用图像处理的方法检测公路路面裂缝类病害

公路路面裂缝类病害是公路路面的主要病害之一。在对公路路面裂缝类病害的检测中,将CCD摄像机作为探测系统安装在一个专用测试车上,对路面进行扫描,得到路面图像。构造了8个方向的Sobel模板对路面裂缝类病害图像进行边缘检测,边缘检测处理后,结合加权的邻域平均噪声滤除算法和Ostu图像分割算法对病害图像进行处理。处理结果相对于其他经典算法,裂缝边缘宽度较细,并且裂缝的边缘保护很好,裂缝边缘的连续性也比较好。用图像处理的方法检测公路路面裂缝类病害,检测精度和检测效果都比较满意。     

Sobel边缘检测的细化

边缘检测是数字图像处理中基础而又重要的课题,Sobel算子是图像边缘检测中常用的方法之一。首先将Sobel与其他几种常用的边缘检测算子进行分析和比较,对经典的Sobel算子进行更深入的研究,Sobel算子的优点在于检测速度快,对噪声都具有平滑作用,对噪声具有一定的抑制能力;虽然产生了较好的边缘效果,但也存在一些问题:检测出了一些伪边缘,使得边缘比较粗,降低了检测定位精度。针对Sobel算子存在的问题,研究学者提出了一些改进的方法,如:扩展检测模板,边缘跟踪等方法,在分析这些方法的基础上,提出一种新的简单的Sobel算子改进方法。这种方法在经典的Sobel算法检测出的边缘的基础上对边缘进行细化,实验证明该方法有效解决了Sobel算子边缘检测时边缘过粗的问题,得到的边缘较细,定位精确。     

边缘检测改进算法在路面破损检测中的应用

针对路面破损目前仍采用人工检测,很难对它进行客观和准确的评价问题,对图像边缘检测的各种算子做了总结和分析,介绍一种改进的Sobel算子——8模板Sobel算子,它能够检测8个方向的边缘,能较好地检测横向边缘和纵向边缘,但有时会产生伪边缘。最后使用8模板Sobel算子处理破损路面图像,并与其他算子比较,检测得到的边缘更清晰、连续,受噪声的干扰小。这样,实际得到的路面边缘图可以作为路面破损程度分析的一种依据。     

形态学和最大熵图像分割的城市路面裂缝检测

针对路面检测过程中后期处理数据工作量大、城市路面图像噪声多等特点,提出利用形态学和最大熵图像分割的城市路面裂缝检测方法.路面图像经过初始分类后,利用数学形态学变换对路面裂缝图像预处理,采用不同尺度、不同方位的结构元素对灰度图像做开运算重构,以提高图像中裂缝目标与路面背景之间的灰度差异;利用最大熵法进行图像分割,并对二值化后的裂缝图像进一步精细化处理;利用投影分析方法进行裂缝分类.研究结果表明:该方法能够在抑制噪声干扰的同时,实现快速、准确地检测路面裂缝边缘,并准确完成裂缝分类.     

基于DCT的Sobel算子的图像边缘检测优化算法

针对Sobel算子会检测出很多的伪边缘,边缘定位精度不够高等问题,提出一种基于DCT的Sobel算子的图像边缘检测优化算法.该算法首先将图像转换成灰度图像,然后做二维DCT变换,获取其低频DCT信息,然后将低频信息与原始图像对比获取其灰度图像信息,接着经过Sobel算子运算,与直接经过Sobel算子运算后的图像进行对比叠加,最终得到图像边缘信息.该方法能更准确地定位出图像边缘,弥补了Sobel的不足.     

基于双窗口区域激励的边缘提取算法

针对常用的边缘提取算法如Sobel、Lo G及Canny在实际使用过程中存在的一些问题,提出了一种对噪声和光照更加鲁棒的边缘提取算法.通过提取双窗口区域的加权灰度比值到预先设置的对比函数中,结合Sigmoid函数生成边缘图像的激励值,从而削弱了噪声和光照对边缘检测的影响.为了进一步提高边缘图像的对比度,通过引入对比度增强算法如自适应直方图均衡化来提高图像对比度.实验结果表明:采用此方法能够更好地提取出图像中的边缘信息,有效缓解了Sobel算法存在的局部细节丢失以及Lo G和Canny算法易受光照干扰产生伪边缘等问题.     

