曹淑琴

(武邑縣交通運輸局，河北 武邑 053400)

0 引 言

近年來，公路病害發(fā)生頻率較高，裂縫、水損害以及車轍等各類病害嚴重降低了公路行車的安全性、舒適性，縮短了公路使用年限。這也表明，做好公路病害識別檢測與維護保養(yǎng)是十分重要且必要的。而在公路養(yǎng)護作業(yè)中，路面破損檢測與識別技術(shù)是基礎，為公路養(yǎng)護提供重要的技術(shù)支撐，如果破損檢測與識別技術(shù)不夠科學先進，那么公路養(yǎng)護工作將很難開展。下面聯(lián)系實際，就公路路面檢測與破損特征識別技術(shù)做具體分析。

1 破損路面圖像閾值的確定

要想進行路面破損特征檢測與識別，需先確定出圖像閾值。在整個技術(shù)體系中，圖像閾值關(guān)系到路面破損特征識別的精確程度，因此在確定圖像閾值時，需根據(jù)當前公路發(fā)展情況，常見病害類型以及其他的規(guī)范與技術(shù)理論確定出一種圖面圖像閾值確定方法。一般情況下，在公路等級相同、光照等相關(guān)條件相同時，公路中未出現(xiàn)破損路面圖像的灰度值分布在特定誤差范圍內(nèi)是恒定的，也就是說路面背景灰度值保持不變，只有有破損特征的路面圖像，其灰度值與圖像背景之間存有差異?；谝陨犀F(xiàn)狀，提出一種確定圖像閾值的方法，即差影法。簡單來說是如果要確定某一圖像閾值，那么就找出兩張圖像，對這兩張圖像進行點對點的數(shù)學運算，通過運算最終得出最佳的閾值。在將這一方法理論帶入到具體的工程實踐中，得出以下結(jié)論：采集N幅待檢測路面圖像，經(jīng)過均值圖像計算后得到最小的灰度值，灰度值減一 就得到路面圖像閾值[1]。

2 路面破損特征圖像的預處理

2.1 圖像灰度處理

通過采集裝置獲取到路面破損圖像，該圖像格式為RGB。運用三個字節(jié)來表示該圖像中的每個要素，三個字節(jié)中每一字節(jié)都有對應的取值，且取值是不唯一的。而在取值選擇較多的情況下，計算難度、圖像處理難度也相應增加。為有效降低圖像處理難度，將RGB格式的路面破損圖像轉(zhuǎn)化為灰度圖像。在這一轉(zhuǎn)化與處理過程中，相關(guān)工作人員可根據(jù)實際情況靈活選用平均值法、分量法以及最大值法、加權(quán)平均法來對圖像進行灰度化處理，處理結(jié)束后將圖像中的三個分量值以不同的值權(quán)進行加權(quán)并計算平均，最終得到灰度圖像的灰度值[2]。

2.2 圖像濾波去噪

一般情況下，初步提取出的路面破損特征圖像會有較多瑕疵，如噪聲多、方向性多等。這些問題會干擾判斷，有可能導致最終的判斷結(jié)果失真失準，因此在獲取圖像后需采用專門的方法對圖像做進一步處理。工作人員可采用圖像去噪法進一步消除圖像中的噪聲，讓提取到的破損信息更加真實準確。實踐證明，中值濾波這種非線性濾波技術(shù)在圖像去噪處理中具有很多優(yōu)勢。如其可以解決圖像細節(jié)模糊問題，可對圖像噪聲進行抑制，從而讓識別與判斷工作更易開展。但值得注意的是，傳統(tǒng)的中值濾波算法也存在較多不足，如平滑模板比較單一，容易讓圖像邊緣模糊，從而影響到檢測與識別，造成檢測與識別結(jié)果失真失準。因此，在具體的檢測識別工作中還需對中值濾波算法作出相應的調(diào)整優(yōu)化，如將其調(diào)整為多結(jié)構(gòu)的中值濾波算法，從而實現(xiàn)有效除燥，保證圖像邊緣清晰。這一技術(shù)方法基本原理如下：以4種不同形狀的3*3結(jié)構(gòu)元素對路面破損灰度圖像進行依次濾波處理，即從4個不同方向?qū)D像進行濾波除燥，從根本上提升圖像清晰度，確保圖像檢測與識別結(jié)果的精準性[3]。

