基于自適應(yīng)閾值的公路裂縫自動(dòng)檢測(cè)方法研究

段明義，崔奧杰，張曉方，張宇凱，惲宣任

（鄭州工程技術(shù)學(xué)院信息工程學(xué)院，河南鄭州，450044）

0 引言

當(dāng)前并沒(méi)有一種方法能夠?qū)飞袭a(chǎn)生的細(xì)小裂縫問(wèn)題進(jìn)行高精度的檢測(cè)，因此造成檢測(cè)方法效率低的現(xiàn)象發(fā)生[1]。自適應(yīng)閾值算法是一種利用圖像當(dāng)中的局部閾值替換掉全部閾值從而對(duì)圖像中的信息進(jìn)行計(jì)算的方法。當(dāng)前自適應(yīng)閾值算法在應(yīng)用過(guò)程中的主要作用是對(duì)顏色差異不明顯的圖像進(jìn)行識(shí)別，因此針對(duì)公路當(dāng)中不明顯的裂縫，本文將開(kāi)展基于自適應(yīng)閾值的公路裂縫自動(dòng)檢測(cè)方法研究。

1 基于自適應(yīng)閾值的公路裂縫自動(dòng)檢測(cè)方法設(shè)計(jì)

■1.1 公路路面圖像自動(dòng)采集

選擇CCD 工業(yè)相機(jī)，利用其實(shí)時(shí)拍照功能，進(jìn)行公路裂縫圖像的自動(dòng)化采集，為了確保獲取圖像的清晰度，按照相機(jī)的陣列坐標(biāo)軸，構(gòu)建公路坐標(biāo)圖像，此過(guò)程中考慮到圖像的獲取可能受到外界相關(guān)信息的干擾，因此提出使用CCD 工業(yè)相機(jī)建立公路裂縫二維面陣的方式，進(jìn)行公路全程圖像的識(shí)別。

為了避免獲取的圖像信息存在曝光的問(wèn)題，應(yīng)在獲取圖像后，立刻將圖像上傳至以太網(wǎng)序列中，按照上機(jī)位傳輸端信息分布的特征，實(shí)現(xiàn)對(duì)圖像的高效率上傳[2]。考慮到實(shí)地考察工作的惡劣性較強(qiáng)，公路的整體運(yùn)行環(huán)境較差，因此可認(rèn)為獲取的公路裂縫圖像中可能存在較多的無(wú)用信息，包括環(huán)境噪聲、車輛行駛干擾信息等。為了滿足后期對(duì)公路裂縫的標(biāo)注需求，降低無(wú)用信息對(duì)后續(xù)檢測(cè)工作實(shí)施的干擾，需要對(duì)存在噪聲的圖像進(jìn)行標(biāo)記處理，并根據(jù)信息的標(biāo)記，對(duì)指定圖像進(jìn)行除雜降噪處理。假定噪聲在圖像中是以脈沖噪聲的方式存在，因此可將獲取的噪聲信息近似看作高斯噪聲[3]。按照?qǐng)D像標(biāo)準(zhǔn)化平滑處理方式，對(duì)自動(dòng)采集的公路裂縫圖像進(jìn)行處理。處理過(guò)程可用如下計(jì)算公式表示。

公式（1）中，w(x,y) 表示為經(jīng)過(guò)平滑處理后的公路路面裂縫圖像；(x,y) 表示為處理后圖像中存在裂縫問(wèn)題點(diǎn)坐標(biāo)；m表示為公路路面平整信息的數(shù)據(jù)集合；q表示為相關(guān)處理行為；z表示為使用CCD 工業(yè)相機(jī)自動(dòng)獲取的圖像信息。根據(jù)上述計(jì)算公式，輸出完成處理的公路裂縫圖像，基于此，完成對(duì)除雜去噪公路裂縫圖像的獲取。

■1.2 基于自適應(yīng)閾值的公路圖像移動(dòng)平均分割

完成對(duì)公路裂縫圖像自動(dòng)采集后，為了進(jìn)一步減少公路上的光照強(qiáng)度對(duì)檢測(cè)效果的影響，結(jié)合自適應(yīng)閾值，沿著提取圖像的掃描線進(jìn)行移動(dòng)平均值計(jì)算[4]。圖1 為掃描模式下公路圖像移動(dòng)平均分割逐線執(zhí)行示意圖。

圖1 掃描模式下圖像移動(dòng)平均分割逐線執(zhí)行示意圖

如圖1 所示，假設(shè)Lk表示為在掃描順序中，第k 步時(shí)點(diǎn)的灰度，對(duì)該灰度點(diǎn)按照公式（2）進(jìn)行移動(dòng)平均值計(jì)算：

公式（2）中，n表示為用于計(jì)算平均值的點(diǎn)數(shù)。公式（2）中，M（k）得出的計(jì)算結(jié)果還應(yīng)當(dāng)與Zk/n 數(shù)值相同。通過(guò)移動(dòng)平均閾值分割的方法，對(duì)公路裂縫圖像的處理，可保證在噪聲較小，并且灰度不均現(xiàn)象降低的前提條件下實(shí)現(xiàn)對(duì)公路裂縫的提取，有利于后續(xù)公路裂縫自動(dòng)檢測(cè)與定位的精度[5]。在實(shí)際應(yīng)用過(guò)程中，由于移動(dòng)平均方法中的閾值是人為設(shè)置的，因此在針對(duì)不同圖像進(jìn)行處理的過(guò)程中表現(xiàn)出的效果會(huì)存在較大差異。由于公路裂縫在圖像當(dāng)中的灰度比周圍其他未出現(xiàn)裂縫位置的像素相對(duì)較低，因此使用傳統(tǒng)設(shè)備在獲取圖像時(shí)會(huì)受到光照不均勻的影響，使得最終獲取到的圖像更容易出現(xiàn)過(guò)度分割現(xiàn)象[6]。因此，針對(duì)上述問(wèn)題，本文采用一種粗分割的方法，對(duì)公路圖像移動(dòng)進(jìn)行平均分割。由于粗分割不會(huì)受到灰度不均勻的影響，因此能夠在分割過(guò)程中提取到更加完整的裂縫圖像信息。通過(guò)粗分割得到的二值圖像其噪聲與一般分割方法相比更低，因此更有利于后續(xù)對(duì)分割圖像進(jìn)行處理，方便對(duì)公路裂縫進(jìn)行檢測(cè)和定位從而進(jìn)一步降低本文提出的基于自適應(yīng)閾值的公路裂縫自動(dòng)檢測(cè)方法的復(fù)雜程度。

■1.3 公路裂縫自動(dòng)檢測(cè)與定位

結(jié)合視覺(jué)顯著性，將其融入到公路裂縫圖像當(dāng)中的標(biāo)記數(shù)字定位當(dāng)中，結(jié)合普殘差顯著特征算法，在一定的頻率域當(dāng)中獲取到公路裂縫的log 譜，以此在公路裂縫圖像當(dāng)中構(gòu)建有關(guān)裂縫和細(xì)小裂縫的顯著圖像。由于在圖像處理及監(jiān)測(cè)領(lǐng)域當(dāng)中，通過(guò)冗余信息，能夠更加快速的反映出在圖像統(tǒng)計(jì)過(guò)程中存在的各類變化特征，將帶有變化特征的區(qū)域在公路裂縫自動(dòng)檢測(cè)過(guò)程中即可看作是公路存在裂縫和區(qū)域，不帶有變化特征的區(qū)域，即可看作是公路不存在裂縫，能夠正常穩(wěn)定運(yùn)行的區(qū)域。

最后，再利用卷積神經(jīng)網(wǎng)絡(luò)，對(duì)檢測(cè)并定位到的公路裂縫圖像表現(xiàn)出的具體特征進(jìn)行自主學(xué)習(xí)，并確保圖像當(dāng)中的所有細(xì)節(jié)特征均保留的前提條件下，降低對(duì)檢測(cè)方法的特征識(shí)別訓(xùn)練數(shù)據(jù)量。對(duì)于可能存在變化特征的圖像，還需要進(jìn)行相應(yīng)的灰度化處理，并將上文當(dāng)中提出的自適應(yīng)閾值計(jì)算的規(guī)格進(jìn)行轉(zhuǎn)變，變換為40×40 的圖像，以此完成對(duì)圖像的歸一化處理。再將數(shù)據(jù)作為輸入層中的數(shù)據(jù)，利用相同的卷積核對(duì)其相應(yīng)的裂縫特征進(jìn)行提取，采用8 個(gè)10×10 的卷積核，對(duì)40×40 的圖像進(jìn)行平均劃分，得到最終的特征圖像。在檢測(cè)輸出層當(dāng)中，添加365 個(gè)神經(jīng)元，并將其彼此相互連接，從而構(gòu)成一個(gè)720 個(gè)連接線的網(wǎng)絡(luò)結(jié)構(gòu)。通過(guò)輸出層當(dāng)中得出的映射可利用線性特征對(duì)其進(jìn)行裂縫定位，以此實(shí)現(xiàn)對(duì)公路裂縫的自動(dòng)檢測(cè)。

2 實(shí)驗(yàn)論證分析

■2.1 實(shí)驗(yàn)準(zhǔn)備

實(shí)驗(yàn)選用某地區(qū)公路作為實(shí)驗(yàn)對(duì)象，該公路整體長(zhǎng)度約為128km，貫通整座城市，公路路面的占地面積約為1368km2，分別利用本文提出的基于自適應(yīng)閾值的公路裂縫自動(dòng)檢測(cè)方法和傳統(tǒng)檢測(cè)方法對(duì)該公路裂縫進(jìn)行自動(dòng)檢測(cè)。實(shí)驗(yàn)過(guò)程中，選用該公路8 段公路路面作為實(shí)驗(yàn)檢測(cè)區(qū)域。在該檢測(cè)區(qū)域當(dāng)中包含了多個(gè)不同深度、不同數(shù)量的裂縫。8 段公路路面的裂縫平均深度為0.165m，最淺為0.057m，最深為0.195m。其裂縫的平均長(zhǎng)度為0.355m，最短為0.097m，最長(zhǎng)為0.483m。為保證實(shí)驗(yàn)結(jié)果的客觀性，實(shí)驗(yàn)過(guò)程中，兩種檢測(cè)方法均通過(guò)多態(tài)光譜攝像機(jī)對(duì)公路路面圖像進(jìn)行拍攝，并對(duì)攝像機(jī)設(shè)置相同的拍攝參數(shù)：攝像機(jī)像素為1200 萬(wàn)，分別率為85DPI，拍攝頻率為6.83Hz，拍攝周期為15s。分別利用電子表格對(duì)兩種檢測(cè)方法檢測(cè)到的公路裂縫數(shù)量、深度等參數(shù)進(jìn)行記錄，并將其與該公路實(shí)際的裂縫情況進(jìn)行比較。通過(guò)電子表格記錄的內(nèi)容，對(duì)比兩種檢測(cè)方法的檢測(cè)平均相對(duì)誤差，并將其作為實(shí)驗(yàn)結(jié)果進(jìn)行輸出。以此，完成對(duì)本文公路裂縫自動(dòng)檢測(cè)方法和傳統(tǒng)檢測(cè)方法的對(duì)比。

■2.2 實(shí)驗(yàn)結(jié)果分析

按照上述實(shí)驗(yàn)準(zhǔn)備，完成兩種檢測(cè)方法的實(shí)驗(yàn)，并將實(shí)驗(yàn)結(jié)果進(jìn)行記錄，將計(jì)算得出的兩種方法平均相對(duì)誤差與最大誤差允許范圍進(jìn)行比較，得出如表1 所示的實(shí)驗(yàn)結(jié)果對(duì)比表。

表1 兩種檢測(cè)方法實(shí)驗(yàn)結(jié)果對(duì)比表

根據(jù)表1 中的數(shù)據(jù)得出，本文檢測(cè)方法的平均相對(duì)誤差明顯低于傳統(tǒng)檢測(cè)方法的平均相對(duì)誤差，并且本文檢測(cè)方法的檢測(cè)精度均低于最大允許誤差范圍，而傳統(tǒng)檢測(cè)方法僅在第2 段范圍內(nèi)實(shí)現(xiàn)了對(duì)公路路面裂縫的高精度檢測(cè)。因此，通過(guò)對(duì)比實(shí)驗(yàn)證明，本文提出的基于自適應(yīng)閾值的公路裂縫自動(dòng)檢測(cè)方法在實(shí)際應(yīng)用中能夠有效提高檢測(cè)結(jié)果的準(zhǔn)確性，并保證檢測(cè)結(jié)果的精度滿足公路交通的高精度要求。因此，將本文提出的檢測(cè)方法應(yīng)用于實(shí)際能夠?yàn)楣方煌ㄔ诤罄m(xù)公路維修、公路養(yǎng)護(hù)等階段，提供可靠的數(shù)據(jù)支撐，以此不僅可以提高公路的運(yùn)營(yíng)質(zhì)量，同時(shí)還能夠?yàn)楣方煌ò踩峁┍Ｕ稀?/p>

3 結(jié)束語(yǔ)

本文針對(duì)當(dāng)前公路上常出現(xiàn)的裂縫影響道路運(yùn)行問(wèn)題，提出一種結(jié)合自適應(yīng)閾值的全新的檢測(cè)方法，并通過(guò)實(shí)驗(yàn)證明了該方法的實(shí)際應(yīng)用效果。將本文提出的檢測(cè)方法與實(shí)際公路施工、維護(hù)等情況結(jié)合，可以著重改善公路裂縫監(jiān)測(cè)的錯(cuò)誤識(shí)別率高、細(xì)小裂縫監(jiān)測(cè)不到位等問(wèn)題。同時(shí)，本文提出的檢測(cè)方法在有效降低了錯(cuò)誤識(shí)別率的基礎(chǔ)上，能夠更好地對(duì)細(xì)小裂縫以及微灰度差異的裂縫進(jìn)行精準(zhǔn)檢測(cè)。通過(guò)本文論述，可將自適應(yīng)閾值引入到公路交通建設(shè)的公共環(huán)節(jié)當(dāng)中，更加全面地提升公路質(zhì)量，為實(shí)現(xiàn)公路的自動(dòng)化建設(shè)提供新技術(shù)、新思路。