CN106087677B - 沥青路面裂缝类型自动识别方法 - Google Patents

Abstract

沥青路面裂缝类型自动识别方法，从路面图像中抽出裂缝图像，把距离接近的几段裂缝连接成一段具有连通域的裂缝二值图，通过对该连通域划网格，进而逐步对裂缝进行识别；将横向或纵向裂缝，与块状裂缝或龟裂首先作为两大类型进行准确分割和识别；对横向裂缝和纵向裂缝类型进行精确识别；对块状裂缝和龟裂类型进行精确识别；计算横向或纵向裂缝的长度；计算块状裂缝或龟裂的面积；判断裂缝破损严重程度。可以有效的提高路面病害识别的准确率，减少路面病害检测的误识别率，不受路面天气条件的影响，具有全天候工作的能力，同时检测速度快、效率高，不对交通产生干扰，带来良好的经济社会效益。

Description

沥青路面裂缝类型自动识别方法

技术领域

本发明涉及IPC分类中G01B不规则的表面或轮廓的计量或E01C23/00修复或去除道路铺面用的辅助技术，尤其是沥青路面裂缝类型自动识别方法。

背景技术

沥青路面因具有初期养护期短、行车舒适、维护方便、噪声小和抗滑性好等特点而被广泛用于高速公路。沥青路面因为种种原因容易产生各种病害，处理不及时将影响公路的运行，从而影响经济的发展。所以对路面病害成因的分析和整治就显得尤为重要。

路面破损分为功能衰减和结构性破损。功能衰减表现为路面服务能力下降、平整度和抗滑性能降低。导致功能衰减的损坏为功能性损坏。结构性破损导致路面结构承载能力降低，以各种结构裂缝的形式表现出来。

路面功能性损坏主要表现在路面表面上，只影响路面的服务性能，对整体结构强度不会带来严重影响，其产生的原因往往可以从其表现形式判断出来。由于功能性损坏主要影响行驶质量和安全特性，一般用平整度、抗滑阻力、纹理深度、反光、噪声等指标评价。路面的多种损坏形式又影响到路面的表面性能，如局部沉陷、车辙、波浪、修补、桥头跳车等。

结构性破损的结果反映到路面上就是各种形状的裂缝，如龟裂、块裂、纵裂和横裂。但有些结构性损坏，如基层的开裂在扩展道路表面之前是不可见的。正常的路面结构的结构性破坏是汽车荷载和温度应力的共同作用下产生的，可以是疲劳损坏、一次性损坏等。但裂缝也可能是由于路基下沉、路面材料品质不良、施工控制不合格、渗水引起口。

裂缝是沥青路面常见的病害，对道路的危害极大，特别在冬季和春季，因时有雨、雪水渗入，在行车荷载的作用下，使本来就处于裂缝状态的路面病害更加趋于严重，最终导致破坏。按照《JTG H20-2007公路技术状况评定标准》等行业标准，沥青路面裂缝按裂缝的形状可分为纵向裂缝、横向裂缝、网状裂缝即龟裂和不规则裂缝等四种型式。其中，纵向裂缝与道路中线大致平行的长直裂缝，有时伴有少量支缝。这类裂缝通常由路基、基层沉降，或施工接缝质量或结构承载力不足而引起。路基、基层沉降引起的纵缝，通常断断续续，绵延很长；施工搭接引起的纵缝，其形态特征是长且直；而结构承载力不足引起的纵缝多出现在路面边缘，由于路基湿软造成承载力不足，从而导致纵缝。横向裂缝与道路中线近于垂直的裂缝，有时伴有少量支缝。横向裂缝多由路基、基层裂缝的反射或由路面低温收缩造成；最初多出现于路面两侧，逐渐发展形成贯通路幅的横缝。网状裂缝或龟裂是相互交错的裂缝将路面分割成形似网状或龟纹状的锐角多边形小块，块的尺寸小于50cm×50cm。网状裂缝或龟裂是行车荷载的重复作用而引起的疲劳裂缝，其最初形态是一条或几条平行的纵缝，随着荷载重复作用次数的增加，平行纵缝间出现了横向、斜向连接缝，形成多边的、锐角的、形似网状、龟裂状的裂缝型式。不规则裂缝即路面裂缝呈不规则形状，块的最长边长小于100cm。不规则裂缝主要由面层材料的收缩和温度的周期性变化所致。

