[发明专利]基于纹理特征提取的道路表面缺陷检测方法

说明书

本发明提供的一种基于纹理特征提取的道路表面缺陷检测方法，包括如下步骤：获取具有路面缺陷的图像并进行灰度处理形成路面缺陷灰度图像；对路面缺陷灰度图像进行纹理特征提取，提取出特征值组成纹理特征向量，将同一缺陷类别的纹理特征向量表征的路面缺陷灰度图像进行均分，形成训练集和测试集；并通过栈式自编码器对训练集进行高维抽象特征提取；将softmax layer逻辑分类层堆栈于栈式自编码器形成深度神经网络，通过深度神经网络对高维抽象特征进行训练，对测试集中的路面灰度图像完成分类识别；能够对道路表面缺陷进行准确检测，提升结果的精确性。

技术领域

本发明涉及一种道路表面缺陷检测方法，尤其涉及一种基于纹理特征提取的道路表面缺陷检测方法。

背景技术

道路的表面缺陷检测是保证交通正常运行的重要保障，现有技术中，对于道路表面缺陷检测包括如下方法：超声波、探测雷达、激光三角测量、人工检测、机器视觉等；上述中的检测方法中，存在如下缺陷：首先，人工介入较多，浪费人力，效率低，工作强度大，而且在检测过程中难以实现交通隔离，从而为工作人员带来严重的安全隐患；其次，现有的检测方法难以保证检测结果的准确性：由于路况收到环境的影响，自然环境中对于检测中的参数存在较为严重的干扰，为了提出干扰，使得计算过程复杂，难度大。

因此，需要提出一种新的道路表面缺陷检测方法，能够对道路表面缺陷进行准确检测，提升结果的精确性，从而利于后续的治理措施进行制定，而且能够有效减少人工介入，节约人力成本，提高检测效率，尤其是能够保证工作人员的安全，而且能够有效避免检测过程中对交通运行的影响。

发明内容

有鉴于此，本发明的目的是提出一种基于纹理特征提取的道路表面缺陷检测方法，能够对道路表面缺陷进行准确检测，提升结果的精确性，从而利于后续的治理措施进行制定，而且能够有效减少人工介入，节约人力成本，提高检测效率，尤其是能够保证工作人员的安全，而且能够有效避免检测过程中对交通运行的影响。

本发明提供的一种基于纹理特征提取的道路表面缺陷检测方法，包括如下步骤：

S1.获取具有路面缺陷的图像并进行灰度处理形成路面缺陷灰度图像；

S2.对路面缺陷灰度图像进行纹理特征提取，提取出特征值组成纹理特征向量，并以纹理特征向量表征路面缺陷灰度图像；

S4.将同一缺陷类别的纹理特征向量表征的路面缺陷灰度图像进行均分，形成训练集和测试集；

S5.以两个相同的自编码器构成栈式自编码器，并通过栈式自编码器对训练集进行高维抽象特征提取；

S6.将softmax layer逻辑分类层堆栈于栈式自编码器形成深度神经网络，通过深度神经网络对高维抽象特征进行训练，训练完成后，对测试集中的路面灰度图像完成分类识别。

进一步，还包括步骤S3：对纹理特征向量进行归一化处理，并通过如下公式进行：

其中，M为归一化处理后的纹理特征向量，a为待归一化处理的纹理特征向量的特征值，b为纹理特征向量中最大特征值，c为纹理特征向量中最小特征值。

进一步，路面缺陷包括坑槽、龟裂、裂纹和松散。

进一步，步骤S2中，包括如下步骤：

S21.采用灰度差分统计法对路面缺陷面灰度图像进行特征提取，并提取出三个特征值：差分平均值、差分对比度以及差分熵；

S22.采用Gabor算法对路面缺陷灰度图像进行特征提取，并提取出三个特征值：Gabor平均值、Gabor对比度和Gabor熵；

S23.采用灰度梯度法对路面缺陷灰度图像进行特征值提取，并提取出四个特征值：梯度平均值、梯度方差、梯度偏度和梯度峰度；