论文研究-沥青路面裂缝图像检测算法研究.pdf

所需积分/C币:24 2019-09-07 01:26:32 536KB .PDF
25
收藏 收藏
举报

针对沥青路面裂缝图像边缘提取不精确的问题,基于形态学多尺度的思想,结合沥青路面裂缝图像中裂缝形状不规则,裂缝信息比较弱小的特点,提出了一种沥青路面裂缝图像检测算法。算法构造了多结构元素的抗噪型边缘检测算子,且依据不同形状的结构元素对裂缝边缘填充的几率不同,设定了一种自适应确定权重的算法,使得此算子在平滑滤波的同时又检测到各种类型的边缘。与传统裂缝图像检测算法相比,该算法有效抑制了各种噪声的影响,实现了多种类型边缘的精确提取;理论分析和实验结果表明该算法是可行且有效的。
黎蔚,朱平哲:沥青路面裂缝图像检测算法研究 2012,48(19)165 规则,其边缘在各个方向上都可能发生梯度变化。求得的四个方向上的不同边缘检测结果E(x,y),需 因此,有必要构造多结构元素抗噪型边缘检测算子,要通过各自的权值最终合成,得到完整的边缘信息 这里选择式(6)边缘检测算子并对其进行改进,得到 式(7): E(x,y)=∑oE"(x,y E(x,y)=Co Bi)eB3-(. BioB3 步骤3四个结构元素权值∞,的确定: ((B1AB2eB3-[(/B1⊙B2]⊙B3(7) 1)当不同形状的结构元素探测一副图像时,它 由式(7)可知,算子融合了不同方向的结构元们可填入的次数是不同的,结构元素的选取能较好 素。其中,结构元素BI、B2起到滤波的作用;B3主地适合图像边缘信息时,可填入的次数较多,反之 要起到提取相应边缘的作用,本文将其分解为不同则少。设B31、B32、B3、B34可填入图像f(x,y)的次数 走向的结构元素,例如,B3=B3B32UB3UB34,分别为B1、B1B、B,则它们对应的自适应权重值为: 这样就能对应检测到不同方向上的边缘,有利于多 B1 种类型边缘的检测。 1B1+2+B3+p4 33结构元素的选取 其中,=1,2,3,4 由于抗噪型边缘检测算子已经加入了平滑因 (2)以B31结构元素对图像∫进行腐蚀运算,来 素,可以很好地去除噪声,所以在结构元素选取时不计算1。 必考虑结构元素尺寸大小,本文选择最适合沥青路 设f为第一次腐蚀型边缘检测后得到的图像: 面裂缝图像的3×3小尺寸即可。因此,本文在结构元 素的选取中,只需要考虑形状因素,选取BL、B2两个 f=16B31 结构元素,其在交替滤波时可以充分发挥二者的优 下一次进行腐蚀型边缘检测: 点。B1、B2结构元素如下 2=f1B3 0 B1=1 B2=010 l010 L101 直到{(x,)/nf-1=0,则A=n 由于沥青路面裂缝不规则,且其边缘可能在各 同理,求出B2、B3、B4。 个方向上存在梯度变化,因此,构造了四个方向上的 3x3结构元素,分别代表的方向是0、45°、90、135°。4实验结果与分析 它们可以较好地提取路面裂缝方向特点,B31、B32 在 Matlab7.0开发环境下,实现了上面的各种边 B3、B34如下 缘检测。实验采用三类沥青路面裂缝灰度图像作为 001 原始图像,图像采集于连霍髙速公路洛阳段。原始 B3,=11 B32=010 00 图1(a)为带有明显颗粒纹理的沥青路面裂缝图像 00 原始图1(b)为添加2%椒盐噪声的路面网状裂缝图 B3=010B34=010 像,原始图1(c)为含有树木阴影的沥青路面裂缝图 0 像,对它们分别采用 sobel算子、经典形态学检测算子 其中,B31检测图像水平方向上的边缘;B32检测图 和本文算法进行检测,检测结果如图1所示 像与水平方向成45°角的边缘;B3检测图像垂直方 实验结果表明,采用 sobel算子对三幅含有不同 向上的边缘;B34检测图像与水平方向成13°角的类型噪声的沥青路面裂缝图像检测时,引入了过多 边缘。 的噪声,同时边缘断裂现象比较严重。