無人機影像道路與橋梁裂縫智能化識別

吳昊天 董文樂 張毓惠 李翊瑋 楊凱銀 常廣利

(北華大學，吉林 吉林 132013)

目前，國內對道路與橋梁檢測的主要方法是采用人工檢測為主，檢測效率較低，對于大里程道路橋梁的檢測周期較長，無法滿足現階段的需要，因此本文提出利用無人機影像配合計算機圖像識別分析技術，可以快速地對道路與橋梁裂縫進行處理，提高道路與橋梁檢測的效率，較好地解決了目前人工檢測的主要弊端[1]。

1 道路與橋梁裂縫處理

圖像裂縫的提取有粗提取和細提取兩種方法，其中粗提取主要是對裂縫圖像的灰度化處理、直方圖均衡化、濾波去噪等，利用最大類間方差法求解，確定出適當的閾值，再利用閾值對圖像進行篩選，剔除小于閾值部分，最后得到二值化圖像。

1.1 圖像灰度化

首先利用無人機航拍技術對吉林市某段道路與橋梁進行航拍，拍攝得到航拍照片300張，對這些彩色圖像進行灰度處理，將其轉化為黑白圖片。

1.2 圖像直方圖均衡化

圖像灰度化以后，其灰度值會分布在一個比較窄的空間，這樣會導致圖像不清晰，對比度較差，為了提高圖像的清晰度，能夠直觀地識別灰度化的圖像，本文通過直方圖均衡化來增強圖像的整體對比度，進一步提高圖像識別的準確度[2-3]。

1.3 圖像中值濾波去噪

為了進一步對圖像邊緣識別，本文采用中值濾波來對圖像做進一步的處理，中值濾波能在濾除噪聲的同時很好地保持圖像邊緣，中值濾波的原理：把以當前像素為中心的小窗口內所有像素的灰度按從小到大排序，取排序結果的中間值作為該像素的灰度值。

1.4 最大類間方差法二值化和濾波

最大類間方差法是一種自適應的閾值確定的方法，又叫大津法，簡稱OTSU。它是按圖像的灰度特性，將圖像分成背景和目標2部分。在使用im2bw函數將灰度圖像轉換為二值圖像時，需要設定一個閾值，這個函數可以幫助我們獲得一個合適的閾值。

2 試驗與分析

2.1 技術流程

本文中道路與橋梁裂縫檢測的圖像采集應用的是大疆多旋翼無人機，相機為五鏡頭，飛行當天天氣良好，無風，道路兩側無障礙物，無人機飛行高度為35 m，試驗分析流程圖如圖1所示。

圖1 技術流程圖

2.2 試驗結果

圖像分析試驗采用MATLABR2014a程序進行，其具體試驗步驟如圖1中技術流程圖進行整個過程的圖像處理，通過程序分析，圖像識別處理，最終得到道路與橋梁裂縫的識別結果，具體操作過程如下，圖2中為灰度化處理后的圖像，無人機拍照采樣的圖像為彩色圖像，第一步要先進行灰度化處理。第二步對灰度化的圖像采樣直方圖均衡化處理，得到如圖3所示圖像，由于此圖像中存在噪聲和模糊邊界等問題。第三步要對圖像進行濾波去噪，本文采用中值濾波去噪的方法，得到圖4所示圖像，最后利用最大類間方差法處理圖像，處理后的圖像如圖5所示。由圖5可以看出，經過計算機程序對圖像的識別分析，其道路與橋梁裂縫可以很清晰地顯現出來，最終可以達到對圖像識別的目的。

圖2 灰度化圖像

圖3 直方圖均衡化后圖像

圖4 中值濾波圖像

圖5 最大類間方差法處理后圖像

2.3 評價

本文將無人機采集的300張圖片利用計算機程序識別分析，并將這些照片劃分為3組，每組100張，判別分析結果的正確識別率，首先將原始圖像灰度化處理，將圖片轉化為灰度圖，灰度范圍為0～255，然后將灰度圖直方圖均衡化，增強整個圖像的對比度，再進行濾波去噪，使圖像更加清晰可辨，最后利用最大類間方差法處理確定最佳閾值，根據設定的最佳閾值剔除小于此閾值的部分，通過圖像的分析處理，其分析準確率達到了85%以上，此方法有較高的識別率，可以在道路與橋梁裂縫識別中應用。

本文通過無人機航拍技術獲得吉林市某段道路橋梁的損壞段圖片，將圖片利用計算機程序進行識別處理，轉化為可以清晰判別裂縫的圖片形式，通過識別判定其對裂縫的識別正確率在85%以上，說明此方法對于道路與橋梁裂縫有較高的識別度，可以應用于道路與橋梁檢測中，而且也能最大程度地提高檢測的作業效率，減少了人工，但本文只是針對道路與橋梁裂縫進行的識別，至于其它方面的破壞還有待于進一步研究。