周敏

摘要：隨著我國道路建設的完善，道路的管理與養(yǎng)護越來越重要。該文針對道路裂縫，采用無人機的方式進行裂縫圖像的獲取，用圖像處理的方法進行識別。算法采用灰度變換的方式凸出裂縫，采用雙邊濾波在保持裂縫邊緣的條件下進行去噪。通過canny邊緣檢測進行圖像的分割，將裂縫從背景圖像中提取出來。對于邊緣檢測過程中裂縫圖像斷裂的情況，采用線段最鄰近端點相連的方式進行裂縫的連接，并通過線性檢測的方式將裂縫最終識別出來。測試結果取得了良好的效果。

關鍵詞：裂縫檢測：無人機；canny邊緣檢測：裂縫連接

中圖分類號：TP18 文獻標識碼：A 文章編號：1009-3044（2017）13-0152-02

1概述

目前為止，我國的道路橋梁建設十分的迅速，隨著龐大的公路網(wǎng)的建成，隨之而來的道路管理和養(yǎng)護問題也日益突出。道路養(yǎng)護的實際過程中，從最初的人工發(fā)現(xiàn)問題到各種道路巡檢車，慢慢地開始由原始的人工到半自動方向發(fā)展。目前的針對道路的病害，尤其是道路的裂縫，基本還停留在由人工去發(fā)現(xiàn)以及判斷裂縫病害程度的階段。

道路病害的自動檢測包括兩個方面。一是表觀圖像的獲取。目前發(fā)展出的主要是道路巡檢車，同時隨著無人機技術的飛速發(fā)展，將無人機應用于道路的管理養(yǎng)護工作中也是一個明顯的趨勢。二是病害圖像的智能識別處理。這方面依靠的是圖像處理技術的發(fā)展。傳統(tǒng)的圖像處理技術以及新型的基于機器學習的圖像處理技術都能有效的應用于道路病害識別這一領域。

2道路裂縫識別方案

針對道路病害的信息獲取，我們采用無人機，沿道路規(guī)定航線，搭配高倍變焦攝像頭的方式進行裂縫圖像的獲取。

獲取圖像之后，就是對圖像的處理，識別裂縫的存在。在裂縫的識別過程中，首先要做的是圖像預處理，包括圖像的灰度化，灰度變換，以及濾波去噪。第二步是圖像的分割，將裂縫信息從復雜的原始圖像中分離出來，對此有閾值分割和邊緣檢測兩種方法。同時，在圖像分割的過程中，必然會造成裂縫斷裂的現(xiàn)象，對此，我們基于裂縫線段最鄰近端點進行了裂縫的連接。最后就是基于裂縫的線性特征排除干擾提取裂縫。

3算法流程

3.1圖像預處理

3.1.1灰度化

因為在裂縫識別過程中，顏色信息并沒有用到，我們首先將RGB圖像按照公式（1）進行灰度化處理：

v=0.299R+0.587G+0.114B （1）

其中，v是轉(zhuǎn)化后的灰度值，R，G，B分別是原圖像紅綠藍三通道的值。

3.1.2灰度拉伸

為了使目標裂縫更加突出，需要對圖像進行增強操作?；叶茸儞Q能將我們選擇的較小的灰度區(qū)間擴展成較大的灰度區(qū)間，使裂縫凸顯出來。轉(zhuǎn)換公式如（2）。

（2）

f（x，y）表示輸出圖像某點的灰度值，g（x，y）為原始圖像的輸入點灰度值。k表示分段區(qū)間斜率，x₁，x₂表示拐點的橫坐標值。

3.1.3圖像濾波

我們采用了雙邊濾波的方法。雙邊濾波（Bilater-al filter）是一種非線性的濾波方法，是結合圖像的空間鄰近度和像素值相似度的一種折衷處理，同時考慮空域信息和灰度相似性，達到保邊去噪的目的。

3.2邊緣檢測

一個好的邊緣檢測應該有以下三條準則：

1）好的信噪比；2）好的定位能力；3）對單一邊緣僅有唯一響應。

Canny算法優(yōu)化了上邊的所有準則。Canny算法首先通過高斯濾波器平滑圖像以達到好的信噪比，再采用窗口計算灰度梯度的幅值和方向。為了精確定位邊緣，必須細化梯度幅值圖像G中的屋脊帶，只保留幅值的局部極大值，即非極大值抑制。最后采用雙閾值方法從候選邊緣點中檢測和連接邊緣。對候選邊緣圖像N中標記為候選邊緣點進行檢測。如果點的梯度幅值高于大閾值，認為其實邊緣，低于小閾值，則認為不是邊緣，而對于梯度幅值處于兩個閾值之間的像素點，則將其看作疑似邊緣點，再進一步依據(jù)邊緣的連通性對其進行判斷。

3.3裂縫連接

邊緣檢測會會破壞裂縫的連續(xù)性，我們需要將斷裂的裂縫連接。

首先我們通過尋找凸包的方式找到每條線段的端點，得到端點集合S={S₁，S₂，S₃…S_n}，其中S_i表示每條線段的端點集合。然后對于不同的線段S_i和S_j，計算遍歷所有的端點，找到距離最短的兩點。如果距離小于閾值，則將兩線段連接。

3.4線性識別

由于裂縫具有明顯的線性特征，比如說周長和面積的比值，最小外接矩形的長寬比等。通過鏈碼跟蹤的方式，我們能容易得到各連通域的周長L以及面積S。試驗中，我們將滿足條件S≤L²/30的線段保留，將面積S<20的小區(qū)域刪除，在尋找最小外接矩，將滿足外接矩長寬比大于3的區(qū)域保留。如此我們留下的就是裂縫了。

4結果分析

實驗是在Windows10平臺上進行，采用C++語言進行程序的編寫。圖2選取了圖像處理過程中的部分中間處理過程，由最后的結果（e）對照原圖像（a）可知，實驗對于采集的病害圖像具有較好的識別能力。

5結論

本文設計了一種基于canny邊緣檢測的裂縫檢測方法。對于簡單的裂縫圖像具有良好的檢測效果。另一方面，對于復雜背景的裂縫圖像海域要更進一步的研究探索。