基于图像处理的路面裂缝检测系统设计与研究

基于MATLAB的路面裂缝检测系统设计与研究

一、课题背景及研究目的

随着 会经济的不断发展，道路交通在国民经济和人民生活中起的作用愈发显著， 交通已成为人们日常出行和我国经济建设中重要的基础设施之一，是体现一个地区经济 发展的关键和标志。在所有的交通形式中，道路交通是与人们生活出行密切相关的，并 且最能体现一个国家的经济实力和综合国力的就是其道路交通的发展状况同。

近几十年来，世界范围内各国公路特别是高等级公路建设迅速发展，极大的促进了 地区经济的发展。经过几十年的快速发展，高速公路已成为我国道路运输的重要组成部 分。我国高速公路从20世纪70年代末开始研究规划，80年代末开始建设。截止2012 年底，我国建成并通车的髙速公路已经达到9.6万公里，位居世界第二。我国高速公路 的快速发展，大大加快了各地区经济的联系和发展，已基本形成了一个与我国经济发展 相适宜的高速公路 。

伴随髙速发展的道路交通建设，公路的养护及管理任务也随之而来。尤其是我国早 期修建的一批高等级公路巳经进入中修或大修期，相关道路养护及管理部分已经愈发重 视道路路面病害的监测和病害数据的釆集工作回。但是，目前我国对于路面病害检测的 研究较少，相关的检测设备严重落后甚至不足，并且引进国外同类检测设备价格昂贵。 因此，许多道路养护管理部门依然停留在传统人工检测的阶段。而传统人工检测又存在 许多问题，如检测效率低、劳动强度大、耗时较长以及检测精度无法保证等。随着我国 道路通车里程规模的不断增大，传统的道路检测手段已经不能满足我国道路病害检测的 需求。因此，研究和开发先进的路面病害检测技术就成为我国公路发展中亟待解决的问 题。

二、路面检测技术概况

道路路面破损检测技术发展大体经历了三个阶段：传统人工检测、半人工半自动化 检测、无损自动检测。

传统的路面破损检测方法一般采用人工检测法，即步行人眼观察法、坐车录像屏幕 测读法、摄像测量法等⑶。这些方法主要有以下几方面的缺点：

1. 由于道路养护里程规模庞大，人工检测需要通过人眼对道路进行调査、统计， 因此及其耗费人力物力；
2. 人工检测带有较复杂的人为因素，因此人工调查、统计得来的数据通常较为粗 糙、误差较大，不利于路面破损状况的客观评估；

(2)人工检测由于需要封闭路段，所以严重影响正常的道路通行；

1. 人工检测的另一大缺陷就是检测效率低，劳动强度大，耗费时间长且不能保证 道路检测的及时性。
2. 人工检测属于户外作业，现场条件恶劣，对道路检测人员的安全不利。

近年来，随着计算机、图像处理、GPS (Global Position System)全球定位系统、 数字CCD等一批新技术的快速发展，使得路面无损自动检测系统的开发成为可能。与 传统人工检测方法相比无损自动检测具有以下几方面的特点：

1. 实时路面破损图像釆集，并集成对路面平整度、车辙等数据的检测；
2. 釆用高分辨率数字图像传感器，使得路面破损检测精度大大提高；
3. 釆集的图像数据存入计算机永久保存，能够对检测结果进行重复判读；
4. 集成了 GPS定位功能的自动检测系统，实现了路面破损的精确定位，并且为 道路工作人员维护和管理提供了便利；
5. 通过人工智能算法对路面破损进行自动分类和评价，提高了检测效率。

四、实现功能

本论文的主要工作是对路面裂缝检测系统的硬件设计，路面裂纹的图像处理和裂纹 的分类方法进行了深入的探讨和研究。主要工作包括以下内容：

1. 路面裂缝检测系统的硬件设计，主要包括视觉图像采集系统、GPS地理信息定 位系统、供电及照明系统的硬件设计和选型；
2. 路面裂缝图像的预处理，用以消除由于各种因素造成的图像灰度值不均匀以及 硬件系统在拍摄、传输及存储过程中产生的噪声干扰等情况；
3. 对经过预处理的图像进行边缘检测、图像分割以及图像腐蚀和膨胀，以突出路 面裂缝的主要特征，为后续的路面裂缝的提取和分类打下基础；
4. 建立BP神经 络数学结构模型，并通过人工样本对 络进行训练，最终实现 对道路路面裂纹种类的分类识别。

五、路面裂缝检测硬件系统设计

5.1、图像处理模块

图像处理模块是路面裂缝检测系统的核心部分，主要通过工控机完成大数据量的图 像数据存储和显示输出工作以及后期完成对釆集图像的处理、分析以及道路使用状况的 评价工作。图像处理模块的算法设计在很大程度上影响到整个检测系统的检测效果和精 度。图像处理模块的工作流程主要包括：图像的读取、图像预处理(图像滤波、图像增 强、图像恢复以及锐化等)、图像边缘检测及分割、路面裂缝类型的识别。图像处理模 块处理流程如图2-7所示。

