基于图像处理的路面裂缝识别研究

以采用半阈值技术，把物体从背景中分离出来。其数
学表达式为
$（ｆ ｉ，ｊ），如果发 （ｆ ｉ，ｊ）≥Ｔ
（ｆ ｉ，ｊ）＝ ０ 或者 ２５５，其它
（６）
２．２ 最大类内、类间距离阈值准则
由于路面图像的复杂性，直方图很难出现明显
的峰值，往往连成一片，运用直方图选取最佳阈值变
得困难。这时可以根据整幅图像的全局信息来确定
#－ １ ０ － １ & #－ ２ － １ ０ &
１．２ 掩膜平滑法
路面图像中存在这样一个基本事实：同一区域
内部的像素之间灰度变化平缓，起伏较小，统计方差
小；在区域边缘，像素之间灰度值的起伏变化大，统
计方差大。掩膜平滑的目的在于进行滤波操作的同
时，尽可能不破坏区域边缘的细节。也就是说在对路
面裂缝图像进行滤波时，既可以去除图像噪音，又能
收稿日期： ２００６－１１－１６ 基金项目： 交通部西部建设科技项目（２００ ４３１ ８００ ０５４） 作者简介： 孙波成（１９６４－），男，湖北孝感人，讲师，博士研究生，研究方向：图像处理。
６２
重 庆 交 通 大 学 学 报（ 自 然 科 学 版 ）
第 ２７ 卷
景颜色相近甚至更亮的比较大的颗粒，也会导致裂 缝图像颜色的变化。但总的来说，裂缝图像比正常路 面的暗；③代表裂缝的像素数量远远小于代表背景 的像素数量；④正常路面的灰度值与裂缝的灰度值 有部分重叠；⑤路面图像信息量较大。
６４
重 庆 交 通 大 学 学 报（ 自 然 科 学 版 ）
第 ２７ 卷
阈值，运用最大类内、类间距离阈值准则提取路面图
像中的裂缝取得了较好的效果［８］。
设一幅图像的灰度级为 Ｌ，图像中灰度值是 ｉ 的
像素个数为 ｎｉ。以分割阈值 τ为准将图像分割成两个 区域，定义区域 Ａ 用来描述｛０，１，２，…，τ｝的灰度分
根据上述道路图像自身的特点，并参考同行路 面图像裂缝识别的各种算法，本文首先使用一种掩 膜平滑法，对有大量噪音的路面图像进行增强，再采 用最大类间、类内距离准则对图像进行阈值分割，提 取图像上的裂缝特征。
１ 图像增强
图像增强是相对图像识别、图像理解而言的一 种前期处理，目的是采用一系列的改善图像的效果 或将图像转换成一种更适合人或计算机进行分析处 理的形式，主要是指按需要对图像进行适当的变换 突出某些有用的信息或削弱无用的信息，如改善图 像的对比度、去除噪音或强调边缘的处理等。
图 ３ 掩膜平滑窗口及各掩膜模板
ｑ
! Ωｉ ＝ ［ｆ（ｌ ｊ ＋ ｍ ，ｋ ＋ ｎ）２ － Ｅｉ２］ ｌ＝１
（２）
式中，ｉ 表示掩膜模板的编号，ｉ ＝ １，２，…，９；ｑ 为对
应掩膜模板中包含像素的个数 （ｊ ｍ，ｎ）为掩膜模板
内像素相对于中心像素（ ｊ，ｋ）的位移量。
比较这 ９ 个模板的方差，掩膜平滑输出的新灰
