[发明专利]基于动态规划的路面裂缝检测方法

说明书

技术领域

本发明涉及一种检测方法，尤其涉及一种基于动态规划的路面裂缝检测方法。

背景技术

裂缝是公路路面最常见的损坏，其不仅降低了路面的防水性、耐久性和承载能力，而且由于行驶车辆的高速和重载，裂缝将演变为更严重的路面病害，如坑槽等。因此，裂缝检测成为及时整治路面病害以保障其安全运营的重要环节。路面裂缝的传统检测方式是定期的人工检测，由于人工检测效率低、识别精度低、主观性大、安全性差等，它无法满足路面裂缝快速检测的要求。随着科技的进步，图像检测技术得到了快速的发展，由于其具有检测速度快、测量准确、自动化程度高、获取信息丰富等特点，已经广泛应用于工业在线表面质量检测等领域。图像检测手段逐步成为路面裂缝检测的重要手段。

现有的基于图像的裂缝检测方法主要分两种，一种是基于边缘检测的方法；另一种是基于分割后处理的方法。基于边缘检测的方法，其步骤为：

(1)图像预处理，如匀光、对比度拉伸；

(2)图像增强，如采用中值滤波、形态滤波等；

(3)边缘检测，如采用sobel、canny等边缘检测算子；

(4)裂缝提取，根据主要边缘抽取裂缝；

(5)裂缝分类，根据裂缝的空间分布规则进行分类。

基于分割后处理的方法，其步骤为：

(1)图像预处理，如匀光，对比度拉伸；

(2)图像增强，如采用中值滤波，形态滤波等；

(3)图像分割，如基于灰度直方图的分割，基于数学期望的分割，基于类间方差最大化的分割等；

(4)裂缝提取，根据一定的规则对分割后的面元进行处理，如设定面元的线 性度，饱和度等阈值；

(5)裂缝分类，根据裂缝的空间分布规则进行分类。

现有的基于边缘检测和基于分割后处理的裂缝检测方法，是通过分析图像的局部信息，如亮度，对比度，方差等，实现对裂缝线目标的提取，它是基于局部处理的方法，因此它要求裂缝具有较高的对比度和较好的连续性。然而在高速公路路面检测的工程实践中，由于路面的颗粒纹理特性，裂缝缝壁脱落、积灰，拍摄时光线不能使裂缝形成有效的阴影等原因，裂缝通常具有对比度低、连续性差等特点，裂缝只有在全局上呈现为一个线目标。这使得传统的基于局部处理的裂缝检测算法不能满足要求。现有的裂缝分类方法是一种静止的判决方法，通过裂缝的空间分布信息判断裂缝的类别。但裂缝具有不规则性，用“有限的规则”去判别“无限案例”是不足的。因此本发明设计了机器学习的方法进行裂缝类别的判断，它具有学习性，使历史数据和现实数据有效关联起来，通过不断增长的“知识库”来对最新的“案例”进行的判别。

发明内容

本发明的主要目的在于提供一种基于动态规划的裂缝检测方法，能实现对对比度低、连续性差的裂缝的有效提取。

为了达到上述目的，本发明提供了一种基于动态规划的路面裂缝检测方法，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。

实施时，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。

实施时，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。

实施时，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；