基于改進SegNet 的瀝青路面病害提取與分類方法*

張志華 鄧硯學 張新秀

（1.蘭州交通大學測繪與地理信息學院 蘭州 730070；2.蘭州交通大學地理國情監測技術應用國家地方聯合工程研究中心 蘭州 730070；3.甘肅省地理國情監測工程實驗室 蘭州 730070；4.甘肅省公路路網檢測重點實驗室 蘭州 730070）

0 引 言

裂縫和灌封裂縫作為瀝青路面最主要的2類病害，其檢測結果為路面養護管理決策提供可靠的技術支持。

現階段，大多數瀝青路面病害檢測方法通過道路檢測車快速采集路面圖像，運用基于圖像視覺的路面病害檢測方法，如自適應閾值分割法、邊緣檢測法、形態法、小波分析等算法[1]，實現瀝青路面病害提取。道路檢測車采集的圖像包含各種道路場景、車道線、油漬、不同的光照背景和其他污漬。基于閾值法改進的路面病害檢測方法只能處理特定類型的病害圖像[2]，易受光照條件的影響[3-4]，效率較低[5-6]。Hu等[7]開發了基于簡化局部二值模式子集的裂縫提取器，假設該子集可以使用邊緣、角點和平面區域信息提取路面裂縫，但忽略了背景紋理的復雜性。Zalama 等[8]使用Gabor 濾波器提取的視覺特征進行裂縫檢測，為了克服參數選擇困難的問題，使用Ada-Boosting 組合多組弱分類器進行特征提取，并取得較好的結果。Shi 等[9]提出CrackForest，它將隨機森林結構應用于裂縫檢測，用統計特征直方圖和統計鄰域直方圖之間的分布差異區分真實裂縫和噪聲。但是CrackForest無法去除連接到真實裂縫區域的噪聲。Nejad等[10]開發了1個基于小波理論的路面破損檢測專家系統。這些方法無法準確地將裂縫像素從復雜的背景紋理中分離出來，因為無法捕獲足夠的全局結構信息[9]。……