CN107578414A - 一种路面裂缝图像的处理方法 - Google Patents
一种路面裂缝图像的处理方法 Download PDFInfo
- Publication number
- CN107578414A CN107578414A CN201710710006.1A CN201710710006A CN107578414A CN 107578414 A CN107578414 A CN 107578414A CN 201710710006 A CN201710710006 A CN 201710710006A CN 107578414 A CN107578414 A CN 107578414A
- Authority
- CN
- China
- Prior art keywords
- pavement crack
- image
- crack image
- region
- iteration
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Landscapes
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种路面裂缝图像的处理方法,主要包含以下内容:1.通过迭代过程,使用最大间类方差法处理路面裂缝图像,并将每次迭代结果中的非置信区域在路面裂缝图像中消除;2.较少迭代次数用作路面裂缝图像的预处理算法;3.对路面裂缝图像进行过度迭代,将结果处理后作为种子图像,消除种子图像中的细小区域,并利用边缘检测算法,在路面裂缝图像中设置“生长围栏”,最后通过区域种子生长完成图像分割。本发明提出的路面裂缝图像处理方法明显改善了图像预处理效果和图像分割效果,克服了图像中噪杂噪声的干扰,计算效率较高,并具有较强的鲁棒性,性能稳定,应用于路面裂缝病害的智能识别与统计,提高了路面裂缝病害的识别精度与统计效率。
Description
技术领域
本发明属于道路工程领域与图像处理技术领域,具体涉及一种路面裂缝图像的处理方法。
背景技术
截至2016年底,全国高速公路总里程达13万公里,居世界第一位。公路的大规模建设在影响着经济发展的同时也影响着人们的日常生活,这使得公路的检测与养护管理也日益凸显出重要性和紧迫性。目前,随着传感器、自动控制、计算机等技术的发展,路面图像的自动采集设备已趋近成熟,而后期的裂缝识别仍然采用人机结合甚至完全人工的方式,工作量大、效率低。针对检测车采集到的路面裂缝图像开发算法,对路面裂缝图像进行识别处理可以大大提高路面裂缝的检测效率,并节省人力资源。
目前常见的路面裂缝识别方法主要有以下几种:
(1)基于灰度阂值的裂缝识别方法,通过对路面图像灰度特征进行分析,选取合适的灰度阂值区分图像背景与目标。该方法一般建立在裂缝的灰度通常比背景灰度低的前提条件下,要求裂缝具有较高的对比度及较好的连续性,但由于路面积灰、裂缝缝壁脱落、路面颗粒纹理丰富等原因,裂缝通常具有低对比度、连续性差等特征,故基于灰度阂值的裂缝识别方法难以识别灰度特征不够显著的病害。
(2)基于形态学处理的裂缝识别方法,该方法利用腐蚀、膨胀、骨架提取、边缘检测等方法获取裂缝的二维形态特征。然而路面图像复杂、病害形式多样,基于形态学处理的识别方法实用性不高。
(3)基于机器学习的裂缝识别方法,该方法主要用于裂缝检测后的类型分类,关键在于路面裂缝特征的提取与分类器的设计。由于路况复杂、裂缝形式多样,裂缝特征提取难度加大,同时测试样本集较小、算法复杂、计算量大等因素都制约着分类算法的准确性、鲁棒性及实时性。
(4)基于多尺度几何分析的路面裂缝的识别方法,通常利用图像几何结构特征,采用小波、Ridge1et(脊波)、Curve1et(曲线波)、Contour1et(轮廓波)、Bande1et(带条波)等变换表达图像信息。由于复杂背景下的沥青路面裂缝具有不规则性,裂缝形态及位置具有不可预测性,该方法无法有效的提取复杂裂缝信息,同时,多尺度分析方法普遍存在计算过程复杂,效率较低等问题。
现有的这些方法,普遍对路面裂缝图像质量要求较高,但实际工程中路面裂缝图像并不是在相同的光照条件下获取的(昼/夜),(晴天/多云),其中一些图像中包含了干扰图像分析的部分,例如随机颗粒状纹理,非均匀照明和不规则路面表面阴影,嘈杂的环境线条,水迹、轮胎痕迹、油渍等。这些干扰因素对于裂缝的提取会产生明显的影响。
发明内容
本发明为消除路面裂缝图像中的大量干扰因素,更好的对路面裂缝图像进行图像处理,本发明针对道路检测车CCD相机所获取的路面裂缝图像提供了一种路面裂缝图像处理方法,能够克服路面裂缝图像中复杂背景的干扰。
为了解决上述技术问题,本发明提供了一种路面裂缝图像的处理方法,包括以下步骤:
步骤1、利用路面裂缝与路面在灰度值上的相似性,通过迭代过程,控制迭代次数和/或迭代限定值,对路面裂缝图像进行图像分割预处理;
步骤2、获取种子图像,在设置了“生长围栏”的路面裂缝图像上进行区域种子生长;
其中,所述步骤1包括:通过迭代过程,采用OTSU算法对路面裂缝图像进行处理,并将每次迭代结果中的非置信区域在路面裂缝图像中消除;
步骤1中所述的迭代过程包括以下步骤:
步骤1.1:采用灰度化后的路面裂缝图像P各像素点的灰度值,计算路面裂缝图像的灰度均值;
步骤1.2:基于图像灰度直方图的最大间类方差法对路面裂缝图像进行图像分割,高亮度值区域被分割出来,路面及路面裂缝被分割为背景区域,其中,所述高亮度值区域指logical值1包括道路标线与边框,所述背景区域指logical值0;
步骤1.3:对于在图像分割结果中被划分为logical值1的8连通区域,在路面裂缝图像P中将其灰度值统一置为步骤1.1中计算得到的灰度均值;
重复步骤1.1~1.3,以重复一次步骤1.1~1.3作为一次迭代过程。
进一步的,通过对路面裂缝图像进行过度迭代,将迭代后的结果作为种子图像。
进一步的,通过边缘检测算法在路面裂缝图像中设置“生长围栏”。
进一步的,步骤2具体包括以下步骤:
步骤3.1:将灰度化后的路面裂缝图像P按照步骤1中的迭代过程进行迭代,控制迭代次数,使用OTSU方法进行二值化处理,获得用于区域种子生长的种子图像;
步骤3.2:清除所获得的种子图像中面积大于限定像素的连通区域,将处理后的种子图像作为区域种子生长中所使用的种子;
步骤3.3:使用Canny边缘检测对于灰度化后的路面裂缝图像P进行处理,对于所得的种子图像,将其logical值1区域对应在灰度化后的路面裂缝图像P上的位置像素值置为能够限制区域种子生长的值;
步骤3.4:以步骤3.2中的的种子在步骤3.3的结果图像中做区域种子生长运算,得到图像分割结果。
进一步的,步骤3.1中的迭代次数高于步骤1中的迭代次数。
本发明的有益效果是:本发明与现有技术相比,具有以下优点:本发明通过观察大量路面标线区域,总结出标线具有灰度值较大、纹理较平缓、形状较规则等特征,根据以上特征,本发明中所采用的迭代OSTU算法可以有效的消除路面裂缝图像中的道路标线,克服了道路标线的干扰。
本发明提供的迭代OSTU方法用于路面裂缝图像的图像预处理时,算法能够有效的消除路面裂缝图像嘈杂背景对于图像分割的不利影响,运算速度快,并具有很高的鲁棒性。
附图说明
图1是本发明的算法流程说明图;
图2是本发明具体实施方式中的输入图像灰度级路面裂缝图像P;
图3是本发明具体实施方式中的预处理后的路面裂缝图像;
图4是本发明具体实施方式中的清除小于10像素连通区域的种子图像;
图5是本发明具体实施方式中的经过图像分割的路面裂缝图像。
具体实施方式
本实施例基于以下假设,来实现对路面裂缝图像的图像分割:
1、裂缝像素较道路像素更深;
2、道路裂缝和道路表面的灰度分布是独立的;
3、一条裂缝是一个狭窄、连续的目标物体;
4、一条裂缝是一组相互连通、方向不同的节段;
5、一条裂缝的宽度在整个长度上不为恒定值;
基于以上假设,利用路面裂缝与路面在灰度值上的相似性。本实施例使用迭代的方式对路面裂缝图像进行渐进处理,获取种子图像,剔除噪点后在设置了“生长围栏”的路面裂缝图像上进行区域种子生长,得到分割效果,本实施例不依赖于灰度图像的灰度直方图,对于低对比度和光照不均情况也具有很好的适应性。
参见图1至图5,本实施例具体包括以下步骤:
步骤1、使用迭代的方式对路面裂缝图像进行渐进处理:
步骤1.1:采用灰度化后的路面裂缝图像P各像素点的灰度值,计算路面裂缝图像的灰度均值;
步骤1.2:基于图像灰度直方图的最大间类方差法对路面裂缝图像进行图像分割由于路面裂缝与路面在灰度值上具有相似性,因此道路标线等高亮度值区域被分割出来(道路标线与边框被置为logical值1),路面及路面裂缝被分割为背景区域(被置为logical值0);
步骤1.3:对于在图像分割结果中被划分为logical值1的8连通区域,被认为是非置性区域,在路面裂缝图像P中将其灰度值统一置为步骤1.1中计算得到的灰度均值,以达到消除非置信区域的效果;
重复步骤1.1~1.3,以重复一次步骤1.1~1.3作为一次迭代过程,以此进行迭代。
步骤2、对图像进行预处理:
通过控制限定值或迭代次数,当限定值较大,迭代次数较少时,可以有效的均一化路面裂缝图像中的嘈杂背景,便于进行进一步的图像分割,是一种有效的路面裂缝图像预处理方法。
本实施例中控制迭代次数为3次,得到经过预处理的路面裂缝图像。
步骤3、在设置了“生长围栏”的路面裂缝图像上进行区域种子生长,得到分割效果:
步骤3.1:使用迭代OTSU方法对于图像进行过度迭代处理,本实施例中控制迭代次数为30次,再使用OTSU方法进行二值化处理,获得结果用于区域种子生长,称为“种子图像”;
步骤3.2:清除所获得的种子图像中面积大于限定像素的8连通区域,将处理后的种子图像作为区域种子生长中所使用的种子,本实施例中限定像素为10个像素;因为路面裂缝图像中存在着许多噪声区域,清除小面积的种子可以有效抑制在后续步骤中噪声的产生;
步骤3.3:使用Canny边缘检测对于灰度化后的路面裂缝图像P进行处理,对于所得的种子图像,将其logical值1区域对应在灰度化后的路面裂缝图像P上的位置像素值置为灰度值上限255,称为生长围栏,此步骤可以在区域生长中控制区域的大小,抑制区域的过度生长,达到进一步抑制噪声的效果;
步骤3.4:以步骤3.2中的的种子在步骤3.3的结果图像中做区域种子生长运算(设置灰度差为3),得到图像分割结果。
Claims (5)
1.一种路面裂缝图像的处理方法,其特征在于:包括以下步骤:
步骤1、利用路面裂缝与路面在灰度值上的相似性,通过迭代过程,控制迭代次数和/或迭代限定值,对路面裂缝图像进行图像分割预处理;
步骤2、获取种子图像,在设置了“生长围栏”的路面裂缝图像上进行区域种子生长;
其中,所述步骤1包括:通过迭代过程,采用最大类间方差法对路面裂缝图像进行处理,并将每次迭代结果中的非置信区域在路面裂缝图像中消除;
其中,步骤1中所述的迭代过程包括以下步骤:
步骤1.1:采用灰度化后的路面裂缝图像P各像素点的灰度值,计算路面裂缝图像的灰度均值;
步骤1.2:基于图像灰度直方图的最大间类方差法对路面裂缝图像进行图像分割,高亮度值区域被分割出来,路面及路面裂缝被分割为背景区域,其中,所述高亮度值区域指logical值1包括道路标线与边框,所述背景区域指logical值0;
步骤1.3:对于在图像分割结果中被划分为logical值1的8连通区域,在路面裂缝图像P中将其灰度值统一置为步骤1.1中计算得到的灰度均值;
重复步骤1.1~1.3,以重复一次步骤1.1~1.3作为一次迭代过程。
2.根据权利要求1所述的一种路面裂缝图像的处理方法,其特征在于:通过对路面裂缝图像进行过度迭代,将迭代后的结果作为种子图像。
3.根据权利要求1或2所述的一种路面裂缝图像的处理方法,其特征在于:通过边缘检测算法在路面裂缝图像中设置“生长围栏”。
4.根据权利要求1所述的一种路面裂缝图像的处理方法,其特征在于:所述步骤2具体包括以下步骤:
步骤3.1:将灰度化后的路面裂缝图像P按照步骤1中的迭代过程进行迭代,控制迭代次数,再使用OTSU方法进行二值化处理,获得用于区域种子生长的种子图像;
步骤3.2:清除所获得的种子图像中面积大于限定像素的连通区域,将处理后的种子图像作为区域种子生长中所使用的种子;
步骤3.3:使用Canny边缘检测对于灰度化后的路面裂缝图像P进行处理,对于所得的种子图像,将其logical值1区域对应在灰度化后的路面裂缝图像P上的位置像素值置为能够限制区域种子生长的值,称为生长围栏;
步骤3.4:以步骤3.2中的种子在步骤3.3的结果图像中做区域种子生长运算,得到图像分割结果。
5.根据权利要4所述的一种路面裂缝图像的处理方法,其特征在于:所述步骤3.1中的迭代次数高于步骤1中的迭代次数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710710006.1A CN107578414B (zh) | 2017-08-18 | 2017-08-18 | 一种路面裂缝图像的处理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710710006.1A CN107578414B (zh) | 2017-08-18 | 2017-08-18 | 一种路面裂缝图像的处理方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107578414A true CN107578414A (zh) | 2018-01-12 |
CN107578414B CN107578414B (zh) | 2021-09-07 |
Family
ID=61033804
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710710006.1A Active CN107578414B (zh) | 2017-08-18 | 2017-08-18 | 一种路面裂缝图像的处理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107578414B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109632822A (zh) * | 2018-12-25 | 2019-04-16 | 东南大学 | 一种准静态高精度路面破损智能识别装置及其方法 |
CN110555389A (zh) * | 2019-08-09 | 2019-12-10 | 南京工业大学 | 一种基于脊波变换和旋转匹配的弹头线膛痕迹识别方法 |
CN110956183A (zh) * | 2019-11-04 | 2020-04-03 | 东南大学 | 一种沥青路面裂缝形态提取方法 |
CN118071752A (zh) * | 2024-04-24 | 2024-05-24 | 中铁电气化局集团有限公司 | 一种接触网检测方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1793350A1 (en) * | 2005-12-01 | 2007-06-06 | Medison Co., Ltd. | Ultrasound imaging system and method for forming a 3D ultrasound image of a target object |
CN104021574A (zh) * | 2014-07-04 | 2014-09-03 | 武汉武大卓越科技有限责任公司 | 路面病害自动识别方法 |
CN104637047A (zh) * | 2013-11-13 | 2015-05-20 | 北京慧眼智行科技有限公司 | 一种图像处理方法及装置 |
CN106295789A (zh) * | 2015-06-10 | 2017-01-04 | 浙江托普云农科技股份有限公司 | 一种基于图像处理的作物种子计数方法 |
CN106651872A (zh) * | 2016-11-23 | 2017-05-10 | 北京理工大学 | 基于Prewitt算子的路面裂缝识别方法及*** |
-
2017
- 2017-08-18 CN CN201710710006.1A patent/CN107578414B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1793350A1 (en) * | 2005-12-01 | 2007-06-06 | Medison Co., Ltd. | Ultrasound imaging system and method for forming a 3D ultrasound image of a target object |
CN104637047A (zh) * | 2013-11-13 | 2015-05-20 | 北京慧眼智行科技有限公司 | 一种图像处理方法及装置 |
CN104021574A (zh) * | 2014-07-04 | 2014-09-03 | 武汉武大卓越科技有限责任公司 | 路面病害自动识别方法 |
CN106295789A (zh) * | 2015-06-10 | 2017-01-04 | 浙江托普云农科技股份有限公司 | 一种基于图像处理的作物种子计数方法 |
CN106651872A (zh) * | 2016-11-23 | 2017-05-10 | 北京理工大学 | 基于Prewitt算子的路面裂缝识别方法及*** |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109632822A (zh) * | 2018-12-25 | 2019-04-16 | 东南大学 | 一种准静态高精度路面破损智能识别装置及其方法 |
CN110555389A (zh) * | 2019-08-09 | 2019-12-10 | 南京工业大学 | 一种基于脊波变换和旋转匹配的弹头线膛痕迹识别方法 |
CN110555389B (zh) * | 2019-08-09 | 2022-02-25 | 南京工业大学 | 一种基于脊波变换和旋转匹配的弹头线膛痕迹识别方法 |
CN110956183A (zh) * | 2019-11-04 | 2020-04-03 | 东南大学 | 一种沥青路面裂缝形态提取方法 |
CN110956183B (zh) * | 2019-11-04 | 2023-05-02 | 东南大学 | 一种沥青路面裂缝形态提取方法 |
CN118071752A (zh) * | 2024-04-24 | 2024-05-24 | 中铁电气化局集团有限公司 | 一种接触网检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN107578414B (zh) | 2021-09-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2016172827A1 (zh) | 一种逐步求精的路面裂缝检测方法 | |
CN107230202B (zh) | 路面病害图像的自动识别方法和*** | |
CN104792792B (zh) | 一种逐步求精的路面裂缝检测方法 | |
CN113592861B (zh) | 一种基于动态阈值的桥梁裂缝检测方法 | |
CN107578414A (zh) | 一种路面裂缝图像的处理方法 | |
CN104021574A (zh) | 路面病害自动识别方法 | |
CN110120042B (zh) | 一种基于slic超像素和自动阈值分割的农作物图像病虫害区域提取方法 | |
CN110956183B (zh) | 一种沥青路面裂缝形态提取方法 | |
CN108711149B (zh) | 基于图像处理的矿岩粒度检测方法 | |
CN109064411B (zh) | 一种基于光照补偿的路面图像去阴影方法 | |
CN109410205B (zh) | 一种复杂路面背景下的裂缝提取方法 | |
CN105719275A (zh) | 一种并行组合的图像缺陷分割方法 | |
CN106447673A (zh) | 一种非均匀光照条件下的芯片引脚提取方法 | |
CN112184725B (zh) | 一种沥青路面图像的结构光光条中心提取方法 | |
CN105701490A (zh) | 一种基于图像熵的集装箱箱号自适应定位方法 | |
CN110687122A (zh) | 一种陶瓦表面裂纹检测方法及*** | |
CN107610094B (zh) | 基于椭球立体表征的裂缝三维检测方法 | |
CN108629776B (zh) | 矿岩粒度检测*** | |
CN107886493A (zh) | 一种输电线路的导线分股缺陷检测方法 | |
CN110378866A (zh) | 一种基于无人机巡检的渠道衬砌破损图像识别方法 | |
CN103914840B (zh) | 一种针对非简单背景的人体轮廓自动提取方法 | |
CN105787955A (zh) | 一种带钢缺陷的稀疏分割方法及其分割装置 | |
Hua et al. | Image segmentation algorithm based on improved visual attention model and region growing | |
CN107239761A (zh) | 基于骨架角点检测的果树拉枝效果评价方法 | |
CN115330752A (zh) | 基于深度图像识别的路面隐性剥落点检测方法及*** |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |