)D值的線性相關(guān)系數(shù)為0.618 8，表明兩個指標呈現(xiàn)一定的相關(guān)規(guī)律，即隨著路面構(gòu)造深度的增大，其分形維數(shù)呈減小趨勢，說明瀝青混合料粗集料離析越嚴重，其表面構(gòu)造深度越大，而表面紋理構(gòu)造的復雜程度降低了.

理論上F，N，L，M和H五種集料離析程度混合料的分維數(shù)大小排序應為：F>N>L>M>H，但根據(jù)圖4所示，雖然隨著混合料集料離析程度的增加，分形維數(shù)整體呈遞減趨勢，但是F，N，L三種離析程度混合料的分形維數(shù)的大小區(qū)別不明顯，L的分形維數(shù)反而最大，同時M和H的分形維數(shù)值也不易區(qū)分.究其原因，F(xiàn)，N，L表面紋理構(gòu)造的復雜程度雖有差異，但該差異的跳躍性并不明顯，因而由此計算出的分形維數(shù)區(qū)分度不大，M，H同理.

雖然瀝青路面構(gòu)造紋理的復雜程度與分形維數(shù)存在一定的相關(guān)性，但相關(guān)規(guī)律并不明顯，因此本文認為分形維數(shù)暫不適用于瀝青混合料集料離析的評價.

2宏觀構(gòu)造寬度K值法

路面紋理構(gòu)造可分為微觀構(gòu)造和宏觀構(gòu)造.微觀構(gòu)造又稱微觀紋理，是路面集料表面的微小構(gòu)造；宏觀構(gòu)造又稱宏觀紋理，是路面集料之間構(gòu)成的間隙.從三維立體角度分析，細集料離析混合料的宏觀構(gòu)造豎向深度明顯小于粗集料離析混合料，無離析混合料介于兩者之間；從二維平面角度分析，細集料離析混合料的宏觀構(gòu)造下凹區(qū)域的橫向?qū)挾让黠@小于粗集料離析混合料，同時無離析混合料介于兩者之間.因此，本文嘗試提取路面紋理中下凹區(qū)域即宏觀橫向?qū)挾茸鳛檠芯繉ο螅ㄟ^建立宏觀構(gòu)造的橫向?qū)挾扰c豎向深度之間的關(guān)聯(lián)，從路面的二維圖像中提取三維信息，從而提出一種新的評價離析的方法.

以下是宏觀構(gòu)造寬度K值的計算模型.

1）選取分割閾值：將灰度圖像轉(zhuǎn)換為二值圖像的關(guān)鍵就是分割閾值的選取，閾值的選取直接決定了二值圖像中白色區(qū)域面積的大小，本文根據(jù)數(shù)字圖像的最大類內(nèi)、類間距離閾值判定準則，同時考慮路表宏觀構(gòu)造的漸變特性，由灰度極大值和區(qū)域內(nèi)的灰度均值得到將灰度圖像轉(zhuǎn)換成二值圖像的分割閾值.計算公式如下：

T=k×（Fmax—F均）

式中：T為分割閾值；Fmax為灰度極大值；F均為灰度均值；k為修正系數(shù)，取值范圍為5%～15%，本文取10%.

2）提取白色區(qū)域面積：在Matlab軟件中調(diào)用rgb2gray（）函數(shù)將灰度圖像轉(zhuǎn)換成二值圖像后，再調(diào)用bwarea（）函數(shù)快速讀取二值圖像中白色像素點個數(shù)X，即為白色區(qū)域總面積.

3）計算白色區(qū)域平均寬度K′值：調(diào)用bwmorph（I，'skel'，inf）函數(shù)將二值圖像骨架化，得到一幅骨架圖像（見圖5），該骨架線條是由各白色小區(qū)域最中間的像素點連成的，可以看成是白色面積區(qū)域的中心線，調(diào)用bwarea（）函數(shù)快速讀取骨架線條像素點個數(shù)Y，即為中心線的“長度”，根據(jù)面積除以長度得到寬度的思想，二值圖像中各白色區(qū)域平均寬度為K′=X/Y.

