基于图像处理的路面裂缝识别研究

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。     

水泥路面图像刻槽去除方法研究

水泥路面刻槽往往会对水泥路面裂缝的识别产生噪声干扰。针对水泥路面刻槽图像的特点,结合傅里叶变换原理,利用MATLAB图像处理技术研究得到一种消除水泥路面图像刻槽的可行方法。首先应用形态学原理对水泥路面刻槽图像进行预处理,然后根据频谱图像进行分析,检测水泥路面刻槽位置并对频谱图像进行处理,最后通过反傅里叶变换得到去除刻槽后的水泥路面图像,并在此基础上识别水泥路面裂缝。结果表明,采用该方法可以较好地实现去除水泥路面图像刻槽的目的。     

基于混合粒子群优化的2维Otsu路面裂缝图像阈值分割方法

针对传统2维Otsu法由于计算量大而无法实时对路面裂缝图像进行分割的问题,将粒子群算法和遗传算法相结合,提出了一种基于混合粒子群优化的2维Otsu路面裂缝图像阈值分割方法。实验结果表明:与标准粒子群优化的2维Otsu阈值分割法相比,文中方法可以完整分割出图像中的裂缝目标;与传统2维Otsu法相比,文中方法减少了算法运行的时间,提高了路面裂缝图像的分割效率。     

基于自动阈值检测和边缘连接的路面裂缝边缘提取方法

随着不同等级公路的快速发展,对道路裂纹或裂缝的检测技术也提出了更高的要求。道路裂纹或裂缝检测技术主要依赖于图像处理、模式识别等数字图像处理技术,针对道路裂纹或裂缝检测的关键技术,提出了一种基于改进的边缘提取算法的路面裂缝检测方法。该方法有效降低了传统图像边缘提取算法对噪声、异常的敏感度,提高了对不同图像阈值的自适应性,数值算例表明该算法可有效、准确地对路面裂纹或裂缝进行检测。     

多尺度特征增强的路面裂缝检测方法

针对路面裂缝检测不完整和分割出现断裂的问题，提出了一种多尺度特征增强的路面裂缝检测网络MFENet,实现端到端的路面裂缝图像检测、分类和分割处理；设计了多尺度注意力特征增强模块，建立了网络模型的上层多尺度特征通道与底层特征通道权重系数之间的映射关系，以提升有效通道的特征输出；基于路面裂缝的坐标信息和像素语义信息在物理位置上的相关性，设计了多语义特征关联模块，实现不同语义信息之间的特征融合增强，并通过特征维度转换实现对路面裂缝图像的前景特征过滤；提出了一种针对深度特征强度进行量化评估的方法，用于提升模型提取特征能力的可解释性。在自采集数据集上的研究结果表明：MFENet对路面裂缝图像检测的平均精准率和平均召回率相比Mask R-CNN分别提升了4.3%和5.4%,相比基线模型RDSNet分别提升了14.6%和14.3%;MFENet对路面裂缝图像分割的平均精准率和平均召回率相比Mask R-CNN分别提升了6.6%和8.8%,相比RDSNet分别提升了8.1%和9.7%;与Mask R-CNN等主流方法相比，MFENet对不同类型路面裂缝图像的检测、分割精度最高。在公开数据集(CFD、C...     

基于形态学梯度分割的低对比度路面裂缝自动识别方法研究

针对目前路面裂缝的检测效率低、裂缝识别的主观性强、在低对比度下不易辨识等问题，提出了基于形态学梯度分割的低对比度路面裂缝自动识别方法，通过分析路面裂缝形成的原因研究了摄像头拍摄情况下的路面图像预处理方法及达到的效果，研究了形态学梯度检测中的Sobel算子方法在路面裂缝中的应用，通过实际采集的低对比度路面单裂缝与复杂背景下路面多裂缝图像进行算法测试，试验结果验证了提出方法的有效性。     

基于Beamlet变换的路面裂缝图像匀光算法

为解决路面病害检测过程中在不同光照条件下裂缝识别可靠性的问题,Beamlet变换提供了一种多尺度分析算法．该算法采用递归二进法将图像分块,利用在所有像素尺度下的Beamlet线段逼近裂缝,将裂缝从图像背景中分离,并采用插值函数均匀光照背景．在图像裂缝提取过程中,对图像中裂缝的线性提取可以有效地滤除噪声,提高裂缝提取的准确性．较传统的图像处理算法,该算法在准确地检测路面裂缝,均匀光照背景的同时有效地抑制了噪声干扰,检测效果良好,且运算速度快．均匀的路面背景为路面裂缝图像的定性、定量分析奠定基础．     

