一種基于三維虛擬路面的裂縫自動(dòng)檢測(cè)方法
【專利摘要】本發(fā)明公開了一種基于三維虛擬路面的裂縫自動(dòng)檢測(cè)方法，其包括以下步驟：(1)對(duì)1mm/像素的路面深度圖像進(jìn)行消隱處理和光照模型處理建立三維虛擬路面，通過4個(gè)角度的立體投影產(chǎn)生4幅投影圖像Ω1?Ω4；(2)分別對(duì)所述步驟(1)中產(chǎn)生的4幅投影圖像Ω1?Ω4依次進(jìn)行降維處理、包括強(qiáng)度驗(yàn)證及對(duì)稱性檢測(cè)的裂縫識(shí)別以及裂縫連接，獲得陰影區(qū)裂縫圖像Ωs1?Ωs4及反光區(qū)裂縫圖像Ωr1?Ωr4；(3)有效的融合陰影區(qū)裂縫圖像Ωs1?Ωs4及反光區(qū)裂縫圖像Ωr1?Ωr4的裂縫信息并進(jìn)行深度驗(yàn)證和滑動(dòng)去噪處理，獲得裂縫圖像，測(cè)試表明，基于255張圖像(4096×2048)的測(cè)試顯示：算法具有較高的準(zhǔn)確率(平均80.34％)和召回率(平均83.89％)，以80.47％的F值優(yōu)于ADA3D算法。
【專利說明】
-種基于H維虛擬路面的裂縫自動(dòng)檢測(cè)方法
技術(shù)領(lǐng)域
[0001] 本發(fā)明設(shè)及一種路面裂縫檢測(cè)方法，特別是設(shè)及一種基于=維虛擬路面的裂縫自 動(dòng)檢測(cè)方法，屬于=維圖像采集技術(shù)領(lǐng)域。
【背景技術(shù)】
[0002] 裂縫是路面各類破損中最常見、最易發(fā)生和最早期產(chǎn)生的病害之一，它伴隨著道 路的整個(gè)使用期，并隨著路齡的增長(zhǎng)而加重.路面裂縫不但影響路容美觀和行車舒適性，而 且容易擴(kuò)展，造成路面的結(jié)構(gòu)性破壞，縮短路面使用壽命。因此應(yīng)及時(shí)檢測(cè)路面裂縫破損狀 況，制定和實(shí)施養(yǎng)護(hù)措施，否則雨水及雜物會(huì)沿裂縫進(jìn)入面層結(jié)構(gòu)及路基，導(dǎo)致路面承載能 力下降，加速路面局部或成片損壞，降低行車安全性及道路通行能力。
[0003] 最初，人們采用人工檢測(cè)方法獲取路面裂縫信息，不僅勞動(dòng)強(qiáng)度高、效率低下，且 影響交通、難W保障檢測(cè)人員安全.上世紀(jì)80年代，美國(guó)、加拿大等發(fā)達(dá)國(guó)家紛紛開展路面 裂縫自動(dòng)檢測(cè)系統(tǒng)的研發(fā)工作，W滿足急劇增長(zhǎng)的路面養(yǎng)護(hù)管理需求。之后30年間，許多基 于超聲波技術(shù)、探地雷達(dá)和攝像測(cè)量等技術(shù)的路面檢測(cè)系統(tǒng)先后面世，其中，攝像測(cè)量法能 全面地采集路面裂縫、坑槽、松散、車徹、平整度等信息，已逐漸成為路面破損檢測(cè)的主流技 術(shù)。
[0004] 現(xiàn)今絕大部分路面裂縫檢測(cè)系統(tǒng)仍只能采集路面二維信息（主要是路面灰度圖 像），直到近5年來，路面=維信息采集系統(tǒng)才開始嶄露頭角并顯示出廣闊的前景，如路面綜 合檢測(cè)車DHDV(Digi化1 Highway Data Vehicle) [3]和路面S維掃描系統(tǒng)，在路面信息采 集方面實(shí)現(xiàn)了由灰度圖像向=維數(shù)據(jù)的變革，彌補(bǔ)了傳統(tǒng)二維圖像質(zhì)量易受車道標(biāo)線、陰 影及油污等影響的缺陷，顯著地提高了路面數(shù)據(jù)質(zhì)量。