沥青路面的裂缝，以横向裂缝最为普遍，也最为严重。因此，如何准确掌握高速公路的横向裂缝信息并通过横向裂缝信息准确反映出高速公路整体性能状况，是本领域技术人员亟待解决的技术问题。

目前，相关技术中，虽然提出了各种对横向裂缝进行统计分析的方法，例如量评法、质评法等等，但是没有一种能够方便用户及时了解高速公路横向裂缝的整体情况的处理系统，用户想要知道某一路段的横向裂缝状况，往往需要翻越海量资料才能查找到有用信息，较为不便。

由于沥青混凝土固有的特性，线状裂缝往往并非为一条连续性的曲线，往往是相邻的几条裂缝所组成。因此基于理想状态的计算结果，与实际情况偏差较大。为适应现代化、大规模、高速度和高质量的公路养护管理要求,许多交通管理部门都实施了路面管理系统(PMS)。路面管理系统需要的路面破损数据，目前主要是由路面综合检测车采集路面图像，然后由人工点检，抽出裂缝等病害。随着，路面病害自动分析研究的快速发展。路面病害自动分析可分为以下二个方面。即从路面图像中抽出裂缝图像；以及，对已抽出裂缝图像进行分类。

近年来，模式识别广泛应用于裂缝分类研究中，如投影向量法，小波变换法，破损密度等。但都存在着以下问题：

1)、鲁棒性差。沥青路面的裂缝往往具有不连续性，且从路面图像中抽出裂缝图像，由于各种的干扰，也会呈现不连续性，因此基于理想状态的计算结果，与实际情况偏差较大。

2)、块状裂缝或龟裂等面状裂缝与线状的识别误差较大。由于沥青混凝土固有的特性，线状裂缝往往并非为一条连续性的曲线，往往是相邻的几条裂缝所组成。因此基于理想状态的计算结果，与实际情况偏差较大。

相关新的技术方案未见公开，较为接近的本领域专利文献也公开较少，而且不具有启示作用，包括：中国专利申请201310222723.1涉及道路信息维护技术领域，具体涉及一种高速公路沥青路面横向裂缝信息处理方法和系统。该方法包括步骤：采集被查询路段的图像；对图像进行识别，获取被查询路段的横向裂缝间距和横向裂缝贯穿度；当接收到用户发出的查询指令后，反馈横向裂缝间距和横向裂缝贯穿度至用户终端并显示。该系统包括图像采集模块、处理模块和显示模块。

中公高科(北京)养护科技有限公司201010520819.2公开了一种基于探地雷达的路面裂缝深度无损检测方法,包括:按照采样间隔S和发射频率向路面的裂缝发射电磁波；按照所述路面裂缝中各层材料反射的电磁波振幅，从接收的反射电磁波中，选择出裂缝最底部的材料所对应的电磁波振幅；按照所述选择出的电磁波振幅，从所述接收的各个反射电磁波中，过滤出相应的电磁波；使用所述过滤出的电磁波的旅行时间、路面各层材料的介电常数，运算出所述路面裂缝深度。通过裂缝的不同深度处的反射波，提取出最深处反射回的电磁波，从而有效的测量出路面开裂深度。

苏交科集团股份有限公司201510357161.0公开一种基于磁性分析技术的路面病害检测方法，包括如下步骤，(1)建设磁性路面；(2)在被检测区域内通过磁化路面检测系统检测路面病害情况。当磁性矿粉添加到沥青混合料面层铺筑材料中时，使路面面层整体具有磁性，可用于检测路面出现的病害，如裂缝、坑槽、松散等；当磁性矿粉添加到粘层、下封层之中时，用于检测层间界面的变化，用于评价路面的车辙变形分析。

