陳滿余，苑瑋琦

（1.沈陽(yáng)工業(yè)大學(xué)視覺(jué)檢測(cè)技術(shù)研究所，沈陽(yáng) 110870；2.遼寧省機(jī)器視覺(jué)重點(diǎn)實(shí)驗(yàn)室，沈陽(yáng) 110870）

1 引言

早期的路面裂縫檢測(cè)主要以人工目檢為主。隨著數(shù)字圖像處理和深度學(xué)習(xí)技術(shù)的發(fā)展，許多經(jīng)典方法和深度學(xué)習(xí)方法被應(yīng)用于路面裂縫檢測(cè)。經(jīng)典方法方面，文獻(xiàn)[1]提出了一種改進(jìn)的加權(quán)鄰域像素分割的路面裂縫檢測(cè)算法；文獻(xiàn)[2]提出了一種多閾值潛在裂縫區(qū)域檢測(cè)方法；文獻(xiàn)[3]提出了一種局部二值模式（LBP）和支持向量機(jī)（SVM）的路面裂縫檢測(cè)方法，通過(guò)人為設(shè)計(jì)特征讓機(jī)器學(xué)習(xí)自主學(xué)習(xí)特征成為了可能；文獻(xiàn)[4]提出了隨機(jī)結(jié)構(gòu)森林的路面裂縫檢測(cè)框架CrackForest。近年來(lái)隨著硬件設(shè)備的迅猛發(fā)展，深度學(xué)習(xí)方法在路面裂縫檢測(cè)中的應(yīng)用得到了十分廣泛的研究，文獻(xiàn)[5]提出了一種特征金字塔和分層增強(qiáng)網(wǎng)絡(luò)（FPHBN）的路面裂縫檢測(cè)算法；文獻(xiàn)[6]提出了一種無(wú)監(jiān)督多尺度融合的路面裂縫檢測(cè)算法；文獻(xiàn)[7]提出了DeepLabv3+的路面裂縫檢測(cè)網(wǎng)絡(luò)及像素級(jí)裂縫量化算法。由于強(qiáng)調(diào)獲得更精確的結(jié)果和維護(hù)上下文信息，研究越來(lái)越傾向于端到端的深度學(xué)習(xí)過(guò)程，文獻(xiàn)[8]提出了DenseNet 和反卷積網(wǎng)絡(luò)的裂縫像素級(jí)檢測(cè)方法；文獻(xiàn)[9]提出的深度卷積網(wǎng)絡(luò)CrackU-net 避免了假陽(yáng)性的檢測(cè)問(wèn)題，但巨大的參數(shù)量增加了時(shí)間成本；文獻(xiàn)[10]提出了基于層次特征融合和連接注意機(jī)構(gòu)的路面裂縫檢測(cè)方法?；谖墨I(xiàn)調(diào)研，在此提出一種基于灰度極小值的路面裂縫檢測(cè)算法。

2 路面裂縫檢測(cè)算法

2.1 路面裂縫檢測(cè)原理

路面在長(zhǎng)期使用過(guò)程中受車(chē)輛載荷和自然環(huán)境等因素影響，會(huì)出現(xiàn)裂縫、車(chē)轍、凹槽、結(jié)構(gòu)層破壞等病害，對(duì)交通安全構(gòu)成潛在的隱患。這些病害最初以裂縫的形式出現(xiàn)，后期導(dǎo)致結(jié)構(gòu)層破壞等更嚴(yán)重的病害。路面裂縫主要分為橫向、縱向、塊狀、網(wǎng)狀四種類(lèi)型，不同類(lèi)型路面裂縫如圖1 所示。

圖1 路面裂縫類(lèi)型

裂縫灰度圖像及分布情況分析如圖2 所示。路面灰度圖像中裂縫區(qū)域與其它區(qū)域相比亮度較低。在圖2(a)可見(jiàn)裂縫在圖中呈現(xiàn)暗區(qū)域。在圖2(b)給出的路面裂縫灰度剖面分布曲線中，橫坐標(biāo)代表像素點(diǎn)位置，縱坐標(biāo)代表像素點(diǎn)位置的灰度值。

