CN111260637B - 一种基于区域差分的沥青道路横向断裂检测方法 - Google Patents

一种基于区域差分的沥青道路横向断裂检测方法 Download PDF

Info

Publication number
CN111260637B
CN111260637B CN202010058276.0A CN202010058276A CN111260637B CN 111260637 B CN111260637 B CN 111260637B CN 202010058276 A CN202010058276 A CN 202010058276A CN 111260637 B CN111260637 B CN 111260637B
Authority
CN
China
Prior art keywords
transverse fracture
information
road
space distribution
distribution vector
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
Application number
CN202010058276.0A
Other languages
English (en)
Other versions
CN111260637A (zh
Inventor
张文胜
王延仓
王伟
李鹏程
董慧洁
郝孜奇
卢梦
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shijiazhuang Tiedao University
Original Assignee
Shijiazhuang Tiedao University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shijiazhuang Tiedao University filed Critical Shijiazhuang Tiedao University
Priority to CN202010058276.0A priority Critical patent/CN111260637B/zh
Publication of CN111260637A publication Critical patent/CN111260637A/zh
Application granted granted Critical
Publication of CN111260637B publication Critical patent/CN111260637B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/0002Inspection of images, e.g. flaw detection
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/10Segmentation; Edge detection
    • G06T7/13Edge detection
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00Scenes; Scene-specific elements
    • G06V20/10Terrestrial scenes
    • G06V20/182Network patterns, e.g. roads or rivers
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/10Image acquisition modality
    • G06T2207/10032Satellite or aerial image; Remote sensing
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/10Image acquisition modality
    • G06T2207/10048Infrared image

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Quality & Reliability (AREA)
  • Multimedia (AREA)
  • Image Processing (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种基于区域差分的沥青道路横向断裂检测方法,包括以下步骤:S1,基于无人机影像数据中的红波段采用人工目视解译方法提取道路空间分布矢量数据。S2,利用区域差分方法初步提取横向断裂粗信息,利用sobel算法对横向断裂粗信息进行边缘检测,并利用MATLAB中的bwareaopen函数删除横向断裂粗信息中小于15个像素的噪声信息,得到横向断裂信息。S3,以道路空间分布矢量数据为基准,对横向断裂信息进行精确的几何配准,将位于道路空间分布矢量数据范围内的横向断裂信息保留,去除位于道路空间分布矢量数据范围外的横向断裂信息,得到沥青道路横向断裂信息。本方法简便、快速,检测精度和效率都较高,实现了快速从影像数据中提取沥青道路横向断裂信息。