基于多特征检验的三维沥青路面裂缝检测

针对由裂缝对比度低、路面纹理复杂多变等因素引起的沥青路面三维图像的裂缝检测精度低的问题，对原始三维裂缝图像进行尺寸降维、灰度校正、高斯滤波等预处理；然后以图像截面为研究对象，分别对4个方向的截面依次进行特别设计的倾斜度、高斯分布、边缘梯度3种特征检验，从而获得裂缝截面；接着对各个方向的裂缝截面进行融合和去噪，获得完整的裂缝二值图像；最后，根据路面粗糙度的高低，变化高斯分布特征检验中的相关参数，实现裂缝的高精度检测. 研究结果表明:提出的算法能达到89.19%的准确率、93.69%的召回率及91.06%的 F 值，优于基于三维光影、种子识别的典型三维图像裂缝检测方法.      

一种新颖的路面裂纹修补识别方法研究

针对目前公路路面裂缝的图像处理中难以区分未修补裂缝与已修补裂缝的难点问题，提出一种新颖的路面裂纹修补识别方法，通过Hessian矩阵特征向量与特征值中提取的各向异性对裂缝检测的敏感性，能较好地提取路面裂缝或修补裂纹细节信息，确定裂缝是否修补。通过实际拍摄的未修补裂缝、已修补裂纹的数据进行解析处理，结合边缘检测的能量强度与检测结果中的非平滑特征可以区分出裂缝是否被修补。     

基于小波的路面裂缝识别研究

应用基于小波变换的图像分解和重构方案可以进行公路路面裂缝的检测与识别。首先对路面图像进行多分辨二维离散小波分解,根据在每个尺度2j上小波系数模最大值和相位(梯度方向)这两个分量的大小确定边缘的位置,进一步变换小波分解系数,达到去除噪音,加强裂缝边缘的效果。并通过实验分析和讨论了不同的小波基、不同分辨率水平、重构中使用的分解子图像对路面图像裂缝分割的影响,最后用简单的阈值技术生成二值图像,把裂缝从背景图像中分离出来。     

基于头脑风暴优化的PCNN路面裂缝分割算法

为提升裂缝检测的分割精度和鲁棒性,基于头脑风暴优化（brainstorming optimization,BSO）和脉冲耦合神经网络（pulse coupled neural network,PCNN）,提出了一种路面裂缝图像分割算法（BSO-PCNN）. 该算法采用最大熵准则作为BSO算法的适应度函数,并依据适应度值决定参与次轮迭代的个体;BSO具有强收敛性,可快速确定最优个体解;结合图像特征,获得PCNN模型的最优参数,将其代入PCNN模型实现对裂缝图像的分割. 试验结果表明:算法可在20次迭代内取得不同类型路面裂缝图像的最大适应值,从而确定最佳分割参数;与Sobel边缘检测算法、PCNN图像分割算法、基于最大熵的遗传算法（genetic algorithm based on the maximun entropy of the histogram,GA-KSW）、基于遗传算法参数优化的PCNN分割算法（genetic algorithm based on the pulse coupled neural network,GA-PCNN）相比,BSO-PCNN算法取得了0.9924的区域一致性与0.0900的区域对比度.      

道路场景中交通标志的检测方法

为在车辆视觉导航中能快速识别道路场景中的交通标志,通过提取标志的特征颜色与识别标志的特征形状来实现交通标志的检测。将道路场景RGB空间图像转换为HSI空间,利用色调与饱和度融合的办法来提取道路场景中标志的特征颜色区域,二值化后排除噪声并通过投影法得到正确的标志区域,实现交通标志的定位。以红色禁令圆形交通标志为例,提出一种改进的Hough变换方法来识别标志域内的几何特征——圆形标记。通过对不同条件下20幅含禁令标志的道路场景图像的检测试验,发现本方法对交通标志颜色提取定位与几何特征图形识别的正确率都达到100%,且平均检测时间为245ms。分析结果表明:该方法能够快速、准确地确定标志区域,同时对禁令标志几何图形识别具有较强的实时性和鲁棒性。     

成像偏振在车道线检测与识别中的应用

复杂环境下的车道检测是目前智能车和辅助安全驾驶研究的难点和热点. 针对外部复杂的道路环境,将光学偏振理论引入传统的车道检测技术,提出了一种基于成像偏振的车道线检测方法. 通过对车道线图像基本特征的分析,首先采集3个角度的特殊环境道路偏振图像,获得偏振度图像;然后对偏振度图像作二值化和图像感兴趣区域的划分;再根据车道线边缘的直线特性,进行道路图像的边缘检测从而可以获得车道边缘;最后通过Hough变换原理提出了改进的Hough算法,并得以实现检测出车道标线,计算出汽车行驶偏角. 通过仿真和实验验证表明,该方法能够准确地检测和识别出复杂环境下的车道线,车道线的检测偏角与实际偏角之间的误差小于0.3°.      

