摘? 要: 介紹了高等級公路路面的裂縫類病害的輪廓利用數(shù)字圖像技術(shù)進(jìn)行提取的方法。利用高速的黑白CCD攝像機(jī)配合光源,實(shí)時攝取公路路面的圖像,并對圖像進(jìn)行噪聲濾除,、邊緣檢測" title="邊緣檢測">邊緣檢測和圖像分割" title="圖像分割">圖像分割等操作,最后可以清晰地提取出路面裂縫的輪廓,為后期計算裂縫開裂長度,、寬度和損壞密度等參數(shù)的計算提供依據(jù)。?

　　關(guān)鍵詞:? CCD? 圖像處理? 邊緣檢測? 裂縫?

?

　　隨著我國高等級公路建設(shè)的快速發(fā)展,高等級公路路基路面的質(zhì)量監(jiān)控體系越來越完善,要求的檢測水平也越來越高,。由于車輛在高等級公路上行駛時,對路面的平整度,、路面完好率要求很高,當(dāng)路面出現(xiàn)凹凸、裂紋等病害時,應(yīng)及時進(jìn)行維修;否則,交通安全就會受到影響,。目前,國內(nèi)檢測高等級公路路況的手段主要是依靠人工丈量的方法,不但效率低,、勞動強(qiáng)度大、檢測速度慢,、誤差較大,不能滿足高等級公路檢測的要求,而且在高速公路上進(jìn)行人工檢測十分危險,。CCD攝像機(jī)作為一種光電圖像傳感器,已廣泛應(yīng)用于幾何尺寸測量,、光譜測試,、位移測量、速度測量,、天文觀測等領(lǐng)域^[1],。將CCD技術(shù)應(yīng)用于高等級公路路況的檢測,可解決人工丈量所存在的缺陷和不足。?

　　本文提出利用數(shù)字圖像技術(shù)對高等級公路路面的裂縫類病害的輪廓進(jìn)行提取,。利用高速的黑白CCD攝像機(jī)配合光源,實(shí)時攝取公路路面的圖像,并對圖像進(jìn)行噪聲濾除,、邊緣檢測和圖像分割等操作,最后可以清晰地提取出裂縫的輪廓,為后期的測量提供高質(zhì)量的圖像。?

1 圖像采集?

　　系統(tǒng)硬件環(huán)境的結(jié)構(gòu)設(shè)計是系統(tǒng)實(shí)現(xiàn)的關(guān)鍵之一,。根據(jù)系統(tǒng)實(shí)現(xiàn)目標(biāo)和可行性的分析,以及實(shí)驗(yàn)條件的限制,搭建了圖1所示的實(shí)驗(yàn)室硬件工作環(huán)境,。經(jīng)實(shí)踐證實(shí),該系統(tǒng)可以滿足對路面圖像采集的要求,。?

?

?

　　考慮到整個系統(tǒng)將運(yùn)行在野外的測試車上,各種設(shè)備的交、直流供電情況是必須考慮的一個問題,。應(yīng)選用合適的穩(wěn)壓電源和調(diào)光電源向照明系統(tǒng),、CCD和計算機(jī)進(jìn)行供電。CCD相機(jī)對被測路面的光線情況要求很高,太強(qiáng)或太弱的光線都不利于病害路面在CCD相機(jī)中成像,合適的光源和光學(xué)系統(tǒng)才能保證被測路面在CCD中良好地成像,。CCD借助光學(xué)系統(tǒng)將照射于其上的光信號轉(zhuǎn)換為電信號,形成視頻信號,。圖像采集卡" title="圖像采集卡">圖像采集卡完成對圖像模擬視頻信號的模/數(shù)轉(zhuǎn)換功能,經(jīng)抽樣與量化的數(shù)字圖像在計算機(jī)中進(jìn)行后期的數(shù)字圖像處理" title="數(shù)字圖像處理">數(shù)字圖像處理。在實(shí)際應(yīng)用中,CCD攝像機(jī)選用MINTRON公司的MTV-1881EX 1/2英寸黑白低照度高解析攝像機(jī),圖像采集卡選用MicroView 公司的 MVPCI-V2A專業(yè)黑白圖像采集卡,。攝像機(jī)固定在可移動的測試裝置上,實(shí)時地攝取高等級公路路面的圖像并輸出視頻信號給圖像采集卡,。圖像采集卡完成模擬視頻信號的數(shù)字化工作。數(shù)字化圖像的空間分辨率設(shè)置為512×512,灰度分辨率為8位256級,。選用精工SE0813-3CCD光學(xué)鏡頭,焦距為8mm,F=1.3,鏡片規(guī)格為2/3英寸,視場角為42.6°,。?

