【導讀】節(jié)約路面的維護成本。與傳統(tǒng)的人工檢測方式相比，視覺檢測效率高、自動化程。2．了解并掌握基于圖像的表面破損對象檢測方法。4．進行路面裂縫圖像的預處理、邊緣提取和檢測仿真設計。5．給出論文英文摘要、專業(yè)英文資料翻譯。6．要求用WORD排版、打印畢業(yè)論文。裂縫是最常見的路面損壞，可能會危及公路和高速公路的安全。變的更糟糕之前及時進行修補，可以大大節(jié)省路面維修的資金。道路狀況，并進行必要的道路維修的重要信息。泛使用于檢測裂紋。度沿裂紋可能無法持續(xù)低于背景。此外，路面陰影往往導致路面圖像的照度不均。勻，其還可以降低該閾值設定方法的性能。然而，可能出現(xiàn)的低對比度裂縫和背景之間的散斑裂紋可能會將存在于背景。和較好的連續(xù)性，但實際生活中往往不是這樣的。這是因為，1)路面影像常常含。造成其對比度下降、連續(xù)性降低。以上原因，使得裂縫在路面影像中表現(xiàn)為低信。噪比的線狀目標，給裂縫的自動化識別帶來了很大的困難。

　　

【正文】 25 (2).Robert 算子 Robert 算子是一 種梯度算子，它用交叉的差分表示梯度，是一種利用局部差分算子尋找邊緣的算子，對具有陡峭的低噪聲的圖像效果最好： 22 )]1,(),1([)],()1,1([),( ???????? jifjifjifjifjig 模板如下： ?????? ?10 01 ??????? 0110 采用對角線方向相鄰兩像素之差表示信號的突變，檢測水平和垂直方向邊緣的性能好于斜線方向，定位精度比較高，但對噪聲敏感，檢測出的邊緣較細 。下面是用 Robert 算子對裂縫圖片進行檢測： 程序代碼： clc。clear。close all。 I=imread(39。公路裂縫 .jpg39。)。 J=rgb2gray(I)。 BW1=edge(J,39。robert39。)。 subplot(2,2,1),imshow(I),title(39。原圖 39。)。 subplot(2,2,2),imshow(J),title(39?；叶葓D 39。)。 subplot(2,2,3),imshow(BW1),title(39。robert邊緣提取 39。)。 結果如圖： (3).Prewitt 算子 河海大學本科畢業(yè)設計（論文） 26 Prewitt 算子是加權平均算子，對噪聲有抑制作用，但是像素平均相對于對圖像進行地同濾波，所以 prewitt 算子對邊緣的定位不如 robert 算子。模板如圖： ??????????????111011111 ??????????????111000111 Prewitt 算子對噪聲有平滑作用，檢測出的邊緣比較粗，定位精度低，容易損失角點。 下面是用 Prewitt 算子對裂縫圖片進行檢測： 程序代碼： clc。clear。close all。 I=imread(39。公路裂縫 .jpg39。)。 J=rgb2gray(I)。 BW1=edge(J,39。prewitt39。)。 subplot(2,2,1),imshow(I),title(39。原圖 39。)。 subplot(2,2,2),imshow(J),title(39?；叶葓D 39。)。 subplot(2,2,3),imshow(BW1),title(39。prewitt邊緣提取 39。)。 結果如下： (4).Canny 算子 河海大學本科畢業(yè)設計（論文） 27 Canny 邊緣檢測室一種比較新的邊緣檢測算子，具有很好的邊緣監(jiān)測性能，在圖像處理中得到了越來越廣泛的應用。 