4）計算宏觀構(gòu)造寬度K值：統(tǒng)計圖像內(nèi)校準尺長度L范圍內(nèi)對應的數(shù)字圖像像素數(shù)量M，由公式ε= L/ M得到數(shù)字圖像的像素當量，再由公式K=εK′得到路面宏觀構(gòu)造寬度K值.

分別對10塊無離析（N）AC20瀝青混合料車轍板和10塊不同程度集料離析（F，N，L，M，H各兩塊）的瀝青混合料車轍板進行圖像采集，并計算每塊車轍板的K值，計算結(jié)果如表4和表5所示.

將表4和表5的數(shù)據(jù)運用統(tǒng)計學的方法將K與TD進行線性回歸，結(jié)果如圖6和圖7所示.并繪制出K值隨混合料離析逐漸增大而變化的柱狀圖，如圖8所示.

從圖6和圖7可知，當瀝青混合料無離析時，其構(gòu)造深度TD值與構(gòu)造寬度K值的線性相關(guān)系數(shù)R2為0.850，當瀝青混合料產(chǎn)生不同程度集料離析時，其TD值與K值的線性相關(guān)系數(shù)R2為0.868，說明K值與TD值具有較好的線性相關(guān)性，因此通過計算K值來預測路面構(gòu)造深度TD值是可行的，同時研究表明，當路面產(chǎn)生不同程度集料離析時，K值與TD值的相關(guān)系數(shù)不降反升，表明K值與TD值的線性相關(guān)性不會隨混合料的集料離析而降低.

圖8是不同離析程度混合料的K值變化規(guī)律，從圖中可以發(fā)現(xiàn)，K值隨混合料粗集料離析程度的增加呈遞增趨勢，且存在明顯的規(guī)律性，大致規(guī)律為F

鑒于宏觀構(gòu)造寬度K值的計算方法簡便，圖像采集過程操作簡單，且計算值與傳統(tǒng)的手工鋪砂法具有良好的線性相關(guān)性，能較好地表征瀝青路面集料的離析程度，因此推薦基于路面宏觀構(gòu)造寬度K值的圖像處理模型作為評價瀝青路面非均勻性的主要無損檢測工具之一.

3基于K值評價瀝青混合料集料離析的方法

這里提出兩種利用K值評價瀝青路面集料離析的方法：

1）第1種方法是找出路面圖像K值與構(gòu)造深度TD值的線性相關(guān)性，通過計算K值來預測TD值，最終還是用構(gòu)造深度TD值的大小來評價路面集料的離析程度.

2）第2種方法是基于本文對瀝青混合料不同離析程度的室內(nèi)模擬試驗，對不同離析程度的車轍板進行圖像采集并計算其K值，整合出不同離析程度的K值劃分標準.本文通過室內(nèi)離析混合料的模擬試驗，整合的K值劃分標準如表6所示.

4結(jié)論

本文分析比較了幾種數(shù)字圖像技術(shù)評價瀝青路面的離析可能性的方法，研究發(fā)現(xiàn)：

1）由灰度矩陣擬合構(gòu)造曲面模型在評價瀝青混合料離析中，得到的三維數(shù)據(jù)點擬合的空間曲面方程的相關(guān)系數(shù)不到0.2，較難保證精度要求.

2）灰度均值法，在混合料無離析條件下的圖像灰度均值與TD值具有較好的相關(guān)性，但當瀝青混合料發(fā)生不同程度離析時，車轍板圖像灰度均值與構(gòu)造深度TD的線性相關(guān)系數(shù)下降到0.515.

3）瀝青路面構(gòu)造紋理的復雜程度與分形維數(shù)D存在一定的相關(guān)性，但相關(guān)規(guī)律并不明顯，因此本文認為分形維數(shù)暫不適用于瀝青混合料離析的評價.