[0005] 綜觀路面裂縫識(shí)別算法研究，單目前仍W二維圖像處理方法檢測(cè)裂縫，并未考慮 路面=維空間特征，為進(jìn)一步挖掘有利于裂縫檢測(cè)的路面=維信息，有必要在路面=維數(shù) 據(jù)的基礎(chǔ)上對(duì)考慮=維特征的路面裂縫檢測(cè)展開研究。推動(dòng)路面裂縫識(shí)別朝著=維檢測(cè)方 向發(fā)展并快速、準(zhǔn)確、完整地識(shí)別裂縫。

【發(fā)明內(nèi)容】

[0006] 本發(fā)明針對(duì)現(xiàn)有的技術(shù)問題，提供一種基于=維虛擬路面的裂縫自動(dòng)檢測(cè)方法， =維虛擬路面進(jìn)行4個(gè)角度的觀察與分析，設(shè)計(jì)具有并行框架的裂縫識(shí)別算法捕捉運(yùn)4個(gè)角 度的投影圖像裂縫信息，然后進(jìn)行融合與去噪處理、獲得裂縫識(shí)別結(jié)果，擬解決現(xiàn)有技術(shù)存 在的問題。
[0007] 為實(shí)現(xiàn)上述目的，本發(fā)明提供如下技術(shù)方案:一種基于=維虛擬路面的裂縫自動(dòng) 檢測(cè)方法，其特征在于，其包括W下步驟：
[000引（1)對(duì)Imm/像素的路面深度圖像進(jìn)行消隱處理和光照模型處理建立=維虛擬路 面，通過4個(gè)角度的立體投影產(chǎn)生4幅投影圖像Q 1-Q4;
[0009] (2)分別對(duì)所述步驟（1)中產(chǎn)生的4幅投影圖像Q I-Q 4依次進(jìn)行降維處理、包括強(qiáng) 度驗(yàn)證及對(duì)稱性檢測(cè)的裂縫識(shí)別W及裂縫連接，獲得陰影區(qū)裂縫圖像Qsl-Q s4及反光區(qū) 裂縫圖像Qrl-Q r4;
[0010] (3)有效的融合陰影區(qū)裂縫圖像Q Si- Q s4及反光區(qū)裂縫圖像Q rl- Q r4的裂縫信 息并進(jìn)行深度驗(yàn)證和滑動(dòng)去噪處理，獲得裂縫圖像。
[0011] 進(jìn)一步，作為優(yōu)選，在所述步驟(1)中，產(chǎn)生4幅投影圖像Q I-Q 4時(shí)，是采用光照從 左到右、光照從右到左、光照從前到后、光照從后^前四個(gè)角度對(duì)路面進(jìn)行光照來獲得4幅 投影圖。
[0012] 進(jìn)一步，作為優(yōu)選，所述步驟(2)中，對(duì)投影圖像進(jìn)行裂縫識(shí)別處理的步驟包括:對(duì) 于根據(jù)Q 1檢測(cè)陰影區(qū)裂縫Q Sl;
[0013] (i)圖像預(yù)處理:首先進(jìn)行中值濾波去噪，接著W起點(diǎn)像素=(0,0)將光照強(qiáng)度圖 像Q 1劃分為8像素 X 8像素的子塊，降維圖像Q 10的每個(gè)像素則對(duì)應(yīng)于一個(gè)8像素 X 8像素 的子塊，且其像素值為運(yùn)8 X 8個(gè)像素的像素值的均值，Q 11的獲得過程類似，只是8像素 X 8 像素子塊劃分的起點(diǎn)像素為(4,4)，后續(xù)操作基于Q 10和Q 11進(jìn)行裂縫檢測(cè)、連接、融合與 去噪處理；
[0014] (ii)裂縫種子識(shí)別:檢測(cè)降維圖像Q 10和Q 11中各個(gè)像素是否具有強(qiáng)度值較低和 方向性較強(qiáng)兩項(xiàng)特征，符合運(yùn)些特征的像素稱為裂縫種子，其余的則為非裂縫像素；
