山东泉建工程检测有限公司 山东济南 250014
摘要：本文笔者针对传统检测道路裂缝方法中存在的一系列不足之处，提出一种基于图像处理的城市道路沥青路面水稳基层裂缝检测方法。希望能为相关工作者提供参考作用。
关键词：市政道路；沥青路面；检测方法；
一、城市道路沥青路面水稳基层裂缝检测
1.道路基层裂缝图像采集及预处理
该设备主要由以下 5 个系统组成: 数字激光断面系统、图像系统、几何系统、GPS系统及处理软件系统。这5个系统都运用核心部件向传感器发送相同的信号，实现统一控制和管理。采用强度归一化和像素饱和化对采集的图像进行预处理，以降低环境因素对图像造成的影响。
首先将彩色图像转化成灰度图像，将灰度图像划分成18行、23列的像素图像块，计算每个像素块的均值和标准差，得出18* 23的均值矩阵 Mm和标准差矩阵 STDm。对Mm矩阵的横向和纵向进行搜寻，找出含有裂缝的像素块，对其进行预标记，该做法的目的是将含有裂缝的像素图像块标记为1，不含有裂缝的像素块标记为0。首先对 Mm矩阵进行纵向搜寻，预标记的方法表示为：
式中: k1= 0.4和k2=2.0表示经验值在k1和k2时，预标记反应的检测质量指标值(Fm)最高。当图像像素块(i，j)局部平均像素强度值的变化 
比所在列平均像素强度值的变化
大、与像素块(i，j)相邻部分的像素强度平均值的变化比像素块的平均像素强度值大时，像素块(i，j)即为含有基层裂缝。纵向搜寻完成时会形成一个以 plbv计算结果为参考的二值矩阵
。
按照纵向搜寻的方式进行水平方向搜寻，Ah 和Bh 分别代替 Av 和 Bv，预标记方式如下:
经过水平搜寻后，根据 
值创建新的二维矩阵 
，该矩阵与 Mm具有相同的维数。经过上述图像预处理，可得出图像含有道路基层裂缝的部分。在图像采集的过程中，由于光线不同，导致图像的亮度不同，采用图像像素强度归一化处理可缓解这个问题。首先计算每个图像不含有裂缝像素块的平均像素强度值的平均值 bilimg。 按照 bilimg值，可以为每个图像计算出与 Mm均值具有相同维数的归一化常数矩阵 Mnc。对于不含裂缝的像素块，其归一化常数矩阵为Mnc，采用下式进行计算:
对于含有裂缝的像素块，其归一化常数矩阵Mnc的数值，采用下式进行计算：
式中: k(0)表示像素块 (i，j) 的相邻部分不含有裂缝像素块的总数。从该部分进行搜寻不含有裂缝的像素块，直到找到为止。该方法对图像的像素块强度值的影响较小，可避免含有裂缝部分的像素块发生变化，甚至丢失，还可有效减少由于光照不同对图像产生的影响，同时保留了图像中裂缝的像素。
2.道路基层裂缝检测
通常的道路基层裂缝具有以下几点性质:在图像中，裂缝像素灰度值低于周围环境灰度值; 裂缝像素具有一定的不间断性; 裂缝具有线性特征且有方向。经过预处理的图像，基本可以消除环境给图像造成的影响。但由于一些原因，还是会令图像背景部分在空间分布上存在差异，如果直接对图像进行阈值分割，会令检测结果存在较大误差，因此需要对图像进行匀质分块处理。综上所述，提出多尺度策略的道路基层裂缝检测模型。该模型将图像划分成 3 个等级，分别为像素级图像、单元级图像和块级图像，并经过两次运算过程实现对图像进行分割:首先是像素级到单元级的图像进行灰度计算，经过该步骤可消除噪声的影响，同时减少时间计算维度;然后对单元级图像块进行差分直方图分割，经过该步骤可消除像素强度值不同的影响，进而检测出图像中裂缝部分。
在模型计算时，赋予单元最小灰度值最大的权值，计算出单元灰度值，对该模型进行离散，得出离散数学表达式如下:
式中:
表示经过计算单元灰度值的结果，
表示单元最小灰度值，
表示单元灰度平均值，λ表示赋予单元最小灰度值的较大权重，其可用下式进行表达：
式中:
表示图像的整体均值， 
表示单元方差， 
表示图像的整体方差。单元均值与λ成反比例关系; 单元均值越大，λ越小，单元灰度值就会无限接近图像的均值，说明该图像中含有道路基层裂缝的几率较小，反之几率较大。邻域差分直方图法对局部相邻区域目标变化具有较高的敏感性，利用该方法可对从图像出分割出裂缝区域，裂缝检测表达式为:
式中: TDh表示图像裂缝检测结果，Dhg表示灰度级在图像中与相邻区域响度变化量的统计值。经过上述步骤的计算，将灰度级图像转换成二值图像，此时含有裂缝的图像块已经从图像中分割出来，但是由于环境因素，分割出来含有裂缝的图像仍然含有噪声干扰，因此最后一步，需要采用形态学算子对含有裂缝的图像进行去噪处理，最终检测出光滑的含有道路基层裂缝的区域。
二、仿真实验证明
配置:Windows7 处理器，3.5 GHz 主频，内存为32 G，一块 NVIDIA Tesla K40 GPU，现存带宽为 288GB/s，显存频率为 6GHz 的计算机设备为实验环境。实验对象: 多功能检测移动车采集的数据集为1000 张 2400 像素* 2800 像素的道路基层图像，按一定比例对其进行缩放，并对其进行0°，90°，270°的旋转。从实验对象中抽取一张图像，将其转换成灰度图像，如图 1 所示，采用基于空间聚集特征的沥青路面裂缝检测方法、基于稀疏表示分类的检测识别方法和本文研究方法进行图像处理和裂缝检测，实验结果如图 2 所示。通过分析图 2 可知:图 2(a) 整体直观地观察，图像较为模糊，检测到的裂缝特征不够明显，但对于其他因素产生的噪声影响，该方法处理的较好; 从图2(b) 可以看出，该方法对于噪声处理效果较差，残留的噪声影响对裂缝特征识别干扰很大，容易造成检测误差; 对实验对象采用本文研究方法进行处理得出图 2(c) ，该图中存有适量的噪声，但道路裂缝已经明显地与图像背景分离，有效地检测出道路基层的裂缝。
图1 原始灰度图像
（a,处理过的图像）
（b,通过分类检测方法处理过的图像)
（c,通过本文检测法处理的图像）
图2 3种方法检测处理结果对比图
完整的裂缝检测能够较精确地提供裂缝毁坏参数，提升养护道路的计策效率。从多功能检测移动车采集的图像中随机选出 500 张含有裂缝的图像，通过基于空间聚集特征的沥青路面裂缝检测方法、基于稀疏表示分类的检测识别方法和本文研究的方法进行裂缝检测(为了使检测结果更简洁明了，令 3种方法分别用 K、X 和 B 字母表示) ，采用正确率(%) 、召回率( %) 和 F 值( %) 作为检测裂缝完整性的指标。正确率是指正确检测到的裂缝特征数量与所有裂缝特征数量的比值; 召回率指正确检测到的裂缝特征数量与道路实际裂缝特征数量的比值; F值计算公式为:
Fmeasure =(2 正确率 × 召回率) / (正确率 + 召回率) （10）
这 3 个指标数值越大，检测完整性越高，效果越好。3 种方法检测结果对比如表1 所示。
表1 3种方法检测结果对比
通过分析表 1 可知: 基于稀疏表示分类的检测识别方法在 3 种方法中检测效果最差，基于空间聚集特征的沥青路面裂缝检测方法相对来说表现地好一些; 而本文方法的正确率、召回率和 F 值在 3 种方法中均是最高的，说明本文研究方法对于道路基层裂缝检测地较为完整，裂缝检测丢失率较低，具有较高的完整性。
结束语
仿真实验证明，本文研究的方法对图像的处理结果较好，且具有较高的检测完整性，可为道路状态检测和养护工作提供较大的帮助。
参考文献：
［1］王庆.浅析道路沥青路面水稳基层裂缝检测方法［J］.地理科学，2019，05(2)
论文作者:李宁
论文发表刊物:《基层建设》2019年第24期
论文发表时间:2019/11/22
标签：裂缝论文; 图像论文; 像素论文; 灰度论文; 基层论文; 道路论文; 矩阵论文; 《基层建设》2019年第24期论文;