圖2 裂縫灰度分布

可見(jiàn)裂縫暗區(qū)域的灰度分布曲線呈山谷狀（圖中BCD 區(qū)域），將其定義為凹線段；凹線段的底部代表裂縫中心點(diǎn)（C 點(diǎn)）。凹線段定義如下所述：

若灰度剖面分布曲線上任意像素點(diǎn)P 的灰度值為F(P)，其相鄰兩點(diǎn)對(duì)應(yīng)的灰度值分別為F(P-1)和F(P+1)，若P 同時(shí)滿足如下二式：

則P 為極小值點(diǎn)，對(duì)應(yīng)于圖中的A 點(diǎn)和C 點(diǎn)。

若P 同時(shí)滿足如下二式：

則P 為極大值點(diǎn)，對(duì)應(yīng)于圖中的B 點(diǎn)和D 點(diǎn)。

將灰度剖面分布曲線中A、B、C 三點(diǎn)組成的線段定義為凸線段，B、C、D 三點(diǎn)組成的線段定義為凹線段。路面裂縫灰度圖像的灰度分布曲線由許多相鄰的此類(lèi)凹凸線段組成。由分析可知裂縫區(qū)域的灰度分布為凹線段，且凹線段底部的灰度極小值點(diǎn)為裂縫的中心點(diǎn)，滿足條件的灰度極小值點(diǎn)的集合即構(gòu)成整條裂縫。

此外，同一條裂縫的對(duì)比度也存在變化，如圖3所示。高對(duì)比度裂縫標(biāo)記為H，低對(duì)比度裂縫標(biāo)記為L(zhǎng)，由灰度分布曲線可知高對(duì)比度裂縫的凹線段灰度極小值點(diǎn)與背景存在明顯的灰階差，而低對(duì)比度裂縫凹線段灰度極小值點(diǎn)與背景之間的差異不大。

圖3 同一裂縫對(duì)比度差異及灰度分布分析

2.2 裂縫特征提取算法

2.2.1 路面裂縫特征分析

按照從左到右、從下到上的方向遍歷裂縫圖像，計(jì)算并標(biāo)記整幅圖像凹線段灰度極小值點(diǎn)的坐標(biāo)和灰度值信息，以直方圖的方式進(jìn)行統(tǒng)計(jì)。統(tǒng)計(jì)結(jié)果如圖4 所示，觀察灰度值出現(xiàn)頻數(shù)隨凹線段極小值點(diǎn)灰度值的變化情況，可見(jiàn)其符合正態(tài)分布。

圖4 整幅圖像灰度極小值點(diǎn)直方圖

2.2.2 路面裂縫病害異常數(shù)據(jù)提取

若一組樣本數(shù)據(jù)在等精度重復(fù)有限次測(cè)量的基礎(chǔ)上滿足正態(tài)分布，則可利用3σ 準(zhǔn)則分析異常值。σ 是指當(dāng)前樣本數(shù)據(jù)的標(biāo)準(zhǔn)差，數(shù)據(jù)落在±3σ 范圍內(nèi)的概率為99.73%，落在±3σ 范圍外的概率僅為0.27%?？芍谟邢薮螖?shù)據(jù)測(cè)量中落在±3σ 范圍之外的概率是小概率事件，因此通常將等于3σ 的誤差定義為極限誤差。若樣本數(shù)據(jù)中某個(gè)數(shù)據(jù)殘余誤差的絕對(duì)值大于3σ，則為異常數(shù)據(jù)，應(yīng)剔除。根據(jù)路面裂縫整幅圖像凹線段灰度極小值點(diǎn)滿足正態(tài)分布的特點(diǎn)，采用準(zhǔn)則提取裂縫異常數(shù)據(jù)，過(guò)程如下：

