基于路面裂縫圖像均光分析方法

楊杲 贠斌強 王青鋒

摘要：為了解決路面病害檢測過程中，在沒有光照或者光照條件不好的情況下對裂縫圖像識別的可靠性問題，研究了一種基于路面裂縫圖像均光分析方法。首先對基于面陣CCD相機圖像裂縫8位灰度值轉換成16位灰度值圖像，基次采用Beamlet變換提供了一種多尺度分析算法，進行圖像勻光，然后將勻光好的圖像轉成8位灰度值的原圖，最后對一組由面陣CCD相機獲取的路面圖像按照方法進行路面裂縫訪真試驗，驗證采用這種技術的合理性和實用性.

關鍵詞：勻光；BeamLet變換；像素灰度；路面裂縫檢測

引言

隨著數字圖像采集技術和圖像處理技術的發展，基于CCD的視頻圖像采集技術已經被廣泛應用于公路病害檢測。但是通過CCD的道路圖像采集過程中，許多非人為因素的干擾會嚴重影響采集圖像的質量。本文采用將CCD相機采集過來的8位圖像轉換成16位圖像，然后再采用圖像自動勻光算法進行勻光，最后將16位圖像恢復成8位圖像的方式來解決采集過程圖像存在的問題[1]。

1.圖像灰度位階轉換

將8位灰度值圖像中的顏色全部取出來，映射到16位灰度值圖像中去，就是所謂的邏輯移位，移進的位都補零，移出的位丟掉，都是在原始數據上移位。

2基于Beamlet變換的圖像光照均勻算法實現

基于Beamlet變換的路面裂縫圖像勻光算法實現整幅圖像和局部圖像相結合，兼顧全局對比度提高和局部細節保持.且處理后的圖像裂縫線清晰、連貫性較好且無漏檢裂縫的現象.圖像背景光照均勻化的過程可以分為以下幾個步驟.

2.1遞歸二進分塊

對于一幅n×n的圖像，并且n=2J.如果定義圖像的邊長為單位長度，那么每個像素可以看成是邊長1/n的方塊，并且所有像素都位于[0，1]2中，用二進的正方形表示{（x1，x2）：[k1/2j，k1+1/2j]×[k2/2j，k2+1/2j}]j，≥0，0≤k1，k2≤2j，記作（k1，k2，j）.在尺度0≤j≤J上，可將原圖像分成大小為2-j的2j×2j個窗口[2].

本文中將一幅512×512的裂縫圖像先劃分為2×2個子正方形，每個子正方形的邊長是單位正方形邊長的1/2，再把每個子正方形劃分為2×2個更小的子正方形.以此類推，一個n×n的圖像最多可以分解log2n+1次，即尺度最多分解到像素級

2.2圖像裂縫定位

對一幅512×512的含噪聲圖像進行處理，圖像中可能含有未知長度、方向和位置的裂縫.裂縫圖像的每一像素點灰度值表示為fi1，i2，其中0

對劃分出來的窗口，按從上到下從左到右的順序依次搜索f'i1，i2.對含有目標像素點的窗口，按順序依次搜索該窗口的鄰域窗口，如果在該窗口的所有鄰域窗口內都沒有發現目標像素點，則認為該目標像素點為噪聲點，則將該目標像素點的像素值替換為fmean.如果有多個鄰域窗口都含有目標像素點，則對每一個含有目標像素的鄰域窗口按搜索該窗口的鄰域窗口中是否含有目標像素點，并建立beamlet基，記為Bn，δ..

在所有尺度下取恒定的分辨率，對每個窗口在邊界上以δ為間隔，以目標像素點f'i1，i2為標記點，則對同一beamlet基下的兩個標記點的連線為一個beamlet[4]..

對于由任意裂縫的兩個標記點連接成的一條beamlet線段，其可以由不同精度下的若干條beamlet線段來無限逼近，以此能到最真實的裂縫圖像，并可以有效地濾除干擾.