中国石油大学(北京)201510729546.5涉及一种水平井裂缝识别方法，包括以下步骤：检测水平井的水平段，获得对裂缝敏感的测井曲线以及岩石密度曲线，进一步重构得到裂缝分形指数曲线、裂缝特征指数曲线以及地层脆性指数曲线；根据所述重构得到的各条曲线，得到裂缝指数曲线；根据所述裂缝指数曲线，识别水平井在水平方向上的裂缝的发育程度，裂缝指数越大，则裂缝发育程度越高。

上述量评法和质评法，并没有专门针对高速公路沥青路面横向裂缝，只是定性地进行分析，或只就裂缝的某一方面进行评价，如裂缝率，仅从裂缝的影响面积量进行评价，无法弄清裂缝在路面上的分布情况，不能全面地反映横向裂缝对路面质量的影响程度，具有一定的局限性。由于其结果不够全面和直观，难以直接在实际工程上应用。

发明内容

本发明的目的是提供一种沥青路面裂缝类型自动识别方法，基于已抽出的沥青路面的裂缝图像，按照规范自动对裂缝的类别和破损程度进行自动识别，为快速准确地进行公路路况评价提供基础信息。

本发明的目的将通过以下技术措施来实现：识别流程的步骤依次包括：开始，根据连通性进行分割，网格化，根据节点模版进行分割，计算裂缝特征，裂缝类型分类，破损程度分类，计算裂缝面积与长度，计算破损指数和结束。

尤其是，对于已经取得的路面裂缝图像进行以下处理：

A.分割线状裂缝与面状裂缝；

A.1.网格连接；

沥青路面的线状裂缝包括横向、纵向裂缝，面状裂缝包括块状裂缝、龟裂；对于裂缝二值图，从路面图像中抽出裂缝图像，通过划网格的方法，把距离接近的几段裂缝连接成一段具有连通域裂缝；

A.2.星形模型分割；

在网格连接基础上，将具有连通域裂缝抽出形成子图，在子图中，线状裂缝和面状裂缝组合在一起，在判断类型前需先把他们分割开。先用凸包的方法找到几条线状裂缝的端点，从端点开始，往中心搜索，遇到结点就停止，结点包括十字形、T字形和Y字形，分割结果为线状裂缝和与其连接的面状裂缝；

A.3.线状面状判断；

在分割出不同部分的裂缝后，再通过外接矩形的方法，根据细长与否，判断裂缝属于线状或面状；

B.横向裂缝和纵向裂缝类型的识别；

在判断出是线状的所有裂缝中，需要再根据外接矩形长边方向是否与车辆行驶方向一致判断是横向或纵向裂缝；

C.块状裂缝和龟裂类型的识别；

C.1.两者区别；

龟状裂缝和块状裂缝的本质区别是：“密度”不同；密度因子，其直观物理意义是：把路面图像中任一破损子块周围一定范围内的破损，按照一定规则赋以权值，这样就把路面图像中原本孤立的破损子块关联起来；不同类型的路面破损即裂缝，其子块之间的这种关联程度和方式总是有区别的，这种区别用于路面破损自动识别；

C.2.核卷积；

考虑的密度因子，包括3×3和5×5二种密度因子，利用它对裂缝二值图通过特殊卷积求特征值；特殊卷积算法：从左到右，从上到下对路面图像进行扫描，遇到零子块，不做任何处理或运算；只有遇到，“1”子块，才用破损密度因子对其进行卷积运算；

