基于UAV的道路裂縫檢測(cè)

孫乙丁 崔露航

摘要：21世紀(jì)以來(lái)，我國(guó)經(jīng)濟(jì)發(fā)展迅速，公路建設(shè)進(jìn)入大規(guī)模建設(shè)，但是公路面積的大幅的增長(zhǎng)也帶來(lái)了嚴(yán)重的路面養(yǎng)護(hù)問(wèn)題，而路面破損最多的就是路面裂縫，在路面早期進(jìn)行處理養(yǎng)護(hù)的話，就會(huì)節(jié)省很多人力物力。近年來(lái)，無(wú)人機(jī)（Unmanned Aerial Vehicle）技術(shù)發(fā)展迅速，無(wú)人機(jī)在軍用偵查、搶險(xiǎn)救災(zāi)、地質(zhì)勘探、交通運(yùn)輸?shù)阮I(lǐng)域具有重要實(shí)際應(yīng)用意義。本文主要研究的是基于UAV的道路裂縫檢測(cè)。首先，通過(guò)無(wú)人機(jī)對(duì)原始路面進(jìn)行拍攝，獲取路面圖像，然后對(duì)采集到的原始圖像進(jìn)行預(yù)處理，主要包括直方圖中值化、中值濾波去噪、對(duì)比度增強(qiáng)等；最后對(duì)路面圖像進(jìn)行分割，提取路面裂縫特征、對(duì)裂縫進(jìn)行識(shí)別。本文利用Matlab仿真工具進(jìn)行仿真實(shí)驗(yàn)。

關(guān)鍵詞：路面裂縫圖像；UAV圖像預(yù)處理圖像分割裂縫識(shí)別

一、道路圖像的獲取

采用無(wú)人機(jī)獲取道路原始圖像，使用無(wú)人機(jī)作為搭載平臺(tái)，搭載高倍攝像頭，給飛控系統(tǒng)按照規(guī)定路線編程，獲取道路裂縫圖像。

二、道路圖像的預(yù)處理

通過(guò)無(wú)人機(jī)獲取的道路原始圖像中，路面裂縫與一般的線性目標(biāo)相比具有目標(biāo)寬度相對(duì)較小，圖像對(duì)比度較低，具有分叉和雜點(diǎn)，具有自然間斷等特點(diǎn)。傳統(tǒng)的裂縫自動(dòng)檢測(cè)算法往往假設(shè)路面裂縫圖像有較好的連續(xù)性和較高的對(duì)比度，但這中情況在實(shí)際的路面圖像中往往不成立。由于受拍攝天氣、路面損耗、裂縫退化等因素的影響，有一定比例的路面裂縫圖像的裂縫相對(duì)于路面背景具有較低的對(duì)比性。因此，需要對(duì)路面裂縫圖像進(jìn)行必要的預(yù)處理。

基本的圖像預(yù)處理包括：圖像灰度化、圖像濾波以及圖像增強(qiáng)。

（一）圖像灰度化

我們采集到的路面裂縫圖像一般是彩色信息圖像。圖像灰度化就是把獲取的路面原始彩色圖像轉(zhuǎn)換成灰度圖像。通常彩色圖像中的每個(gè)像素的顏色能通過(guò)紅（R）、綠（G）、藍(lán)（B）三色光按不同的比例和強(qiáng)度進(jìn)行混合而成?；叶葓D像只有亮度信息沒(méi)有色彩信息。針對(duì)路面裂縫圖像檢測(cè)的要求，去除不必要的色彩信息，將采集到的RGB圖像轉(zhuǎn)化為灰度圖像。每個(gè)像素用Unit8（0～256）的強(qiáng)度值來(lái)表示，當(dāng)R=G=B時(shí)，我們稱之為灰度值。當(dāng)灰度值為255時(shí)為純白色，當(dāng)灰度值為0時(shí)為純黑色。本文采用加權(quán)平均值法對(duì)路面裂縫圖像進(jìn)行灰度化。

（二）圖像濾波

圖像濾波也稱圖像去噪。在采集或傳輸過(guò)程中，路面裂縫圖像會(huì)受到人機(jī)平臺(tái)或攝像頭等因素的影響，圖像可能會(huì)出現(xiàn)模糊和雜點(diǎn)，影響裂縫圖像的檢測(cè)識(shí)別和干擾結(jié)果。因此，有必要對(duì)裂紋圖像進(jìn)行濾波。本文從均值濾波和中值濾波兩方面對(duì)圖像進(jìn)行去噪。

均值濾波也稱鄰域平均濾波。此方法是把相鄰的小區(qū)域計(jì)算灰度值的平均值，且假設(shè)相鄰區(qū)域與噪聲比較有相關(guān)性，鄰域選取相鄰的8鄰域。通過(guò)這種方法，可以通過(guò)計(jì)算一個(gè)像素的平均灰度值和其指定鄰域內(nèi)的所有像素值，并對(duì)應(yīng)新圖像中相應(yīng)的像素值來(lái)實(shí)現(xiàn)濾波去噪。但是均值濾波也存在一些不足，均值濾波在平滑噪聲圖像時(shí)，會(huì)一定程度的模糊圖像細(xì)節(jié)。所以用中值濾波代替均值濾波。