2.3 beamlet變換

設f（x1，x2）為[0，1]2上的連續函數，函數f（x1，x2）的beamlet變換表述為 （1）式中b為某一尺度下某一方向和位置的一個beamlet；bnδ，為所有尺度下beamlet基的集合；x（l）為描述沿著b的單位速度路徑的函數；f（x（l））為沿著b的圖像函數.對于實際的n×n數字圖像fi1，i2，相應的離散beamlet變換，可以先通過插值得到函數f（x1，x2），再利用式（1）得到： （2）這里φi1，i2是插值函數，其選擇方法有很多.本文中綜合考慮計算的復雜性與插值精度，把fi1，i2看成f（x1，x2）的像素級平均.取恒定分辨率δ=2-J，即1/n.那么任意像素點（i1，i2）被看成是一個矩形[i1/n（，i1+1）/n]×[i2/n（，i2+1）/n]，由此得到的函數在此窗口內的值都為fi1-i2.

2.4背景光照均勻

通過Beamlet變換后的圖像，裂縫信息已經被完整地從原圖像中分離出來.可以將裂縫信息與背景信息相互孤立地進行處理.此時我們要做的是保持圖像細節.

對于劃分后的每一個窗口，計算該窗口的像素灰度平均值（ ），最大值（） 以及最小值（ ），設置該窗口的一個灰度上限閾值 ，如果該窗口中的像素點的灰度值fi1，i2大于灰度值上限Hh，則認為這一點為太陽光照射點.將像素點灰度值fi1，i2像素點濾除，然后重新計算每個窗口的灰度平均值f'mean，并計算勻光參數 ，對于同一窗口內的像素灰度值fi1，i2經過均光變換后的取值如下：

（3）

3.圖像壓縮成圖像位階

將所勻光后的16位圖片還原成8位，16位轉成8位就是有數據截斷，相當于一定程度的壓縮。

4.實驗仿真結果比較及分析

道路裂縫檢測系統在對道路圖像的處理過程中，路面圖像質量的優劣直接決定了裂縫識別的準確性等問題。先將原圖轉成16位圖，再采用Beamlet變換處理后的道路圖像，與傳統的圖像增強算法相比，具有明顯的背景均勻，裂縫清晰等優點。

為了對路面裂縫圖像在不同方法下的處理時間和處理結果進行評價，選擇峰值信噪比（PSNR）作為定量評價標準，在去除單點噪聲和裂縫邊緣保護兩方面性能上，對該文算法與經典的邊緣檢測算子及傳統形態學算法進行比較。PSNR定義如下：

（4）式中f（i，j）和y（i，j）分別為參考圖像和處理后圖像中像素的灰度值；E為f（i，j）的最大值；M和N分別為圖像的長寬像素。

從PSNR性能參數比較中可以清楚的看出，本文算法處理后的圖像信噪比遠高于其它傳統類型的處理方法。無論是從視覺效果，還是從客觀評價來看，利用該算法處理的裂縫信息完整，也可以有效地過濾噪聲的干擾。最后將圖片還原成8位灰度值圖像。

5.研究結論

先將8位灰度值圖像轉成16位，再用Beamlet變換的路面裂縫圖像勻光算法引入路面裂縫圖像預處理，再將16位灰度值圖像還原成8位圖。從而提高路面裂縫的可靠性和準確性，且該算法運算簡單，處理速度快，可以滿足在行車過程中的對路面采集圖像的高速處理。因此，本文提出的路面裂縫圖像勻光算法對于路面裂縫智能檢測系統的開發和應該具有重要意義。

參考文獻

[1]王榮本，王超，初秀民，路面破損圖像識別研究進展[J].吉林大學學報：工學版，2002，32（4）：91-97.

[2] 李清泉，胡慶武，基于圖像自動勻光的路面裂縫圖像分析方法[J].公路交通科技，2010，27（4）：1-5.

[3] H D Cheng，M Miyojim.Automatic pavement distress detection system[J].Journal of Information Sciences，1998，108（1/4）：219-240.

[4] 張娟.基于數字圖像處理的路面裂縫識別與評價技術研究[D].西安：長安大學，2004.

（作者單位：武漢濱湖電子有限責任公司）