CN104573695A

CN104573695A - 一种能快速定位感兴趣区的路面裂缝检测方法和系统

Info

Publication number: CN104573695A
Application number: CN201410814956.5A
Authority: CN
Inventors: 承恒达
Original assignee: BEIJING HENGDA JINCHENG IMAGE TECHNOLOGY Co Ltd
Current assignee: BEIJING HENGDA JINCHENG IMAGE TECHNOLOGY Co Ltd
Priority date: 2014-12-23
Filing date: 2014-12-23
Publication date: 2015-04-29

Abstract

本发明涉及一种能快速定位感兴趣区的路面裂缝检测方法和系统，包括采集路面图像和数据处理步骤，其中，数据处理步骤包括获取连续的数字图像的步骤以及从连续的数字图像中定位感兴趣区的步骤，所述定位感兴趣区的步骤包括：A、设定感兴趣区条件，根据设定的感兴趣区条件，筛选出含感兴趣区的数字图像；B、针对每一含感兴趣区的数字图像，检索图像中的感兴趣区，定位出感兴趣区；C、输出含有感兴趣区的图像。采用本发明提供的方法，能在大量的路面裂缝检测采集的图像中将感兴趣区快速筛选出来，这样不仅能够大大提高人工、半自动图像分析方式的效率，有效减少劳动量，从而减少漏检、误检、错检率，提高检测准确率，感兴趣区定位也能提高全自动分析系统的效率。

Description

一种能快速定位感兴趣区的路面裂缝检测方法和系统

技术领域

本发明属于路面检测技术领域，具体涉及一种能快速定位感兴趣区的路面裂缝检测方法和系统。

背景技术

随着计算机、电子、摄像机等技术的发展，公路路面的自动检测设备的硬件也在不停地升级换代并日臻完善。目前，关于路面图像的自动采集设备已经越来越多地应用到路面裂缝检测中。图像后期分析主要采用人工、半自动、全自动三种方式。然而，一次检测过程采集的图像是大量的，而其中含有裂缝的图像的比例却较少。也就是说，只有少部分图像是含有裂缝信息的。同时，在含有裂缝信息的图像中，裂缝部分所占的面积也较小。裂缝部分图像区域是分析所真正关注的感兴趣区。无论采用哪一种图像的后期分析方式，路面裂缝检测都是寻找感兴趣区，并进一步计算裂缝的过程。

发明内容

针对现有技术中存在的缺陷，本发明的一个目的是提供一种能快速定位感兴趣区的路面裂缝检测方法，采用该方法能够大大提高路面裂缝检测方法中后期图像分析技术的效率，有效减少劳动量，提高检测准确率。

本发明的另一个目的是提供一种能快速定位感兴趣区的路面裂缝检测系统。

为达到以上目的，本发明采用的技术方案是：一种能快速定位感兴趣区的路面裂缝检测方法，包括采集路面图像和数据处理步骤，其中，数据处理步骤包括对采集路面图像步骤所获得的路面图像模拟信号进行处理并获取连续的数字图像的步骤以及从连续的数字图像中定位感兴趣区的步骤，即定位裂缝部分图像区域的步骤，所述定位感兴趣区的步骤包括：A、设定感兴趣区条件，根据设定的感兴趣区条件，筛选出含感兴趣区的数字图像，所述感兴趣区条件是指感兴趣区中路面损坏类型状况；B、针对每一含感兴趣区的数字图像，检索图像中的感兴趣区，定位出感兴趣区；C、输出含有感兴趣区的图像。

进一步，A步骤采用人工-经验法实现，具体实现方式是，由操作者根据其对被检路段破损情况的先验知识或具体需求设定感兴趣区条件；然后，根据感兴趣区条件，从连续的数字图像中人工筛选出含感兴趣区的数字图像。

