基于數(shù)字圖像分析的公路路面病害檢測技術(shù)研究

劉華盛， 李彥志

(山東科技大學山東省土木工程防災減災重點實驗室， 山東青島 266590)

基于數(shù)字圖像分析的公路路面病害檢測技術(shù)研究

劉華盛， 李彥志

(山東科技大學山東省土木工程防災減災重點實驗室， 山東青島 266590)

公路路面存在病害是一種普遍現(xiàn)象，文章通過對路面病害圖像的采集、分析和研究，以實現(xiàn)對帶有噪聲的圖像進一步的無損檢測，主要采取的處理技術(shù)包括：病害圖像去噪處理、增強處理、分割處理、病害特征信息提取，從而得到路面病害的定量數(shù)據(jù)。結(jié)果顯示，此方法能實現(xiàn)對于公路路面裂縫等病害特征的提取，具有較強的實用性。

公路； 數(shù)字圖像； 路面病害； 算法； 檢測技術(shù)

公路交通作為交通運輸體系的重要組成部分，是國家經(jīng)濟發(fā)展及社會進步的重要基礎設施，其在國民經(jīng)濟和人民生活中占有重要的地位。隨著交通工程的發(fā)展，路網(wǎng)結(jié)構(gòu)也在不斷地優(yōu)化，截至2015年底，全國公路總里程達到457.7×104km，其中高速公路12.4×104km，二級及以上公路57.5×104km，國省道二級及以上公路比例達到77 %。

當前，我國公路交通事業(yè)正處于一個高速發(fā)展的時期，其數(shù)量增長的同時，也需要功能、質(zhì)量、品質(zhì)的提升[1-2]。而現(xiàn)已建、新建和改擴建的各等級的公路中，其路面中存在或隱藏著眾多病害，如水泥混凝土路面的病害(斷裂類、豎向位移類、接縫類、表層類等)以及瀝青混凝土路面的病害(裂縫、擁包、沉陷、車轍、麻面與松散、凍脹和翻漿等)，公路路面的病害嚴重地制約公路工程的品質(zhì)提升。我國對于路面病害的檢測方面仍以人工檢測為主，而傳統(tǒng)的檢測方法顯然已滿足不了公路發(fā)展的需要。而數(shù)字圖像分析技術(shù)及檢測系統(tǒng)，能更為及時、高效且準確地檢測路面出現(xiàn)的病害，主要工作歸納為：路面圖像去噪處理、增強處理、分割處理、特征信息提取和路面病害識別分類這幾方面的分析和研究。

1 路面圖像去噪處理

圖像噪聲可以理解為“妨礙人們感覺器官對所接收的信源信息理解的因素”，為了后期對路面圖像進行更精確地分析，采集到優(yōu)質(zhì)的圖像顯得尤為重要。但由于外界環(huán)境的干擾、路面自身情況的影響和采集設備的振動等各方面的因素，在采集圖像過程中不可避免會采集到含有噪聲的圖像，噪聲會增加路面圖像處理的難度，此時采用合理的方式消除噪聲是十分必要的。常用的去噪處理方法(表1)包括：空域圖像去噪法(中值濾波法和加權(quán)鄰域平均算法)、路面圖像小波去噪法和平穩(wěn)小波去噪法。

通過對路面圖像去噪處理方法的綜合比較，以及國內(nèi)外學者研究發(fā)現(xiàn)；平穩(wěn)小波去噪方法無論在去噪性能還是算法的穩(wěn)定性都要優(yōu)于其他的去噪方法，故可優(yōu)先選擇平穩(wěn)小波法進行路面圖像去噪處理。

2 路面病害圖像增強

病害圖像增強是為了增大圖像中病害的對比度，突出病害信息，使人或計算機更易觀察或檢測。按空間的不同，可分為兩大類：空間域方法和頻域方法?？臻g域增強法一般又分為：點操作和模板操作。點操作的每次處理都是針對圖像中的單個像素進行,處理過程中對每個像素的處理與其它像素無關模板操作則是通過模板塊在圖像上進行平滑而完成圖像增強處理[2]。