4）K值隨混合料離析程度的增加呈遞增趨勢，存在明顯的規(guī)律性，能較好地表征不同離析程度路面的紋理構(gòu)造特征，因此可用構(gòu)造深度K值來評價瀝青路面的離析情況.

參考文獻

[1]韓立志，梁增潔，彭余華，等.AC25級配離析的分形評價標準及預測方法[J].長安大學學報：自然科學版，2014，34（6）：27-33.

HAN Lizhi， LIANG Zengjie， PENG Yuhua， et al. Frctal evaluation criteria and prediction method of AC25 gradition segregation[J]. Journal of Changan University：Natural Science，2014， 34（6）： 27-33.（In Chinese）

[2]MEEGODA J N ， HETTIARACHCHI C H， BANDARA N， et al. Correlation of surface texture， segregation，and measuremento f air voids[J]. Proc XIICSMFE Sanfranscisco， 2002，3：19-26.

[3]李想，梁乃興，趙毅.基于數(shù)字圖像技術(shù)瀝青路面集料離析的研究[J]. 中外公路，2014，34（4）： 90-93.

LI Xiang， LIANG Naixing， ZHAO Yi. Research on digital image technology of asphalt pavement based on aggregate segregation[J].Journal of China & Foreign Highway， 2014， 34（4）： 90-93.（In Chinese）

[4]包秀寧，張肖寧.路面顆粒材料離析性的評價方法[J].華南理工大學學報：自然科學版，2010，38（3）：31-36.

BAO Xiuning， ZHANG Xiaoning. Segregability evaluation of granular pavement materials [J]. Journal of South China University of Technology： Natural Science， 2010， 38（3）： 31-36.（In Chinese）

[5]馬榮貴，王建鋒，李平.瀝青路面構(gòu)造深度精確檢測方法研究[J].科學技術(shù)與工程，2014，14（8）：265-268.

MA Ronggui，WANG Jianfeng， LI Ping.Research on high precision measurement of pavement texture depth[J].Science Technology and Engineering，2014， 14（8）： 265-268.（In Chinese）

[6]JTG E60-2008公路路基路面現(xiàn)場測試規(guī)程[S]. 北京：人民交通出版社，2008：90-92.

JTG E60-2008Field test methods of subgrade and pavement for highway engineering[S].Beijing： China Communications Press， 2008：90-92. （In Chinese）

[7]王端宜，李維杰，張肖寧.用數(shù)字圖像技術(shù)評價和測量瀝青路表面構(gòu)造深度[J].華南理工大學學報：自然科學版，2004，32（2）：42-45.

WANG Duanyi， LI Weijie， ZHANG Xiaoning. Evaluation and measurement of asphalt pavement surface texture depth with digital image technique[J]. Journal of South China University of Technology： Natural Science， 2004， 32（2）： 42-45.（In Chinese）

[8]MASAD E， MUHUNTHAN B， SHASHIDHAR N， et al.Quantifying laboratory compaction effects on the internal structure of asphalt concrete[J].Transportation Research Record：Journal of the Transportation Research Board， 1999，1691：179-185.

[9]WANG L B， WANG X，MOHAMMAD L，et al.Application of mixture theory in the evaluation of mechanical properties of asphalt concrete[J]. Journal of Materials in Civil Engineering， 2004，16（2） ： 167-174.

[10]燕海峰.基于非均勻性的瀝青路面施工質(zhì)量控制與評價研究[D].西安：長安大學公路學院，2011：57-60.

YAN Haifeng. Research on construction quality control and evaluation of asphalt pavement based on nonuniformity[D]. Xian： Highway College of Chang'an University， 2011：57-60.（In Chinese）

[11]王端宜，吳文亮，張肖寧，等.基于數(shù)字圖像處理和有限元建模方法的瀝青混合料劈裂試驗數(shù)值模擬[J]. 吉林大學學報：工學版，2011，41（4）：968-973.