Ａｂｓｔｒａｃｔ：Ｃｏｎｖｅｎｔｉｏｎａｌ ｖｉｓｕａｌ ａｎｄ ｍａｎｕａｌ ｒｏａｄ ｃｒａｃｋ ｄｅｔｅｃｔｉｏｎ ｍｅｔｈｏｄ ｉｓ ｌａｂｏｒ－ｃｏｎｓｕｍｉｎｇ，ｎｏｎ－ｐｒｅｃｉｓｅ，ｄａｎｇｅｒｏｕｓ， ｃｏｓｔｌｙ ａｎｄ ｉｔ ａｆｆｅｃｔ ｔｒａｎｓｐｏｒｔａｔｉｏｎ ａｓ ｗｅｌｌ． Ａｎ ａｕｔｏｍａｔｉｃ ｒｏａｄ ｃｒａｃｋ ｄｅｔｅｃｔｉｏｎ ｍｅｔｈｏｄ ｗａｓ ｄｅｓｃｒｉｂｅｄ ｂａｓｅｄ ｏｎ ｉｍａｇｅ ｐｒｏｃｅｓｓ． Ｉｔ ｅｎｈａｎｃｅｓ ｔｈｅ ｒｏａｄ ｉｍａｇｅ ｂｙ ｕｓｉｎｇ ａ ｍａｓｋ ｆｉｌｔｒａｔｉｎｇ ｍｅｔｈｏｄ ｉｎ ｔｈｅ ｆｉｒｓｔ，ｔｈｅｎ ｓｅｇｍｅｎｔｓ ｔｈｅ ｉｍａｇｅ ｂｙ ｔｈｅ ｍａｘｉｍｕｍ ｏｆ ｃｌａｓｓ ｄｉｓｔａｎｃｅ． Ｔｈｅ ｄｅｔｅｃｔｉｎｇ ｅｆｆｅｃｔｉｖｅｎｅｓｓ ｏｆ ｔｈｅ ａｌｇｏｒｉｔｈｍ ｉｓ ｇｏｏｄ ｆｏｒ ｔｈｅ ｄｅｔｅｃｔｏｎ ｏｆ ｐａｖｅｍｅｎｔ ｃｒａｃｋ ｄｉｓｅａｓｅｓ． Ｋｅｙ ｗｏｒｄｓ：ｐａｖｅｍｅｎｔ ｃｒａｃｋ；ｔｈｒｅｓｈｏｌｄ ｓｅｇｍｅｎｔａｔｉｏｎ；ｉｍａｇｅ ｐｒｏｃｅｓｓｉｎｇ
较好的保护裂缝的边缘细节。
本文以一个 ５ ×５ 的窗口为基准，中心位置为（ｊ，
ｋ），在这个窗口中确定 ９ 种不同的掩膜模板，如图 ３。
在平滑时，首先计算各模板的均值和方差
( ) ｑ
’ Ｅｉ ＝
ｌ＝１
ｆ（ｌ ｊ ＋ ｍ ，ｋ ＋ ｎ）
×１ ｑ
（１）
第１期孙波成Βιβλιοθήκη ： 基于图像处理的路面裂缝识别研究
６３
#１ ０ － １ &
#２ １ ０ &
!－ １ － ２ － １ $ !－ ２ － １ ０ $
"
%"
%
Ｍ４＝"" ０ ０ ０ %%Ｍ５＝""－ １ ０ １ %%
#１ ２ １ & #０ １ ２ &
!－ １ ０ １ $ ! ０ １ ２ $
"
%"
%
Ｍ６＝""－ ２ ０ ２ %% Ｍ７＝""－ １ ０ １ %%
大类间、类内距离准则对图像进行阈值分割，提取图像上的裂缝特征，实验结果表明了该方法的有效性。
关 键 词： 路面裂缝；阈值分割；图像处理
中图分类号： Ｕ４１８．６
文献标志码： Ａ
文章编号： １６７４－０６９６（２００８）０１－００６１－０４
Ｐａｖｅｍｅｎｔ Ｃｒ ａｃｋｓ Ｉｄｅｎｔｉｆｉｃａｔｉｏｎ Ｕｓｉｎｇ Ｉｍａｇｅ Ｔｅｃｈｎｏｌｏｇｙ
疲劳开裂和车辙是沥青公路路面两个最主要的 破损形式，根据交通部《高速公路养护质量检测方法 （试行）》之规定，需要定期对高速公路路面状况进行 调查，以便制订相应的维护策略，其中重要的一项指 标是路面裂缝。而且准确的裂缝信息也是路面管理 信息系统的需要。传统的基于人工视觉检测裂缝的 方法愈来愈不能适应高速公路发展的要求，主要是 速度慢，个人主观程度大，而且花费高，危险还影响 正常交通。计算机高性能处理器、大容量存储器及图 像处理技术的快速发展，使得路面裂缝的自动检测 与识别技术成为可能。
一般来说，在采集到的路面图像中，包含两类对 象：①状况良好的路面，即背景；②裂缝，即识别的目 标。因此，数字图像可分为两类像素集：代表背景的 像素和代表裂缝的像素。理想状况下，裂缝应该比背 景更暗。但是由于各种因素的影响，使路面图像具有 以下特点：①由于路面材料的不均匀性，正常路面的 纹理也不均匀。因此，所采集的图像背景颜色本身有 较大地变化；②裂缝图像也有同样的情况。由于严重 程度不同，其大小、面积也不同。如果裂缝中有与背
（ａ）原图
（ｂ）Ｒｏｂｉｓｏｎ 模板平滑
（ｃ）本文掩膜平滑
图 ４ 路面图像效果
２ 图像分割
在对图像进行的研究和应用中，在某一领域往 往仅对原始图像中的某些部分或者目标感兴趣。图 像分割就主要根据图像在各个区域的不同特性，而 对其进行边界或区域上的分割，并从中提取所关心 的目标。由于图像各区域特征的巨大差异，很难用同 一种图像分割算法对其进行分割处理，所有的图像 分割算法均是针对某一具体问题而提出的。目前使 用最多的还是阈值化分割算法。 ２．１ 阈值基础
第 ２７ 卷 第 １ 期
重 庆 交 通 大 学 学 报（ 自 然 科 学 版 ）
２００８ 年 ２ 月 ＪＯＵＲＮＡＬ ＯＦ ＣＨＯＮＧＱＩＮＧ ＪＩＡＯＴＯＮＧ ＵＮＩＶＥＲＳＩＴＹ（ＮＡＴＵＲＡＬ ＳＣＩＥＮＣＥ）
Ｖｏｌ．２７ Ｎｏ．１ Ｆｅｂ． ２００８
基于图像处理的路面裂缝识别研究
孙波成 １， 邱延峻 ２
ＳＵＮ Ｂｏ－ｃｈｅｎｇ１，ＱＩＵ Ｙａｎ－ｊｕｎ２
（１． Ｅｍｅｉ Ｂｒａｎｃｈ ｏｆ Ｓｏｕｔｈｗｅｓｔ Ｊｉａｏｔｏｎｇ Ｕｎｉｖｅｒｓｉｔｙ，Ｅｍｅｉ Ｓｉｃｈｕａｎ ６１４２０２，Ｃｈｉｎａ； ２． Ｓｏｕｔｈｗｅｓｔ Ｊｉａｏ ｔｏｎｇ Ｕｎｉｖｅｒｓｉｔｙ，Ｃｈｅｎｇｄｕ Ｓｉｃｈｕａｎ ６１００３１，Ｃｈｉｎａ）
（１． 西南交通大学峨眉校区，四川 峨眉 ６１４２０２；２． 西南交通大学 土木学院，四川 成都 ６１００３１）
摘要： 传统的人工视觉检测裂缝方法具有耗力、耗时、不精确、影响交通、危险、花费高等缺点。这里介绍一种基于图
像处理的路面裂缝类病害自动识别方法。首先使用一种掩膜平滑法，对有大量噪音的路面图像进行增强，再采用最
板和 Ｋｉｒｓｃｈ 模板。例如 Ｒｏｂｉｓｏｎ 模板的 ８ 个方向定
义如下
! １ ２ １ $ !２ １ ０ $
"
%"
%
Ｍ０＝"" ０ ０ ０ %%Ｍ１＝""１ ０ － １ %%
#－ １ － ２ － １ & #０ － １ － ２ &
!１ ０ － １ $
!０ － １ － ２ $
"
%
"
%
Ｍ２＝""２ ０ － ２ %% Ｍ３＝""１ ０ － １ %%
像素 Ｐ５ 和它的 ３×３ 邻域
卷积模板
Ｐ１ Ｐ２ Ｐ３ Ｐ４ Ｐ５ Ｐ６ Ｐ７ Ｐ８ Ｐ９
Ｋ１ Ｋ２ Ｋ３ Ｋ４ Ｋ５ Ｋ６ Ｋ７ Ｋ８ Ｋ９
９
新的输出值 Ｐ ５＝’Ｋｉ ×Ｐｉ ｉ＝１
图 １ 卷积运算方法
为了更好地突出图像线形特征的方向性，通常 的做法是对上述单模板进行扩展，构造 ８ 个方向的 模板。通常，对图像中的一个像素，它共有 ８ 个相邻 点，因此从该点出发具有 ８ 个方向。可以事先构造 ８ 个不同方向、大小为 ３ ×３ 的模板，如图 ２。将这 ８ 个
但对于采集到的路面图像，由于采集工具的不 同，路面材料的影响，使图像包含大量的噪音［１］。因 而对路面图像裂缝的识别研究主要集中在图像增强 和裂缝目标的分割。文献［２］采用路面图像直方图均 衡化来增强图像；文献［３］运用加权邻域平均法来平