[001引（iii)裂縫連接:先基于最優(yōu)路徑連接強(qiáng)度相似的裂縫種子，然后將方向相似的裂 縫種子連接起來，增強(qiáng)裂縫的整體性和連續(xù)性；
[0016] (IV)裂縫種子融合與去噪處理:將來自于降維圖像Q 10和Q 11的2幅裂縫初步識(shí) 別結(jié)果融合在一起，取裂縫像素的并集，然后進(jìn)行滑動(dòng)窗口去噪處理，獲得裂縫圖像Q S1;
[0017] 采用（i)-(IV)的方法對(duì)獲得的Q s2-Q s4及Q rl-Q r4進(jìn)行裂縫識(shí)別處理。
[0018] 進(jìn)一步，作為優(yōu)選，對(duì)裂縫種子識(shí)別的具體方法為：
[0019] (I)強(qiáng)度驗(yàn)證I:中屯、像素（i，j)為需要強(qiáng)度驗(yàn)證的像素，在半徑為r = 4的鄰域內(nèi)， 強(qiáng)度應(yīng)滿足：
[0020] i
[0021]
[0022] 式中，7。為強(qiáng)度驗(yàn)證模板(邊長(zhǎng)化+1的正方形）中所有像素的平均強(qiáng)度值;K .)代 表像素強(qiáng)度值;Kl為闊值參數(shù);X和y分別為像素的縱坐標(biāo)和橫坐標(biāo)。
[0023] (II)強(qiáng)度驗(yàn)證II:強(qiáng)度驗(yàn)證II與強(qiáng)度驗(yàn)證I相仿，只是中屯、像素在其半徑為r = 4的 鄰域內(nèi)，其強(qiáng)度應(yīng)滿足：
[0024] (3) 9
[0025] (III)對(duì)稱性檢測(cè)I:針對(duì)光照強(qiáng)度圖像Ql和〇2，檢測(cè)每個(gè)像素在0°、45°、90°和 135°方向上的強(qiáng)度變化情況，判斷其是否存在顯著的差異；
[00%] a)分別計(jì)算中屯、像（i，j)素兩側(cè)r = 4個(gè)像素的強(qiáng)度均值HiWi和，W = 1，2，3，4，分 別表示0°、45°、90°和135°運(yùn)4個(gè)方向；
[0027] (4)
[0028] 口）
[0029] 式中，I(n)為對(duì)稱性檢測(cè)模版的中屯、像素兩側(cè)第n個(gè)像素的深度值，nG[-r，-l]或 nG [1 ,r]；
[0030] b)計(jì)算各方向深度變化Sw，W表示方向W的2 X r+1個(gè)像素中的最低強(qiáng)度值；
[0031] 5w=min{mwi-]iw,mw2-liw} (6)
[0032] C)獲得最大和最小的強(qiáng)度變化值Smax和Smin:
[0033] 5jiax=max{5w} (7)
[0034] 5min=min{Sw} (8)
[0035] d)裂縫像素在不同方向上的強(qiáng)度變化應(yīng)存在顯著的差異，因此需滿足：
[0036] Smax^tl (9)
[0037] Smax-Smin^si (10)
[003引式中，ti，Si為闊值參數(shù)。
[0039] (IV)對(duì)稱性檢測(cè)II:
[0040] 與對(duì)稱性檢測(cè)I類似，針對(duì)Q 3和Q 4進(jìn)行對(duì)稱性檢測(cè)，其區(qū)別在于步驟b)和d);
[0041] a)分別計(jì)算中屯、像素（i，j)兩偵Ur = 4個(gè)像素的強(qiáng)度均值m'wi和m'w2;
