[发明专利]基于动态规划的路面裂缝检测方法

权利要求书

1.一种基于动态规划的路面裂缝检测方法，其特征在于，其包括以下步骤：

步骤11：运用模糊梯度和路径跟踪对对比度低的裂缝进行有效增强；

步骤12：运用动态规划的方法，实现对连续性差的裂缝的有效检测；

步骤13：运用支持向量机模型，对所提取的裂缝进行分类。

2.如权利要求1所述的基于动态规划的路面裂缝检测方法，其特征在于，步骤11包括：

步骤111：从局部特征出发用方向滤波对线特征进行增强；

步骤112：从全局特征出发运用最优路径搜索的方法进行线特征的增强。

3.如权利要求1或2所述的基于动态规划的路面裂缝检测方法，其特征在于，步骤12包括：

步骤121：运用线段局域链算法进行局部最优搜索，得到候选裂缝段；

步骤122：运用线段全局链算法进行全局最优搜索，得到最大的Beam能量对应的线目标，从而实现对裂缝的提取。

4.如权利要求1或2所述的基于动态规划的路面裂缝检测方法，其特征在于，步骤12包括以下步骤：

步骤1：设定要进行划分的尺度，对图像进行相应的划分，得到多个固定的M×N个图像小方块，通常每个图像方块的大小为32×32像素；其中，M、N为大于1的整数；

步骤2：对于每个小方块数据，在其四条边线上从左上角开始，按顺时针方向进行标注，得到多个标注点；

步骤3：每两个标注点之间构成一条Beamlet，应用Bresenham算法进行相应的插值来确定Beamlet上所有图像数据点；

步骤4：搜索每两个标注点之间的最小代价路径，并计算平均路径代价值，作为对应得Beamlet值，将路径长度作为Beamlet变换系数；

步骤5：对Beamlet值进行标准归一化处理，并进行统计分析，用类间方差最大法进行二类聚类，得到阈值，并运用广义似然比检验法来检测判断检验假设，确定符合假设条件下的Beamlets；

步骤6：应用Beamlet局域链算法将步骤5所得Beamlets进行逼近，用逼近后的Beamlets对原Beamlets进行更新；

步骤7：用格状图来存储余下的Beamlets，得到M×N个节点，节点的权值为Beamlet值与Beamlet变换系数的乘积；

步骤8：用Dijkstra算法计算每两个Beamlet节点之间的最小代价路径，并计算J(L)值；最小的J(L)值对应的Beamlets即为裂缝。

5.如权利要求1或2所述的基于动态规划的路面裂缝检测方法，其特征在于，步骤13包括：

步骤131：选择基于统计学习理论的支持向量机模型，核函数为径向基函数，标准差为σ，取σ在1×10^-7和3×10^-7之间；

步骤132：对裂缝特征提取；

步骤133：基于支持向量机的裂缝分类。

6.如权利要求5所述的基于动态规划的路面裂缝检测方法，其特征在于，该裂缝特征包括：裂缝对应面元的面积、裂缝最小外接矩形的面积、裂缝最大外接矩形的面积、线性度、饱和度、裂缝总方向、裂缝平均方向、面元间最大距离、面元间平均距离和面元密度。

7.如权利要求6所述的基于动态规划的路面裂缝检测方法，其特征在于，步骤133包括：

步骤1331：构建样本集，选择预定数目的横向裂缝、纵向裂缝、龟裂和块状裂缝样本预定数目；

步骤1332：对每个样本，计算其10种特征值，构成样本的特征向量；

步骤1333：将每两类样本的特征向量输入SVM模型进行训练，得到SVM模型的参数，得到训练好的模型；

步骤1334：在裂缝分类中，用训练好的模型对裂缝进行分类。