C.3.特征；

定义：S5为5×5模板卷积后的破损值总和；

S3为3×3模板卷积后的破损值总和；

S0为子图的破损值总和；

F1＝(S5-S3)/S0；

F2＝(S3-S0)/S0；

最终把向量(F1,F2,S0)作为特征，用于分类器输入；

D.计算横向、纵向裂缝的长度，计算块状裂缝、龟裂的面积；判断裂缝破损严重程度；以横向、纵向裂缝的外接矩形长边来表征裂缝长度；以块状裂缝、龟裂的凸包区域来计算面积。对裂缝二值图用面积周长之比计算裂缝宽度，进而判断破损严重程度。

尤其是，裂缝图像做二值图网格划分，在裂缝图案上做网格划分，与裂缝图案产生交集的所有网格保留后形成事实上依照裂缝伸展状态构成具有连通域的裂缝二值图，这些网格包括线状的仅有一条裂缝线段和面状的至少包括二段不连续的裂缝线段；

进一步的，将上述具有连通域的网格区域标出形成裂缝网格划分后的子图；

进一步的，对于裂缝网格划分后的子图中的连通图形根据连续线性延伸特征划分出线状裂缝，并根据交叉、环形特征划分出面状裂缝。

尤其是，整个识别过程中的算法流程包括：

A、网格连接；对于1个像素代表2毫米的裂缝二值图，通常网格高宽各为150个像素即每一个网格代表30CM×30CM的路面区域；网格化时某子块是否保留的比例阈值设定为0.0005，大于此值，说明这个网格内有裂缝；

B、星形模型分割；对于子图，分割的线状区域的像素通常大于5才算是线状裂缝；

C、线状面状判断以及横向纵向的识别；依据条件和参数判断线状和面状裂缝；其中m_BlockHThresSlim和m_BlockWThresSlim取三倍的网格大小；m_BlockHThresStubby和m_BlockWThresStubby取一倍的网格大小；

D、块状裂缝和龟裂类型的识别；如果裂缝块度小于2个网格大小，则直接判断成龟裂。否则根据特征(F1,F2,S0)判断，如果特征小，则说明密度小，判断为块状；

E、计算裂缝的长度、宽度和面积；以外接矩形长边计算裂缝长度；以凸包区域计算裂缝面积；对于1个像素代表2毫米的裂缝二值图，对于横向、纵向、块状裂缝，其面积周长之比小于4.5时破损程度为轻；对于龟裂，面积周长之比小于3时破损程度为轻，大于7.5时破损程度为重，中间为轻。

尤其是，线状和面状裂缝判断条件和参数包括：

1)第一判决条件：相对宽度即长宽比为(0，0.51)或(1.96，+∞)，细长slim；

第二判决条件：a)绝对宽度、绝对高度height<m＿BlockHThresSlim或width<BlockWThresSlim；b)绝对宽度、绝对高度height<m＿BlockHThresSlim且width<BlockWThresSlim；

第三判决条件：abs(slope)：第二判决条件a)时，图像水平方向裂缝<0.58，图像竖直方向裂缝>＝1.73，线状不规则裂缝(0.58,1.73)；第二判决条件b)时，块状、龟裂及面状不规则裂缝无对应第三判决条件；

2)第一判决条件：相对宽度即长宽比为(0.51，1.96)粗短Stubby；

第二判决条件：a)绝对宽度、绝对高度height<m＿BlockHThresStubby或width<BlockWThresStubby；b)绝对宽度、绝对高度height<m＿BlockHThresStubby且width<BlockWThresStubby；

第三判决条件：abs(slope)：第二判决条件a)时，图像水平方向裂缝<0.58，图像竖直方向裂缝>＝1.73，线状不规则裂缝(0.58,1.73)；第二判决条件b)时，块状、龟裂及面状不规则裂缝无对应第三判决条件；