2 圖像處理?

2.1 圖像預(yù)處理?

　　在圖像的采集過程中,由于受到光源和CCD相機(jī)抖動(運(yùn)動中)的影響,圖像中不可避免地存在大量的噪聲,這為后面的邊緣檢測工作帶來了較大地困難。因此,首先需要對采集的數(shù)字圖像進(jìn)行濾波去噪處理,。噪聲濾除一直是數(shù)字圖像處理領(lǐng)域中一個經(jīng)典的課題,。對有噪聲的圖像進(jìn)行邊緣檢測的方法已有很多,如Robert梯度、Sobel算子,、Prewitt算子,、Laplacian算子等^[2]。這些算子各有所長,但對于裂縫類病害的圖像并不適用,。所以,希望能尋求既能很好地保護(hù)裂縫的邊緣,又能濾除圖像中噪聲的圖像濾噪算法,對圖像進(jìn)行預(yù)處理,。?

　　通常的濾波算法都設(shè)計為低通濾波算法,在濾除噪聲的同時也模糊了圖像中的邊緣細(xì)節(jié)。應(yīng)用較多的濾波技術(shù)有Lee濾波器,、Frost濾波器,、Camma CAP濾波器等。這些濾波算法都是基于對圖像局部統(tǒng)計特性自適應(yīng)的,濾除噪聲的效果較好,。但是,由于算法本身的原因,往往造成圖像邊緣細(xì)節(jié)信息模糊,降低了圖像的質(zhì)量,。針對這一問題,人們提出許多改進(jìn)算法,如改進(jìn)的Lee濾波器、變窗口濾波器等,。這些算法雖然在一定程度上解決了邊緣模糊的問題,但也帶來新問題,。例如改進(jìn)的Lee濾波器,由于要進(jìn)行邊緣檢測,所以選擇的窗口就不能太大;但小窗口對消除斑噪聲不利,又降低了效能^[5]。因此,希望能尋求一種具有邊緣保護(hù)功能的噪聲濾除算法,。?

　　針對以上情況,本文采用加權(quán)的領(lǐng)域平均算法對圖像進(jìn)行噪聲濾除,。該算法不僅能夠有效地平滑噪聲,還能夠銳化模糊圖像的邊緣。同時該算法計算比較簡單,不需要任何先驗(yàn)知識和預(yù)定的參數(shù),能為后期的邊緣檢測工作提供高質(zhì)量的數(shù)字圖像,。?

　　算法的計算公式描述如下:?

??? 用f(x,y)表示原始圖像,g(x,y)為平滑后點(diǎn)(x,y)的灰度值,V_x,y表示以點(diǎn)(x,y)為中心的鄰域,該鄰域包含N個像素,m(x,y)表示鄰域V_x,y內(nèi)的灰度均值,。則修正的領(lǐng)域平均法由下式給出:?

?????

式(1)中,α為修正系數(shù),取值范圍為0到1,它的大小反映V_x,y中的邊緣狀況。α定義如下:?

?????

式(2)中,γ>0。?

