CN105320942B - 一种基于联合检测器的路面破损检测方法 - Google Patents
一种基于联合检测器的路面破损检测方法 Download PDFInfo
- Publication number
- CN105320942B CN105320942B CN201510686194.XA CN201510686194A CN105320942B CN 105320942 B CN105320942 B CN 105320942B CN 201510686194 A CN201510686194 A CN 201510686194A CN 105320942 B CN105320942 B CN 105320942B
- Authority
- CN
- China
- Prior art keywords
- pavement image
- image
- road surface
- pavement
- region
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
- G06V20/588—Recognition of the road, e.g. of lane markings; Recognition of the vehicle driving pattern in relation to the road
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种基于联合检测器的路面破损检测方法,包括以下步骤:1)采用灰度约束消除路面图像的标线信息;2)采用亮度高程模型消除路面图像的阴影区域;3)采用小波阈值法对路面图像进行预处理,以消除路面图像中的噪声;4)采用邻域灰度差分法、局部灰度最小分析法和分块标记法构建路面破损联合检测器,对预处理后的路面图像进行破损检测;5)采用目标连通域定位路面图像的破损区域。本发明用于提高路面破损的检测效率,为公路管理工作特别是路面养护中提供高效、智能化的管理依据。
Description
技术领域
本发明涉及智能交通研究领域,尤其是公路管理部门进行路面养护管理的路面破损检测方法。
背景技术
交通量的增加以及车辆大型化、超载严重等现象导致路面破损的出现,严重影响道路交通的安全性和舒适性。路面养护是公路养护的重点,而路面破损状况作为路面养护管理工作的依据在路面养护决策中占据重要地位。路面图像类型有横裂、纵裂、网裂和正常等类型,传统的路面破损检测方法是采用人工检测,但该方法工作效率低,劳动强度大,作业危险程度较高,且受天气条件等影响较为严重,已不适应高等级公路快速发展的需求。因此研究设计智能化、高检测率的路面破损检测方法成为提高路面养护管理工作的关键技术问题之一。
数字图像处理技术、智能传感技术与电子信息技术在交通领域的应用为交通的智能化和信息化做出了巨大的贡献。为有效地实现路面破损的智能化检测,许多研究机构及学者对路面破损的自动检测技术进行了研究,相继提出了利用超声波、激光和数字图像处理技术对路面破损的检测识别方法。而目前应用最广泛的是基于数字图像处理技术的路面破损检测,但目前检测识别率还有待于提高,因此研究有效的路面破损检测方法对提高路面破损的自动化识别具有重要的理论与实际意义。邻域灰度差分法对图像光照因素的影响不敏感,而对于亮度较暗的图像仍能取得较好的检测结果;局部灰度最小分析法对路面破损图像中细小裂缝具有较好的检测效果,但对网裂破损的检测不明显;分块标记法对网裂具有较好检测效果,且该算法的处理速度较快。上述三种路面破损检测方法各具有不同的优势和缺点,因此,本专利提出了一种采用邻域灰度差分法、局部灰度最小分析法和分块标记法构建基于联合检测器的路面破损检测方法。
发明内容
本发明的目的在于克服现有技术存在的不足,提供一种基于联合检测器的路面破损检测方法,以实现对路面破损的高精度检测。
本发明采用的技术方案为:一种基于联合检测器的路面破损检测方法,包括以下步骤:
1)采用灰度约束消除路面图像的标线信息;
2)采用亮度高程模型消除路面图像的阴影区域;
3)采用小波阈值法对路面图像进行预处理,以消除路面图像中的噪声;
4)采用邻域灰度差分法、局部灰度最小分析法和分块标记法构建路面破损联合检测器,对预处理后的路面图像进行破损检测;
5)采用目标连通域定位路面图像的破损区域。