3)第一判决条件：相对宽度即长宽比为(0.67，1.5)特别粗短；无对应第二、三判决条件。

本发明的优点和效果：从路面图像中抽出裂缝图像，把距离接近的几段裂缝连接成一段具有连通域的裂缝二值图，通过对该连通域划网格，进而逐步对裂缝进行识别；

(1)将横向或纵向裂缝，与块状裂缝或龟裂首先作为两大类型进行准确分割和识别；

(2)进一步的，对横向裂缝和纵向裂缝类型进行精确识别；

(3)进一步的，对块状裂缝和龟裂类型进行精确识别；

(4)计算横向或纵向裂缝的长度；

(5)计算块状裂缝或龟裂的面积；

(6)判断裂缝破损严重程度。

可以有效的提高路面病害识别的准确率，减少路面病害检测的误识别率，不受路面天气条件的影响，具有全天候工作的能力，同时检测速度快、效率高，不对交通产生干扰，带来良好的经济社会效益。

附图说明

图1为本发明中识别流程示意图。

图2为本发明实施例1中对裂缝图像做二值图网格划分示意图

图3为本发明实施例1中对裂缝图像做二值图网格划分后的子图

图4为本发明实施例1中对网格划分后的子图进行线状裂缝和面状裂缝分割示意图

图5为本发明实施例1中子图进行线状裂缝和面状裂缝分割的节点形状示意图

图6为本发明实施例1中对裂缝二值图进行特殊卷积的密度因子示意图

图7为本发明中线状和面状裂缝判断条件和参数表

具体实施方式

本发明原理在于，在现有技术的基础上，对于已经获取的路面破损图像，实现对路面裂缝识别的具体措施中，需要解决的技术问题包括：

1)、具有不连续性的裂缝图像的连接；

2)、线状裂缝和面状裂的分割；

3)、四种裂缝类型的识别；

4)、裂缝形状属性的计算。

本发明中将给出解决以上问题的有效技术方案。

本发明中，如附图1所示，识别流程的步骤依次包括：开始，根据连通性进行分割，网格化，根据节点模版进行分割，计算裂缝特征，裂缝类型分类，破损程度分类，计算裂缝面积与长度，计算破损指数和结束。

下面结合附图和实施例对本发明作进一步说明。

实施例1：如图2所示，对于已经取得的路面裂缝图像进行以下处理：

A.分割线状裂缝与面状裂缝；

A.1.网格连接；

沥青路面的线状裂缝包括横向、纵向裂缝，面状裂缝包括块状裂缝、龟裂；对于裂缝二值图，考虑到沥青路面的裂缝往往具有不连续性，且从路面图像中抽出裂缝图像，由于各种的干扰，也会呈现不连续性；为了把距离接近的几段裂缝连接成一段具有连通域裂缝，需要通过划网格的方法，在网格意义上，裂缝图案是一个具有连通域的几段裂缝，并且在子图上显示为连接成一个整体裂缝。

A.2.星形模型分割；

在网格连接基础上，在子图中，线状裂缝和面状裂缝组合在一起，在判断类型前需先把他们分割开。在本实施例中，如图3和图4所示，子图以及线状裂缝和面状裂缝分割图形显示为星型，以星形模型为例：中间是面状裂缝，周边伸出去几条线状裂缝，先用凸包的方法找到几条线状裂缝的端点，从端点开始，往中心搜索，遇到结点就停止，如图5所示，结点包括十字形、T字形和Y字形，这三种节点的形状还包括几种变形，包括分别绕中心点旋转后的形状以及至少二种以上复合的形状；如图4所示，分割结果为，黑色标出的不同形状的外围的线状裂缝和中间白色标出的由多个节点围合成的面状裂缝。

A.3.线状面状判断；

在分割出不同部分的裂缝后，再通过外接矩形的方法，根据细长与否，判断裂缝属于线状或面状；

B.横向裂缝和纵向裂缝类型的识别；

在判断出是线状的所有裂缝中，需要再根据外接矩形长边方向是否与车辆行驶方向一致判断是横向或纵向裂缝；

C.块状裂缝和龟裂类型的识别；

C.1.两者区别；

龟状裂缝和块状裂缝的本质区别是：“密度”不同；密度因子，其直观物理意义是：把路面图像中任一破损子块周围一定范围内的破损，按照一定规则赋以权值，这样就把路面图像中原本孤立的破损子块关联起来；不同类型的路面破损即裂缝，其子块之间的这种关联程度和方式总是有区别的，这种区别用于路面破损自动识别；

