劉華盛， 李彥志

(山東科技大學(xué)山東省土木工程防災(zāi)減災(zāi)重點(diǎn)實(shí)驗(yàn)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(xué)山東省土木工程防災(zāi)減災(zāi)重點(diǎn)實(shí)驗(yàn)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(shí)現(xiàn)對帶有噪聲的圖像進(jìn)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(qiáng)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(shí)現(xiàn)對于公路路面裂縫等病害特征的提取，具有較強(qiáng)的實(shí)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(yùn)輸體系的重要組成部分，是國家經(jīng)濟(jì)發(fā)展及社會進(jìn)步的重要基礎(chǔ)設(shè)施，其在國民經(jīng)濟(jì)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(dá)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(dá)到77 %。

當(dāng)前，我國公路交通事業(yè)正處于一個(gè)高速發(fā)展的時(shí)期，其數(shù)量增長的同時(shí)，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(kuò)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(yán)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(shí)、高效且準(zhǔn)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(qiáng)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(jìn)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(shè)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(shí)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(xué)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(jìn)行路面圖像去噪處理。

2 路面病害圖像增強(qiáng)

病害圖像增強(qiáng)是為了增大圖像中病害的對比度，突出病害信息，使人或計(jì)算機(jī)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(qiáng)法一般又分為：點(diǎn)操作和模板操作。點(diǎn)操作的每次處理都是針對圖像中的單個(gè)像素進(jìn)行,處理過程中對每個(gè)像素的處理與其它像素?zé)o關(guān)模板操作則是通過模板塊在圖像上進(jìn)行平滑而完成圖像增強(qiáng)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(qiáng)方式進(jìn)行加強(qiáng)處理。在路面圖像增強(qiáng)時(shí)，為了抑制噪聲的影響，對處理前后的實(shí)驗(yàn)圖像進(jìn)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(qiáng)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(xì)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(jìn)一步計(jì)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(qiáng)前

(b) 增強(qiáng)后

為了方便裂縫的提取,需要對路面圖像進(jìn)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(shè)定一個(gè)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(shè)置一個(gè)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(yīng)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(gè)難點(diǎn)[3]。 圖2為某實(shí)際路面圖像(1 280×1 024)采用 OTSU 和自適應(yīng)閾值分割法進(jìn)行全局閾值分割的實(shí)例。

(a) 原始圖像

(b) OTSU 全局閾值分割

(c) 自適應(yīng)閾值分割法

由于FCM 全局閾值分割法的高復(fù)雜度、耗時(shí)太長，并不適合實(shí)際的應(yīng)用，故本文不再贅述其原理和方法。圖2(a)所對應(yīng)的 OTSU 算法對于圖2(b)那樣的目標(biāo)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(yīng)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(yīng)用中的一個(gè)關(guān)鍵問題，它的基本任務(wù)，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(jìn)行粗略的估算和評價(jià)分析。

4.1 路面裂縫信息圖像生成

根據(jù)文獻(xiàn)[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(jìn)行分析后得到的，裂縫種子圖像中的點(diǎn)與原始圖像中的柵格單元相對應(yīng)。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(diǎn)分別標(biāo)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(jìn)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(shè)定對圖像進(jìn)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(diǎn)與圖像上的像素點(diǎn)重合， 并將重合點(diǎn)作為當(dāng)前點(diǎn)，判斷當(dāng)前點(diǎn)在窗口區(qū)域內(nèi)的圖像灰度特征。

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

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

( 4) 重復(fù)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(jià)路面破損的嚴(yán)重成都的指標(biāo)。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(xiàng)參數(shù)。本文將利用形態(tài)學(xué)腐蝕和膨脹操作對路面裂縫的長寬參數(shù)進(jìn)行粗略的估算。

利用此方法對圖2中的圖像裂縫進(jìn)行縫長和縫寬的粗略估算，參數(shù)試驗(yàn)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?cái)?shù)的比值，從而估算裂縫所占面積之比，為路面的預(yù)防養(yǎng)護(hù)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(yàn)數(shù)據(jù) 像素

當(dāng)然，目前國內(nèi)外專家學(xué)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(jìn)行相關(guān)數(shù)據(jù)采集和應(yīng)用，以便更準(zhǔn)確高效地對路面的相關(guān)病害進(jìn)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(zhǔn)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(jià)標(biāo)準(zhǔn)系統(tǒng)更好的建立，促進(jìn)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(xué)，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(xué)，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(jià)系統(tǒng)[J]. 長安大學(xué)學(xué)報(bào):自然科學(xué)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(shí)時(shí)檢測方法研究[J]. 電子設(shè)計(jì)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(hù)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(xué)，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(xué)報(bào),2003,8(10): 1211-1217.

劉華盛(1992～)，男，在讀碩士研究生，專業(yè)方向?yàn)榻ㄖc土木工程。

U418

B

[定稿日期]2017-04-20