基于图像处理的路面裂缝智能识别的发展研究

周黎

重庆交通大学 土木工程学院，重庆  400041

摘要：由于裂缝检测对道路养护和交通安全的实际重要性，道路路面裂缝检测一直是研究的热点。人们提出了许多方法来解决这个问题。本文综述了道路裂缝检测传统图像处理的三种主要方法，主要包括阈值分割、边缘检测和区域生长方法，对传统的基于图像处理的道路裂纹检测方法进行了详细的回顾。

关键词：阈值分割、边缘检测、区域生长方法

 

一、引 言

随着道路交通的快速发展，路面裂缝不仅影响运输效率，而且对车辆安全构成潜在威胁，路面养护的重要性越来越受到人们的重视。为探测路面表面的裂缝，已进行了许多研究。在早期的路面裂缝检测系统中，人们通过线扫描或区域扫描相机采集的道路图像来分析路面状况。随着硬件技术的发展，如CCD数字摄影技术的出现，大大提高了路面裂缝检测的效果。

研究人员对道路裂缝检测进行了深入的研究，提出了许多方法来解决问题，从图像处理到机器学习方法，其中包括目前被广泛应用的深度学习方法。图像处理主要包括阈值分割、边缘检测和区域增长三大类方法。阈值分割方法是通过设置合适的阈值灰度像素，将目标和背景物区分开来；边缘检测主要是参考目标图像边缘灰度值变化大、不连续性等特点通过Sobel算子、Prewitt算子、Canny算子、Roberts 算子等边缘检测算子对道路裂缝进行边缘检测；区域增长方法是将相似特征的像素集合成一个区域来确定目标图像。

二、基于图像处理的路面裂缝识别

图像在采集过程中会受到各种的影响，如天气状况、设备噪声、路面杂物等等，这样就会导致采集到的图片图像模糊，重点内容不够突出，计算机无法进行识别，因此，需要对原始图像进行预处理。

图像预处理包括降噪和增强两方面。由于它们的目标都是增强图片的视觉效果、去除噪声、突出有用的信息，因此本文将统一用图像增强来进行综述。图像增强主要包括空间域和频域两大类的方法，空域方法是是对图像本身像素进行操作从而达到除噪增强的效果，频域方法是指通过小波变换、傅里叶变换等将图像转换到频域进行操作然后转回空域。

（一）空域增强方法

本文主要介绍空域方法中的基于整个图像灰度值变换方法、滤波方法。直方图均衡化[1]是一种简单而有效的图像对比度增强技术。

空域滤波是较为广泛的图像增强手段，它主要分为中值滤波、均值滤波、形态学滤波三类。李晋惠和朱士虎等人采用加权的邻域平均噪声滤除算法进行除噪，具有不错的效果并且很好的保护了裂缝边缘。Chambon S采用中值滤波的方法对图像进行平滑，具有较好的除噪效果。均值滤波是一种常用的线性图像滤波除噪方法，它通过算法将局部像素灰度算术平均值替换中心像素灰度值。中值滤波是一种非线性滤波，比均值滤波具有更好的除噪效果，并且在灰度值变化小的情况下具有较好的平滑效果[2]。

形态学滤波主要包括了腐蚀、膨胀、开运算、闭运算等基本操作，其数学原理简单，算法比较容易实现。Guo Xiaoxin提出了一种新的自适应软形态梯度(ASMG)滤波器，其算法主要是一种自适应的形态学运算算法，在降噪和边缘提取都有不错的效果；梁世庆提出了一个新的基于多结构多尺度数学形态学路面裂缝自动识别算法，针对不同灰度值的图像，采用不同的运算方式，图像处理效果较好。

（二）频域增强方法

在频域方面目前运用广泛的是小波变换方法，小波变换的优势在于可以从不同尺度水平上进行图像分析，可以对感兴趣的尺度上进行图像增强或者减弱处理，从而可以精准对目标区域图像进行处理，减少背景和其他杂物的影响[3]。田恩杰采用平稳小波阈值的方法去噪，采用侧抑制原理对去噪后图片进行增强，图像质量得到明显改善。

空域和频域的图像处理方法都是降低噪声增强图像，然后在此基础上进行裂缝的识别。但是由于路面裂缝的复杂性，这些算法存在除噪效果不够、裂缝细节损失较多、杂物影响太多等等问题，往往需要进一步处理提取识别裂缝。

三、裂缝图像识别

传统图像处理方法用于裂缝识别主要是阈值分割、边缘检测、区域生长三类方法，其中阈值分割和边缘检测在过去被许多学者大量用于路面裂缝检测，取得了较为不错的效果。

（一）阈值分割

阈值分割[4]是一种经典的图像分割方法。是从像素角度来进行图像分析，通过设置阈值，将感兴趣的像素区域从背景中分割出来。具体过程是将图片灰度二值化，设设f(x, y)为原始图像，T为阈值，阈值分割可以写成：

阈值分割中确定阈值是整个算法的关键，决定了图像识别的效果。动态阈值分割和局部阈值分割在裂缝识别检测中取得了较好的效果。L. Peng提出了一种基于双阈值分割技术的裂缝检测方法，先采用改进的Otsu分割算法去除路面图像中的路线标记;然后，对去除标记后的图像采用改进的自适应迭代阈值分割算法进行分割，最后通过形态学处理得到裂缝轮廓。

（二）边缘检测

经常使用的边缘检测算子有Sobel算子、Roberts算子、Prewitt算子和Canny算子，不同的算子对同一边缘都有不同的识别效果，由于路面情况较为复杂，单一的边缘算子识别都存在各种不足，比如边缘定位不够准确、细小裂缝丢失、除噪效果较差等等，于是许多学者对边缘算子进行了改进。；沙爱民提出基于相位编组法的路面裂缝自动识别方法，对于边缘灰度值变化较缓慢的裂缝具有较好的效果；李晋惠造了８个方向的模板对图像进行Sobel边缘检测处理，较好保护了裂缝的连续性；

（三）区域生长检测

区域生长算法的思路是收集相似的像素区域形成一个感兴趣的集合，因此起始种子的选择尤其重要，影响了图像分割的准确性。从阈值角度看，种子的选择类似确定阈值，把相似的像素并入集合。Q. Li提出一种基于FoSA-F*种子生长的裂纹自动检测方法。将全局搜索空间简化为感兴趣的局部搜索空间，提高了搜索效率。Zou Q开发了一种从路面图像中检测裂缝的全自动方CrackTree，利用张量投票技术，结合邻近性和连续性的感知线索，构造了一个裂纹概率图，从中抽取种子，通过推导出最小生成树，并进行递归树边修剪来识别理想的裂纹。

四、结语

由于我国路面病害检测技术的飞速发展，检测水平的不断提高，满足了国内公路运营养护管理等方面的需求。综合检测多种路面破损指标的道路综合检测车以其快速、方便与安全等特点在交通行业的发展中得到广泛应用。但是其检测存在一些问题有待解决，在路面裂缝病害检测方面：基于图像的路面裂缝识别和分类方法还有待改进，对其他损坏类型识别的准确度和效率低。

由此可见，如何提高目前检测设备的准确性和检测识别算法的精确性是一个未来的研究方向，开发适用于各种情况下的路面检测识别系统，实现路面检测高效化与智能化仍然是今后路面检测技术发展的重点。

参考文献：

[1]Wong C Y, Liu S,  Liu S C, et al.  Image contrast enhancement using histogram equalization  with  maximum  intensity  coverage[J].  Journal  of  Modern  Optics, 2016(16):1-12.

[2]彭博, 蒋阳升. 路面裂缝图像识别算法研究进展[J]. 中外公路, 2013, 33(6): 42-50.

[3]钱泽东. 基于智能图像处理的沥青路面裂缝自动识别算法研究[D]. 2014.

[4]S. Zhu, X. Xia, Q. Zhang, and K. Belloulata, “An image segmentationalgorithm in image processing based on threshold segmentation.” IEEE,2007, pp. 673–678.

作者简介：周黎（1998- ），男，汉族，重庆潼南人，重庆交通大学硕士研究生，研究方向：路面裂缝病害智能检测。