C.2.核卷积；

如图6所示，考虑的密度因子，包括3×3和5×5二种密度因子，利用它对裂缝二值图通过特殊卷积求特征值；特殊卷积算法：从左到右，从上到下对路面图像进行扫描，遇到零子块，不做任何处理或运算；只有遇到，“1”子块，才用破损密度因子对其进行卷积运算。

C.3.特征；

定义：S5为5×5模板卷积后的破损值总和；

S3为3×3模板卷积后的破损值总和；

S0为子图的破损值总和；

F1＝(S5-S3)/S0；

F2＝(S3-S0)/S0；

最终把向量(F1,F2,S0)作为特征，用于分类器输入；

D.计算横向、纵向裂缝的长度，计算块状裂缝、龟裂的面积；判断裂缝破损严重程度；以横向、纵向裂缝的外接矩形长边来表征裂缝长度。以块状裂缝、龟裂的凸包区域来计算面积。对裂缝二值图用面积周长之比计算裂缝宽度，进而判断破损严重程度。

前述中，如图2所示，对裂缝图像做二值图网格划分，在裂缝图案上做网格划分，即白色曲线图案部分，与裂缝图案产生交集的所有网格保留后形成事实上依照裂缝伸展状态构成具有连通域的裂缝二值图，这些网格包括线状的仅有一条裂缝线段-即灰色网格和面状的至少包括二段不连续的裂缝线段-即黑色网格；

进一步的，如附图3所示，将上述具有连通域的网格区域标出形成裂缝网格划分后的子图；

进一步的，如附图4所示，对于裂缝网格划分后的子图中的连通图形根据连续线性延伸特征划分出线状裂缝即图中黑色部分，并根据交叉、环形特征划分出面状裂缝即图中白色部分。

本发明中，整个识别过程中的算法流程包括：

A、网格连接；对于1个像素代表2毫米的裂缝二值图，通常网格高宽各为150个像素即每一个网格代表30CM×30CM的路面区域；网格化时某子块是否保留的比例阈值设定为0.0005，大于此值，说明这个网格内有裂缝；

B、星形模型分割；对于子图，分割的线状区域的像素通常大于5才算是线状裂缝；

C、线状面状判断以及横向纵向的识别；依据条件和参数判断线状和面状裂缝；其中m_BlockHThresSlim和m_BlockWThresSlim取三倍的网格大小；m_BlockHThresStubby和m_BlockWThresStubby取一倍的网格大小；

D、块状裂缝和龟裂类型的识别；如果裂缝块度小于2个网格大小，则直接判断成龟裂。否则根据特征(F1,F2,S0)判断，如果特征小，则说明密度小，判断为块状；

E、计算裂缝的长度、宽度和面积；以外接矩形长边计算裂缝长度。以凸包区域计算裂缝面积。对于1个像素代表2毫米的裂缝二值图，对于横向、纵向、块状裂缝，其面积周长之比小于4.5时破损程度为轻。对于龟裂，面积周长之比小于3时破损程度为轻，大于7.5时破损程度为重，中间为轻。

前述中，如附图7所示，线状和面状裂缝判断条件和参数包括：

1)第一判决条件：相对宽度即长宽比为(0，0.51)或(1.96，+∞)，细长slim；

第二判决条件：a)绝对宽度、绝对高度height<m＿BlockHThresSlim或width<BlockWThresSlim；b)绝对宽度、绝对高度height<m＿BlockHThresSlim且width<BlockWThresSlim；

第三判决条件：abs(slope)：第二判决条件a)时，图像水平方向裂缝<0.58，图像竖直方向裂缝>＝1.73，线状不规则裂缝(0.58,1.73)；第二判决条件b)时，块状、龟裂及面状不规则裂缝无对应第三判决条件；