桥梁下部结构裂缝提取的改进C-V模型算法(英文)

应用改进C-V模型,进行桥梁下部结构裂缝图像分割,通过裂缝截取、图像填充和旋转变换精确提取裂缝宽度。对不同光照条件下拍摄的在役混凝土桥梁结构裂缝图像,分别利用改进C-V模型算法、自适应阈值法、形态学算法、C-V模型以及Canny算法进行试验对比。分析结果表明:改进C-V模型算法误分率和运算时间最小,分别为3.02%与89ms;1 000幅桥梁结构裂缝图像试验对比显示裂缝检测准确率大于90.8%,裂缝宽度平均误差小于0.03mm。可见,改进算法可有效提高检测准确率,减少运算时间。     

沥青路面表面纹理三维高精度激光非接触式检测

为实现沥青路面纹理构造高精度自动检测，借助三维激光技术实现路面纹理三维重构，提出模拟铺砂的沥青路面构造深度测量方法. 首先采用高精度三维激光扫描仪获取雅康高速公路沥青路面0.1 mm精度三维高程数据，同时人工铺砂法获取对应区域的宏观构造深度值；其次通过数字图像处理技术实现重构沥青路面三维云图并进行数据噪声处理；最后设计四连通多种子组合填充算法，实现在滤波后的三维路面纹理云图上自动铺砂并获取路面纹理宏观构造深度值. 研究结果表明:模拟铺砂测量方法与人工铺砂法测量的平均构造深度（MTD，M)的平均绝对误差为0.052 mm，两者相关系数为0.96. 研究成果验证了用非接触式路面纹理测试替代现有的接触式路面摩擦性能测试的可行性，为道路交通安全网级监测与管理奠定基础.      

基于深度图像的机场道面裂缝自动检测算法

为了实现强噪声、弱光照、低对比度条件下的机场道面细小裂缝检测, 设计了基于深度图像的机场道面裂缝检测算法; 将采集到的深度图像划分成多个网格, 并对每个网格进行扩充, 获得了局部道面区域; 针对每个网格区域, 基于随机抽样一致算法进行局部三次曲面构建和优化估计; 在此基础上, 在全局尺度下融合全部网格区域的曲面模型, 生成整个图像采集区域道面的全局曲面模型; 利用全局曲面模型与原始深度图像之间的差值图像, 采用自适应阈值方法分割出候选裂缝像素, 并利用裂缝的像素总数、长度以及长宽比等多种形态学约束筛选候选裂缝像素, 去除错误的候选裂缝像素, 从而获得了最终的裂缝检测结果; 在机场道面深度图像数据集上进行了试验, 以人工标注结果作为真实值, 以准确率、召回率以及F值作为量化评估指标, 将提出的算法分别与4种有代表性的传统算法进行了对比。试验结果表明: 传统算法能够取得的最高准确率、召回率以及F值分别为77.05%、41.02%和50.02%, 提出的算法在准确率、召回率和F值3个指标上均有明显优势, 其均值分别为91.20%、97.99%和94.12%;提出的算法能够在分辨率为1 984像素×2 000像素的深度图像上检测出最小宽度为3 mm、最小长度为10 cm的裂缝, 实现了在复杂机场道面场景中识别细小裂缝的目标。      

基于多标记像素匹配的高分辨率遥感图像道路提取

针对高分辨率遥感图像道路提取方法存在提取不完整和误提取问题，提出一种基于多标记像素匹配的高分辨率遥感图像道路提取方法. 将待提取图像由RGB颜色空间转换到 Lab颜色空间，选取与照明强度弱相关的色相特征作为初始匹配项. 以矩形框的方式标记不同类型的道路，利用t 检验法剔除其匹配项的异常值，从而确定阈值来匹配道路像素点，利用局部纹理算子对匹配结果进行筛选. 利用道路区域的形态特征对匹配结果进行优化处理. 为验证所提方法的可行性和优越性，对不同传感器获取的高分辨遥感图像进行测试，与现有道路提取方法进行对比. 定性和定量精度评价结果表明，所提方法对不同类型道路的提取具有较高的精度.     

基于视频的道路盲区能见度检测研究

基于道路视频图像的能见度检测方法可为智能交通系统提供实时、可靠、经济的交通能见度信息，但其应用效果受限于广泛存在的视频监控盲区。鉴于此，针对道路视频监控盲区的能见度实时检测方法展开研究，利用视频能见度检测算法，获取上下游路段能见度的两类检测数据，并提出一种基于能见度数据的高层信息汇聚融合模型，构建了盲区的能见度间接检测方法，给出 基于实时视频检测的道路盲区能见度预测值，与目测结果相比，平均误差小于10%。