Description

一种基于区域差分的沥青道路横向断裂检测方法
技术领域
本发明涉及公路断裂诊断领域,尤其涉及一种基于区域差分的沥青道路横向断裂检测方法。
背景技术
近年来,我国的科技得到了迅猛发展,其中空间信息相关技术发展迅速。空间信息在提升交通、国土、林业、农业等信息的数字化、智能化管理水平方面发挥了重要功能。目前我国拥有庞大的交通设施,交通的信息化对交通系统的精准管理具有重要意义。
随着无人机遥感技术与图像处理分析技术的不断发展与提升,无人机遥感技术已被广泛应用于国民经济的各个领域。无人机图像可拥有极高的空间分辨率,其能够将许多原本在卫星图像中无法体现的地物细节特征进行展示,且无人机遥感图像同时具有更多的光谱信息,这些信息对于交通信息的诊断与识别工作提供了新的工作模式。无人机遥感不仅能节省人力、物力成本,还能提高交通道路信息解译精度与效率;但在利用无人机遥感技术诊断道路断裂的研究相对较少,也存在许多难题,例如针对小、微型公路断裂诊断问题的研究仍相对匮乏。
发明内容
本发明的目的在于针对上述现有技术的不足,提供一种基于区域差分的沥青道路横向断裂检测方法,可有效实现沥青公路横向断裂的诊断,为沥青公路维护的实时、精准提供了必要基础技术支撑。
为解决上述问题,本发明所采取的技术方案是:
一种基于区域差分的沥青道路横向断裂检测方法,包括以下步骤:
S1,基于无人机影像数据中的红波段采用人工目视解译方法提取道路空间分布矢量数据。
S2,利用区域差分方法初步提取横向断裂粗信息,利用sobel算法对横向断裂粗信息进行边缘检测,并利用MATLAB中的bwareaopen函数删除横向断裂粗信息中小于15个像素的噪声信息,得到横向断裂信息。
S3,以道路空间分布矢量数据为基准,对横向断裂信息进行精确的几何配准,将位于道路空间分布矢量数据范围内的横向断裂信息保留,去除位于道路空间分布矢量数据范围外的横向断裂信息,得到沥青道路横向断裂信息。
更进一步的技术方案是,步骤S2中,所述区域差分方法为:将无人机影像数据划分为大小N*M的数据,即N行,M列;创建两个矩阵A、B,A为从原始影像数据第一列、第二行开始,到原始影像N行、M列的数据,其大小为N-1*M;B为原始影像数据第一列、第一行开始,到N-1行、M列数据,其大小也为N-1*M;然后两个矩阵相减,即可得到沥青道路横向断裂信息。
采用上述技术方案所产生的有益效果在于:
本发明以沥青道路空间特征与光谱特征为基础理论,具有较强的普适性,且方法简便、快速,检测精度和效率都较高,实现了快速从影像数据中提取沥青道路横向断裂信息,可为沥青道路的维护与修复提供基础技术支撑。
附图说明
图1为本发明的流程图;
图2为拍摄的遥感影像图;
图3为根据图2的遥感影像图得到的沥青道路横向断裂的检测结果。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
如图1-3所示,一种基于区域差分的沥青道路横向断裂检测方法,包括以下步骤:
S1,基于无人机影像数据中的红波段采用人工目视解译方法提取道路空间分布矢量数据。
S2,利用区域差分方法初步提取横向断裂粗信息,利用sobel算法对横向断裂粗信息进行边缘检测,并利用MATLAB中的bwareaopen函数删除横向断裂粗信息中小于15个像素的噪声信息,得到横向断裂信息。
S3,以道路空间分布矢量数据为基准,对横向断裂信息进行精确的几何配准,将位于道路空间分布矢量数据范围内的横向断裂信息保留,去除位于道路空间分布矢量数据范围外的横向断裂信息,得到沥青道路横向断裂信息。
步骤S2中,所述区域差分方法的理论依据为:由于完整无损的道路具有相对均一的特点,其在影像中的差异不大,但当道路出现断裂等损毁时,道路的均一性会降低,从而导致差异变大。区域差分方法是利用完整道路具有相对均一的特点,通过提取两个地理空间存在微小空间偏移的影像进行减法处理,提取道路损毁位置的方法。具体的所述区域差分方法为:将无人机影像数据划分为大小N*M的数据,即N行,M列;创建两个矩阵A、B,A为从原始影像数据第一列、第二行开始,到原始影像N行、M列的数据,其大小为N-1*M;B为原始影像数据第一列、第一行开始,到N-1行、M列数据,其大小也为N-1*M;然后两个矩阵相减,即可得到沥青道路横向断裂信息。
尽管这里参照本发明的多个解释性实施例对本发明进行了描述,但是,应该理解,本领域技术人员可以设计出很多其他的修改和实施方式,这些修改和实施方式将落在本申请公开的原则范围和精神之内。更具体地说,在本申请公开、附图和权利要求的范围内,可以对主题组合布局的组成部件和/或布局进行多种变型和改进。除了对组成部件和/或布局进行的变形和改进外,对于本领域技术人员来说,其他的用途也将是明显的。

Claims (1)

1.一种基于区域差分的沥青道路横向断裂检测方法,其特征在于,包括以下步骤:
S1,基于无人机影像数据中的红波段采用人工目视解译方法提取道路空间分布矢量数据;
S2,利用区域差分方法初步提取横向断裂粗信息,利用sobel算法对横向断裂粗信息进行边缘检测,并利用MATLAB中的bwareaopen函数删除横向断裂粗信息中小于15个像素的噪声信息,得到横向断裂信息;
步骤S2中,所述区域差分方法为:将无人机影像数据划分为大小N*M的数据,即N行,M列;创建两个矩阵A、B,A为从原始影像数据第一列、第二行开始,到原始影像N行、M列的数据,其大小为N-1*M;B为原始影像数据第一列、第一行开始,到N-1行、M列数据,其大小也为N-1*M;然后两个矩阵相减,即可得到沥青道路横向断裂信息;
S3,以道路空间分布矢量数据为基准,对横向断裂信息进行精确的几何配准,将位于道路空间分布矢量数据范围内的横向断裂信息保留,去除位于道路空间分布矢量数据范围外的横向断裂信息,得到沥青道路横向断裂信息。
CN202010058276.0A 2020-01-19 2020-01-19 一种基于区域差分的沥青道路横向断裂检测方法 Active CN111260637B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010058276.0A CN111260637B (zh) 2020-01-19 2020-01-19 一种基于区域差分的沥青道路横向断裂检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010058276.0A CN111260637B (zh) 2020-01-19 2020-01-19 一种基于区域差分的沥青道路横向断裂检测方法