式中，Xi代表第i 個(gè)極小值點(diǎn)灰度值；n 代表極小值點(diǎn)個(gè)數(shù)；μ 和σ 分別代表灰度極小值的期望和標(biāo)準(zhǔn)偏差。將圖4 的極小值點(diǎn)帶入，可算出圖3 中的點(diǎn)H滿足XH-μ＞3σ；點(diǎn)L 滿足XL-μ＞σ。因此可采用3σ高低閾值提取裂縫特征，其中高閾值TH=μ-3σ，低閾值TL=μ-σ，數(shù)學(xué)模型如下：

2.2.3 多方向裂縫24 鄰域激活重構(gòu)算法

對(duì)介于高、低閾值之間的特征點(diǎn)進(jìn)行分析，可知兩者的區(qū)別是低對(duì)比度裂縫特征點(diǎn)的24 鄰域，原理如圖5 所示，其存在高閾值特征點(diǎn)；而背景干擾點(diǎn)的24 鄰域無(wú)高閾值裂縫特征點(diǎn)。

圖5 正轉(zhuǎn)時(shí)碼盤(pán)相位波形

基于上述分析，所提方法是基于雙閾值多方向激活限制特征裂縫線條生成，其原理是掃描介于高、低閾值特征點(diǎn)之間（圖5 中P 點(diǎn)）的24 鄰域內(nèi)的高閾值個(gè)數(shù)PNum，數(shù)學(xué)模型如下：

若PNum≥1，將其當(dāng)作裂縫特征點(diǎn)激活，反之將其當(dāng)作背景干擾點(diǎn)去除。不同掃描方向激活結(jié)果不同，且第n+1 次的激活結(jié)果依賴(lài)于第n 次的激活結(jié)果，所以將掃描起始點(diǎn)分別設(shè)為路面裂縫圖像的四個(gè)頂點(diǎn)，進(jìn)行多方向掃描激活，并將四個(gè)方向的激活結(jié)果按照最大原則合并后作為裂縫特征激活重構(gòu)結(jié)果。

不同類(lèi)型裂縫的特征提取激活重構(gòu)結(jié)果如圖6所示?？芍诹芽p特征被完整提取的前提下，保留的偽裂縫處于分散狀態(tài)，為了使最終的檢測(cè)結(jié)果更加符合裂縫的真實(shí)損害程度，需要設(shè)計(jì)專(zhuān)用于去除偽裂縫的算法。

圖6 裂縫特征多方向激活重構(gòu)結(jié)果

3 偽裂縫去除算法

為保證提取到足夠多的裂縫細(xì)節(jié)信息以實(shí)現(xiàn)不同對(duì)比度裂縫的激活重構(gòu)，將不可避免保留部分噪聲干擾，形成偽裂縫。對(duì)其特征做多方向激活重構(gòu)，結(jié)果如圖7 所示。偽裂縫通常是由路面中的凹坑、沙礫、油斑污漬以及路面環(huán)境的自然材料等形成的。從人眼角度看，偽裂縫與裂縫在圖像中呈現(xiàn)相同的暗區(qū)域特點(diǎn)。雖然偽裂縫凹線段極小值點(diǎn)灰度值和裂縫的差異不大，但偽裂縫呈雜散狀，不具備較好的線條連續(xù)性。而相比之下，裂縫在線條連續(xù)性方面具有較好的特異性。

圖7 裂縫特征多方向激活重構(gòu)結(jié)果

基于上述分析，在保證裂縫被完整檢測(cè)的前提下，基于裂縫連續(xù)性設(shè)計(jì)偽裂縫去除算法。算法原理是設(shè)計(jì)大小為M×N 的滑動(dòng)窗口遍歷裂縫激活重構(gòu)結(jié)果。由于裂縫具有連續(xù)性，窗口鄰域內(nèi)存在裂縫特征點(diǎn)；而偽裂縫不具備連續(xù)性，窗口鄰域內(nèi)不存在裂縫特征點(diǎn)?；瑒?dòng)窗口掃描示意圖如圖8 所示。滑動(dòng)窗口的尺寸是關(guān)鍵問(wèn)題，如果設(shè)置為固定值，那么采集環(huán)境的變化可能會(huì)導(dǎo)致算法不再適用。

圖8 滑動(dòng)窗口掃描示意圖

鑒于偽裂縫是路面中的凹坑、沙礫、油斑污漬等，在路面破損圖像中呈雜散態(tài)分布。圖像的寬度和高度對(duì)應(yīng)目標(biāo)物體的長(zhǎng)度和寬度，因此只需確定偽裂縫長(zhǎng)度與圖像寬度之間的關(guān)系即可確定滑動(dòng)窗口的尺寸。通過(guò)對(duì)大量偽裂縫數(shù)據(jù)分析發(fā)現(xiàn)其有效長(zhǎng)度不超過(guò)路面破損圖像寬度的5%。圖8 (c)是M×N=5%×長(zhǎng)×寬×5%時(shí)滑動(dòng)窗口的偽裂縫去除結(jié)果，可見(jiàn)在裂縫被完整檢測(cè)的同時(shí)偽裂縫已被去除。

4 實(shí)驗(yàn)結(jié)果與分析

依照中華人民共和國(guó)交通運(yùn)輸部發(fā)布的現(xiàn)行《公路路面技術(shù)狀況自動(dòng)化檢測(cè)規(guī)程》（JTG/T E61-2014）行業(yè)標(biāo)準(zhǔn)中的路面裂縫自動(dòng)檢測(cè)方法，選用檢測(cè)識(shí)別準(zhǔn)確率（Recognition Accuracy,RA）作為評(píng)估指標(biāo)，計(jì)算公式為：

式中，CN（Correct Number)代表正確檢測(cè)的路面裂縫圖像個(gè)數(shù)；TN（Total Number)代表路面裂縫數(shù)據(jù)集的總個(gè)數(shù)。

算法實(shí)驗(yàn)使用的軟件平臺(tái)為Visual Studio C++2022。處理器Intel?CoreTMi7-12700H（2.70 GHz）。選用64 位Windows11 操作系統(tǒng)，并在公共數(shù)據(jù)集CFD[6]中進(jìn)行算法評(píng)估。CFD 數(shù)據(jù)集采集了中國(guó)北京的城市路面狀況，包括路面中常見(jiàn)的油斑和水漬等噪聲，圖像的分辨率為480×320 像素，共有118 張。實(shí)驗(yàn)得到不同類(lèi)型的路面裂縫的檢測(cè)結(jié)果，如圖9所示。

圖9 不同類(lèi)型裂縫檢測(cè)結(jié)果

不同檢測(cè)方法在CFD 數(shù)據(jù)集中的評(píng)估結(jié)果在表1 中匯總給出。

表1 CFD 數(shù)據(jù)集測(cè)試結(jié)果

由表1 可知，所提方法在CFD 數(shù)據(jù)中的檢測(cè)識(shí)別準(zhǔn)確率有所提高。然而當(dāng)路面存在大面積重油污干擾時(shí)，由于重油污區(qū)域的灰度值小于裂縫區(qū)域，將導(dǎo)致裂縫區(qū)域的凹線段極小值點(diǎn)灰度值不滿足特征提取條件，發(fā)生重油污相關(guān)裂縫的漏檢。對(duì)于大面積重油污干擾等復(fù)雜環(huán)境裂縫檢測(cè)的問(wèn)題，還有待在未來(lái)進(jìn)一步研究解決。

5 結(jié)束語(yǔ)

本研究深入探索了路面不同類(lèi)型裂縫的檢測(cè)。在對(duì)路面裂縫灰度圖像不做預(yù)處理和標(biāo)注訓(xùn)練的前提下，通過(guò)統(tǒng)計(jì)分析凹線段灰度極小值點(diǎn)直方圖，提出了一種基于灰度極小值的路面裂縫檢測(cè)方法，在公共數(shù)據(jù)集CFD 上進(jìn)行了算法的有效性驗(yàn)證。驗(yàn)證結(jié)果表明，所提方法能夠有效檢測(cè)橫向、縱向、塊狀和網(wǎng)狀裂縫，對(duì)于路面裂縫的在線檢測(cè)具有一定的實(shí)際應(yīng)用價(jià)值。