該方法與其他邊緣檢測方法的不同之處在于，它使用 2種不同的閾值分別檢測強邊緣和弱邊緣，并且僅當弱邊緣與強邊緣相連時才將弱邊緣 包含在輸出圖像中。因此， canny 方法比較不容易被噪聲“填充”，比較容易檢測出真正的弱邊緣，所以得到的圖像更完整，對圖像進行邊緣檢測的結果也更好。 當路面裂縫比較細時，用其他檢測方法效果不理想。這時用 Canny 算法比較理想。下面就是canny 算法對路面裂縫進行邊緣檢測： 程序代碼： clc。clear。close all。 I=imread(39。公路裂縫 .jpg39。)。 J=rgb2gray(I)。 BW1=edge(J,39。canny39。)。 subplot(1,2,1),imshow(I),title(39。原圖 39。)。 subplot(1,2,2),imshow(BW1),title(39。canny邊緣提取 39。)。 結果如下： (5).Laplacian 算子 拉普拉斯高斯算子是一種二階導數(shù)算子，將在邊緣處產生一個陡峭的零交叉。前面介紹的集中梯度法具有方向性，不能對各種走向的邊緣都具有相同的增強效果。但是 Laplacian 算子是各向同性，能對任何走向的界線和線條進行銳化，無方向性。這是拉普拉斯算子區(qū)別于其他算法的最大優(yōu)點。 對于一個連續(xù)函數(shù) f(i,j)，它 在位置 (i,j)的拉普拉斯算子定義如下： 22222 y fx ff ??????? 在圖像邊緣檢測中，為了運算方便，函數(shù)的拉普拉斯高斯算子也是借助模板來實現(xiàn)的。其模板有一個基本要求：模板中心的系數(shù)為正，其余相鄰系數(shù)為負，所有系數(shù)的和應該為零。 河海大學本科畢業(yè)設計（論文） 28 ??????????????010141010 ??????????????????111181111 圖 4 Laplacian 算子模板 Laplacian 算子法對噪聲比較敏感，所以很少用該算子檢測邊緣，而是用來判斷邊緣像素視為與圖像的明區(qū)還是暗區(qū)。 結果對比分析 和 評價 原圖： 四種邊緣提取算子比較圖： 河海大學本科畢業(yè)設計（論文） 29 由此我們得出： Sobel 算子檢測方法對灰度漸變和噪聲較多的圖像處理效果較好， sobel 算子對邊緣定位不是很準確，圖像的邊緣不止一個像素。 Roberts 算子檢測方法對具有陡峭的低噪聲的圖像處理效果較好，但是利用roberts 算子提取邊緣的結果是邊緣比較粗，因此邊緣的定位不是很準確。 Prewitt 算子檢測方法對灰度漸變和噪聲較多的圖像處理效果較好。但邊緣較寬，而且間斷點多。 Canny 方法不容易受噪聲干擾，能 夠檢測到真正的弱邊緣。優(yōu)點在于，使用兩種不同的閾值分別檢測強邊緣和弱邊緣，并且當弱邊緣和強邊緣相連時，才將弱邊緣包含在輸出圖像中。 小節(jié) 第三章 路面陰影消除 引言 在太陽光照射下，路旁的樹木、燈桿等的投影常常形成路面陰影，它們造成了路面影像亮度的不均勻分布，而且，這種陰影具有形狀不規(guī)則、半影區(qū)大等特點，使得陰影區(qū)域的界定非常困難 。另外，由于同一幅影像中的各像素是在相同的曝光時間內采集得到的，從而處在陰影區(qū)的亮度對比度較非陰影區(qū)的小，表現(xiàn)為紋理細節(jié)要比非陰影區(qū)的紋理細節(jié)模糊，這種細節(jié)不一致會 增加后續(xù)的路面裂縫識別的難度。為了更準確識別路面裂縫，這一節(jié)提出了路面陰影的消除算法。