[0042] b)計(jì)算各方向強(qiáng)度變化表示方向W的2Xr+l個(gè)像素中的最低強(qiáng)度值；
[004；3] 5'w=min{ |m'w廣I(i，j) I，|m'w2-I(i，j) I} (11)
[0044] c)獲得最大和最小的強(qiáng)度變化值S'max和S'min;
[0045] d)裂縫像素在不同方向上的強(qiáng)度變化應(yīng)存在顯著的差異，需滿足：
[0046] S，max>t2 (12)
[0047] S'max-S'min>S2 (13)
[004引式中，t2，S2為闊值參數(shù)。
[0049] 與現(xiàn)有技術(shù)相比，本發(fā)明的有益效果是：
[0050] 本發(fā)明基于Imm/像素的路面深度圖像建立了 =維虛擬路面并利用多角度立體投 影獲得4幅光照強(qiáng)度圖像，然后對(duì)它們進(jìn)行圖像降維、裂縫種子識(shí)別與連接(形成8個(gè)并列的 子流程），最后通過裂縫圖像融合、深度驗(yàn)證與滑動(dòng)去噪獲得裂縫識(shí)別結(jié)果，測(cè)試表明，基于 255張圖像(4096 X2048)的測(cè)試顯示:算法具有較高的準(zhǔn)確率(平均80.34%)和召回率(平 均83.89 % )，W80.47 %的F值優(yōu)于ADA3D算法;此外，并行框架有利于程序并行化，能有效提 高運(yùn)算速度，本發(fā)明嗎從不同角度投影產(chǎn)生光照強(qiáng)度圖像可提供更豐富的視覺信息，在此 基礎(chǔ)上識(shí)別裂縫，考慮了路面本身的=維特征，跳出了傳統(tǒng)二維圖像處理的范疇，有利于推 動(dòng)路面裂縫=維識(shí)別方法的研發(fā)，改善裂縫識(shí)別準(zhǔn)確率、完整性和穩(wěn)定性，進(jìn)而為路面養(yǎng)護(hù) 管理、路面性能評(píng)價(jià)與預(yù)測(cè)、路面結(jié)構(gòu)和材料設(shè)計(jì)奠定堅(jiān)實(shí)的基礎(chǔ)。
【附圖說明】
[0051 ]圖1是本發(fā)明的方法的流程結(jié)構(gòu)示意圖；
[0052] 圖2是本發(fā)明的生成光照強(qiáng)度的示意圖；
[0053] 圖3是本發(fā)明的陰影區(qū)裂縫檢測(cè)的示意圖；
[0054] 圖4是本發(fā)明的對(duì)稱性檢測(cè)的示意圖；
【具體實(shí)施方式】
[0055] 下面將結(jié)合本發(fā)明實(shí)施例中的附圖，對(duì)本發(fā)明實(shí)施例中的技術(shù)方案進(jìn)行清楚、完 整地描述，顯然，所描述的實(shí)施例僅僅是本發(fā)明一部分實(shí)施例，而不是全部的實(shí)施例?；?本發(fā)明中的實(shí)施例，本領(lǐng)域普通技術(shù)人員在沒有做出創(chuàng)造性勞動(dòng)前提下所獲得的所有其他 實(shí)施例，都屬于本發(fā)明保護(hù)的范圍。
[0056] 請(qǐng)參閱圖1-4,本發(fā)明提供一種技術(shù)方案:一種基于=維虛擬路面的裂縫自動(dòng)檢測(cè) 方法，其特征在于，其包括W下步驟：
[0057] (1)對(duì)Imm/像素的路面深度圖像進(jìn)行消隱處理和光照模型處理建立=維虛擬路 面，通過4個(gè)角度的立體投影產(chǎn)生4幅投影圖像Q 1-Q4,產(chǎn)生4幅投影圖像Q 1-Q4時(shí)，是采 用光照從左到右、光照從右到左、光照從前到后、光照從后^前四個(gè)角度對(duì)路面進(jìn)行光照來 獲得4幅投影圖；
