[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

说明书

本发明公开了一种应用于公路路面视频图像的裂缝检测及识别方法，该方法包括：通过对灰度图像进行低通滤波以及边缘提取得到边缘图像。采用一种自适应阈值获取的方法做图像阈值化处理。根据图像本身的特征计算适合当前图像的区块参数，并使用这些区块描述裂缝。进而对图像依次进行区块去噪和分布去噪运算。通过选取连通域中灰度累加值最小区块的方法确定裂缝精确定位结果。最后使用区块的分布特征完成对裂缝的描述。本发明适用于公路路面视频中的裂缝自动检测及识别，具有实时性好，应用场景广泛，抗干扰能力强等优点。

技术领域

本发明属于人工智能和图像处理技术领域，涉及一种应用于公路路面视频图像的裂缝检测及识别方法。

背景技术

近年来我国公路建设飞速发展，但是道路病害也日益增多，尤其是道路裂缝病害。这些裂缝如果不能够及时有效的修复，会给公路带来更加严重的破坏，同时也会对交通安全造成隐患。目前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。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。现有的自动化检测方法当中，受限于费用昂贵的激光或红外设备，系统成本居高不下；基于机器视觉的裂缝检测算法，很多仅仅做到了检测出裂缝，而缺乏必要的对裂缝的分类及描述，不能够有效的帮助相关部门及时制定合适的养护计划。

发明内容

本发明的目的是为了克服以往检测裂缝方法的缺陷，提出一种准确的，鲁棒的算法，该算法能够在公路视频图像中有效的检测及识别路面裂缝。算法包括以下步骤：

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。

通过以上技术方案，本发明的技术效果在于：

本发明适用于公路路面视频中的裂缝自动检测及识别，具有实时性好，应用场景广泛，抗干扰能力强等优点。

附图说明

图1是裂缝检测及识别算法的流程图。

图2是待检测裂缝灰度图像。

图3是对图2的预处理过程示意图。

图4是对图2低通滤波后的图像。

图5是方向梯度算子提取边缘结果图像。

图6是裂缝阈值图像。

图7是对图6进行区块去噪后的结果图像。