由于絕大多數(shù)路面影像都呈現(xiàn)為灰色，本節(jié)介紹陰影去除算法時將數(shù)據對象集中在對單通道的灰度路面影像進行處理。 背景與意義 目前，我國高等級公路的建設取得 巨大 發(fā)展，特別是在國家《公路、水路交通“十一五”發(fā)展規(guī)劃》的推動下， 直至 2020年底，全國高速公路總里程已達 萬公里，二級以上公路達到 45萬公里。隨著公路的建成，路面養(yǎng)護與管理 已然 成為保障道路服務水平的關鍵，公路路面狀況的基礎數(shù)據 的 調查迫切需要先進的技術 水 平 和科學的方法作為支撐?！秶抑虚L期科學和技術發(fā)展規(guī)劃綱要》將“交通運輸基礎設施建設與養(yǎng)護技術及裝備”作為重點領域及其優(yōu)先主題 ?！豆匪雍４髮W本科畢業(yè)設計（論文） 30 路交通“十一五”科技發(fā)展規(guī)劃》將“道路預防性養(yǎng)護與快速維修技術、無損檢測技術、多功能養(yǎng)護設備研究開發(fā)”作為重大專題項目。在此背景下，公路路面養(yǎng)護自動化的研究也得到越來越多的重視。 在公路養(yǎng)護管理中，路面破損狀況指數(shù) (PCI)是決策養(yǎng)護方案的最重要的數(shù)據。路面裂縫類病害是路面破損檢測的重要內容，其自動化檢測一直是公路路面破損檢測的熱點和難點。路面裂縫傳統(tǒng)檢測 的 方式是定 期的人工檢測，由于人工檢測效率低、主觀性大、安全性差等，它無法滿足路面破損快速檢測的 需求 。隨著科技的進步，圖像檢測技術 獲得 了快速的發(fā)展，由于其具有檢測速度快、測量精準 、自動化程度高、獲取信息豐富等特點，已廣泛應用于工業(yè)在線表面質量檢測等領域?；谟跋竦臋z測 方法 已逐步成為路面裂縫檢測的重要手段，然而由于路面裂縫具有細小不連續(xù)、對比度低、分叉且不規(guī)則等特點，使得傳統(tǒng)的線狀目標提取與識別算法不能滿足要求。目前的商業(yè)化系統(tǒng)仍需人工交互來實現(xiàn)從圖像中提取路面裂縫，其工作內容枯燥，工作量巨大，因此研發(fā)全自動的路面裂縫識別方法具有重要的意義。 傳統(tǒng)的基于閩值化、邊緣檢測、小波變換等的裂縫自動檢測算法假設路面裂縫在路面影像中具有較高的對比度和較好的連續(xù)性，但這種假設在工程實踐中往往不成立。由于受路面陰影、裂縫退化等的影響，一部分裂縫相對于路面背景具有極低的信噪比，造成傳統(tǒng)的裂縫檢測算法失效。因此，本文專門針對低信噪比的路面裂縫的增強與提取進行研究，對提高裂縫檢測的自動化水平具有重要意義。 測地陰影去除 路面圖像經常 被 蒙上 來自于 樹木，路燈桿等 的陰影。 在本節(jié)中，我們提出了一個更精確的算法來消除這種 陰影探傷。大部分的路面圖像是灰色的 并 沒有太多的顏色信息。因此，在本文中，我們 重點 集中 在 開發(fā)上單色的路面圖像的算法。在下面，我們先提出一個紋理平衡的照度補償模式，以實現(xiàn)均勻的照明，陰影路面圖像，然后提交擬議的大地測量學的陰影去除算法。 具有紋理均衡能力的亮度補償方法 陰影去除，通常 是通過亮度 補償 實現(xiàn)的 。 如圖 2（ a）， S是陰影區(qū)域， B是在非河海大學本科畢業(yè)設計（論文） 31 陰影區(qū)域。 讓 Iij替換（ i,j）位置的強度， Is和 Ib分別代替 S 和 B 區(qū)域的平均強度。 我們可以 通過平衡 照度 S和 B去除陰影 。 