基于最小二乘法灰度校正的路面裂缝检测算法

开篇：润墨网以专业的文秘视角，为您筛选了一篇基于最小二乘法灰度校正的路面裂缝检测算法范文，如需获取更多写作素材，在线客服老师一对一协助。欢迎您的阅读与分享！

摘要：路面裂缝图像存在多种复杂噪声，一般的滤波、去噪、边缘检测算法无法很好的将裂缝与路面背景分离。该文采用最小二乘法对图像进行灰度校正，可以将图像路面背景的直流分量去除，然后利用高斯函数匹配裂缝信号脊边缘使其突显，并使用阈值法将裂缝与背景分离，最后利用连通域标记的方法去除更多噪点达到裂缝位置的定位。

关键词：最小二乘法；高斯函数；脊边缘；连通域标记

中图分类号：G237.6 文献标识码：A 文章编号：1009-3044（2013）21-4915-03

路面图像是属于噪声分布比较复杂的图像，由自然、人为以及路面材料各种因素的影响所造成。传统的滤波去噪、边缘检测等算法无法很好的检测出路面图像中的裂缝。另外路面图像在采集过程中，因相机像素偏低、光照不均、抖动造成图像更加模糊不清，裂缝与背景图像的灰度几乎相同甚至重叠，这样就无法很好的使用阈值分割法。因此在这里我采用了基于最小二乘法灰度校正的检测算法。

1 路面图像的分割

首先我们要利用最小二乘法对路面图像进行灰度校正，抽取图像灰度剖面曲线，选取合适的多项式拟合剖面曲线，将拟合曲线与原灰度剖面曲线作差，消减路面背景的灰度直流量。由于裂缝有脊边缘特性，然后选取适当的高斯函数模板去匹配脊边缘，定位裂缝，并二值化图像[1]。

1.1 基于最小二乘法的图像灰度校正

数字图像的处理首先是把彩色图像灰度化后存储在二维的数字矩阵中，而对图像的各种变化方法实质是对转化后的矩阵进行各种运算变换处理。

我们将灰度化后的图像信息存储在二维数组G（n，m）中，为了运算方法的简便性，按行（列）抽取了一维数组来进行处理。首先固定列（行），获取灰度剖面曲线，记作g（m），如图1“灰度剖面图”所示。

2 非裂缝孤立点的去除

观察灰度校正后的二值化路面图像后我们发现，显示为白色的区域并非全部为裂缝而是出现了许多类似噪声的散点，干扰着我们对裂缝的定位和判断。但是我们又发现路面裂缝区域都是保持连通且面积较大的区域，而散点都是些孤立存在、没有连通性、面积较小的小点儿。因此接着采用连通域标记的方法标记图像，根据标记结果去除散点。

二值图像的连通区域标记过程：从仅由“1” 或“255”像素（前景点）和“0”像素（背景点）组成的一幅点阵图像中，将相互邻接的“1” 或“255”值像素组合成区域，并用边界信息来描述每个连通区域。

直接扫描标记算法把连续区域作同一个标记，常见的四邻域标记算法和八邻域标记算法。

2.1 四邻域标记算法

1） 判断此点四邻域中的最左，最上有没有点，如果都没有点，则表示一个新的区域的开始。

2） 如果此点四邻域中的最左有点，最上没有点，则标记此点为最左点的值；如果此点四邻域中的最左没有点，最上有点，则标记此点为最上点的值。

3） 如果此点四邻域中的最左有点，最上都有点，则标记此点为这两个中的最小的标记点，并修改大标记为小标记。

2.2 八邻域标记算法

1） 判断此点八邻域中的最左，左上，最上，上右点的情况。 如果都没有点，则表示一个新的区域的开始。

2） 如果此点八邻域中的最左有点，上右都有点，则标记此点为这两个中的最小的标记点，并修改大标记为小标记。

3） 如果此点八邻域中的左上有点，上右都有点，则标记此点为这两个中的最小的标记点，并修改大标记为小标记。

4） 否则按照最左，左上，最上，上右的顺序，标记此点为四个中的一个。

根据上述方法标记二值图像的每个连通域，得到每个连通域的像素面积大小和外界矩形等特性，然后利用阈值法和对形状特性的判断删除部分连通域，去掉噪声散点。如图3所示，利用连通域标记算法去除噪声散点后的二值图。

至此，裂缝在二值化后的图像中已基本确定。

3 试验与结果分析

3.1 试验方法

我们利用道路监测车采集了大量的路面图像，来验证裂缝检测算法的有效性和实用性。

3.2 试验环境

1）开发平台：Windows XP；2）开发工具：VC++ 6.0；

3.3 试验结果

利用本文算法，二值化并提取出裂缝的路面图像。如图4所示。

参考文献：

[1] 宋焕生，刘春阳，吴成柯，梁德群.多尺度脊边缘及其在图像目标分割中的应用[J] .自动化学报，1999，23（6）：844-847.

[2] .基于GIS的道路综合信息管理系统研究[D] .西安：长安大学，2010.