表1 路面病害圖像去噪方法比較

本文通過采用基于側(cè)抑制原理的病害圖像增強方式進行加強處理。在路面圖像增強時，為了抑制噪聲的影響，對處理前后的實驗圖像進行二值化處理，以做更形象的對比(圖1)。

通過抑制模板的增強反差和突出邊緣的手段，從圖1中可以形象地看出，圖1(a)和圖1(b)相比，圖1(b)的裂縫邊緣更加清晰且細節(jié)保持更好，連續(xù)性也更加好一些，這樣對于裂縫的定量的進一步計算有重要的作用，而此圖像處理的效果是可以接受的。

3 路面病害圖像分割處理技術(shù)

路面病害圖像分割，目的是盡量將圖像中的病害(如裂縫類等)信息分割出來，圖像分割的方法一般是基于亮度值的基本特征：不連續(xù)性和相似性展開的。最基本的圖像分割法包括閾值法、邊界探測法和匹配法等。

(a) 增強前

(b) 增強后

為了方便裂縫的提取,需要對路面圖像進行閾值化,圖像閾值化是一種將連續(xù)色調(diào)圖像轉(zhuǎn)變?yōu)楹诎讏D的方法。其基本思想是像素值小于指定閾值的像素轉(zhuǎn)換為黑像素,像素值等于或大于指定閾值的像素轉(zhuǎn)換為白像素。可能閾值化的最簡單的方法是設定一個固定灰度值,但是對于大量的圖像來說,背景的灰度值并不是常數(shù),如果設置一個閾值,能檢測到所有裂縫,那么閾值化后的圖像將含有大量的來自路面紋理的噪聲。所以,采用自適應閾值是最合適的,但如何選擇最佳的閾值是圖像處理中的一個難點[3]。 圖2為某實際路面圖像(1 280×1 024)采用 OTSU 和自適應閾值分割法進行全局閾值分割的實例。

(a) 原始圖像

(b) OTSU 全局閾值分割

(c) 自適應閾值分割法

由于FCM 全局閾值分割法的高復雜度、耗時太長，并不適合實際的應用，故本文不再贅述其原理和方法。圖2(a)所對應的 OTSU 算法對于圖2(b)那樣的目標和背景灰度對比度大的情況處理效果比較明顯外，對于圖2(a)和圖2(c)的情況，處理效果并不理想。綜合考慮，本文選擇自適應閾值分割算法是有效可行的。

4 路面裂縫信息提取

特征信息提取和選擇是模式識別及裂縫數(shù)據(jù)挖掘等應用中的一個關鍵問題，它的基本任務，一方面是提取路面裂縫的屬性特征，為后面的裂縫分類提供必要的數(shù)據(jù)支持；另一方面是對公路路面裂縫長度和寬度或其面積參數(shù)進行粗略的估算和評價分析。

4.1 路面裂縫信息圖像生成

根據(jù)文獻[4] 中的裂縫種子圖像是通過一種稱為柵格單元分析(Grid Cell Analysis GCA)的方法對原始圖像劃分的單元進行分析后得到的，裂縫種子圖像中的點與原始圖像中的柵格單元相對應。對于生成的裂縫種子圖像采取了利用檢測模板來鑒別裂縫種子的真?zhèn)?，并將像素點分別標記為裂縫種子和非裂縫種子兩類。

根據(jù)之前的圖像處理后，基于像素灰度值對比進行裂縫特征量提取的快速掃描方法[5]。該算法具體步驟為:

(1)設定對圖像進行特征提取的窗口大小為N×N(本文所采用的窗口大小為 4 × 4) 。使窗口中心點與圖像上的像素點重合， 并將重合點作為當前點，判斷當前點在窗口區(qū)域內(nèi)的圖像灰度特征。