Publications (2)

Publication Number Publication Date
CN111260637A CN111260637A (zh) 2020-06-09
CN111260637B true CN111260637B (zh) 2022-12-13

Family

ID=70950837

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010058276.0A Active CN111260637B (zh) 2020-01-19 2020-01-19 一种基于区域差分的沥青道路横向断裂检测方法

Country Status (1)

Country Link
CN (1) CN111260637B (zh)

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB0117541D0 (en) * 2001-07-19 2003-08-06 Bae Systems Plc Automatic registration of images in digital terrain elevation data
CN102519974B (zh) * 2011-12-15 2014-07-02 国网电力科学研究院 基于图像智能识别的复合绝缘子龟裂检测方法
CN103714339B (zh) * 2013-12-30 2017-01-18 武汉大学 基于矢量数据的sar影像道路损毁信息提取方法
CA3006240C (en) * 2015-04-27 2022-12-13 Wuhan Wuda Zoyon Science And Technology Co., Ltd. A stepwise refinement detection method for pavement cracks
CN110677619A (zh) * 2019-08-20 2020-01-10 青岛萨纳斯智能科技股份有限公司 一种智能监控视频处理方法
CN114842060A (zh) * 2022-03-17 2022-08-02 东华大学 面向纱线条干视觉检测的交织轮廓特征差分提取方法

Also Published As

Publication number Publication date
CN111260637A (zh) 2020-06-09

Similar Documents

Publication Publication Date Title
CN102096821B (zh) 基于复杂网络理论的强干扰环境下的车牌识别方法
CN108416784B (zh) 城市建成区边界快速提取方法、装置及终端设备
CN103020913B (zh) 基于分段校正的遥感影像条带噪声去除方法
CN111062368B (zh) 基于Landsat时间序列遥感影像的城市更新区域监测方法
CN111062991B (zh) 一种光伏场景的巡检目标定位方法、设备及可读存储介质
CN110889327B (zh) 一种基于热红外图像的水域周边排污口智能检测方法
CN106295562A (zh) 一种高分辨率遥感影像道路信息提取方法
Hong et al. Highway crack segmentation from unmanned aerial vehicle images using deep learning
CN103310199B (zh) 基于高分辨率遥感数据的车辆型号识别方法
CN102243705B (zh) 基于边缘检测的车牌定位方法
CN105261018A (zh) 基于光学模型和暗原色先验理论的能见度检测方法
CN109635733B (zh) 基于视觉显著性和队列修正的停车场和车辆目标检测方法
CN110659546A (zh) 一种违法摊位检测方法及装置
CN113989644B (zh) 基于Himawari-8数据的沙尘区域获取方法
CN112232303B (zh) 一种基于高分遥感影像的草原道路信息提取方法
CN111260637B (zh) 一种基于区域差分的沥青道路横向断裂检测方法
CN113158770A (zh) 一种改进的全卷积孪生神经网络的矿区变化检测方法
CN115761613B (zh) 一种基于卷积网络的隧道裂缝自动检测方法
CN116883866A (zh) 输电线路异物检测方法、电子设备及计算机可读存储介质
Ma et al. Road information extraction from high resolution remote sensing images based on threshold segmentation and mathematical morphology
Subhashini et al. A review on road extraction based on neural and non-neural networks
CN103236157B (zh) 一种基于图像块的状态演变过程分析的停车事件检测方法
CN115376106A (zh) 基于雷达图的车型识别方法、装置、设备及介质
Sun et al. Pavement crack detection and quantification based on scanning grid and projection method
CN115700541A (zh) 一种单个沙尘气象灾害判定方法及判定系统

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant