基于图像处理的路面裂缝自动检测.doc

华侨大学厦门工学院 数字图像处理课程论文 题 目： 基于图像处理的路面裂缝自动检测 班 级： 12通信3班 学生姓名： 詹建梁 学 号： 1202303036 指导教师： 杨艺敏 2015 年 6 月 20 日 基于图像处理的路面裂缝自动检测 摘 要：本文主要研究裂缝图像的处理技术，分为图像预处理、图像分割、特征提取三部分。图像预处理部分，本文采用最近邻插值法将图像缩小，变为原图像的1/4;采用四种不同类型的结构元素依次对路面裂缝图像进行中值滤波，平滑去噪;采用基于图像背景提取的灰度校正算法校正图像光照不均。图像分割部分，本文采用Ostu阂值分割算法对路面裂缝图像进行分割，并进行适当改善;采用连通域白色像素点阂值去噪算法去除二值图像的噪声;将数学形态学和白色像素点阂值去噪算法相结合，利用多种形态学算法交替处理，提取出裂缝，最后运用迭代细化方法对裂缝进行了细化。特征提取部分，本文根据不同类型裂缝的特征选取了裂缝像素面积、水平投影、垂直投影、矩形度作为裂缝的特征值，利用裂缝像素面积能够准确判断图像中有无裂缝。 关键词：裂缝检测，图像预处理，图像分割，特征提取 随着我国公路交通的迅速发展，对公路的养护工作也提出了更高的要求。公路在建成后会受到气候、地质条件、通行量、载荷量等因素的影响，这些因素会使公路产生不同程度损坏，如裂缝、坑洞等，因此，相关部门需要对公路进行定期的检测和养护。如果能在公路病害出现的初期将其发现并进行及时处理，那么养护公路的开支将大大减少，公路的使用年限也将大大延长[[2]。在不影响公路运营的前提下，对公路路面病害进行实时检测，这成为我们关注的重要问题，也是路面检测的研究方向。 国内发展现状 就国内而言，在对公路路面情况进行检测时，大部分还是使用传统的人工检测方法。由检测人员对裂缝的长度、周长和面积等数据进行实地测量和记录，再进行统计和分类，最后由技术人员对裂缝损害程度进行评估并制定养护计划。这种传统的方法效率低、误差大，而且对交通有较大的影响，检测人员的人身安全也不能完全保证。由于这种检测方式的误差大，养护计划制定准确性也随之下降，对施工质量的改进方法也不能很好确定。科学的对路面裂缝进行检测，得到精确的裂缝数据，相关部门就可以及时制定合适的养护计划，在路面裂缝损害出现的早期对其进行修护，节省了费用，延长了公路的使用年限，提高了公路的服务水平。 2、系统工作原理 论文的主要研究工作包括:路面裂缝图像的预处理、预处理后图像的分割、路面裂缝的特征提取、路面裂缝类型分类和识别、裂缝参数计算。整个论文研究的算法流程图如图1.11所示。 2.1图像预处理 由于路面的裂缝图像是由ccD相机拍摄所得，因此，拍摄图像时受到外界环境因素和图像采集系统自身噪声的影响，这样所得到的裂缝图像会有光照不均和附带噪声的现象，导致图像质量下降，如不对图像质量进行改善，会直接给后面的图像处理工作带来巨大的困难，影响裂缝的识别率，严重时则无法识别裂缝。综上所述，我们必须根据情况对原始图像进行预处理。 本论文中涉及的原始图像较大，首先需要对图像进行缩小，缩小为原图像的1/4，以提高系统运算速度，之后对缩小后的图像进行去噪平滑处理，通过实验对多种算法进行对比，最后选择使用四种结构元素对图像依次进行中值滤波，从而对多种噪声进行有效地滤除，并且可以保留四个方向上的边缘特性。针对图像光照不均的问题，本文尝试了5种方法对其进行校正，对效果进行比较，最后使用了基于图像背景提取的灰度校正算法对平滑后的图像进行校正，取得了较好的效果。本文对图像进行全比例缩小，取lx =寿= 0.5，并运用最近邻插值法对新图像中的像素灰度值进行近似处理，即对原图像进行隔行隔列取样，对应的像素灰度值赋给新图像。例如，原图像中的(0,2)点像素对应新图像的(0,1)点像素，原图像中的(2,0)点像素对应新图像的(1,0)点像素，这样将图像缩小为原来的四分之一，示意图如图2.3所示。 道路裂缝图像尺寸大小为4096x2048，经过尺寸缩小后变为2048x1024, 总像素数减少为原来的四分之一，这样减少了处理的运算量，提高了软件处理的运行速度，系统性能得到提升。对路面裂缝图像的缩小结果如图2.4所示。 2.2图像分割 图像分割是继图像预处理后又一项十分重要的内容，也是图像处理工作中最困难的步骤之一。图像分割是图像处理层到图像分析层的关键步骤，在良好的图像分割基础下，才能更好的提取目标的特征值，测量