2)第一判决条件：相对宽度即长宽比为(0.51，1.96)粗短Stubby；

第二判决条件：a)绝对宽度、绝对高度height<m＿BlockHThresStubby或width<BlockWThresStubby；b)绝对宽度、绝对高度height<m＿BlockHThresStubby且width<BlockWThresStubby；

第三判决条件：abs(slope)：第二判决条件a)时，图像水平方向裂缝<0.58，图像竖直方向裂缝>＝1.73，线状不规则裂缝(0.58,1.73)；第二判决条件b)时，块状、龟裂及面状不规则裂缝无对应第三判决条件；

3)第一判决条件：相对宽度即长宽比为(0.67，1.5)特别粗短；无对应第二、三判决条件。

本发明实施例所提供的技术方案，提供了对裂缝进行识别评判的方法和步骤，并反馈给用户，为沥青路面的维修、养护，提供重要参考数据。

本领域的技术人员应该明白，上述的各步骤可以用通用的计算装置来实现，它们可以集中在单个的计算装置上，或者分布在多个计算装置所组成的网络上，可选地，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在存储装置中由计算装置来执行，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样，本发明不限制于任何特定的硬件和软件结合。

以上所述仅为本发明的优选实施例，并不用于限制本发明，对于本领域的技术人员，本发明可以有各种修改和变化。但是，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (3)

1.沥青路面裂缝类型自动识别方法,其特征在于，识别流程的步骤依次包括：开始，根据连通性进行分割，网格化，根据节点模版进行分割，计算裂缝特征，裂缝类型分类，破损程度分类，计算裂缝面积与长度，计算破损指数和结束；对于已经取得的路面裂缝图像进行以下处理：

A.分割线状裂缝与面状裂缝；

A·1.网格连接；

沥青路面的线状裂缝包括横向、纵向裂缝，面状裂缝包括块状裂缝、龟裂；对于裂缝二值图，从路面图像中抽出裂缝图像，通过划网格的方法，把距离接近的几段裂缝连接成一段具有连通域裂缝；

A·2.星形模型分割；

在网格连接基础上，将具有连通域裂缝抽出形成子图，在子图中，线状裂缝和面状裂缝组合在一起，在判断类型前需先把他们分割开。先用凸包的方法找到几条线状裂缝的端点，从端点开始，往中心搜索，遇到结点就停止，结点包括十字形、T字形和Y字形，分割结果为线状裂缝和与其连接的面状裂缝；

A·3.线状面状判断；

在分割出不同部分的裂缝后，再通过外接矩形的方法，根据细长与否，判断裂缝属于线状或面状；

B.横向裂缝和纵向裂缝类型的识别；

在判断出是线状的所有裂缝中，需要再根据外接矩形长边方向是否与车辆行驶方向一致判断是横向或纵向裂缝；

C.块状裂缝和龟裂类型的识别；

C·1.两者区别；

龟状裂缝和块状裂缝的本质区别是：“密度”不同；密度因子，其直观物理意义是：把路面图像中任一破损子块周围一定范围内的破损，按照一定规则赋以权值，这样就把路面图像中原本孤立的破损子块关联起来；不同类型的路面破损即裂缝，其子块之间的这种关联程度和方式总是有区别的，这种区别用于路面破损自动识别；

C·2.核卷积；

考虑的密度因子，包括3×3和5×5二种密度因子，利用它对裂缝二值图通过特殊卷积求特征值；特殊卷积算法：从左到右，从上到下对路面图像进行扫描，遇到零子块，不做任何处理或运算；只有遇到，“1”子块，才用破损密度因子对其进行卷积运算；

C·3.特征；

定义：S5为5×5模板卷积后的破损值总和；

S3为3×3模板卷积后的破损值总和；

S0为子图的破损值总和；

F1＝(S5-S3)/S0；

F2＝(S3-S0)/S0；

最终把向量(F1,F2,S0)作为特征，用于分类器输入；

D.计算横向、纵向裂缝的长度，计算块状裂缝、龟裂的面积；判断裂缝破损严重程度；以横向、纵向裂缝的外接矩形长边来表征裂缝长度；以块状裂缝、龟裂的凸包区域来计算面积；对裂缝二值图用面积周长之比计算裂缝宽度，进而判断破损严重程度；

裂缝图像做二值图网格划分，在裂缝图案上做网格划分，与裂缝图案产生交集的所有网格保留后形成事实上依照裂缝伸展状态构成具有连通域的裂缝二值图，这些网格包括线状的仅有一条裂缝线段和面状的至少包括二段不连续的裂缝线段；

进一步的，将上述具有连通域的网格区域标出形成裂缝网格划分后的子图；

进一步的，对于裂缝网格划分后的子图中的连通图形根据连续线性延伸特征划分出线状裂缝，并根据交叉、环形特征划分出面状裂缝。

2.如权利要求1所述的沥青路面裂缝类型自动识别方法，其特征在于，整个识别过程中的算法流程包括：

A、网格连接；对于1个像素代表2毫米的裂缝二值图，通常网格高宽各为150个像素即每一个网格代表30CM×30CM的路面区域；网格化时某子块是否保留的比例阈值设定为0.0005，大于此值，说明这个网格内有裂缝；

B、星形模型分割；对于子图，分割的线状区域的像素通常大于5才算是线状裂缝；

C、线状面状判断以及横向纵向的识别；依据条件和参数判断线状和面状裂缝；其中m_BlockHThresSlim和m_BlockWThresSlim取三倍的网格大小；m_BlockHThresStubby和m_BlockWThresStubby取一倍的网格大小；

D、块状裂缝和龟裂类型的识别；如果裂缝块度小于2个网格大小，则直接判断成龟裂；否则根据特征(F1,F2,S0)判断，如果特征小，则说明密度小，判断为块状；

E、计算裂缝的长度、宽度和面积；以外接矩形长边计算裂缝长度；以凸包区域计算裂缝面积；对于1个像素代表2毫米的裂缝二值图，对于横向、纵向、块状裂缝，其面积周长之比小于4.5时破损程度为轻；对于龟裂，面积周长之比小于3时破损程度为轻，大于7.5时破损程度为重，中间为轻。

3.如权利要求2所述的沥青路面裂缝类型自动识别方法，其特征在于，线状和面状裂缝判断条件和参数包括：

1)第一判决条件：相对宽度即长宽比为(0，0.51)或(1.96，+∞)，细长slim；

第二判决条件：a)绝对宽度、绝对高度height<m＿BlockHThresSlim或width<BlockWThresSlim；b)绝对宽度、绝对高度height<m＿BlockHThresSlim且width<BlockWThresSlim；

第三判决条件：abs(slope)：第二判决条件a)时，图像水平方向裂缝<0.58，图像竖直方向裂缝>＝1.73，线状不规则裂缝(0.58,1.73)；第二判决条件b)时，块状、龟裂及面状不规则裂缝无对应第三判决条件；

2)第一判决条件：相对宽度即长宽比为(0.51，1.96)粗短Stubby；

第二判决条件：a)绝对宽度、绝对高度height<m＿BlockHThresStubby或width<BlockWThresStubby；b)绝对宽度、绝对高度height<m＿BlockHThresStubby且width<BlockWThresStubby；

第三判决条件：abs(slope)：第二判决条件a)时，图像水平方向裂缝<0.58，图像竖直方向裂缝>＝1.73，线状不规则裂缝(0.58,1.73)；第二判决条件b)时，块状、龟裂及面状不规则裂缝无对应第三判决条件；

3)第一判决条件：相对宽度即长宽比为(0.67，1.5)特别粗短；无对应第二、三判决条件。