一种新的沥青路面灌封裂缝自动提取方法

为了提高基于图像处理的沥青路面病害识别效率和精度,引入了图像增强处理中的多尺度视网膜(multi-scale retinex, MSR)算法以减弱光照不均匀、道路场景多变等因素对路面病害图像质量的影响。针对SegNet网络难以精确分割沥青路面微小病害的问题,采用比视觉几何群网络(Visual Geometry Group Network, VGG)效果更好的残差网络(Residual Network,ResNet)作为主干网络,同时加入空洞卷积（Dilation Convolution）层,提高网络对细小病害的识别性能;针对改进网络在识别病害时误检率较高的问题,运用阈值法剔除分割结果中的假阳性。为了验证改进算法的有效性,将其与具有代表性的语义分割方法（如SegNet、BiSeNet）在相同数据集上进行对比,三者的平均交并比（Mean Intersection over Union,MIoU）和F1分数(F1-score,F1)分别为(77.6%,89.9%),(67.4%,87.4%),(69.7%,89.8%)。运用提出的方法对甘肃省部分路段的路面灌封裂缝进行识别,结果与人工检测相比,漏检率为0.09%,误检率为2.49%。实验结果表明：提出方法能够更精确地提沥青路面灌封裂缝。