[0058] (2)分別對(duì)所述步驟（1)中產(chǎn)生的4幅投影圖像Q I-Q 4依次進(jìn)行降維處理、包括強(qiáng) 度驗(yàn)證及對(duì)稱性檢測(cè)的裂縫識(shí)別W及裂縫連接，獲得陰影區(qū)裂縫圖像Q Sl-Q s4及反光區(qū) 裂縫圖像Qrl-Q r4;
[0059] (3)有效的融合陰影區(qū)裂縫圖像Q Si- Q s4及反光區(qū)裂縫圖像Q rl- Q r4的裂縫信 息并進(jìn)行深度驗(yàn)證和滑動(dòng)去噪處理，獲得裂縫圖像。
[0060] 在本實(shí)施例中，所述步驟(2)中，對(duì)投影圖像進(jìn)行裂縫識(shí)別處理的步驟包括:對(duì)于 根據(jù)Ql檢測(cè)陰影區(qū)裂縫Q Si;
[0061] (i)圖像預(yù)處理:首先進(jìn)行中值濾波去噪，接著W起點(diǎn)像素=(〇,〇)將光照強(qiáng)度圖 像Q 1劃分為8像素 X 8像素的子塊，降維圖像Q 10的每個(gè)像素則對(duì)應(yīng)于一個(gè)8像素 X 8像素 的子塊，且其像素值為運(yùn)8 X 8個(gè)像素的像素值的均值，Q 11的獲得過程類似，只是8像素 X 8 像素子塊劃分的起點(diǎn)像素為(4,4)，后續(xù)操作基于Q 10和Q 11進(jìn)行裂縫檢測(cè)、連接、融合與 去噪處理；
[0062] (ii)裂縫種子識(shí)別:檢測(cè)降維圖像Q 10和Q 11中各個(gè)像素是否具有強(qiáng)度值較低和 方向性較強(qiáng)兩項(xiàng)特征，符合運(yùn)些特征的像素稱為裂縫種子，其余的則為非裂縫像素；
[0063] (iii)裂縫連接:先基于最優(yōu)路徑連接強(qiáng)度相似的裂縫種子，然后將方向相似的裂 縫種子連接起來，增強(qiáng)裂縫的整體性和連續(xù)性；
[0064] (IV)裂縫種子融合與去噪處理:將來自于降維圖像Q 10和Q 11的2幅裂縫初步識(shí) 別結(jié)果融合在一起，取裂縫像素的并集，然后進(jìn)行滑動(dòng)窗口去噪處理，獲得裂縫圖像Q S1; [00化]采用（i)-(IV)的方法對(duì)獲得的Q s2-Q s4及Q rl-Q r4進(jìn)行裂縫識(shí)別處理。
[0066] 對(duì)裂縫種子識(shí)別的具體方法為：
[0067] (I)強(qiáng)度驗(yàn)證I:中屯、像素（i，j)為需要強(qiáng)度驗(yàn)證的像素，在半徑為r = 4的鄰域內(nèi)， 強(qiáng)度應(yīng)滿足：
[006引
[0069]
[0070] 式中，^為強(qiáng)度驗(yàn)證模板地長(zhǎng)化+1的正方形）中所有像素的平均強(qiáng)度值；I(.)代 表像素強(qiáng)度值;Kl為闊值參數(shù);X和y分別為像素的縱坐標(biāo)和橫坐標(biāo)。
[0071] (II)強(qiáng)度驗(yàn)證II:強(qiáng)度驗(yàn)證II與強(qiáng)度驗(yàn)證I相仿，只是中屯、像素在其半徑為r = 4的 鄰域內(nèi)，其強(qiáng)度應(yīng)滿足：
[0072] (3) ? ,
[0073] (III)對(duì)稱性檢測(cè)I:針對(duì)光照強(qiáng)度圖像Q 1和Q 2,檢測(cè)每個(gè)像素在0°、45°、90°和 135°方向上的強(qiáng)度變化情況，判斷其是否存在顯著的差異；
[0074] a)分別計(jì)算中屯、像（i，j)素兩側(cè)r = 4個(gè)像素的強(qiáng)度均值HiWi和mw2，w=l，2,3,4，分 別表示0°、45°、90°和135°運(yùn)4個(gè)方向；
[0075] (4)
[0076] 口）
[0077] 式中，Kn)為對(duì)稱性檢測(cè)模版的中屯、像素兩側(cè)第n個(gè)像素的深度值，nG[-r，-l]或 nG [1 ,r]；
[0078] b)計(jì)算各方向深度變化Sw，iiw表示方向W的2Xr+l個(gè)像素中的最低強(qiáng)度值；
[0079] Sw-IIiin {niwi-iiw, (6)
[0080] c)獲得最大和最小的強(qiáng)度變化值Smax和Smin:
[0081] 5max=max{5w} (7)
[0082] 5min=min{5w} (8)
[0083] d)裂縫像素在不同方向上的強(qiáng)度變化應(yīng)存在顯著的差異，因此需滿足：
[0084] Smax^tl (9)
[00 化]Smax-Smin^si (10)
[0086] 式中，ti，S功闊值參數(shù)。
[0087] (IV)對(duì)稱性檢測(cè)II:
[0088] 與對(duì)稱性檢測(cè)I類似，針對(duì)Q 3和Q 4進(jìn)行對(duì)稱性檢測(cè)，其區(qū)別在于步驟b)和d);
[0089] a)分別計(jì)算中屯、像素（i，j)兩側(cè)r-4個(gè)像素的強(qiáng)度均值m'wi和m'w2;
[0090] b)計(jì)算各方向強(qiáng)度變化表示方向W的2Xr+l個(gè)像素中的最低強(qiáng)度值；
[0091] 5'w=min{ |m'w廣I(i，j) I，|m'w2-I(i，j) I} (11)
[0092] c)獲得最大和最小的強(qiáng)度變化值S'max和S'min;
[0093] d)裂縫像素在不同方向上的強(qiáng)度變化應(yīng)存在顯著的差異，需滿足：
[0094] S，max>t2 (12)
[00 巧]S，max-S，min>S2 (13)
[0096] 式中，t2，S2為闊值參數(shù)。
[0097] 本發(fā)明基于lmm/像素的路面深度圖像建立了 =維虛擬路面并利用多角度立體投 影獲得4幅光照強(qiáng)度圖像，然后對(duì)它們進(jìn)行圖像降維、裂縫種子識(shí)別與連接(形成8個(gè)并列的 子流程），最后通過裂縫圖像融合、深度驗(yàn)證與滑動(dòng)去噪獲得裂縫識(shí)別結(jié)果，測(cè)試表明，基于 255張圖像(4096 X2048)的測(cè)試顯示:算法具有較高的準(zhǔn)確率(平均80.34%)和召回率(平 均83.89 % )，W80.47 %的F值優(yōu)于ADA3D算法;此外，并行框架有利于程序并行化，能有效提 高運(yùn)算速度，本發(fā)明嗎從不同角度投影產(chǎn)生光照強(qiáng)度圖像可提供更豐富的視覺信息，在此 基礎(chǔ)上識(shí)別裂縫，考慮了路面本身的=維特征，跳出了傳統(tǒng)二維圖像處理的范疇，有利于推 動(dòng)路面裂縫=維識(shí)別方法的研發(fā)，改善裂縫識(shí)別準(zhǔn)確率、完整性和穩(wěn)定性，進(jìn)而為路面養(yǎng)護(hù) 管理、路面性能評(píng)價(jià)與預(yù)測(cè)、路面結(jié)構(gòu)和材料設(shè)計(jì)奠定堅(jiān)實(shí)的基礎(chǔ)。