??? 上偏差以m_g(x,y)表示,定義為灰度值大于鄰域均值m的各像素的灰度平均值與m之差;下偏差以m_l(x,y)表示,定義為鄰域均值m與灰度值小于m的各像素的灰度平均值之差,。分別以N_g,N₀,N_l代表V_x,y內(nèi)灰度值大于,、等于、小于m的像素數(shù),則灰度的上偏差m_g(x,y)和下偏差m_l(x,y)可以分別表示為?

???

??? 指數(shù)γ的大小直接影響上式的性能,。γ越小,對噪聲的平滑作用越強(qiáng);γ越大,其銳化作用越強(qiáng),。一般在噪聲較強(qiáng)的情況下,噪聲干擾對圖像質(zhì)量的影響比較突出,所以γ應(yīng)當(dāng)取較小的值;反之,在噪聲較弱和圖像細(xì)節(jié)較多的情況下,γ應(yīng)當(dāng)取較大的值。?

　　在本文的實(shí)驗(yàn)中,考慮到噪聲的濾除效果和后期的處理,γ取1,而Vx,y取為7×7鄰域,。?

2.2 邊緣檢測?

　　對于路面裂縫類病害的識別檢測來說,邊緣檢測算法的好壞在很大程度上影響識別和檢測的效果與精度,。在數(shù)字圖像處理的邊緣檢測方面,前人已進(jìn)行了大量的科學(xué)研究和探索,提出和推導(dǎo)了大量經(jīng)典的邊緣檢測算法。經(jīng)典的,、最簡單的邊緣檢測方法是對原始圖像按像素的某領(lǐng)域構(gòu)造邊緣檢測算子,例如梯度算子,、Sobel算子、Laplacian算子,、Marr算子和Rosenfeld的門式算子等,。在上述常用的算法中,梯度算子的思路簡捷,運(yùn)行速度較快;但是梯度算子只有水平和垂直兩個方向的模板,其模板方向僅表示灰階變化的梯度方向,而不是圖像的實(shí)際邊緣方向。Sobel算子運(yùn)行速度較塊,能濾除一些噪聲,去掉部分偽邊緣,可提供最精確的邊緣方向估計^[2],并在檢測斜向階躍邊緣時具有較好的效果,。但是Sobel邊緣檢測算子主要有水平和垂直兩個方向的模板,算法的有向性使其不能對路面病害中的不規(guī)則裂縫進(jìn)行有效的識別與檢測,。Laplacian和Marr算子無方向性,并在邊緣檢測過程中,先對原始圖像進(jìn)行平滑,以降低噪聲的影響。但是,由于對圖像的平滑使得算子對邊緣的定位不精確,處理后的邊緣像素數(shù)目較多,。?

　　考慮到采集的路面裂縫類病害圖像已進(jìn)行了噪聲濾除的預(yù)處理,又考慮到裂縫類病害的類型包括橫向裂縫,、縱向裂縫和不規(guī)則裂縫,邊緣可能在各個角度方向存在梯度。因此,構(gòu)造了8個方向的模板對圖像進(jìn)行Sobel邊緣檢測,。該算法在邊緣檢測中是各向同性的,。?

　　算法實(shí)現(xiàn)的基本思想是:構(gòu)造如圖2所示的8方向模板,對圖像進(jìn)行逐點(diǎn)計算,并且取最大值作為該點(diǎn)的新的灰度值,該最大值對應(yīng)模板所表示的方向?yàn)樵撓袼攸c(diǎn)的邊緣方向。?

?

?

2.3 圖像分割?

　　該部分將經(jīng)過8方向Sobel邊緣檢測的數(shù)字圖像,進(jìn)行圖像分割(二值化" title="二值化">二值化),?？紤]到需要對路面的病害圖像作備份,同時也為了方便檢測者了解裂縫的形狀和走向,系統(tǒng)要提供直觀的二值化圖像,以供參考和進(jìn)行后續(xù)的圖像處理與測量工作。本文的圖像分割算法選用由Ostu提出的最大類間方差法,該算法是在判決分析最小二乘法原理的基礎(chǔ)上推導(dǎo)得出的^[2],。?

　　OSTU準(zhǔn)則分割原理如下:?

　　設(shè)一幅圖像的灰度等級范圍為[1, 2, ...L],對應(yīng)灰度級i的像素為n_i個,整幅圖像的象素總個數(shù)N=n₁+n₂+...+n_L,則對應(yīng)灰度級i的像素出現(xiàn)的概率為:?

?????

??? 若整幅圖像以灰度級K為閾值,且分為C₀與C₁兩類,。其中C₀類灰度級范圍為[1,...K],C₁類為[K+1,...L]。?

??? 這兩類的方差分別為:?

???

??? 式中,P_r為在C₀(或C₁)類中灰度級i的象素出現(xiàn)的概率,u₀和u₁分別為C₀和C₁類的均值,。?

??? 這樣有w₀u₀+w₁u₁=u_T成立,w₀和w₁分別為C₀類和C₁類的概率,。在此OSTU定義類內(nèi)方差:?

?????

3 實(shí)驗(yàn)分析?

　　上面介紹了系統(tǒng)工作的硬件環(huán)境和算法實(shí)現(xiàn)的原理和方法。下面將通過對路面橫向裂縫,、縱向裂縫和不規(guī)則裂縫圖像的實(shí)際處理,觀察算法對裂縫類病害的識別能力,。?

　　圖3示出本算法對實(shí)驗(yàn)環(huán)境下采集圖像中的各類裂縫進(jìn)行處理的結(jié)果,。圖3(a),、(b)、(c)是在硬件平臺下采集的橫向、縱向和不規(guī)則裂縫的樣圖;圖3(d),、(e),、(f)是對樣圖進(jìn)行噪聲濾除、8方向Sobel邊緣檢測和圖像分割(二值化)處理后得到的二值化圖,。由以上實(shí)驗(yàn)可以看出,本文提出的算法能對各類裂縫類病害進(jìn)行較好的處理與識別,能較好地消除噪聲的影響,裂縫輪廓清晰,。?

?

?

　　在實(shí)際的測試過程中,當(dāng)物距為20cm,圖像采集選用512×512像素的分辨率時,視場范圍是11cm×11cm,CCD中像素分辨率為0.2mm。當(dāng)物距為50cm時,視場范圍是28cm×28cm,CCD像素分辨率為0.5mm,。?

　　在Visual C++ 6.0 開發(fā)環(huán)境下編制的這套圖像處理和病害識別軟件,采用模塊化設(shè)計,具有方便,、簡潔的用戶界面,系統(tǒng)易于開發(fā)、易于移植等特點(diǎn),。它可控制圖像采集卡對圖像進(jìn)行實(shí)時監(jiān)控,、采集、顯示和存儲等操作,同時具有對路面裂縫類病害包括橫向,、縱向和不規(guī)則裂縫圖像進(jìn)行噪聲濾除,、邊緣檢測、圖像分割和目標(biāo)識別的功能,。?

　　由以上實(shí)驗(yàn)可以看出,本文提出的對高等級公路路面的裂縫類病害的輪廓進(jìn)行提取的算法可以清晰的提取出路面裂縫的輪廓,為后期的測量提供高質(zhì)量的圖像,。?

參考文獻(xiàn)?

1 王慶有,孫學(xué)珠.CCD應(yīng)用技術(shù).天津:天津大學(xué)出版社, 1993?

2 夏良正.數(shù)字圖像處理.南京:東南大學(xué)出版社,1999?

3 周長發(fā).精通Visual C++圖像編程.北京:電子工業(yè)出版社,2000?

4 公路養(yǎng)護(hù)質(zhì)量檢查評定標(biāo)準(zhǔn).中華人民共和國行業(yè)標(biāo)準(zhǔn)(JTJ 075-94), 1994?

5 J.Canny. A computational approach to edge. IEEE Trans.PAMI,1986;18:679-698?