CN109934128A - 一种用于道路病害检测的航拍图像路面识别方法 - Google Patents

Abstract

一种用于道路病害检测的航拍图像路面识别方法，包括以下步骤：1)利用特征检测算子对航拍图像进行特征检测，得到特征图像；2)对特征图像进行二值化处理；3)通过对图像的Hough变换，将被检测的特征从像素坐标空间变换至参数坐标空间；4)在参数坐标空间中对特征进行筛选，剔除与路面区域无关的特征；5)在像素坐标空间选出与参数坐标空间对应的特征，据此确定航拍图像中的路面区域。本发明能够充分利用道路巡检无人机航拍图像中路面形状特点，提高路面识别的准确度。

Description

一种用于道路病害检测的航拍图像路面识别方法

技术领域

本发明属于道路质量监测领域，涉及一种用于道路病害检测的航拍图像路面识别方法。

背景技术

利用无人机航拍图像进行道路病害检测能够实现道路病害的无人化和智能化检测。航拍图像中的非路面区域会对道路病害检测造成干扰，容易引起道路病害的误识别。先识别航拍图像中的路面区域、再对路面区域进行病害检测能够有效减少道路病害误识别率。

目前路面识别的方法主要用于以车辆为载体获取的道路图像，其特点是道路两侧边线汇聚于远处。与车载拍摄道路图像不同，道路巡检无人机航拍图像中的道路两侧边线是近似平行的，其形状多为直线或简单曲线，且道路通常纵向贯穿于整幅图像。现有的路面识别方法没有充分利用道路巡检无人机航拍图像的特点进行路面识别，容易造成路面的误识别。

引证文献：[1].夏晓华,陶波,颜伟,文庆良,李阳.一种道路检测无人机及其自动巡航方法[P].中国：ZL201610648193.0,2018-10-30.

发明内容

本发明的目的在于针对上述现有技术中问题，提供一种用于道路病害检测的航拍图像路面识别方法，能够有效提取航拍图像中的路面区域，为路面病害精确识别奠定基础。

为了实现上述目的，本发明采用的技术方案包括以下步骤：

1)利用特征检测算子对航拍图像进行特征检测，得到特征图像；

2)对特征图像进行二值化处理；

3)通过对图像的Hough变换，将被检测的特征从像素坐标空间变换至参数坐标空间；

4)在参数坐标空间中对特征进行筛选，剔除与路面区域无关的特征；

5)在像素坐标空间选出与参数坐标空间对应的特征，据此确定航拍图像中的路面区域。

所述的步骤1)对航拍图像进行特征检测确定出图像边缘，具体包括：

首先将原始图像转换为灰度图像，然后利用Sobel算子、Prewitt算子或Canny算子对灰度图像进行特征检测提取图像边缘。

所述的步骤2)采用最大类间方差阈值对特征图像进行二值化处理，具体的步骤包括：

首先通过最大类间方差法找到特征图像的最佳阈值，然后以此阈值作为分界线，将特征图像中灰度值高于或等于此阈值的像素设定为255，灰度值低于此阈值的像素设定为0。

所述的步骤3)至步骤5)利用Hough变换检测出图像中的直线或曲线。

所述Hough变换的具体步骤包括：首先确定被检测直线或曲线的参数方程，根据参数个数建立参数坐标系，并将参数坐标系量化成网格或网块；然后利用参数方程将二值化图像中的特征点映射到参数坐标空间中，在参数坐标系中对映射的特征进行计数。

步骤4)采用阈值法对图像特征筛选，阈值范围为0.2H～2H，其中H为图像的高度值。

所述的步骤5)中路面区域是指图像边界以及道路两侧边线所围成的区域。

所述的道路两侧边线由图像中的最外侧特征点确定。

与现有技术相比，本发明具有如下的有益效果：采用Prewitt算子进行图像边缘检测，对图像噪声具有平滑作用，然后运用Hough变换检测出图像中的众多直线或者曲线，最后通过阈值法精确地提取出道路的边界。整体上，本发明利用霍夫变换和阈值法，剔除了路面中央交通标线和内部纹路的边缘，提高了路面识别的准确性。此外，本发明的识别方法适用于线性检测，对于各种路面均能够进行检测，应用领域较为广泛。本发明的路面识别方法流程简约，图像处理快捷，路面识别速度较快，能够满足路面实时性识别的要求，识别准确度高。

附图说明

图1本发明路面识别方法的流程图；

图2本发明路面识别方法的识别效果示例：

(a)路面航拍灰度图像；(b)边缘检测特征图像；

(c)经空间变换特征筛选后的图像；(d)本发明最终确定的图片区域。

具体实施方式

下面结合附图及实施例对本发明做进一步的详细说明。

参见图1，本发明用于道路病害检测的航拍图像路面识别方法包括以下步骤：

步骤一、采用Sobel、Prewitt或Canny等边缘检测算子对航拍图像进行图像边缘检测；

步骤二、采用最大类间方差阈值法对图像边缘检测得到的特征图像进行二值化处理；

具体的，首先采用最大类间方差法找到特征图像的最佳阈值，然后以此阈值作为分界线，将特征图像中灰度值高于或等于此阈值的像素设为255，灰度值低于此阈值的像素设定为0。

步骤三：对经过二值化处理的图像进行Hough变换，将被检测的特征从像素坐标空间变换至参数坐标空间，检测出图像中的直线或曲线。

Hough变换的具体步骤包括：首先确定被检测直线或曲线的参数方程，根据参数个数建立参数坐标系，并将参数坐标系量化成网格或网块；然后利用参数方程将二值化图像中的特征点映射到参数坐标空间中，在参数坐标系中对映射的特征进行计数。

步骤四：在参数坐标空间中对特征进行筛选，剔除与路面区域无关的特征；采用的方法为阈值法，阈值的范围为0.2H～2H，其中H为图像的高度值。

步骤五：在像素坐标空间中筛选出与参数坐标空间中的特征对应的特征，由道路的最外侧边线和图像边界确定出图像中的路面区域。

参见图2(a)-图2(d)，本发明针对航拍图像的识别方法剔除了路面中央交通标线和内部纹路的边缘，提高了路面识别的准确性，能够获得比较准确的路面区域。

以上所述仅为本发明的较佳实施例，并不用以对本发明做任何形式上的限定，本领域技术人员应当理解的是，在不脱离本发明精神和原则的条件下，本发明还可以进行若干修改或简单替换，这些修改及替换也均落入由所提交权利要求划定的范围之内。

Claims (7)

1.一种用于道路病害检测的航拍图像路面识别方法，其特征在于，包括以下步骤：

1)利用特征检测算子对航拍图像进行特征检测，得到特征图像；

2)对特征图像进行二值化处理；

3)通过对图像的Hough变换，将被检测的特征从像素坐标空间变换至参数坐标空间；

4)在参数坐标空间中对特征进行筛选，剔除与路面区域无关的特征；

5)在像素坐标空间选出与参数坐标空间对应的特征，据此确定航拍图像中的路面区域。

2.根据权利要求1所述用于道路病害检测的航拍图像路面识别方法，其特征在于，步骤1)对航拍图像进行特征检测确定出图像边缘，具体包括：首先将原始图像转换为灰度图像，然后利用Sobel算子、Prewitt算子或Canny算子对灰度图像进行特征检测提取图像边缘。

3.根据权利要求1所述用于道路病害检测的航拍图像路面识别方法，其特征在于，所述的步骤2)首先通过最大类间方差法找到特征图像的最佳阈值，然后以此阈值作为分界线，将特征图像中灰度值高于或等于此阈值的像素设定为255，灰度值低于此阈值的像素设定为0。

4.根据权利要求1所述用于道路病害检测的航拍图像路面识别方法，其特征在于，所述的步骤3)至步骤5)利用Hough变换检测出图像中的直线或曲线。

5.根据权利要求4所述用于道路病害检测的航拍图像路面识别方法，其特征在于，所述Hough变换的具体步骤包括：首先确定被检测直线或曲线的参数方程，根据参数个数建立参数坐标系，并将参数坐标系量化成网格或网块；然后利用参数方程将二值化图像中的特征点映射到参数坐标空间中，在参数坐标系中对映射的特征进行计数。

6.根据权利要求1所述用于道路病害检测的航拍图像路面识别方法，其特征在于，步骤4)采用阈值法对图像的特征进行筛选，阈值范围为0.2H～2H，其中H为图像的高度值。

7.根据权利要求1所述用于道路病害检测的航拍图像路面识别方法，其特征在于，所述的步骤5)中路面区域是指图像边界以及道路两侧边线所围成的区域；

所述的道路两侧边线由图像中的最外侧特征点确定。