面向线阵列CCD道路影像的裂缝识别

摘要：

目的 道路裂缝的等级评定是公路养护的基本任务之一,目前国内相关部门主要通过线阵列相机采集道路影像,由于道路影像裂缝的识别会受到多种因素干扰(树木及车辆的投影、光照变化、油渍、树枝与稻草等条状物、各类垃圾),降低了基于道路影像自动识别裂缝算法的准确率,导致对于路面等级评价依旧采用人工的方式进行,为此提出一种道路影像裂缝鲁棒识别方法.方法 由于采集的图像尺寸较大,同时为了避免光照不均匀带来的问题,首先对图像进行分块,采用改进的CV模型对分块影像进行预处理,获得初步的分割结果.其次,通过以下4个特点识别线阵列CCD道路影像的裂缝:1)裂缝在分块区域中占据较小的面积比;2)裂缝在影像中呈现的连续性较差;3)裂缝的宽度与长度比值较小;4)同一段裂缝的走向基本一致.为了利用裂缝的后两项特点,采用椭圆拟合的方法计算初步分割区域的方向,并以此为基础将这些区域分为4类.在每个分类中,分别计算各区域内的质心位置,建立质心间的矢量表,设计递归算法计算其共线性,获得裂缝检测结果,并以此为基础构造活动模型的初始距离矩阵,通过在原图中迭代求解更为精确的裂缝区域.结果 从2 000幅道路影像中挑选包含道路裂缝的影像100幅,并按序号等间隔分别取出5组未含有裂缝的影像100幅,每组200幅组成数据集进行测试,采用分类指标统计的方法评测本文算法性能,在正确率、灵敏度、特效度、精度上均达到95％以上,道路裂缝的检测与提取时间约为1 min.结论 该方法不仅可以有效地识别裂缝,同时可以克服了环境中多种因素的干扰,误识别率较低,具有较高的实际应用价值.

关键词：道路裂缝识别、椭圆拟合、质心、干扰物、水平集

所属期刊栏目：21

分类号：TP391(计算技术、计算机技术)

资助基金：辽宁省博士启动基金项目20141142;辽宁省“百千万人才工程”基金项目2011921063Natural Science Foundation of Liaoning Doctor Initial Foundation20141142

在线出版日期：2017-01-06（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：1623-1633