WANG Duanyi， WU Wenliang， ZHANG Xiaoning， et al. Numerical simulation of splitting test of asphalt mixture based on DIPFEM[J]. Journal of Jilin University： Engineering and Technology， 2011，41（4） ： 968-973.（In Chinese）

[12]張肖寧.瀝青混合料材料結(jié)構(gòu)數(shù)字圖像技術(shù)的基本方法[J].華南理工大學學報：自然科學版，2012，40（10）：166-173.

ZHANG Xiaoning. Basic methods of digital image technology for material structure of asphalt mixtures [J]. Journal of South China University of Technology： Natural Science， 2012，40（10） ： 166-173.（In Chinese）

[13]彭勇，孫立軍，王元清，等.數(shù)字圖像處理在瀝青混合料均勻性評價中的應用[J].吉林大學學報：工學版，2007，37（2）：334-337.

PENG Yong，SUN Lijun，WANG Yuanqing， et al. Application of digital image processing in evaluating homogeneity of asphalt mixture [J]. Journal of Jilin University： Engineering and Technology， 2007，37（2）：334-337.（In Chinese）

[14]宋毅.應用分形理論描述瀝青混合料級配離析及其相關(guān)問題研究[D].廣州：華南理工大學土木與交通學院 ，2010：6-16.

SONG Yi. Study on grading segregation description of asphalt mixtures and related problems based on fractal theroy[D]. Guang Zhou： College of Civil Engineering and Transportation， South China University of Technology， 2010：6-16.（In Chinese）

[15]周吳軍.基于分形理論瀝青路表面離析判別方法研究[D]. 長沙：湖南大學土木工程學院，2009：28-44.

ZHOU Wujun. Research on construction quality control and evaluation of asphalt pavement based on nonuniformity[D]. Chang

sha： College of Civil Engineering， Hunan University， 2009：28-44. （In Chinese）

[16]劉思峰，方志耕，謝乃明.基于核和灰度的區(qū)間灰數(shù)運算法則[J].系統(tǒng)工程與電子技術(shù)，2010，32（2）：313-316.

LIU Sifeng， FANG Zhigeng， XIE Naiming. Algorithm rules of interval grey numbers based on the“Kernel” and the degree of greyness of grey numbers [J]. Systems Engineering and Electronics，2010，32（2） ： 313-316.（In Chinese）

[17]PENTLAND P. Fractalbased description of natural scenes[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence， 1984，6（6）：661-674.

[18]MANDELBROT B B. The fractal geometry of nature[M]. San Francisco； W.H.Freeman and Company，1982： 361-366.

[19]王耀南，王紹源，毛建旭. 基于分形維數(shù)的圖像紋理分析[J]. 湖南大學學報： 自然科學版， 2006，33（5）：67-72.

WANG Yaonan，WANG Shaoyuan，MAO Jianxu. Image texture analysis based on fractal dimension [J]. Journal of Hunan University： Natural Sciences，2006，33（5） ： 67-72.（In Chinese）

[20]趙明華，戴杰，張玲，等. 基于分形理論的粉煤灰滲透率研究[J]. 湖南大學學報：自然科學版，2015，42（1）：75-80.

ZHAO Minghua， DAI Jie， ZHANG Ling， et al. Fractal theorybased study of the permeability of fly ash [J]. Journal of Hunan University： Natural Sciences，2015，42（1）：75-80.（In Chinese）

[21]趙海英，楊光俊，徐正光.圖像分形維數(shù)計算方法的比較[J].計算機系統(tǒng)應用，2010，20（3）：238-246.

ZHAO Haiying， YANG Guangjun， XU Zhengguang. Comparison of calculation methodsbased image fractal dimension [J]. Computer Systems & Applications， 2010，20（3） ： 238-246.（In Chinese）