进一步，A步骤采用半自动法实现，具体实现方式是，由操作者首先对所得到的数字图像进行分析，给出检测到的破损类型及每一种破损的严重程度，据此设定感兴趣区条件；然后，根据感兴趣区条件，利用图像识别技术从连续的数字图像中筛选出含感兴趣区的数字图像。

进一步，A步骤采用全自动法实现，具体实现方式是，由操作者首先对所得到的数字图像进行分析，给出该路段可能存在的破损类型的初步估计，根据用户需求设定感兴趣区条件；然后，根据感兴趣区条件，利用图像识别技术从连续的数字图像中识别出含感兴趣区的数字图像。

进一步，B步骤所述检索图像中的感兴趣区的方法采用固定条件检索法，具体实现方式是，在含感兴趣区的数字图像上设定固定的范围，在固定的范围内通过形状自适应生成感兴趣区的中心点，求出覆盖低灰度像素的区域即找到感兴趣区。

进一步，B步骤所述检索图像中的感兴趣区的方法采用基于内容的图像检索法，具体实现方式是，将图像划分为大小相同的块，提取每个图像块中的一组形状、纹理、空间关系和颜色基本特征，通过这些特征对图像块进行分类，然后利用基于数学形态学的图像噪声处理方法对分类结果构成的二值图像进行修正，然后采用自适应背景感知的目标定位算法找到符合裂缝特点的感兴趣区。

进一步，C步骤所述输出感兴趣区图像的方法是，输出裂缝所在区域的数字图像。

进一步，C步骤所述输出感兴趣区图像的方法是，输出含感兴趣区的数字图像，其中含有裂缝的图像部分以规则形状或不规则形状圈定出。

本发明提供的一种能快速定位感兴趣区的路面裂缝检测系统，包括路面图像采集模块和数据处理模块，其中，数据处理模块包括数字图像获取模块和感兴趣区定位模块，所述感兴趣区定位模块包括感兴趣区图像筛选子模块、感兴趣区图像检索子模块和感兴趣区图像输出子模块，感兴趣区图像筛选子模块，用于设定感兴趣区条件、并根据设定的感兴趣区条件，筛选出含感兴趣区的数字图像；感兴趣区图像检索子模块，用于检索每一含感兴趣区的数字图像中的感兴趣区，定位出感兴趣区；感兴趣区图像输出子模块，用于输出含有感兴趣区的图像。

采用本发明提供的方法，能在大量的路面裂缝检测采集的图像中将感兴趣区快速筛选出来，这样，不仅能够大大提高人工、半自动图像分析方式的效率，有效减少劳动量，从而减少漏检、误检、错检率，提高检测准确率。感兴趣区定位也能提高全自动分析系统的效率。

附图说明

图1是本发明提供的一种能快速定位感兴趣区的路面裂缝检测方法的流程图。

具体实施方式

下面结合具体实施方式对本发明作进一步描述。

如图1所示，本发明所提供的一种能快速定位感兴趣区的路面裂缝检测方法，包括采集路面图像步骤101和数据处理步骤102，数据处理步骤102包括对采集路面图像步骤所获得的路面图像模拟信号进行处理并获取连续的数字图像的步骤1021以及从连续的数字图像中定位感兴趣区的步骤1022，即定位裂缝部分图像区域的步骤。

本发明中，定位感兴趣区的步骤1022包括：

A、设定感兴趣区条件，筛选出含感兴趣区的数字图像，所述感兴趣区条件是指感兴趣区中路面损坏类型状况(路面损坏类型是指沥青路面的龟裂、块状裂缝、坑槽、松散、沉陷波浪、拥包、泛油、修补以及纵向裂缝、横向裂缝、车辙；水泥路面的破碎板、板角断裂、坑洞、拱起、露骨、修补和裂缝、错台、唧泥、边角剥落、接缝料损坏等)。

B、针对每一含感兴趣区的数字图像，检索图像中的感兴趣区，定位出感兴趣区。

C、输出含有感兴趣区的图像。

上述A步骤可采用人工-经验设定法、半自动设定法或全自动设定法实现。

人工-经验设定法。具体实现方式是，由操作者根据其对被检路段破损情况的先验知识或具体需求设定感兴趣区条件；然后，根据感兴趣区条件，从连续的数字图像中人工筛选出含感兴趣区的数字图像。

半自动设定法。具体实现方式是，由操作者首先对所得到的数字图像进行分析，给出检测到的破损类型及每一种破损的严重程度，据此设定感兴趣区条件；然后，根据感兴趣区条件，利用图像识别技术从连续的数字图像中筛选出含感兴趣区的数字图像。

全自动设定法。具体实现方式是，由操作者首先对所得到的数字图像进行分析，给出该路段可能存在的破损类型的初步估计，根据用户需求设定感兴趣区条件；然后，根据感兴趣区条件，利用图像识别技术从连续的数字图像中识别出含感兴趣区的数字图像。

上述B步骤所述检索图像中的感兴趣区的方法可采用固定条件检索法或基于内容的图像检索法。

固定条件检索法，即在含感兴趣区的数字图像上设定固定的范围，在固定的范围内通过形状自适应生成感兴趣区的中心点，求出覆盖低灰度像素的区域即找到感兴趣区。固定条件检索法是对路面裂缝的粗定位，适用于裂缝出现位置较为固定的情况。如：固定出现在图像中央、左侧等。固定条件检索法的具体实现方式如下：

1)通过形状自适应生成感兴趣区的中心点。

中心点是基于下面两种规则提出来的：

①裂缝等破损比周围正常路面区域的灰度值低，这使得裂缝等破损在图像上就呈现为低灰度像素的聚集区域。

②阴影等干扰区域也都具有较低的灰度值，通常单独使用灰度和纹理信息很难将它们与裂缝分开，需要使用频域高斯滤波对图像进行平滑。

公式(1)中f是一幅大小为M×N的图像(其中M和N分别是图像的高和宽)，g是平滑后的输出图像，是一个高斯低通滤波器，它用来使图像f在空域中变平滑，这样做可以避免噪声的影响。

g (x, y) = (G_{δ_{1}} * f) (x, y), x = 1,2 . . . My = 1,2, . . . N - - - (1)

w_{1} (x, y) = A \cdot e^{-} {[g (x, y) - \min [\underset{x, y}{g} (x, y)]}^{2} / d - - - (2)

为了使图像中低灰度区域突显出来，公式(2)通过一个指数函数将图像g映射为能量图。式(2)中g是经平滑后输出的图像，w₁是映射后的能量图，其取值范围为[0,1]，d是平滑窗口内像素灰度的标准差，用来控制指数函数的形状。

w_{i + 1} (x, y) = \{\begin{matrix} 0, & ifx < {X^{i}}_{L} orx > N - {X^{i}}_{R} ory < {Y^{i}}_{T} ory > M - {Y^{i}}_{D} \\ 16 w_{i} (x, y) \times \frac{(x - {X^{i}}_{L}) \cdot (N - {X^{i}}_{R} - x)}{{((N - {X^{i}}_{L} - {X^{i}}_{R}))}^{2}} \times \frac{(y - {Y^{i}}_{T}) \cdot (M - {Y^{i}}_{D} - y)}{{((M - {Y^{i}}_{T} - {Y^{i}}_{D}))}^{2}}, & others \end{matrix} - - - (3)

公式(3)根据能量图的重心偏移对干扰区域进行衰减，式(3)中w_i是第i次衰减之前的能量图，Yⁱ _T，Yⁱ _D，Xⁱ _L和Xⁱ _R表示衰减函数离图像上、下、左、右四个边界的距离，它们根据相邻两次加权中心的位置变化进行更新。

C_{i} = \frac{\underset{x, y}{Σ} l_{xy} \cdot w_{i} (x, y)}{\underset{w_{i} (x, y) x, y}{Σ}} l_{xy} = (x, y), i = 1,2,3 - - - (4)

公式(4)用于计算能量图w_i的重心C_i，C_i本质上感知的是整幅图像的能量分布，对于一幅完全均匀的图像，其能量图也应该是均匀的，它的加权中心将和几何中心重合，非均匀的图像的加权中心将向高能量聚集区域偏移。计算得到的能量图w_i的重心C_i即得到感兴趣区的中心点。

2)感兴趣区的中心点确定后，求出覆盖低灰度像素的区域，固定为检索到的感兴趣区。

基于内容的图像检索法(即基于有监督学习的图像分类方法)，是将图像划分为大小相同的块，提取每个图像块中的一组形状、纹理、空间关系和颜色基本特征，通过这些特征对图像块进行分类，分类后，利用数学形态学方法对分类结果构成的二值图像进行修正，然后采用自适应背景感知的目标定位算法找到符合裂缝特点的感兴趣区。具体实现方式如下：

①图像的模糊化和分块

分类前先将图像通过最大模糊熵方法进行模糊化，以使所有的图像变换到同样的亮度水平上。然后，将图像划分成多个大小相同的图像块。

②纹理等特征的提取

使用本领域常用的灰度共生矩阵算法提取图像块的纹理特征，即采用一系列共生矩阵度量表示图像块的纹理特征。由于超声图像中的纹理特征并不具有特定的方向性，为了减少特征向量的维数，将相对距离的共生矩阵中提取的纹理特征的均值作为一个特征进行分类。

同时，提取颜色、形状等特征。

③分类器的训练

采用本领域常用的支持向量机方法对图像块进行分类，得到每一个图像块是否属于感兴趣区，即分类结果。

支持向量机可通过核函数将样例由低维空间映射到高维空间，从而解决非线性分类问题

具体分类方法见文献“Liu,Bo,et al."Fully automatic andsegmentation-robust classification of breast tumors based on local texture analysisof ultrasound images."Pattern Recognition 43.1(2010):280-298.”。

④感兴趣区域的确定

在对图像块进行分类后，利用基于数学形态学的图像噪声处理方法对分类结果构成的二值图像进行修正。

这一步骤的作用有两点：

a.阴影区域中有某些特点的纹理信息和裂缝比较相似，易被误识，可用开运算消除误识区域；

b.由于光照影响，有些裂缝存在亮度较高的部分，这些部分容易被误识而使得裂缝区域内产生断裂，通过闭运算可将断裂部分填充。

修正后即可确定感兴趣区的位置，可采用本领域常用的自适应背景感知的目标定位算法来确定(具体算法见文献“Cui,Fang,Zhe Li,and Li Yao."Images Crack Detection Technology based on Improved K-means Algorithm."Journal of Multimedia 9.6(2014):822-828.”)。

本发明中，上述C步骤所述输出感兴趣区图像的方法可以是，直接输出裂缝所在区域的数字图像。

或者，C步骤所述输出感兴趣区图像的方法可以是，输出含感兴趣区的数字图像，其中含有裂缝的图像部分以规则形状或不规则形状圈定出。

此外，对本领域普通技术人员来说，本发明提供的路面裂缝检测系统除了包括上述模块，还应包括本领域通用的其他模块或装置，例如用于承载系统中各模块并提供稳定行驶速度的承载车、用于控制模块(或装置)启动或数据流向的控制模块以及为系统中其他模块提供稳定电源的供电模块等。

上述实施方式只是对本发明的举例说明，本发明也可以以其它的特定方式或其它的特定形式实施，而不偏离本发明的要旨或本质特征。因此，描述的实施方式从任何方面来看均应视为说明性而非限定性的。本发明的范围应由附加的权利要求说明，任何与权利要求的意图和范围等效的变化也应包含在本发明的范围内。

Claims

1.一种能快速定位感兴趣区的路面裂缝检测方法，包括采集路面图像和数据处理步骤，其中，数据处理步骤包括对采集路面图像步骤所获得的路面图像模拟信号进行处理并获取连续的数字图像的步骤以及从连续的数字图像中定位感兴趣区的步骤，即定位裂缝部分图像区域的步骤，其特征在于，

所述定位感兴趣区的步骤包括：

A、设定感兴趣区条件，根据设定的感兴趣区条件，筛选出含感兴趣区的数字图像，所述感兴趣区条件是指感兴趣区中路面损坏类型状况；

B、针对每一含感兴趣区的数字图像，检索图像中的感兴趣区，定位出感兴趣区；

C、输出含有感兴趣区的图像。

2.根据权利要求1所述的路面裂缝检测方法，其特征在于，A步骤采用人工-经验法实现，具体实现方式是，由操作者根据其对被检路段破损情况的先验知识或具体需求设定感兴趣区条件；然后，根据感兴趣区条件，从连续的数字图像中人工筛选出含感兴趣区的数字图像。

3.根据权利要求1所述的路面裂缝检测方法，其特征在于，A步骤采用半自动法实现，具体实现方式是，由操作者首先对所得到的数字图像进行分析，给出检测到的破损类型及每一种破损的严重程度，据此设定感兴趣区条件；然后，根据感兴趣区条件，利用图像识别技术从连续的数字图像中筛选出含感兴趣区的数字图像。

4.根据权利要求1所述的路面裂缝检测方法，其特征在于，A步骤采用全自动法实现，具体实现方式是，由操作者首先对所得到的数字图像进行分析，给出该路段可能存在的破损类型的初步估计，根据用户需求设定感兴趣区条件；然后，根据感兴趣区条件，利用图像识别技术从连续的数字图像中识别出含感兴趣区的数字图像。

5.根据权利要求1-4任一所述的路面裂缝检测方法，其特征在于，B步骤所述检索图像中的感兴趣区的方法采用固定条件检索法，具体实现方式是，在含感兴趣区的数字图像上设定固定的范围，在固定的范围内通过形状自适应生成感兴趣区的中心点，求出覆盖低灰度像素的区域即找到感兴趣区。

6.根据权利要求1-4任一所述的路面裂缝检测方法，其特征在于，B步骤所述检索图像中的感兴趣区的方法采用基于内容的图像检索法，具体实现方式是，将图像划分为大小相同的块，提取每个图像块中的一组形状、纹理、空间关系和颜色基本特征，通过这些特征对图像块进行分类，然后利用基于数学形态学的图像噪声处理方法对分类结果构成的二值图像进行修正，最后采用自适应背景感知的目标定位算法找到符合裂缝特点的感兴趣区。

7.根据权利要求1所述的路面裂缝检测方法，其特征在于，C步骤所述输出感兴趣区图像的方法是，输出裂缝所在区域的数字图像。

8.根据权利要求1所述的路面裂缝检测方法，其特征在于，C步骤所述输出感兴趣区图像的方法是，输出含感兴趣区的数字图像，其中含有裂缝的图像部分以规则形状或不规则形状圈定出。

9.一种能快速定位感兴趣区的路面裂缝检测系统，包括路面图像采集模块和数据处理模块，其中，数据处理模块包括数字图像获取模块和感兴趣区定位模块，所述感兴趣区定位模块包括感兴趣区图像筛选子模块、感兴趣区图像检索子模块和感兴趣区图像输出子模块，

感兴趣区图像筛选子模块，用于设定感兴趣区条件、并根据设定的感兴趣区条件，筛选出含感兴趣区的数字图像；

感兴趣区图像检索子模块，用于检索每一含感兴趣区的数字图像中的感兴趣区，定位出感兴趣区；

感兴趣区图像输出子模块，用于输出含有感兴趣区的图像。