[0098] 盡管已經(jīng)示出和描述了本發(fā)明的實(shí)施例，對(duì)于本領(lǐng)域的普通技術(shù)人員而言，可W 理解在不脫離本發(fā)明的原理和精神的情況下可W對(duì)運(yùn)些實(shí)施例進(jìn)行多種變化、修改、替換 和變型，本發(fā)明的范圍由所附權(quán)利要求及其等同物限定。
【主權(quán)項(xiàng)】
1. 一種基于三維虛擬路面的裂縫自動(dòng)檢測(cè)方法，其特征在于，其包括以下步驟： (1) 對(duì)Imm/像素的路面深度圖像進(jìn)行消隱處理和光照模型處理建立三維虛擬路面，通 過4個(gè)角度的立體投影產(chǎn)生4幅投影圖像Ω 1-Ω 4; (2) 分別對(duì)所述步驟(1)中產(chǎn)生的4幅投影圖像Ω1-Ω 4依次進(jìn)行降維處理、包括強(qiáng)度驗(yàn) 證及對(duì)稱性檢測(cè)的裂縫識(shí)別以及裂縫連接，獲得陰影區(qū)裂縫圖像Ω81-Ω 84及反光區(qū)裂縫 圖像 Ω rl_ Ω r4; (3) 有效的融合陰影區(qū)裂縫圖像Ω81-Ω84及反光區(qū)裂縫圖像Ωγ1-Ωγ4的裂縫信息并 進(jìn)行深度驗(yàn)證和滑動(dòng)去噪處理，獲得裂縫圖像。2. 根據(jù)權(quán)利要求1所述的一種基于三維虛擬路面的裂縫自動(dòng)檢測(cè)方法，其特征在于:在 所述步驟（1)中，產(chǎn)生4幅投影圖像Ω1-Ω 4時(shí)，是采用光照從左到右、光照從右到左、光照從 前到后、光照從后-前四個(gè)角度對(duì)路面進(jìn)行光照來獲得4幅投影圖。3. 根據(jù)權(quán)利要求1所述的一種基于三維虛擬路面的裂縫自動(dòng)檢測(cè)方法，其特征在于:所 述步驟(2)中，對(duì)投影圖像進(jìn)行裂縫識(shí)別處理的步驟包括:對(duì)于根據(jù)Ω1檢測(cè)陰影區(qū)裂縫Ω si ； (i) 圖像預(yù)處理:首先進(jìn)行中值濾波去噪，接著以起點(diǎn)像素=(〇,〇)將光照強(qiáng)度圖像Ω1 劃分為8像素X 8像素的子塊，降維圖像Ω 10的每個(gè)像素則對(duì)應(yīng)于一個(gè)8像素X 8像素的子 塊，且其像素值為這8 X8個(gè)像素的像素值的均值，Ω 11的獲得過程類似，只是8像素X 8像素 子塊劃分的起點(diǎn)像素為(4,4)，后續(xù)操作基于Ω 10和Ω 11進(jìn)行裂縫檢測(cè)、連接、融合與去噪 處理； (ii) 裂縫種子識(shí)別:檢測(cè)降維圖像Ω 10和Ω 11中各個(gè)像素是否具有強(qiáng)度值較低和方向 性較強(qiáng)兩項(xiàng)特征，符合這些特征的像素稱為裂縫種子，其余的則為非裂縫像素； (i i i)裂縫連接:先基于最優(yōu)路徑連接強(qiáng)度相似的裂縫種子，然后將方向相似的裂縫種 子連接起來，增強(qiáng)裂縫的整體性和連續(xù)性； (IV)裂縫種子融合與去噪處理:將來自于降維圖像Ω 10和Ω 11的2幅裂縫初步識(shí)別結(jié) 果融合在一起，取裂縫像素的并集，然后進(jìn)行滑動(dòng)窗口去噪處理，獲得裂縫圖像Ω s 1; 采用（i)_(IV)的方法對(duì)獲得的Ω s2_ Ω S4及Ω r 1-Ω r4進(jìn)行裂縫識(shí)別處理。