适于路面破损图像处理的边缘检测方法

根据路面图像存在的背景不均、损坏比例低和损坏方向不规则的问题,提出了适于路面损坏图像处理的边缘检测方法.在传统边缘检测方法的基础上,引入了预处理和边缘增强.其中预处理包括背景校正、高斯平滑、灰度直方图变换,并提出有效灰度区间的概念;边缘增强则采用了数学形态学的膨胀运算和中值滤波.针对路面损坏图像实例,采用8方向Sobel算子和最大类间方差分割算法,按照上述流程进行边缘检测.结果表明,该方法能有效降低噪声对路面图像处理的影响并最大限度地保留图像中的损坏特征,而背景校正和基于有效灰度区间的灰度直方图变换则是该方法的关键.对经过预处理的边缘图像,最大类间方差法可取得理想的分割效果.     

基于Sobel算子含噪低对比度图像的边缘检测方法

在分析噪声图像、低对比度图像的各种边缘检测方法及Sobel算子检测原理的基础上,提出了一种以Sobel算子为基础,应用直方图均衡化和二值化的改进算法.经实验证明,改进过的算法对含噪低对比度图像具有较好的检测效果,与传统的Sobel、Canny算法相比,具有边缘连续、清晰的优越性.     

小波阈值去噪与 Sobel 算子相结合的深度图像边缘检测技术

提出一种基于小波阈值去噪和Sobel算子相结合的图像边缘检测算法。由于图像边缘部分集中的大部分信息对图像场景的识别与理解起着重要的作用,而使用传统边缘算子在边缘检测时存在一定的缺陷。因此,通过对几种传统算子的边缘检测效果进行对比,并且将几种经典滤波方法相比较,提出在进行Sobel算子边缘检测前,用小波阈值去噪法以有效降低噪声影响。理论分析和实验结果表明该方法计算量较小、边缘定位准确,适用于基于深度图像的快速三维视频编码。     

一种基于灰关联和Sobel算子的完全非结构化道路边缘检测方法

完全非结构化道路检测是智能车辆自主行驶所面临的关键技术难题.图像的边缘是图像特征提取与分析理解的基础,其检测质量直接决定后期理解效果.基于灰关联理论和Sobel算子,针对实时道路图像的真彩色信息,提出一种有效的边缘提取策略.仿真结果表明,直接利用Sobel算子对彩色图像进行边缘检测,不但图像边缘比较清晰,而且还能有效降低图像的噪声.     

局部特征聚类联合区域增长的桥梁裂缝检测

针对传统裂缝检测算法抗干扰能力弱,浅层裂缝易误判等问题,提出一种局部特征聚类联合区域增长的桥梁裂缝检测算法。首先,针对混凝土表皮脱落及渗水等干扰问题,采用Gauss-Frangi双重滤波对图像模糊化处理,退化噪声的特征信息,并增强图像中的线性结构。其次,针对常规算法无法识别弱特征的浅层裂缝问题,根据局部区域裂缝点间的空间相关性,提出基于网格聚类联合区域增长算法实现局部区域裂缝的动态分割。最后,针对分割图像中伪裂缝等顽固噪声,提出一种基于形状特征及结构相似性原理方法剔除噪声。实验表明,所提算法可检测出更多的裂缝细节信息,且保持较高的精确率,提高了裂缝图像分割质量。     

基于模糊数学的公路路面裂痕检测技术

根据公路路面实际裂痕灰度值比背景灰度值低,而路面非背景和非裂痕像素灰度值比背景灰度值高或低很多,设计了一种基于模糊数学的公路路面裂痕检测的新技术.首先使用改进的基于乘性模型的灰度校正算法对原始图像进行预处理,接着根据OTSU最大类间方差法计算得到原图像前景与背景的最佳阈值作为渡越点,构造一个新的模糊隶属度函数对预处理后的图像进行模糊处理,然后用Sobel算子对模糊后的图像边缘检测判断得到含有裂痕信息的区域,最后用图像分割算法区域分割出含有裂痕信息的图像子块.实验证明,新提出的方法在处理速度和检测准确性方面基本能够满足实际需要,能实时、自动检测出模糊图像的裂痕.     

