基于圖像處理技術的路面破損自動檢測研究進展

基于圖像處理技術的路面破損自動檢測研究進展

0路面破損檢測技術道路質量對駕駛員的安全、舒適度、經(jīng)濟效率和道路使用周期有重要影響。隨著公路交通運輸業(yè)的發(fā)展,人們對公路路面質量及其養(yǎng)護提出了更高的要求。我國現(xiàn)有公路里程已經(jīng)超過130萬公里,90年代以前,由于對路面管理缺乏系統(tǒng)的數(shù)據(jù)采集、評價,科學的養(yǎng)護決策及對路面破損的定量評價,造成養(yǎng)護資金浪費、路面質量下降及使用費用增加。為改變這種狀況,適應現(xiàn)代化、大規(guī)模、高速度和高質量的公路養(yǎng)護管理要求,許多交通管理部門都實施了路面管理系統(tǒng)(PMS)。但路面管理系統(tǒng)所采集的路面破損數(shù)據(jù)仍主要采用人工檢測,難以對路面破損進行客觀和準確的評價。因此,研究路面破損自動檢測技術,并結合高新技術來開發(fā)和設計高效、快速、準確的路面破損自動檢測系統(tǒng)具有重要的意義。對此,國內外的許多研究人員都進行了深入的研究,特別是利用攝影或攝像技術開發(fā)路面破損信息采集系統(tǒng),運用圖像識別等技術處理路面破損信息已經(jīng)成為本領域的研究熱點。圖像識別包括圖像預處理、圖像分割、目標描述、圖像分類等幾個環(huán)節(jié),由于路面破損圖像內容復雜,加上受到一些噪聲的干擾,常規(guī)的圖像識別處理方法難以完成路面破損圖像識別問題。因此,一些人工智能處理方法如神經(jīng)網(wǎng)絡、專家系統(tǒng)、模糊邏輯、遺傳算法等在路面破損圖像識別研究中也得到廣泛關注。本文將對路面破損圖像識別技術的研究進展進行簡要綜述。1道路損壞圖像采集技術1.1路面圖像數(shù)據(jù)處理采用何種傳感器技術是獲取路面破損數(shù)據(jù)的關鍵問題。Mendelsohn提出的檢測路面破損的方法有視覺圖像檢測方法、路面輪廓檢測法和超聲波方法。檢測路面輪廓主要采用路面輪廓分析儀。如果輪廓分析儀的分辨率足夠高,則用來檢測路面破損非常理想。然而當路面的采樣寬度為4m、采樣點間隔為2.5mm、檢測車以89km/h行駛時,輪廓分析儀則需要每分鐘讀取15000000個數(shù)據(jù),現(xiàn)存的輪廓分析儀根本達不到這個要求。超聲波檢測法通過超聲波傳感器接收路面反射的超聲波來檢測路面是否存在破損。目前一些超聲波檢測設備的分辨率和動態(tài)響應范圍較小,限制了其在路面破損檢測上的應用?？梢?視覺圖像檢測是路面破損檢測最為可行的方法。獲取路面圖像數(shù)據(jù)可以采用模擬圖像數(shù)據(jù)及數(shù)字圖像數(shù)據(jù),可以是線掃描,也可以是面陣掃描等等。處理路面破損圖像數(shù)據(jù)常見的過程如圖1所示。通過面陣掃描的CCD攝像機拍攝路面圖像,經(jīng)過數(shù)字化處理后,利用計算機視覺技術識別路面破損。隨著CCD攝像機數(shù)字化程度的提高,路面破損圖像的數(shù)字化過程可由攝像機直接完成,路面圖像數(shù)據(jù)可通過計算機USB、IEEE1394等接口直接傳輸?shù)接嬎銠C內存。線掃描攝像機一次只掃描1行,其分辨率可高達每行6000個像素,數(shù)據(jù)的采樣頻率為30MHz。在進行數(shù)據(jù)處理時,首先將多行線掃描圖像拼成平面,然后對圖像進行處理分析。近年來,高性能的數(shù)字化線掃描攝像機也被嘗試應用于路面圖像采集,但線掃描攝像機需要高亮度的輔助光源。因此,在普通的路面破損檢測系統(tǒng)中線掃描攝像機應用并不廣泛。1.2路面圖像壓縮由于路面破損圖像存儲數(shù)據(jù)量大,因而路面破損圖像壓縮極為重要。目前,路面信息的靜止圖像一般采用JPEG格式進行壓縮。JPEG是靜止圖像壓縮的國際標準,由國際標準化組織(ISO)和國際電信聯(lián)盟(ITU)于1991年制定的,它包括3種編碼系統(tǒng):①基于DCT的有損編碼基本系統(tǒng)?？捎糜诮^大多數(shù)壓縮應用場合;②用于高壓縮比、高精確度或漸進重建應用的擴展編碼系統(tǒng);③用于無失真場合的無損系統(tǒng)。JPEG對攝像機質量的靜止圖像的壓縮率一般可達到25∶1。路面信息的序列圖像采用MPEG-Ⅱ標準進行壓縮。MPEG-Ⅱ標準是由上述2個組織的運動圖像專家組于1993年制定的第2個運動圖像壓縮標準,適用于從普通電視到高清晰度電視(30~40Mbit/s)的帶寬范圍。此壓縮標準主要用于場景變化很快的情況。一般情況下,JPEG和MPEG格式的圖像壓縮由硬件來完成,因此路面破損圖像可實時采集、壓縮、存儲。近年來路面圖像壓縮技術的研究主要是小波變換和分形圖像編碼等大壓縮比算法的應用。小波變換是Fourier變換、Gabor變換等在數(shù)學上的一個自然延伸,具有良好的空間-頻率局部化特征,非常適合非平穩(wěn)信號分析,因而在圖像壓縮中得到應用。在靜止圖像壓縮的新標準JPEG2000中,編碼變換就采用了小波變換,大大提高了圖像的壓縮質量。分形圖像編碼利用分形幾何原理對圖像進行壓縮編碼,特別是對于極不規(guī)則、沒有特定尺寸、無法用函數(shù)描述形狀的圖像可獲得較大的壓縮比。JLeBlanc,MAGennert等就曾利用分形編碼技術來壓縮路面裂紋圖像,獲得了較大的壓縮比。1.3路面信息采集車近年來,CCD技術取得了驚人的發(fā)展。CCD攝像機具有較高的動態(tài)范圍、分辨率、靈敏度,CCD攝像機配有電子快門即可用于場景圖像采集。由于計算機視頻、計算機圖像技術的發(fā)展,通過視頻采集卡或圖像采集卡即可將CCD攝像機的視頻信號采集到計算機的內存中,實時顯示、存儲、處理。目前,高檔的CCD攝像機采用DSP技術能夠有效地實現(xiàn)逆光的背景補償,自動跟蹤白平衡,并以數(shù)字化圖像再現(xiàn)原始圖像,計算機通過接口可直接處理CCD攝像機所采集的圖像。隨著計算機硬件的迅速發(fā)展,基于CCD攝像機的數(shù)字化圖像系統(tǒng)成本大大降低。因此,在數(shù)字化路面破損自動檢測系統(tǒng)的開發(fā)中CCD攝像機和計算機圖像處理技術得到了廣泛應用。典型的有ARRB交通研究所開發(fā)的路面信息檢測車(圖2a)、美國PAVEDEX公司開發(fā)的路面信息檢測系統(tǒng)PAS1(圖2b)、美國南達科塔交通運輸部研制的路面信息檢測車(圖2c),澳大利亞NSW公路交通局與CRISO公司共同開發(fā)的自動化路面破損檢測車RoadCrack(圖2d)等。ARRB路面信息采集車采集路面圖像時,最高車速可達100km/h,面陣CCD攝像機安裝在檢測車的頂部,攝像機的水平分辨率為570電視線。當攝像機的焦距為1.4mm時,最小照度為0.04lux,CCD攝像機采集的圖像可實時顯示在車載計算機的屏幕上,并實時存儲在計算機的硬盤中。離線處理路面圖像數(shù)據(jù)時,檢測的路面裂紋最小可達3mm。PAS1系統(tǒng)(包括路面信息采集檢測車和離線圖像處理系統(tǒng)),采集路面信息時,車速可達88.5km/h,具有700電視線水平分辨率的CCD攝像機安裝在汽車的頂部并垂直于路面,以減小陽光對攝像機的干擾。攝像機最小照度為5.5lux,可自動調焦并具有電子快門。此外,攝像機還具有RS232串行口,可與車載計算機進行直接通信。車載計算機為普通的奔騰系列的兼容機,攝像機所采集的圖像存儲在一個專用的具有SCSI接口的硬件中,其容量達9GB。車上安裝有23cm的彩色高分辨率監(jiān)視器,通過監(jiān)視器可以觀察攝像機采集的圖像是否清晰,以便精調攝像機。檢測車還安裝有高精度的距離傳感器,用于控制存儲圖像的空間頻率。攝像機每秒可采集30幀的圖像,圖像取景寬度大約為一個車道,檢測到的路面裂紋最小寬度為1.5mm。在采集圖像前,操作者從鍵盤輸入檢測路段的起點、終點、檢測時間、檢測方向、路標或地形特征等。攝像機采集的圖像通過計算機主板的ISA總線存儲,這樣計算機的CPU可以進行其它的操作。為了保證圖像的高質量,在存儲圖像時采用4∶1的壓縮比,圖像的水平分辨率為550水平線,遠遠高于VHS和S-VHS錄像帶的分辨率。若按15.24m間隔存儲一幅圖像,該系統(tǒng)可采集3368km的路面圖像。美國南達科塔州交通運輸部研制的路面信息檢測車引入了網(wǎng)絡技術,不但可以利用計算機實時采集、壓縮、存儲路面圖像,而且可同時將路面圖像文件和路面信息數(shù)據(jù)上傳到網(wǎng)絡服務器中,用戶通過網(wǎng)絡即可訪問這些數(shù)據(jù)。RoadCrack路面破損自動檢測車將數(shù)據(jù)采集系統(tǒng)安裝在底盤上,且安裝了特殊的反光裝置,從而保證了車輛高速行駛時,數(shù)碼攝像機可以正常拍攝路面信息。該檢測車可以檢測各種路面裂縫,檢測速度可達10~105km/h,檢測裂縫的最小寬度可達1mm,檢測路面寬度為5m。該車還備有GPS系統(tǒng),可以記錄路面破損位置信息。2路面破損自動識別在路面破損圖像識別中,不但需要識別路面破損的類型,而且需要識別路面的破損程度,因此路面破損自動識別一直是路面破損自動檢測技術中的難題。路面破損圖像識別過程一般有2個步驟:①路面破損圖像采集。主要包括前述的路面破損圖像的采集和獲取、數(shù)字化、壓縮編碼等。②路面破損圖像分析。包括路面破損圖像預處理、描述和識別、路面破損程度評價等。2.1路面破損圖像路面破損圖像預處理主要包括:圖像增強、去除噪聲、圖像分割等。由于路面狀況復雜,路面破損圖像易受到路面上一些噪聲(如雜物、沙石、輪胎痕跡、油跡等)的影響,因此有必要研究路面破損圖像增強以及去除路面噪聲等技術。圖像增強的目的是改善圖像的視覺效果,并把圖像處理成為適于計算機分析的某種形式。路面破損圖像增強包括去除圖像的噪聲、增強圖像中目標的邊緣等。其方法很多,如常用的空域濾波、邊緣增強等。SiriphanJitprasithsiri利用中值濾波的方法增強路面破損圖像。中值濾波是一種非線性濾波,能去除一定噪聲,且圖像目標的邊緣不會變壞。當路面破損圖像內容不復雜時,采用該方法增強圖像效果較好。Koutsopoulos等利用差影法,將路面破損圖像像素灰度值與一副標準的無破損的路面圖像像素灰度值相減,從而增強路面破損圖像中的目標。一般情況下路面破損圖像較為復雜,因此基于模糊、先驗知識等人工智能技術的路面破損圖像增強方法得到許多研究人員的關注。Chou等利用模糊技術增強路面破損圖像,在最大模糊熵的基礎上選取模糊化的閾值,并根據(jù)樣本圖像建立了一個非線性等式,去除由于亮度不一致所引起的路面圖像噪聲。H.D.Cheng等根據(jù)路面圖像灰度信息的先驗知識提出了一種路面破損圖像增強的方法,效果較好,但其計算處理時間較長。圖像分割是把圖像中的目標分為許多感興趣的區(qū)域(AreaofInteresting)與圖像中各種物體目標相對應的過程。經(jīng)過圖像分割后才能將原始圖像轉化為更抽象、更緊湊的形式,使更高層的分析和理解成為可能。圖像分割方法主要有基于邊界的圖像分割與基于區(qū)域的分割技術。常見的圖像分割的手段有邊緣檢測、微分算子、直方圖變換、哈夫變換、區(qū)域生長、形態(tài)學處理等。不少研究人員對路面破損圖像分割進行了深入的研究。Velinsk等提出利用直方圖分析的方法,假設含有破損區(qū)域的路面破損圖像灰度直方圖具有雙峰性,并據(jù)此確定灰度閾值,對路面破損圖像進行分割處理。對于路面破損較為明顯的區(qū)域該方法較為有效;Li等提出利用Sobel邊緣檢測算法,設定路面噪聲區(qū)域的周長小于20像素,而路面破損區(qū)域的周長大于20像素,從而去除噪聲,并得到路面破損圖像分割的結果。但路面破損圖像內容復雜時,采用定值判據(jù),難免導致誤判;Gasprin等采用區(qū)域生長技術對路面破損圖像進行分割處理;BhagvatiC等探討利用數(shù)學形態(tài)學檢測路面破損的可行性。以上這些算法沒有考慮到路面破損自然的屬性,算法的適用范圍不太廣泛。針對這種情況,H.D.Cheng等提出了一種路面破損模糊分割方法。其主要思想是:路面破損圖像中破損區(qū)域的像素灰度值比非破損區(qū)域中的小,且具有連續(xù)性。在該算法中首先提出了經(jīng)差分處理后路面圖像像素灰度值的隸屬度函數(shù),并利用遺傳算法確定該隸屬度函數(shù)的參數(shù);接著對路面破損圖像進行模糊化處理;最后根據(jù)破損區(qū)域像素連續(xù)性的特點,將破損區(qū)域像素連接起來得到路面破損圖像的分割結果。該方法試驗結果較好,但處理時間也較長。2.2路面破損圖像特征圖像描述是把分割出的物體目標用計算機中的數(shù)據(jù)、公式、符號來描述感興趣的物體區(qū)。描述是以圖像中各物體目標的特征為基礎的,特征描述的數(shù)據(jù)量應遠遠小于原圖像的數(shù)據(jù)量。因此在圖像描述基礎上進行路面破損識別大大減少計算量。常見的圖像目標特征有:灰度特征、紋理特征和幾何形狀特征等。目前,對于路面破損圖像特征的研究大多采用區(qū)域與幾何特征來度量。圖像的區(qū)域特征包括傅立葉描述特征和矩描述特征等。在路面破損圖像區(qū)域特征的描述中大多以矩特征描述為主。如Chun-JungHsu等在路面破損識別中就采用Hu矩不變量和Zernike矩不變量作圖像特征,SiriphanJitprasithsiri等也曾利用矩特征描述路面破損圖像特征。路面破損圖像的幾何特征主要包括:分割后小區(qū)域的計數(shù)、骨骼化、幾何形狀特征(如破損區(qū)域的周長、面積等)等。M.Miyojim等對路面破損圖像進行細化處理,并提取骨骼化后的路面破損的交叉點、破損區(qū)域的周長、面積、數(shù)量等幾何形狀特征來描述路面破損圖像。熊和金則采用龜狀裂縫和塊狀裂縫的面積以及破損區(qū)域的周長,作為龜狀裂縫和塊狀裂縫分類器的輸入特征。路面破損圖像識別是對路面圖像中破損的類型分類。在路面破損識別的研究中大多采用監(jiān)督學習的方法設計分類器,即采用標準路面破損樣本進行訓練學習得到優(yōu)化分類器參數(shù)。常用的路面破損分類器有貝葉斯分類器、線性分類器、非線性分類器。由于路面破損的種類繁多,加上破損程度很難用統(tǒng)一的解析式來描述,基于人工神經(jīng)網(wǎng)絡非線性分類算法研究成為路面破損自動識別研究的熱點。Kaseko等對路面破損識別傳統(tǒng)分類器與人工神經(jīng)網(wǎng)絡分類器進行了比較研究,指出了應用神經(jīng)網(wǎng)絡分類器識別路面破損更具有優(yōu)越性。應用人工神經(jīng)網(wǎng)絡分類器主要以前饋網(wǎng)絡分類器為主。如Chou等在研究中采用BP算法、KelvinCP等在研究中也采用了徑向基網(wǎng)絡并設計了硬件以實現(xiàn)路面破損識別實時處理。模糊識別、專家系統(tǒng)等其它人工智能技術在路面破損識別中也得到應用。例如H.D.Cheng等利用模糊邏輯結合人工神經(jīng)網(wǎng)絡實時檢測路面破損,獲得了比較好的分類效果;M.Miyojim等建立了基于產生式規(guī)則的專家系統(tǒng),用于經(jīng)過骨骼化處理后的路面破損圖像識別?？傊?人工神經(jīng)網(wǎng)絡等人工智能方法是實現(xiàn)路面破損自動化識別比較有前途的手段之一。2.3路面破損程度在路面養(yǎng)護管理中,需要對路面破損狀況進行定期的調查,并采用路面狀況指數(shù)(PCI)對路面破損狀況進行評價。路面狀況指數(shù)計算不但與路面破損的具體種類有關,而且與破損嚴重程度有關,因此許多研究人員在研究路面破損圖像識別的同時也進行了路面破損程度評價的研究。如H.D.Cheng等通過測量路面破損圖像中破損區(qū)域的