13,),(,),(, ???? ????? BjiifI SjiifIIjijiji ? 其中 SB II ???? 兩種亮度補償方法的效果對比圖 然而，陰影通常會降低圖像的對比度 :在陰影區(qū)域的裂縫和路面紋理的對比度都要比非陰影區(qū)的低，如圖 (a)所示，其中平行的斜線代表路面紋理，曲線代表裂縫。通過公式 ()的亮度補償，陰影區(qū)的亮度可以達到非陰影區(qū)的亮度水平，但陰影區(qū)的低對比度并不能得到改善，結果見圖 (b)。這是因為公式 ()建立在單純的加法運算的基礎上，其只能改變對應像素集的整體亮度，不能改變它們的方差。因此，其處理的結果表現(xiàn)為陰影區(qū)與非陰影區(qū)的亮度一致，但陰 影區(qū)的紋理細節(jié)卻比非陰影區(qū)的弱。為了克服公式 ()的這個缺點，得到亮度和紋理都均衡的路面影像，本文提出了一個新的亮度補償方法，見公式 (2)。 其中 Ds和 DB二分別表示陰影區(qū)和非陰影區(qū)的像素亮度值的標準方差 ， α =DB/Ds,且 。 在亮度補償方法中，通過參數(shù)α的引入，可以將陰影區(qū)的方差提升到非陰影區(qū)的水平。由于影像像素的方差的大小通常反應了影像的對比度的強弱，公式 (2)所展示的亮度補償方法不僅可以使陰影區(qū)和非陰影區(qū)的亮度保持一致，而且可以使它們的紋理細節(jié)強度保持一致，如圖 (c)所示為紋理均衡的亮度 補償?shù)慕Y果。 河海大學本科畢業(yè)設計（論文） 32 基于了亮度等高區(qū)域劃分的陰影消除 在以上的照度 補償 模型中，我們假設一個硬陰影模型。然而，在實踐中，大多數(shù)的路面圖像中的陰影有大半影區(qū)，如 圖 2(d)。規(guī)定了 陰影區(qū)域和消除 的 陰影 ，實現(xiàn)了均衡照度的問題。 如圖 2(d)所示， 因為陰影 強度單調下降的陰影邊界的陰影中心，我們可以應用的測地線模型到陰影區(qū)域分割成不同的層次，使陰影實力在同一個水平是基本一致的。然后，我們可以進行紋理平衡照度補償每個夷為平地的陰影區(qū)域去除陰影。更具體地說，我們提出了一個大地測量學的陰影去除算法（ GSR），其中 包含的后續(xù)四個主要的步驟。 基于亮度高程模型的陰影區(qū)域劃分及亮度均衡結果 步驟一， mmclose— 形態(tài)閉合運算。 采用灰度形態(tài)閉合運算 (結構元素 半徑 為rc）， 對原始路面圖像進行處理 ，以除去 細裂縫。 此步驟的目的是 消除裂縫對后續(xù)陰影區(qū)域劃分的影響。因為裂縫的亮度與陰影區(qū)域的亮度較接近，為了避免將裂縫劃為陰影區(qū)域內而被執(zhí)行亮度補償，需要在陰影區(qū)域劃分前將裂縫去掉，灰度形態(tài)學閉運算能實現(xiàn)這一目標，如圖 (c)是對原始路面圖像 (b)進行形態(tài)閉運算處理的結果。 步驟二， gauSmooth— 高斯平滑。 對上一步驟所得的結果進行 2維高斯平滑。本步操作的目的是將路面紋理進行平滑處理，消除路面紋理對后續(xù)陰影區(qū)域劃分的影響。如圖 (d)是對原始路面影像 (c)進行平滑的結果。 河海大學本科畢業(yè)設計（論文） 33 步驟三， geoLevel— 亮度等高區(qū)域劃分。首先計算 N1個閾值， 0≤ K1≤ K2≤ ....≤ KN1≤ 255，用于將上一步驟得到的圖像劃分為不同的亮度等級區(qū)域{Gi|i=1,2， ...,L,....,N},使區(qū)域 Gi 包含亮度值 I∈ (Ki1,Ki]的所有像素