而经典形态 3.4边缘检测算法步骤 学算法通常只能检测出某一方向上裂缝边缘信息 步骤Ⅰ输入图像∫(κ,y),邇过构造的多结构抗并且检测岀的裂缝边缘模糊,虚假信息较多,噪声大 噪型边缘检测算子,对其分别进行i取值为1、2、34量存在。 时的运算。算式如下 实验中,考虑对 sobel检测结果和经典形态学检 E(x,y)=(B1)AB2B3-[(BB2leB3;测结果进行处理,去除图像中孤立噪声点,连接边缘 其中,=1,2,3,4,B1、B2、B3,前面已经定义 断点。通常采用点操作,设置國值进行点扩展填究 步骤2由于路面裂缝图像不规则,其边缘梯度断点,然后采用链码技术跟踪判断目标大小。实验 在四个方向上发生变化的几率是不同的,对于步骤1发现,此方法导致结果误差更大,且速度缓慢。若使 1662012,48(19) Computer Engineering and Applications计算机工程与应用 (a)有明显颗粒(a1)用 sobel算(a2)对sobl检(a3)经典形态(a4)对经典形态学(a5)本文算法 纹理的沥青路子检测结果测结果进行处理学检测结果检测结果进行处理检测结果 面裂缝图像 (b)添加2%椒b1)用sobe算(b2)对 sobel检(b3)经典形态(b4)对经典形态学(b5)本文算法 盐噪声的路面子检测结果测结果进行处理学检测结果检测结果进行处理检测结果 网状裂缝图像 (c)含有树木阴(c1)用 sobel算(c2)对 sobel检(c3)经典形态(c4)对经典形态学(c5)本文算法 影的沥青路面子檢测结果测结果进行处理学检测结果检测结果进行处理检测结果 裂缝图像 图1本文算法与经典算法检测结果比较 用形态学开闭运算进行断点填充,孤立噪声去除,则 在此仅以原始图1(a处理结果为例进行计算 发现结构元素的选择很难把握,过大导致边缘变粗,见表1 过小导致断点更多,结果仍不理想。通过图1中给出 表1性能比较 的 sobel检测结果,经点操作处理后的三幅效果图(a2) sobel结果经典形态学结本文 (b2)、(c2)可以看出,虽然大部分孤立的噪声点被滤 经去噪处理果经去噪处理算法 除,但好多窄小的裂缝也同时被滤除了。通过图1中 PSNR 3.5102 4.2148 给出的经典形态学检测结果,经形态学开闭运算处 理后的三幅效果图(a4)、(b4)、(c4)可以看出,此操作 可见,无论是从视觉效果,还是从客观评价来 将导致检测结果更加模糊、失真。相比之下,由于本看,利用本文算法确实能够较好地解决沥青路面裂 文算法采用了多结构元素自适应权重的抗噪型形态缝图像检测时,去噪和边缘保持相协调的问题。 学边缘检测算子,从而有效抑制了沥青路面裂缝图 像中颗粒纹理、椒盐噪声、树木阴影等噪声的影响,5结東语 且检测到的边缘信息清晰平滑。 由于高速公路环境的复杂性,采用任何一种裂 为进一步验证本文算法的优势,采用峰值信噪缝检测算法都很难保证获得最优检测结果,而且算 比(PSNR)进行定量评价。PSMR定义如下 法的计算效率也是决定能否解决大规模问题的前 PSNR=10lg M·N·25 提,因此探索新的沥青路面裂缝检测算法是很有必 ∑∑((,-y6,) 要的。本文提出了多结构元素自适应权重的抗噪型 0j=0 形态学边缘检测算法,采用多结构元素相结合来构 其中,∫(G,和υ(分别为参考图像和处理后的图造抗噪型边缘检测算子,并通过自适应权重来确定 像像素灰度值,M和N分别为图像的长宽像素。 (下转219页)

...展开详情
试读 4P 论文研究-沥青路面裂缝图像检测算法研究.pdf
立即下载 低至0.43元/次 身份认证VIP会员低至7折
一个资源只可评论一次,评论内容不能少于5个字
您会向同学/朋友/同事推荐我们的CSDN下载吗?
谢谢参与!您的真实评价是我们改进的动力~
关注 私信
上传资源赚钱or赚积分
最新推荐
论文研究-沥青路面裂缝图像检测算法研究.pdf 24积分/C币 立即下载
1/4
论文研究-沥青路面裂缝图像检测算法研究.pdf第1页

试读结束, 可继续读1页

24积分/C币 立即下载 >