[发明专利]一种应用于公路路面视频图像的裂缝检测及识别方法

权利要求书

1.一种应用于公路路面视频图像的裂缝检测及识别方法，其特征在于，该方法包括以下步骤：

步骤1，对于输入图像，进行RGB到灰度的颜色空间转换，得到灰度图像，进而对灰度图像进行低通滤波，对低通滤波后的图像进行梯度算子边缘提取，得到边缘图像；

步骤2，对于得到的边缘图像，采用自适应阈值获取的方法阈值化图像，获得裂缝前景图像，进一步使用相同的阈值对步骤1中的灰度图像进行反向阈值化处理，将两次结果做按位与运算，获取裂缝阈值图像；

步骤21，对于边缘图像，采用基于收敛连通域判定的自适应阈值获取方法分割图像，首先计算图像上所有像素值的均值mean和标准差std，为了加快算法收敛速度，选取迭代初始阈值：

Thresh(0)＝mean+std

之后每次迭代阈值设为Thresh(i)，i为当前迭代次数，按照下式计算：

Thresh(i)＝Thresh(i-1)+1，i≥1

使用Thresh(i)阈值化图像，统计阈值图像中的连通域数量N(i)，当N(i)收敛时，即前后两次连通域数量相等，即满足下式：

N(k)∈[N(k-1)-N(k-1)×ε，N(k-1)+N(k-1)×ε]

其中，k表示收敛时的迭代次数，ε是差额控制参数，当前Thresh(k)值即为自适应阈值gThresh；

步骤22，使用gThresh对边缘图像进行阈值化，提取裂缝前景图像threshImg1，为了滤除图像当中的亮色行道线干扰，使用gThresh对步骤1中的灰度图像做反向阈值化，获得图像当中的暗色区域；

使用gThresh对edgeImg进行图像阈值化，获得裂缝前景图像threshImg1，按照下式计算：

式中：threshImg1(i，j)是图像在位置(i，j)上的灰度值，为了滤除图像当中的亮色行道线干扰，使用gThresh对灰度图像做反向阈值化，获得反向阈值图像threshImg2，按照下式计算：

式中：threshImg2(i，j)是图像在位置(i，j)上的灰度值；

步骤23，对于反向阈值图像，利用数学形态学对其进行矩形掩模的膨胀运算，进而将其与裂缝前景图像进行按位与运算，运算结果就是裂缝阈值图像；

对于threshImg2，利用数学形态学对其进行矩形掩模的膨胀运算，选择膨胀操作掩模大小为9×9，将膨胀后的threshImg2与threshImg1进行按位与运算，运算结果就是裂缝阈值图像threshImg；

步骤3，通过设置分辨率参数，计算正方形区块边长，利用这些区块以及裂缝阈值图像中的非零像素位置，对图像进行区块去噪，剩余区块中的非零像素作为疑似裂缝图像，并保存去噪后的区块；

步骤4，计算步骤3中每个标定区块的中心坐标，再分别计算这些坐标在X方向和Y方向的分布直方图，对疑似裂缝图像进行分布去噪，得到裂缝图像，并保存分布去噪后的区块；

步骤5，对于裂缝图像，记录分布去噪后每个区块位置信息，在步骤1中的灰度图像上找出区块在X和Y方向上相互连通的区域，计算连通域中各区块内灰度值之和，取灰度值之和最小的区块作为精确定位后的裂缝位置；

步骤6，对于精确定位裂缝位置，使用区块的分布特征计算得出裂缝分类：横向、纵向和网状，进一步根据不同的裂缝分类，计算得出裂缝的最大累计宽度和最大累计长度，完成对裂缝的描述。

2.根据权利要求1所述的方法，其特征在于，所述步骤1进一步包括以下步骤：

步骤11，对于输入图像，考虑裂缝相较于路面其他区域呈现较为暗淡的特点，对图像进行灰度化处理，得到灰度图像；

步骤12，考虑裂缝灰度值较低，所以对图像进行低通滤波，遍历图像当中相邻的n×n邻域，将邻域中n²个像素按照升序排列，其中，n是奇数，按照以下模板对当前邻域按位计算：

其中，第1行至第行全部置1，第行中前个元素置1，其余元素全部置0；

步骤13，对于低通滤波图像，进行如下8个模板的卷积运算：

提取8个方向上的边缘图像，计算这些边缘图像上对应位置取值最大的像素值作为最终边缘图像。