图3-11提取的裂缝边缘

Figure 3-11 Crack edge extraction

5.6、图像分割

图像分割是图像处理中最常见的直接检测区域的分割方法。它是一种基于图像灰度 进行分割的方法。其原理就是将图像像素的按其灰度来排序，并通过设置阈值的办法来 确定目标区域或者要分割的物体边缘。常用的阈值化处理就是我们所说的图像二值化处 理，即将图像转化为黑白的二值图像。

边缘检测结束后，为了下一步裂缝的提取，需要对图像进行阙值分割。根据区域划 分规则的不同，路面裂缝图像的分割原则上有很多种，但是需要找出裂缝图像中最容易 区分目标和背景的特征，再通过一定的处理算法对裂缝图像进行适当运算，得到像素重 新分布的裂缝图像。如果裂缝图像分割效果不佳可能会直接导致后期裂纹图像分类结果 的失败，因此我们需要建立一个健壮和稳定的图像分割方法。

5.7、图像腐蚀与膨胀运算

图像分割处理完成以后，路面裂缝图像变为清晰且裂缝明显的二值图像，但是图像 分割后的图像仍然存在一些细小的孤立点和支缝，因此我们需要通过腐蚀和膨胀运算的 结合使用滤除图像中的孤立点或将支缝连接起来，形成闭合且贯通的裂缝图像，为后续 图像的分类提供基础。我们可以通过图像二值形态学方法使用膨胀算法将裂缝邻近的点 连接起来。而腐蚀和膨胀是一个对偶的运算过程。

腐蚀前裂纹

腐蚀后裂纹

图3-14腐蚀后裂纹图像

膨胀实际上就是腐蚀的一种对偶运算过程，表现在人们视觉上的感官就是二值图像 中裂纹边界点扩张了。膨胀运算将所有裂纹邻域中的像素点全部合并到裂纹中。

膨胀前裂纹

膨胀后裂纹

图3-15膨胀后裂纹图像

六、人工神经 络概述

人工神经 络(Artificial Neural Networks, ANN)也称为神经 络(NNS)或连接 模型(ConnectionModel),它是以计算机 络系统模拟动物神经 络的智能计算系统， 是对人脑或生物神经 络的若干基本特性的抽象和模拟。人工神经 络的数学算法模型 能够对分布式信息进行并行处理。人工神经 络是由大量的简单的神经元(neuron)相 互连接而成的非线性自适应动态系统。神经 络中每个神经元的结构和功能都比较简 单，但是它是由大量的处理单元互联组成的，因此神经 络是一种非常复杂的非线性、 自适应处理系统。它克服了传统的人工智能在处理直觉、非结构化信息方面的缺陷。由 于神经 络具有自组织和自适应的特点，己经大量应用于模式识别、智能控制以及人工 智能等领域。并且己经涉及神经科学、思维科学、计算机科学等多个交叉学科领域，不 断推动人工智能技术的发展。近年来，神经 络已经开始和模糊控制、遗传算法相结合, 并形成新的计算智能将成为一个重要的研究方向，并逐渐向实际应用的方向发展［46】。

七、运行示例图

八、参考文献

1. 徐培华.高等级公路路基路面养护技术[M].北京:人民交通出版 ,2003.
2. 张鹏宇.沥青路面裂纹检测技术的研究[D].长沙理工大学,2010.
3. 蒋彬.刘淑荣.基于图像识别的公路路面破损自动检测研究进展[J].东北公路,2002.
4. 高建贞.基于图像分析的道路病害自动检测研究[D].南京理工大学,2003.
5. 刘玉臣.公路路面裂缝图像自动识别技术研究[D].吉林:吉林大学,2005.
6. 王旭葵.公路建设与环境保护分析[J].黑龙江交通科技.2006.
7. 刘婉予，谢凯.公路路面自动检测系统发展综述[J].中外公路.2007.
8. 何桂平，曹翠星,孙成仁.路面破损自动评价技术的现状和发展[J].中外公路.2002.
9. 啜二勇.国内路面自动检测系统研究历程及展望卩].中国高新技术企业.2009.
10. 郭留红.多功能激光路面平整度检测系统的研制与应用[J].交通标准化.2003,29-31.
11. 公路技术状况评定标准[M].北京:人民交通出版,2008.
12. 高建贞.基于图像分析的道路病害自动检测研究[D].南京理工大学.2003.
13. 王修桂.高速公路路面破损检测分析[J].中国高新技术企业.2009,133 (22).
14. 沙庆林.高速公路沥青路面早期破坏现象及预防[M].北京:人民交通出版 ,2001.
15. Dayid L.Donoho,Mark R.Duncan.DigitalCurveIet Transform: Strategy,Implementationand Experiments.

文章知识点与官方知识档案匹配，可进一步学习相关知识算法技能树首页概览34047 人正在系统学习中