均值濾波的基本原理時(shí)把圖像中的一點(diǎn)數(shù)值用該點(diǎn)的某個(gè)鄰域所有的中值來(lái)代替。它的優(yōu)點(diǎn)是運(yùn)算簡(jiǎn)單且速度快，在濾除噪聲尤其是濾除脈沖噪聲的同時(shí)，能更好的保護(hù)信息的細(xì)節(jié)信息，例如邊緣和銳角等。[1]一般使用二維中值濾波。由于受到噪聲影響，裂縫圖像質(zhì)量會(huì)退化。很多情況下用線性濾波處理，但多數(shù)線性濾波具有低通性，去噪同時(shí)也會(huì)使圖像邊緣模糊。而中值濾波是一種非線性處理，能較好的處理平滑噪聲，保留更多細(xì)節(jié)。

（三）圖像增強(qiáng)

由于路面裂縫圖像獲取過(guò)程中受到光照、機(jī)械振動(dòng)等，圖像存在整體偏亮或偏暗的情況，會(huì)給后續(xù)處理帶來(lái)誤差，因此需要給裂縫圖像進(jìn)行增強(qiáng)處理，增強(qiáng)對(duì)比度。直方圖可以較直觀的反映圖像對(duì)比度。直方圖均衡化是把在較小范圍內(nèi)的灰度區(qū)間擴(kuò)大為更大區(qū)間，從而達(dá)到增強(qiáng)對(duì)比度的目的。圖像中裂縫區(qū)域通常較暗，平整路面較亮，但是如果光線較暗，會(huì)使裂縫區(qū)域和平整路面不易區(qū)分，而經(jīng)過(guò)直方圖均衡化處理可以增強(qiáng)對(duì)比度，突出裂縫區(qū)域。

三、圖像分割

圖像分割是從圖像處理到圖像分析很關(guān)鍵的一步。圖像分割的目的就是把圖像中的裂縫提取出來(lái)。圖像分割算法有以下幾種方法：邊緣檢測(cè)、閾值分割、區(qū)域生長(zhǎng)。[2]本文討論邊緣檢測(cè)。

邊緣檢測(cè)梯度算法包括濾波、增強(qiáng)、檢測(cè)、定位。Robert算子、Sobel算子等是一階導(dǎo)數(shù)算子。一般選用拉普拉斯算子，拉普拉斯算子是二階導(dǎo)數(shù)算子，會(huì)丟失邊緣信息，雙倍增強(qiáng)裂縫噪聲影響，不論是梯度算子還是拉普拉斯算子都很容易圖像中的噪聲，所以濾除噪聲后再進(jìn)行邊緣檢測(cè)，比如LoG算子，將高斯濾波和拉普拉斯邊緣檢測(cè)結(jié)合在一起。

四、裂縫識(shí)別和提取

圖像處理方面最為廣泛應(yīng)用的方法是數(shù)學(xué)形態(tài)學(xué)方法，數(shù)學(xué)形態(tài)學(xué)方法有膨脹，腐蝕，開(kāi)運(yùn)算，閉運(yùn)算。[3]先對(duì)圖像進(jìn)行腐蝕操作，消除物體邊界縮小目標(biāo)，消除小于結(jié)構(gòu)元素的噪聲點(diǎn)；再進(jìn)行膨脹操作，增大目標(biāo)，合并與物體接觸的背景點(diǎn)；再進(jìn)行開(kāi)運(yùn)算，即先腐蝕后膨脹，消除細(xì)小噪聲平滑物體邊界；在進(jìn)行閉運(yùn)算，即先膨脹后腐蝕，填充細(xì)小空洞平滑細(xì)小邊界。

進(jìn)行裂縫識(shí)別時(shí)，對(duì)象時(shí)二值圖像，首先確定最小長(zhǎng)短軸之比和最小面積，然后利用函數(shù)進(jìn)行區(qū)域標(biāo)記并計(jì)算區(qū)域?qū)傩孕畔?，然后再進(jìn)行長(zhǎng)短軸之比濾波和面積濾波。進(jìn)行裂縫形狀識(shí)別時(shí)，對(duì)象也是二值圖像，確定裂縫區(qū)域信息，再利用BoundingBox函數(shù)獲取四個(gè)參數(shù)，然后進(jìn)行高度與寬度對(duì)比，從而得出是橫向裂紋還是縱向裂紋。

五、路面圖像裂縫檢測(cè)仿真

六、總結(jié)和展望

近年來(lái)公路發(fā)展迅速，道路病害裂縫圖像檢測(cè)也是近年來(lái)發(fā)展的潮流。同時(shí)圖像檢測(cè)可以節(jié)省很多人力物力。本文的主要工作如下：把收集到的裂縫圖像進(jìn)行圖像預(yù)處理，包括圖像灰度化、圖像濾波、圖像增強(qiáng)，進(jìn)行圖像分割，裂縫圖像的識(shí)別和提取，進(jìn)行仿真測(cè)試。

在無(wú)人機(jī)獲取圖像時(shí)，需要獲得高質(zhì)量裂縫圖像，而且無(wú)人機(jī)獲取的圖像有多余的信息，如何去除多余信息這是需要改進(jìn)的地方，由于光線問(wèn)題也會(huì)使檢測(cè)產(chǎn)生較大誤差。本文再進(jìn)行裂縫識(shí)別時(shí)，如果裂縫信息與圖像整體相比較小，也會(huì)在濾波的時(shí)候去除，造成檢測(cè)誤差，這里的算法需要改進(jìn)。

總而言之，路面裂縫檢測(cè)還有待進(jìn)一步提升，更好地運(yùn)用于生活。

參考文獻(xiàn)：

[1][2]王文峰，阮俊虎，CV-MATH，等.MATLAB計(jì)算機(jī)視覺(jué)與機(jī)器認(rèn)知[M].北京：北京：航空航天大學(xué)出版社，2017.8

[3]宰柯楠.道路裂縫圖像識(shí)別的算法研究[D].鄭州：鄭州大學(xué)2017.5