2.3 路面破損特征圖像分割處理

圖像分割實際上是一種分類活動，在獲得道路破損特征圖像后，按照一定標準與要求對構(gòu)成像素進行分類，通過分類細化出子區(qū)域，以便更好地開展檢測與識別工作，進一步提升檢測與識別結(jié)果精準性。在公路路面檢測與破損特征識別工作中，選擇怎樣的圖像分割方法就意味著會得到怎樣的檢測與識別結(jié)果。因此工作人員必須結(jié)合實際情況選擇最為科學、合理，最有效的分割方法對圖像進行處理，進而增強道路破損檢測與識別效果。目前在公路路面檢測與破損特征識別中常見的圖像分割方法有閾值化分割算法，這一算法比較簡單，運算效率較高并且穩(wěn)定性強，因此在公路道路破損檢測與識別工作中比較常用。在應用這一方法對圖像進行分割處理時，首先需確定一個處于圖像灰度值取值范圍內(nèi)的灰度閾值，將該數(shù)值與圖像中每個像素的灰度值進行對比，并根據(jù)結(jié)構(gòu)將像素劃分為像素灰度值大于或小于閾值這兩類，將其歸為圖像的兩個不同區(qū)域，從而實現(xiàn)對圖像的分割處理。

值得注意的是，采用閾值方法對灰度圖像進行分隔處理這一工作多是建立在假設的基礎之上。在具體的處理過程中，我們需要找到一個最佳的閾值作為支撐。但通過分析以往經(jīng)驗就會發(fā)現(xiàn)，在道路破損特征圖像中，破損目標信號一般不是很強，且圖像背景灰度與破損目標之間的差異不會非常明顯，因此要想準確確定出一個閾值還是具有一定難度。為解決這一問題，建議工作人員可嘗試采用多閾值平均的路面破損圖像分割方法來開展工作。在對道路破損特征圖像進行分割處理時，先通過應用最小偏態(tài)發(fā)、最大間方差法以及最大熵法來獲得路面破損圖像的分割閾值，然后通過計算得到平均值以及最佳的分割閾值。根據(jù)以上數(shù)據(jù)對道路破損特征圖像進行分割，就可將圖像背景與分割目標準確隔離出來，同時也能有效去除多余噪聲。

3 路面破損特征參數(shù)的提取與識別

3.1 路面破損特征參數(shù)計算

在將路面破損特征圖像進行灰度處理、濾波除燥處理以及分割處理后，圖像上的破損特征就會以一系列的點的集合形式呈現(xiàn)出來，而相鄰兩像素點會形成一個骨架。此時，將全部骨架長度相加，得到的數(shù)據(jù)就是實際的破損路面長度，之后依據(jù)相關(guān)數(shù)據(jù)與計算公式同樣得出破損路面寬度，這樣就掌握了兩項關(guān)鍵信息。

3.2 路面破損特征識別

在獲取到路面破損特征后，就可構(gòu)建BP神經(jīng)網(wǎng)絡對相關(guān)特征做進一步的識別。為保證最終識別結(jié)果的科學性、準確性，相關(guān)工作人員需按照一定的規(guī)范標準與要求來構(gòu)建神經(jīng)網(wǎng)絡，要準確確定各層中神經(jīng)元的個數(shù)、學習速率以及初始值，同時準確確定出網(wǎng)絡的層數(shù)，以確保構(gòu)建的網(wǎng)絡符合識別要求，能夠開展識別工作。一般情況下，具有偏差和最少一個S型隱含層加上一個線性輸入層的網(wǎng)絡，可以逼近全部有理函數(shù)。增加網(wǎng)絡層數(shù)雖然有利于減少誤差，提高最終的識別精度，但是也會讓網(wǎng)絡結(jié)構(gòu)更加復雜。為此，在構(gòu)建識別網(wǎng)絡時可在網(wǎng)絡中設計一個S型的隱含層，在網(wǎng)絡中設計6個輸入節(jié)點與5個輸出節(jié)點，通過這樣的設計讓神經(jīng)網(wǎng)絡能快速運轉(zhuǎn)，在提高識別效率的同時提升道路破損特征識別的精準性。

4 結(jié)束語

綜上所述，在公路使用期間，公路路面檢測與破損特征識別是一項重要工作，通過檢測與識別可體現(xiàn)發(fā)現(xiàn)安全隱患，避免安全事故的發(fā)生。為此，應高度重視對公路路面檢測與破損特征識別技術(shù)的優(yōu)化、創(chuàng)新與應用，讓該項技術(shù)更好地服務于我國交通事業(yè)。