4. 根據(jù)權(quán)利要求3所述的一種基于三維虛擬路面的裂縫自動(dòng)檢測(cè)方法，其特征在于:對(duì) 裂縫種子識(shí)別的具體方法為： (I) 強(qiáng)度驗(yàn)證I:中心像素（i，j)為需要強(qiáng)度驗(yàn)證的像素，在半徑為r = 4的鄰域內(nèi)，強(qiáng)度 應(yīng)滿足：式中，為強(qiáng)度驗(yàn)證模板(邊長(zhǎng)2r+l的正方形）中所有像素的平均強(qiáng)度值;1( ·)代表像 素強(qiáng)度值;Kl為閾值參數(shù);1和7分別為像素的縱坐標(biāo)和橫坐標(biāo)。 (II) 強(qiáng)度驗(yàn)證II:強(qiáng)度驗(yàn)證II與強(qiáng)度驗(yàn)證I相仿，只是中心像素在其半徑為r = 4的鄰域 內(nèi)，其強(qiáng)度應(yīng)滿足： (3) (III) 對(duì)稱性檢測(cè)I:針對(duì)光照強(qiáng)度圖像Ω 1和Ω 2,檢測(cè)每個(gè)像素在0°、45°、90°和135° 方向上的強(qiáng)度變化情況，判斷其是否存在顯著的差異； a) 分別計(jì)算中心像(i，j)素兩側(cè)r = 4個(gè)像素的強(qiáng)度均值1^1和1^2，《=1，2,3,4，分別表示 0°、45°、90° 和 135° 這4個(gè)方向；'' (4) (5) 式中，Kn)為對(duì)稱性檢測(cè)模版的中心像素兩側(cè)第η個(gè)像素的深度值，ne[-r，-l]或ne [l，r]; b) 計(jì)算各方向深度變化δ?，μ?表示方向w的2Xr+l個(gè)像素中的最低強(qiáng)度值； -rnin {rnwi_yw，rnw2_yw} (6) c) 獲得最大和最小的強(qiáng)度變化值3max和δη?η: Smax-max {Sw} (7) 5min=min{5w} (8) d) 裂縫像素在不同方向上的強(qiáng)度變化應(yīng)存在顯著的差異，因此需滿足： Smax^tl (9) Smax-Smin^ SI (10) 式中，tl，Sl為閾值參數(shù)。 (IV) 對(duì)稱性檢測(cè)II: 與對(duì)稱性檢測(cè)I類似，針對(duì)Ω 3和Ω 4進(jìn)行對(duì)稱性檢測(cè)，其區(qū)別在于步驟b)和d); a) 分別計(jì)算中心像素(i，j)兩側(cè)r = 4個(gè)像素的強(qiáng)度均值m'wdPm'w2; b) 計(jì)算各方向強(qiáng)度變化Sw，μ ' |表示方向w的2 X r+1個(gè)像素中的最低強(qiáng)度值； 5'w=min{ |m'wi_I(i，j) I，|m'w2_I(i，j) I} (11) c) 獲得最大和最小的強(qiáng)度變化值δ'max和δ'min; d) 裂縫像素在不同方向上的強(qiáng)度變化應(yīng)存在顯著的差異，需滿足： δ'·χ 彡 t2 (12) δ'max-δS2 (13) 式中，t2，S2為閾值參數(shù)。
【文檔編號(hào)】G06T17/05GK106023226SQ201610375989
【公開日】2016年10月12日
【申請(qǐng)日】2016年5月31日
【發(fā)明人】彭博, 蔡曉禹, 張有節(jié), 李少博
【申請(qǐng)人】彭博