作为优选,所述步骤1)中,对采集的公路路面图像进行灰度约束,去除路面图像中的道路标线信息,即对于路面图像中的像素点I(i,j),有:
其中,μ为整幅图像的均值。
作为优选,所述步骤2)中具体方法如下:
由于裂缝亮度与阴影区域亮度较为接近,为了避免将裂缝划入阴影区内而执行亮度补偿,需要在阴影区域划分前将裂缝去除,因此采用灰度形态学闭运算对路面图像进行处理,并采用高斯平滑消除路面纹理对后续阴影区域划分的影响。
对路面图像进行亮度等高区域划分。计算路面图像的平均像素数值和各个灰度级所含有的像素数,并按照灰度级大小对各级像素数进行求和相加,如果像素数之和大于平均像素数值,则将当前所加像素所对应的灰度级划分为一个区域。依次对整幅路面图像的灰度级进行划分,最终划分为N个区域,并根据经验阈值L=0.875N对路面图像进行阈值处理,将路面图像分为非阴影区域B和阴影区域S。
采用纹理平衡对路面图像进行亮度补偿。对于非阴影区域B和阴影区域S,分别采用式(2)对该区域像素进行变换,以实现亮度的补偿,即
上式中,Ii,j和Ii',j分别为路面图像进行亮度补偿前、后的像素值,α=DB/DS,DB、DS分别为非阴影区和阴影区的像素亮度值的标准方差,分别为非阴影去和阴影区的平均亮度。
作为优选,所述步骤3)中,对噪声路面图像{Iij,i,i=1,2,…N}做小波变换,得到小波系数{Wij,i,i=1,2,…N};对小波系数Wij进行阈值处理,即
其中,ηT(·)为阈值函数,T为选取的阈值。对于本专利的路面图像去噪,由于路面图像尺寸较大,考虑到图像预处理耗费的时间及对后续破损检测的影响,选取小波阈值去噪函数中的硬阈值去噪,而其阈值采用Visushrink阈值,以期在实现图像去噪的同时不增加图像处理算法的复杂度,提高处理算法的效率。
对小波去噪处理后的小波系数进行小波逆变换,得到去噪后的路面图像。
作为优选,所述步骤4)中,对预处理后的路面图像I进行破损检测,即
其中,labeli(1≤i≤3)分别为邻域灰度差分法、局部灰度最小分析法和分块标记法的检测结果,label为路面破损联合检测器的检测结果。
如果labeli=1,则子检测器检测到路面破损,否则,labeli=0。如果label≥2,则联合检测器检测到路面图像破损,否则路面图像判断为正常路面图像。
作为优选,所述步骤5)中,对联合检测器检测到的路面破损图像进行二值化处理,得到二值图像Iij(i=0,1,2…M,j=0,1,2…N),构建二值图像的连通区域,并计算各连通区域的质心位置Qij(i,j)。计算各连通区域的质心距离,即对于任意两连通区域质心位置Qij(xi,yj)、Q(i+m)(j+n)(xi+m,yj+n),其质心距离d为
设定允许融合的阈值T,当两质心间距离满足d<T时,对两连通区域进行融合,构建新的连通区域;反之,则对两连通区域不做融合处理,保持连通区域的独立性,并根据连通区域的外接边界进行路面图像破损区域的精确定位。
有益效果:本发明基于级联分类器的思想,采用邻域灰度差分法、局部灰度最小分析法和分块标记法构建了一种基于联合检测器的路面破损检测方法,以用于提高路面破损的检测效率,为公路管理工作特别是路面养护中提供高效、智能化的管理依据。
具体实施方式
下面结合具体实施方式对本发明技术方案作进一步说明:
一种基于联合检测器的路面破损检测方法,包括以下步骤:
第一步:通过对采集到的路面图像进行灰度约束即可去除路面图像中的道路标线信息,对于路面图像中的任意像素点I(i,j),有:
第二步:路面破损图像易受公路两旁树木、栅栏和建筑物等遮挡影响而形成阴影,阴影的存在造成图像中阴影区域的像素灰度较暗,从而严重影响了路面图像中破损信息的检测。本专利采用基于亮度高程模型的图像阴影去除方法消除路面图像中的阴影,具体方法如下:
1)采用灰度形态学闭运算对路面图像进行处理,并采用高斯平滑消除路面纹理对后续阴影区域划分的影响。
2)计算路面图像的平均像素数值和各个灰度级所含有的像素数,并按照灰度级大小对各级像素数进行求和相加,如果像素数之和大于平均像素数值,则将当前所加像素所对应的灰度级划分为一个区域。依次对整幅路面图像的灰度级进行划分,最终划分为N个区域,并根据经验阈值L=0.875N对路面图像进行阈值处理,将路面图像分为非阴影区域B和阴影区域S。
3)采用纹理平衡对路面图像进行亮度补偿,即对于非阴影区域B和阴影区域S,分别采用式(5)对该区域像素进行变换,以实现亮度的补偿,即
上式中,Ii,j和Ii',j分别为路面图像进行亮度补偿前、后的像素值,α=DB/DS,DB、DS分别为非阴影区和阴影区的像素亮度值的标准方差,分别为非阴影去和阴影区的平均亮度。
第三步:采用小波阈值去噪的方法消除路面破损图像中的噪声,对路面图像{Iij,i,i=1,2,…N}做小波变换,得到小波系数{Wij,i,i=1,2,…N};对小波系数Wij采用硬阈值方法进行阈值处理,即
其中,ηT(·)为阈值函数,T为选取的阈值,阈值采用Visushrink阈值;对阈值处理后的小波系数进行小波逆变换,得到去噪后的路面图像。
第四步:采用邻域灰度差分法、局部灰度最小分析法和分块标记法构建路面破损联合检测器,对预处理后的路面图像进行破损检测,即
其中,labeli(1≤i≤3)分别为邻域灰度差分法、局部灰度最小分析法和分块标记法的检测结果,label为路面破损联合检测器的检测结果。
如果labeli=1,则子检测器检测到路面破损,否则,labeli=0。如果label≥2,则联合检测器检测到路面图像破损,否则路面图像判断为正常路面图像。
第五步:采用目标连通域定位路面图像的破损区域。对联合检测器检测到的路面破损图像进行二值化处理,得到二值图像Iij(i=0,1,2…M,j=0,1,2…N),构建二值图像的连通区域,并计算各连通区域的质心位置Qij(i,j);计算各连通区域的质心距离,即对于任意两连通区域质心位置Qij(xi,yj)、Q(i+m)(j+n)(xi+m,yj+n),其质心距离d为
设定允许融合的阈值T,当两质心间距离满足d<T时,对两连通区域进行融合,构建新的连通区域;反之,则对两连通区域不做融合处理,保持连通区域的独立性,并根据连通区域的外接边界进行路面图像破损区域的精确定位。
应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。本实施例中未明确的各组成部分均可用现有技术加以实现。
Claims (4)
1.一种基于联合检测器的路面破损检测方法,其特征在于:包括以下步骤:
1)采用灰度约束消除路面图像的标线信息;
2)采用亮度高程模型消除路面图像的阴影区域;
3)采用小波阈值法对路面图像进行预处理,以消除路面图像中的噪声;
4)采用邻域灰度差分法、局部灰度最小分析法和分块标记法构建路面破损联合检测器,对预处理后的路面图像进行破损检测,即
其中,labeli(1≤i≤3)分别为邻域灰度差分法、局部灰度最小分析法和分块标记法的检测结果,label为路面破损联合检测器的检测结果;
如果labeli=1,则子检测器检测到路面破损,否则,labeli=0;如果label≥2,则联合检测器检测到路面图像破损,否则路面图像判断为正常路面图像;
5)采用目标连通域定位路面图像的破损区域。
2.根据权利要求1所述的一种基于联合检测器的路面破损检测方法,其特征在于:所述步骤1)中,对采集的公路路面图像进行灰度约束,去除路面图像中的道路标线信息,即对于路面图像中的像素点I(i,j),有:
其中,μ为整幅图像的均值。
3.根据权利要求1所述的一种基于联合检测器的路面破损检测方法,其特征在于:所述步骤2)中具体方法如下:
采用灰度形态学闭运算对路面图像进行处理,并采用高斯平滑消除路面纹理对后续阴影区域划分的影响;
对路面图像进行亮度等高区域划分:计算路面图像的平均像素数值和各个灰度级所含有的像素数,并按照灰度级大小对各级像素数进行求和相加,如果像素数之和大于平均像素数值,则将当前所加像素所对应的灰度级划分为一个区域;依次对整幅路面图像的灰度级进行划分,最终划分为N个区域,并根据经验阈值L=0.875N对路面图像进行阈值处理,将路面图像分为非阴影区域B和阴影区域S;
采用纹理平衡对路面图像进行亮度补偿:对于非阴影区域B和阴影区域S,分别采用式(2)对该区域像素进行变换,以实现亮度的补偿,即
上式中,Ii,j和Ii',j分别为路面图像进行亮度补偿前、后的像素值,α=DB/DS,DB、DS分别为非阴影区和阴影区的像素亮度值的标准方差, 分别为非阴影去和阴影区的平均亮度。
4.根据权利要求1所述的一种基于联合检测器的路面破损检测方法,其特征在于:所述步骤5)中,对联合检测器检测到的路面破损图像进行二值化处理,得到二值图像Iij(i=0,1,2…M,j=0,1,2…N),构建二值图像的连通区域,并计算各连通区域的质心位置Qij(i,j);计算各连通区域的质心距离,即对于任意两连通区域质心位置Qij(xi,yj)、Q(i+m)(j+n)(xi+m,yj+n),其质心距离d为
设定允许融合的阈值T,当两质心间距离满足d<T时,对两连通区域进行融合,构建新的连通区域;反之,则对两连通区域不做融合处理,保持连通区域的独立性,并根据连通区域的外接边界进行路面图像破损区域的精确定位。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510686194.XA CN105320942B (zh) | 2015-10-21 | 2015-10-21 | 一种基于联合检测器的路面破损检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510686194.XA CN105320942B (zh) | 2015-10-21 | 2015-10-21 | 一种基于联合检测器的路面破损检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105320942A CN105320942A (zh) | 2016-02-10 |
CN105320942B true CN105320942B (zh) | 2018-07-06 |
Family
ID=55248297
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510686194.XA Active CN105320942B (zh) | 2015-10-21 | 2015-10-21 | 一种基于联合检测器的路面破损检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105320942B (zh) |
Families Citing this family (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107154026B (zh) * | 2017-03-22 | 2020-12-18 | 陕西师范大学 | 一种基于自适应亮度高程模型的消除路面阴影的方法 |
CN107798293A (zh) * | 2017-09-20 | 2018-03-13 | 罗明帅 | 一种道路裂缝检测装置 |
CN107680089B (zh) * | 2017-10-09 | 2019-04-19 | 济南大学 | 一种高压输电线路摄像头图像异常的自动判断方法 |
CN108647593A (zh) * | 2018-04-26 | 2018-10-12 | 东华大学 | 基于图像处理和svm的无人机路面破损分类检测方法 |
CN108986152B (zh) * | 2018-06-11 | 2021-05-11 | 全球能源互联网研究院有限公司 | 一种基于差分图像的异物检测方法及装置 |
CN109035218B (zh) * | 2018-07-09 | 2021-08-31 | 武汉光谷卓越科技股份有限公司 | 路面修补区域检测方法 |
JP7211350B2 (ja) * | 2019-11-29 | 2023-01-24 | トヨタ自動車株式会社 | 路面損傷検出装置、路面損傷検出方法、プログラム |
CN114677336B (zh) * | 2022-03-10 | 2024-04-09 | 四川省建筑科学研究院有限公司 | 一种基于红外图像的幕墙面板损伤识别方法 |
CN115112669B (zh) * | 2022-07-05 | 2023-05-26 | 重庆大学 | 一种基于小样本的路面无损检测识别方法 |
CN116664582B (zh) * | 2023-08-02 | 2023-10-27 | 四川公路桥梁建设集团有限公司 | 一种基于神经视觉网络的路面检测方法及装置 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102509291A (zh) * | 2011-10-31 | 2012-06-20 | 东南大学 | 基于无线网络视频传感器的公路路面病害检测及识别方法 |
CN104636750A (zh) * | 2014-12-17 | 2015-05-20 | 长安大学 | 一种基于双尺度聚类算法的路面裂缝识别算法及系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7437250B2 (en) * | 1999-03-05 | 2008-10-14 | Era Systems Corporation | Airport pavement management system |
-
2015
- 2015-10-21 CN CN201510686194.XA patent/CN105320942B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102509291A (zh) * | 2011-10-31 | 2012-06-20 | 东南大学 | 基于无线网络视频传感器的公路路面病害检测及识别方法 |
CN104636750A (zh) * | 2014-12-17 | 2015-05-20 | 长安大学 | 一种基于双尺度聚类算法的路面裂缝识别算法及系统 |
Non-Patent Citations (1)
Title |
---|
高速公路原有路况联合检测方法的应用研究;吴瑞麟等;《华中科技大学学报(城市科学版)》;20060531;第23卷(第1期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN105320942A (zh) | 2016-02-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105320942B (zh) | 一种基于联合检测器的路面破损检测方法 | |
CN104504388B (zh) | 一种路面裂缝识别和特征提取算法及系统 | |
CN105447851B (zh) | 一种玻璃面板的音孔缺陷检测方法及系统 | |
CN107895376A (zh) | 基于改进Canny算子和轮廓面积阈值的太阳能电池板识别方法 | |
CN104537651B (zh) | 一种路面图像中裂缝比例检测方法及系统 | |
CN107862290A (zh) | 车道线检测方法及系统 | |
CN110334692B (zh) | 一种基于图像处理的盲道识别方法 | |
CN103345631B (zh) | 图像特征提取、训练、检测方法及模块、装置、系统 | |
CN108921076B (zh) | 基于图像的道面裂缝病害自适应恒虚警检测方法 | |
CN105987684A (zh) | 一种基于单目视觉的农业车辆导航线检测系统及方法 | |
CN111862143B (zh) | 一种河堤坍塌自动监测方法 | |
CN114998852A (zh) | 一种基于深度学习的公路路面病害智能检测方法 | |
CN103198319B (zh) | 用于矿山井筒环境下的模糊图像角点提取方法 | |
CN102254174A (zh) | 崩滑体中裸地信息的自动提取方法 | |
CN103793715B (zh) | 基于场景信息挖掘的井下人员目标跟踪方法 | |
CN104992429A (zh) | 一种基于图像局部增强的山体裂缝检测方法 | |
CN104851288B (zh) | 一种交通灯定位方法 | |
CN108665464A (zh) | 一种基于形态学的高压电塔及高压电线的异物检测方法 | |
CN103136537A (zh) | 一种基于支持向量机的车型识别方法 | |
CN103440657A (zh) | 一种在线道路裂缝筛查方法 | |
CN103473547A (zh) | 一种用于智能交通检测系统的车辆目标物识别算法 | |
CN103049788A (zh) | 基于计算机视觉的待过行人数目的检测系统及方法 | |
CN110223332B (zh) | 一种桥梁裂缝标定方法 | |
CN107578414B (zh) | 一种路面裂缝图像的处理方法 | |
CN107463934A (zh) | 一种隧道裂缝检测方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |