【正文】 裂縫自動(dòng)檢測(cè)算法假設(shè)路面裂縫在路面影像中具有較高的對(duì)比度和較好的連續(xù)性，但這種假設(shè)在工程實(shí)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(duì)于路面背景具有極低的信噪比，造成傳統(tǒng)的裂縫檢測(cè)算法失效。因此，本文專門(mén)針對(duì)低信噪比的路面裂縫的增強(qiáng)與提取進(jìn)行研究，對(duì)提高裂縫檢測(cè)的自動(dòng)化水平具有重要意義。 測(cè)地陰影去除 路面圖像經(jīng)常被蒙上來(lái)自于樹(shù)木，路燈桿等的陰影。在本節(jié)中，我們提出了一個(gè)更精確的算法來(lái)消除這種陰影探傷。大部分的路面圖像是灰色的并沒(méi)有太多的顏色信息。因此，在本文中，我們重點(diǎn)集中在開(kāi)發(fā)上單色的路面圖像的算法。在下面，我們先提出一個(gè)紋理平衡的照度補(bǔ)償模式，以實(shí)現(xiàn)均勻的照明，陰影路面圖像，然后提交擬議的大地測(cè)量學(xué)的陰影去除算法。 具有紋理均衡能力的亮度補(bǔ)償方法陰影去除，通常是通過(guò)亮度補(bǔ)償實(shí)現(xiàn)的。如圖2（a），S是陰影區(qū)域，B是在非陰影區(qū)域。讓Iij替換（i,j）位置的強(qiáng)度，Is和Ib分別代替S和B區(qū)域的平均強(qiáng)度。我們可以通過(guò)平衡照度S和B去除陰影。 其中 兩種亮度補(bǔ)償方法的效果對(duì)比圖 然而，陰影通常會(huì)降低圖像的對(duì)比度:在陰影區(qū)域的裂縫和路面紋理的對(duì)比度都要比非陰影區(qū)的低， (a)所示，其中平行的斜線代表路面紋理，曲線代表裂縫。通過(guò)公式()的亮度補(bǔ)償，陰影區(qū)的亮度可以達(dá)到非陰影區(qū)的亮度水平，但陰影區(qū)的低對(duì)比度并不能得到改善， (b)。這是因?yàn)楣?)建立在單純的加法運(yùn)算的基礎(chǔ)上，其只能改變對(duì)應(yīng)像素集的整體亮度，不能改變它們的方差。因此，其處理的結(jié)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(xì)節(jié)卻比非陰影區(qū)的弱。為了克服公式()的這個(gè)缺點(diǎn)，得到亮度和紋理都均衡的路面影像，本文提出了一個(gè)新的亮度補(bǔ)償方法，見(jiàn)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(biāo)準(zhǔn)方差，α=DB/Ds,且。在亮度補(bǔ)償方法中，通過(guò)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(yīng)了影像的對(duì)比度的強(qiáng)弱，公式(2)所展示的亮度補(bǔ)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(xì)節(jié)強(qiáng)度保持一致， (c)所示為紋理均衡的亮度補(bǔ)償?shù)慕Y(jié)果。 基于了亮度等高區(qū)域劃分的陰影消除 在以上的照度補(bǔ)償模型中，我們假設(shè)一個(gè)硬陰影模型。然而，在實(shí)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(shí)現(xiàn)了均衡照度的問(wèn)題。如圖2(d)所示，因?yàn)殛幱皬?qiáng)度單調(diào)下降的陰影邊界的陰影中心，我們可以應(yīng)用的測(cè)地線模型到陰影區(qū)域分割成不同的層次，使陰影實(shí)力在同一個(gè)水平是基本一致的。然后，我們可以進(jìn)行紋理平衡照度補(bǔ)償每個(gè)夷為平地的陰影區(qū)域去除陰影。更具體地說(shuō)，我們提出了一個(gè)大地測(cè)量學(xué)的陰影去除算法（GSR），其中包含的后續(xù)四個(gè)主要的步驟?；诹炼雀叱棠Ｐ偷年幱皡^(qū)域劃分及亮度均衡結(jié)果 步驟一，mmclose—形態(tài)閉合運(yùn)算。采用灰度形態(tài)閉合運(yùn)算(結(jié)構(gòu)元素半徑為rc），對(duì)原始路面圖像進(jìn)行處理，以除去細(xì)裂縫。此步驟的目的是消除裂縫對(duì)后續(xù)陰影區(qū)域劃分的影響。因?yàn)榱芽p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(nèi)而被執(zhí)行亮度補(bǔ)償，需要在陰影區(qū)域劃分前將裂縫去掉，灰度形態(tài)學(xué)閉運(yùn)算能實(shí)現(xiàn)這一目標(biāo)，(c)(b)進(jìn)行形態(tài)閉運(yùn)算處理的結(jié)果。 步驟二，gauSmooth—高斯平滑。對(duì)上一步驟所得的結(jié)果進(jìn)行2維高斯平滑。本步操作的目的是將路面紋理進(jìn)行平滑處理，消除路面紋理對(duì)后續(xù)陰影區(qū)域劃分的影響。(d)(c)進(jìn)行平滑的結(jié)果。 步驟三，geoLevel—亮度等高區(qū)域劃分。首先計(jì)算N1個(gè)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(jí)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，其中K0=1，KN=255，算法細(xì)節(jié)見(jiàn)Algorithm 1，為了使算法具有普遍適用性，Algorithm 1將各個(gè)亮度等級(jí)區(qū)域內(nèi)的像素?cái)?shù)量保持一致；接著，選取L個(gè)較低的亮度等級(jí){Si=Gi|i=1,2,....,L}作為陰影區(qū)域，而較高的NL個(gè)亮度等B={Gi|i=L+1,L+2,...,N}作為非陰影區(qū)域，其中L取經(jīng)驗(yàn)值7N/8。(e)(d)進(jìn)行亮度區(qū)域劃分的一個(gè)結(jié)果。 步驟四，illumComp—具有紋理均衡的亮度補(bǔ)償。在原始路面影像中，應(yīng)用公式()所對(duì)應(yīng)的紋理均衡的亮度補(bǔ)償方法，對(duì)每一等級(jí)的陰影區(qū)域Si 進(jìn)行亮度補(bǔ)償。(f)顯示了最后的去除陰影的結(jié)果。 實(shí)驗(yàn)結(jié)果原始圖片：(1) mmclose—形態(tài)閉合運(yùn)算程序代碼： imageOri = imread(39。39。)。 R=8。 I=rgb2gray(imageOri)。 f1=I。 figure,imshow(f1)。 b1=strel(39。disk39。,R)。%開(kāi)運(yùn)算屬于形態(tài)學(xué)圖像處理，是先腐蝕后膨脹，作用是： %可以使邊界平滑，消除細(xì)小的尖刺，斷開(kāi)窄小的連接,保持面積大小不變等。 f2=imopen(f1,b1)。 figure,imshow(f2)。 imwrite(uint8(f2),39。39。)。結(jié)果如下：(2) gauSmooth—高斯平滑。代碼如下：[M,N]=size(s)。 %分別返回s的行數(shù)到M中，列數(shù)到N中n=2。 %對(duì)n賦初值d0=5。 %初始化d0n1=floor(M/2)。 %對(duì)M/2進(jìn)行取整n2=floor(N/2)。 %對(duì)N/2進(jìn)行取整for i=1:M for j=1:N d=sqrt((in1)^2+(jn2)^2)。 %點(diǎn)（i,j）到傅立葉變換中心的距離 h=1*exp(1/2*(d^2/d0^2))。 %GLPF濾波函數(shù) s(i,j)=h*s(i,j)。 %GLPF濾波后的頻域表示 endends=ifftshift(s)。 %對(duì)s進(jìn)行反FFT移動(dòng)%對(duì)s進(jìn)行二維反離散的Fourier變換后，取復(fù)數(shù)的實(shí)部轉(zhuǎn)化為無(wú)符號(hào)8位整數(shù)s=uint8(real(ifft2(s)))。 figure。 %創(chuàng)建圖形圖像對(duì)象imshow(s)。 %顯示GLPF濾波處理后的圖像title(39。GLPF濾波(d0=30)39。)。 %為經(jīng)GLPF濾波后的圖像添加標(biāo)題imwrite(s,39。39。)。結(jié)果如圖：(3) geoLevel—亮度等高區(qū)域劃分。(4) illumComp—具有紋理均衡的亮度補(bǔ)償代碼如下：function [g]=GSR(imageOri,imageGaosi,alfa,beta)im=imageGaosi。im2=imageOri。[COUNTS,X]= imhist(im)。figure,imshow(im)。im = double(im)。figure,bar(COUNTS)。N=3000。[x y]= size(im)。ng=(x*y)/N。p=cell(1,256)。G=cell(1,N)。i=1。sum =0。a=[]。q=[]。for k=1:256 if(isempty(find(im,k))) p{k}=nan。 else p{k}=find(im==k)。 q=[q。p{k}]。 sum = sum + length(p{k})。 if(sum = ng) G{i}=q39。 q=[]。 i=i+1。 sum = 0。 end endendG{i+1}=q39。n=i+1L=round(alfa*n)。L2 =round(beta*n)background =[]。for i= L+1:L2 background = [background。G{i}39。]。endleft =[]。for i=L2+1:n left =[left。G{i}39。]。endBstd = std(double(im2(background)))。Bmean = mean(double(im2(background)))。im3(background) = im2(background)。im3(left) = im2(left)。 flag =1。for i=1:L Sstd = std(double(im2(G{i})))。 Smean = mean(double(im2(G{i})))。 alfa = Bstd/Sstd。 im3(G{i}) = double(im2(G{i}))*alfa + Bmeanalfa*Smean。endim3= reshape(im3,x,y)。figure,imshow(uint8(im3))。g =uint8(im3)。結(jié)果如下：本章小節(jié)路面陰影不僅會(huì)造成路面圖像的亮度不均勻，而且會(huì)破壞了路面裂縫的亮度一致性，極大的增加了路面裂縫識(shí)別的難度。確定界定并消除路面影像陰影，對(duì)路面裂縫的識(shí)別非常關(guān)鍵。然而，由于路面陰影形狀不規(guī)則，并且具有極大的半影區(qū)，給陰影界定帶來(lái)了很大困難。在已有的研究中，大多陰影消除算法采用人工交互的方式劃定陰影區(qū)、半影區(qū)和非陰影區(qū)，然而，人工交互具有主觀性，效率低且容易出錯(cuò)，不適合對(duì)海量數(shù)據(jù)進(jìn)行處理。另一方面，傳統(tǒng)的亮度補(bǔ)償方法不能實(shí)現(xiàn)紋理細(xì)節(jié)的均衡。由于同一幅影像中的陰影區(qū)域和非陰影區(qū)域是在相同的曝光時(shí)間內(nèi)獲得，陰影區(qū)的紋理對(duì)比度會(huì)比非陰影區(qū)的小，傳統(tǒng)的加性亮度補(bǔ)償只能均衡陰影區(qū)和非陰影區(qū)的亮度，而不能均衡它們的紋理細(xì)節(jié)。針對(duì)路面陰影由于半影區(qū)巨大而難以界定的問(wèn)題，提出了基于亮度高程劃分的陰影區(qū)域界定方法，實(shí)現(xiàn)對(duì)陰影區(qū)及半影區(qū)的準(zhǔn)確界定。它首先運(yùn)用形態(tài)學(xué)閉合運(yùn)算去掉路面影像中的裂縫，以實(shí)現(xiàn)在亮度補(bǔ)償?shù)耐瑫r(shí)保持裂縫不受影響，然后通過(guò)高斯低通濾波計(jì)算影像各區(qū)域的平均亮度，得到不受路面紋理影響的背景估計(jì)，最后運(yùn)用形態(tài)學(xué)原理，對(duì)不同的亮度區(qū)域進(jìn)行從低到高的劃分一一亮度高程劃分。針對(duì)傳統(tǒng)的加性亮度補(bǔ)償不能均衡紋理細(xì)節(jié)的問(wèn)題，提出了乘性亮度補(bǔ)償方法。由于區(qū)域像素值的方差與其對(duì)比度密切相關(guān)，方差越大，對(duì)比度則越大，反之亦然。同時(shí)，影像的對(duì)比度也決定了影像的紋理細(xì)節(jié)，通常對(duì)比度越高，影像的紋理便越清晰，反之則越模糊。因此，可以通過(guò)調(diào)節(jié)方差，實(shí)現(xiàn)影像紋理細(xì)節(jié)的增強(qiáng)與減弱。所提的乘性亮度補(bǔ)償，在進(jìn)行亮度補(bǔ)償?shù)耐瑫r(shí)，將陰影區(qū)的方差提高到與非陰影區(qū)的方差一致，從而實(shí)現(xiàn)陰影區(qū)和非陰影區(qū)紋理細(xì)節(jié)的均衡。 以上兩者結(jié)合，得到了基于亮度高程模型的陰影消除算法(GSR），不僅能自動(dòng)界定路面陰影區(qū)域，而且在保持裂縫的同時(shí)實(shí)現(xiàn)亮度和紋理細(xì)節(jié)的同步均衡。 通過(guò)實(shí)驗(yàn)，我們驗(yàn)證了所提GSR方法在處理路面影像陰影時(shí)具有較好效果，分析了GSR中形態(tài)學(xué)閉合運(yùn)算(mmClose)模塊的必要性，以及所提乘性亮度補(bǔ)償方法的有效性。第4章 基于灰度圖像及其紋理特性的裂縫特征提取 圖像預(yù)處理 在裂縫圖像特征提取前要對(duì)其進(jìn)行預(yù)處理，預(yù)處理包括多類型圖像格式的識(shí)別、灰度化與增強(qiáng)以及圖像二制化。 多種裂縫圖像格式的識(shí)別一個(gè)圖像處理軟件首要解決的困難是多種圖像格式的識(shí)別，壓縮過(guò)的圖片是無(wú)法直接進(jìn)行數(shù)字化處理的，如JPEG, GIF等格式的圖片，這時(shí)首先要對(duì)圖像文件解壓縮。圖像的數(shù)字化處理主要針對(duì)圖像中的各個(gè)像素進(jìn)行相應(yīng)的處理。我們發(fā)現(xiàn)Windows下GIF,PNG,JPG文件都和E瀏覽器有關(guān)，所以IE支持這些格式。IImgCtx這個(gè)接口可以解碼一切能夠在IE中顯示的圖像格式，其中包括JPG,PNG, GIF, BMP, WMF, ICO，有時(shí)也能解碼TIFF。解碼后的圖像是DDB，再轉(zhuǎn)成DIB后，即可進(jìn)行常規(guī)圖像處理。 灰度化一般的攝像頭得到的裂縫圖像是24位真彩色圖，需要轉(zhuǎn)換成灰度圖，一方面便于后續(xù)更快速圖像處理，另一方面也是對(duì)處理多種顏色路面裂縫圖片進(jìn)行了統(tǒng)一。灰度化可以采用標(biāo)準(zhǔn)的平均值法。用f(x,y)表示灰度化后的灰度值，R,G,B分別表示原來(lái)真彩色圖中的紅、綠、藍(lán)分量，有:f(x, y) = (R, G, B) (1)f(x, y) = 0. 299R+ + (2) ,。下圖為處理所得原圖和灰度圖對(duì)照: 灰度拉伸大津法在圖像分割中得到了廣泛的運(yùn)用，可是我們發(fā)現(xiàn)大津法在處理裂縫圖像時(shí)，當(dāng)目標(biāo)物與背景灰度差不太明顯時(shí)，會(huì)出現(xiàn)大塊黑色區(qū)域，甚至導(dǎo)致丟失整幅圖像的信息。由此我們提出了灰度拉伸增強(qiáng)的大津法。其原理就是在大津法的原有基礎(chǔ)上通過(guò)增加灰度的級(jí)數(shù)使前后景的灰度差增強(qiáng)。灰度增加的方法是用原有的灰度級(jí)同乘以同一個(gè)系