( 2) 若當前點在窗口區(qū)域內(nèi)滿足上述的橋梁裂縫特征， 則將該當前點賦值為 255， 否則賦值為0。

( 3) 將窗口在圖像上滑動， 將所對應的當前點與前一已判定的點進行比較， 若灰度值小于前一點灰度值， 則將當前點直接賦值為 255， 否則轉(zhuǎn)步驟( 2) 進行處理。

( 4) 重復步驟 ( 2) 、( 3) 操作， 直至遍布整幅圖像為止。

4.2 路面裂縫長寬參數(shù)估算

路面裂縫式公路路面的通病，裂縫的類型和裂縫的幾何參數(shù)是評價路面破損的嚴重成都的指標。其中幾何參數(shù)包括縫寬、縫長和塊度(主要針對龜裂、網(wǎng)裂和塊裂)，而裂縫的寬度和長度也是最基本的兩項參數(shù)。本文將利用形態(tài)學腐蝕和膨脹操作對路面裂縫的長寬參數(shù)進行粗略的估算。

利用此方法對圖2中的圖像裂縫進行縫長和縫寬的粗略估算，參數(shù)試驗數(shù)據(jù)如表2所示。根據(jù)像素的數(shù)據(jù)，可得出路面裂縫的像素總數(shù)占所采集圖像的總像素數(shù)的比值，從而估算裂縫所占面積之比，為路面的預防養(yǎng)護和儲值提供充分的數(shù)據(jù)支持。

表2 裂縫長寬參數(shù)試驗數(shù)據(jù) 像素

當然，目前國內(nèi)外專家學者對于路面病害(裂縫類等)的檢測系統(tǒng)的開發(fā)已有一定成果和水平，故可擇優(yōu)進行相關數(shù)據(jù)采集和應用，以便更準確高效地對路面的相關病害進一步地識別分類。

5 結(jié)論

結(jié)合數(shù)字圖像分析技術(shù)，通過對公路路面病害圖像檢測和綜合分析，得出如下結(jié)論：

(1)針對公路病害的檢測，數(shù)字圖像分析方法較傳統(tǒng)的過多人工參與的檢測方法更為高效、可靠、準確。

(2)選擇合適的圖像處理算法，將有助于提高系統(tǒng)對路面裂縫等病害的處理速度，增加處理結(jié)果的可靠性。

(3)數(shù)字圖像分析技術(shù)，有利于路面病害評價標準系統(tǒng)更好的建立，促進我國公路工程管理的智能化發(fā)展。

[1] 田恩杰. 高等級公路路面病害自動檢測方法研究[D]. 吉林大學，2007.

[2] 樓競. 基于圖像分析的路面病害檢測方法與系統(tǒng)開發(fā)[D]. 南京理工大學，2008.

[3] 張娟，沙愛民，高懷鋼，等. 基于數(shù)字圖像處理的路面裂縫自動識別與評價系統(tǒng)[J]. 長安大學學報:自然科學版，2004, 24(2): 18-22.

[4] Bugao Xu ,Yaxiong Huang. Development of an Automatic Pavement Surface Distress Inspection System [R]. The University of Texas at Austin, CTR Research Report: 7-4975-1, Center for Transportation Research, 2003.

[5] 章秀華，洪漢玉，侯佳，等. 路面破損圖像實時檢測方法研究[J]. 電子設計工程，2009,17 (6): 36-37.

[6] CHENG H D，CHEN J R． Novel Approach to Pavement Cracking Detection Based on Ruzzy Set Theory[J]．Journal of Computing in Civil Engineering，ASCE，1999，13 (4): 270-280.

[7] JTJ 073- 2001 公路水泥混凝土路面養(yǎng)護技術(shù)規(guī)范[S].

[8] 尹蘭． 基于數(shù)字圖像處理技術(shù)的混凝土表面裂縫特征測量和分析[D]． 南京: 東南大學，2006.

[9] 儲江偉，初秀民，王榮本，等．瀝青路面破損圖像特征提取方法研究[J]．中國圖象圖形學報,2003,8(10): 1211-1217.

劉華盛(1992～)，男，在讀碩士研究生，專業(yè)方向為建筑與土木工程。

U418

B

[定稿日期]2017-04-20