基于双树复小波的直方图路面裂缝检测算法

分割算法广泛用于公路路面裂缝的检测,然而低抗噪性是这类算法存在的主要问题.将双树复小波变换和直方图方向梯度相结合,提出一种基于双树复小波变换的路面裂缝检测算法.该算法用双树复小波变换对路面裂缝图像进行子带分解,对各子带图像进行直方图方向梯度矩阵计算,阈值化后确定裂缝边缘.实验结果表明,与传统边缘检测算法相比,该算法目标识别度高、抗干扰能力强及准确率高.     

基于分数域加窗和对比度增强的路面裂缝检测

针对传统人工路面裂缝检测的效率和精度低以及耗费大量人力物力等问题，提出了一种基于分数域加窗和对比度增强的路面裂缝检测方法。首先，使用分数阶傅里叶变换将裂缝图像转化到分数域，利用最优窗函数对频谱进行加窗处理达到去噪效果。然后，使用分数阶同态滤波算法对去噪图像进行对比度增强，并通过迭代的方法获取最佳阶次下对比度最高的图像。最后，使用Canny算法和Otsu算法分别对增强图像做边缘检测和阈值分割，通过对两者结果做或运算和图像形态学运算来有效提取裂缝图像中的裂缝特征。将检测结果与分数频域处理法和改进HC显著法对比，该方法的准确率分别提升了5.84%和4.5%，召回率分别提升了5.58%和3.52%，表明该方法在路面裂缝检测上具有更好的检测效果和更高的识别率。     

基于数字图像处理的路面裂缝自动识别与评价系统

在论述国内外路面裂缝检测技术发展现状的基础上,分析了基于数字图像处理的路面裂缝识别与评价系统的工作原理。通过研究路面裂缝图像的特点和现有裂缝识别算法,提出了该技术应用中尚存在分析结果的可靠性、图像处理的速度以及路面裂缝评价技术的完善等几个关键技术,并探讨了解决这些问题的途径。     

基于人工种群的路面裂纹检测

提出了用于路面裂纹检测的人工生命算法，该算法遵循人工生命理论由下而上构建人工系统的原则，构建了人工种群。人工种群由不同种类的人工生物组成，有些种类的人工生物依据裂纹区域较暗的前提条件完成了路面图像的二值化，而另一些则依据裂纹与噪声、黑斑、油污在形状上的区别来进一步识别裂纹。不同种类的人工生物严格分工、相互合作，从而完成裂纹检测。人工生命算法具有较好的适应性，实验结果证实人工生命算法是有效的。     

融于图像多特征的路面裂缝智能化识别

路面裂缝形状不规则复杂程度高。传统路面裂缝识别技术需要对路面图像进行复杂预处理工作进行识别,不能自动化对路面裂缝图像进行分类。为提高对路面裂缝识别精度和效率,本文将基于深度学习方法提出一种自动识别路面裂缝并能减少图像预处理工作量的方法。首先,将原始图像切割为小样本图像,根据图像多特征进行分类,各选取相同类型样本2000张图像构建数据集;其次,利用双线性内插法对裁剪后图像进行上采样,凸显图像特征便于神经网络学习;最后,使用深度学习神经网络对训练样本进行特征提取训练模型。实验结果表明：ResNet101模型评估指标均优于其他深度学习模型和机器学习模型,模型测试精度达0.898,kappa系数为0.815。     

基于分区域多尺度分析的路面裂缝检测算法

为了提高高速公路路面裂缝检测的准确性,提出一种基于分区域多尺度分析的新型路面缺陷检测算法,从图像的不同尺度上提取裂缝及其周围不同区域的灰度、熵和纹理特征分布信息,获得蕴含方向走势和弯曲程度等参数的特征向量,通过支持向量机(supportvectormachine,SVM)的学习并对所得特征向量进行判断,检测出裂缝点所在位置.实验结果表明,算法与其他路面裂缝检测算法相比,有效地提高了检测的抗噪性、通用性以及准确性,达到了理想的裂缝检测效果,满足公路质检的要求.