【正文】 指導(dǎo)教師： ， 年 月 日學(xué)生姓名： ，專業(yè)年級： 系負(fù)責(zé)人審核意見（從選題是否符合專業(yè)培養(yǎng)目標(biāo)、是否結(jié)合科研或工程實(shí)際、綜合訓(xùn)練程度、內(nèi)容難度及工作量等方面加以審核）： 系負(fù)責(zé)人簽字： ， 年 月 日摘要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。路面裂縫是評估道路狀況，并進(jìn)行必要的道路維修的重要信息?；诩僭O(shè)沿裂縫的強(qiáng)度通常低于背景的強(qiáng)度，周圍的路面，強(qiáng)度閾值已被廣泛使用于檢測裂紋。此外，路面陰影往往導(dǎo)致路面圖像的照度不均勻，其還可以降低該閾值設(shè)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的許多散斑噪聲誤認(rèn)為裂紋片段。傳統(tǒng)的基于圖像的路面裂縫檢測方法通常假設(shè)路面裂縫圖片具有較高的對比度和較好的連續(xù)性，但實(shí)際生活中往往不是這樣的。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(biāo)，給裂縫的自動化識別帶來了很大的困難。然后對去除陰影后的裂縫進(jìn)行預(yù)處理，最后做裂縫提取。 2) Pavement various textures bring a large number of dotlike noise。其中： 。 、研究內(nèi)容、研究方法及擬解決的關(guān)鍵問題。 研究的背景與意義 目前，我國高等級公路的建設(shè)取得空前發(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，截至2011年底，全國高速公路通車總里程已達(dá)8.}萬公里，二級以上公路達(dá)到4萬公里?！秶抑虚L期科學(xué)和技術(shù)發(fā)展規(guī)劃綱要》將“交通運(yùn)輸基礎(chǔ)設(shè)施建設(shè)與養(yǎng)護(hù)技術(shù)及裝備”作為重點(diǎn)領(lǐng)域及其優(yōu)先主題。在此背景下，公路路面養(yǎng)護(hù)自動化的研究也得到越來越多的重視。而路面裂縫類病害作為是路面破損檢測的重要內(nèi)容，其自動化檢測一直是公路路面破損檢測的熱點(diǎn)和難點(diǎn)。隨著科技的進(jìn)步，圖像檢測技術(shù)得到了快速的發(fā)展，由于其具有檢測速度快、測量準(zhǔn)確、自動化程度高、獲取信息豐富等特點(diǎn)，已經(jīng)廣泛應(yīng)用于工業(yè)在線表面質(zhì)量檢測等領(lǐng)域。目前的商業(yè)化系統(tǒng)仍需人工交互來實(shí)現(xiàn)從圖像中提取路面裂縫，其工作內(nèi)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。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。 國內(nèi)外研究現(xiàn)狀 路面裂縫是典型的線狀目標(biāo)，其增強(qiáng)與提取屬于線狀目標(biāo)檢測的研究范疇。本節(jié)內(nèi)容首先回顧國內(nèi)外對線狀目標(biāo)檢測的研究，然后介紹基于影像的路面裂縫檢測的研究進(jìn)展。隨著人類活動范圍的不斷擴(kuò)大，圖像處理的應(yīng)用領(lǐng)域也將隨之不斷擴(kuò)大。早期圖像處理的目的是改善圖像質(zhì)量，它以人為對象，以改善人的視覺效果為目的。常用的圖像處理方法有圖像增強(qiáng)、復(fù)原、編碼、壓縮等。他們對航天探測器徘徊者7號在1964年發(fā)回的幾千張月球照片進(jìn)行圖像處理，如幾何校正、灰度變換、去除噪聲等，并考慮了太陽位置和月球環(huán)境的影響。在以后的宇航空間技術(shù)探測研究中，數(shù)字圖像處理技術(shù)都發(fā)揮了巨大的作用。1972年英國EMI公司工程師Housfield發(fā)明了用于頭顱診斷的X射線計算機(jī)斷層攝影裝置，也就是我們通常所說的CT（Computer Tomograph）。1975年EMI公司又成功研制出全身用的CT裝置，獲得了人體各個部位鮮明清晰的斷層圖像。從20世紀(jì)70年代中期開始，隨著計算機(jī)技術(shù)和人工智能、思維科學(xué)研究的迅速發(fā)展，數(shù)字圖像處理技術(shù)向更高、更深層次發(fā)展。很多國家，特別是發(fā)達(dá)國家投入更多的人力、物力到這項(xiàng)研究，取得了不少重要的研究成果。20世紀(jì)80年代末期，人們開始將其應(yīng)用于地理信息系統(tǒng)，研究海圖的自動讀入、自動生成方法。數(shù)字圖像處理技術(shù)的大發(fā)展是從20世紀(jì)90年代初開始的。Mallat在1988年有效地將小波分析應(yīng)用于圖像分解和重構(gòu)。隨后數(shù)字圖像處理技術(shù)迅猛發(fā)展，到目前為止，圖像處理在圖像通訊、辦公自動化系統(tǒng)、地理信息系統(tǒng)、醫(yī)療設(shè)備、衛(wèi)星照片傳輸及分析和工業(yè)自動化領(lǐng)域的應(yīng)用越來越多。屬于這些領(lǐng)域的有航空航天、生物醫(yī)學(xué)工程、工業(yè)檢測、機(jī)器人視覺、公安司法、軍事制導(dǎo)、文化藝術(shù)等。 第二章 數(shù)字圖像預(yù)處理 引言 圖像預(yù)處理是相對于圖像識別、圖像理解而言的一種前期處理。例如，從美學(xué)的角度會感到圖像中物體的輪廓過于鮮明而顯得不協(xié)調(diào)；按檢測對象物大小和形狀的要求看，圖像的邊緣過于模糊；在相當(dāng)滿意的一幅圖像上會發(fā)現(xiàn)多了一些不知來源的黑點(diǎn)或白點(diǎn)；圖像的失真、變形等。 改善圖像質(zhì)量的處理稱為圖像預(yù)處理，主要是指按需要進(jìn)行適當(dāng)?shù)淖儞Q突出某些有用的信息，去除或削弱無用信息，如改變圖像對比度，去除噪聲或強(qiáng)調(diào)邊緣的處理等。所以我們首先將其進(jìn)行預(yù)處理，以使實(shí)驗(yàn)效果更理想。本章將用部分方法對圖像進(jìn)行處理。而且后續(xù)的一些處理方法也要求圖像是灰度圖，所以我們首先對裂縫圖像進(jìn)行灰度化處理。在RGB模型中，如果R=G=B時，則彩色表示一種灰度顏色，其中R=G=B的值叫灰度值，因此，灰度圖像每個像素只需一個字節(jié)存放灰度值（又稱強(qiáng)度值、亮度值），灰度范圍為0255。 f1(i,j)=R(i,j)。f3(i,j)=B(i,j) 21其中fk(i,j)(k=1,2,3)為轉(zhuǎn)換后的灰度圖像在（i,j）處的灰度值。f(i,j)=max(R(i,j),G(i,j),B(i,j)) 22 將彩色圖像中的三分量亮度求平均得到一個灰度值。由于人眼對綠色的敏感最高，對藍(lán)色敏感最低，因此，按下式對RGB三分量進(jìn)行加權(quán)平均能得到較合理的灰度圖像。 結(jié)果如圖： 原圖： 圖1 原圖灰度后圖片： 圖2 灰度后 由于我們后面的各種處理包括預(yù)處理都需要把圖像轉(zhuǎn)為灰度圖像，所以對圖像進(jìn)行灰度處理還是很有必要的。減少數(shù)字圖像中噪聲的過程稱為圖像去噪。所以本節(jié)我們針對裂縫圖像進(jìn)行去噪。一幅圖象在實(shí)際應(yīng)用中可能存在各種各樣的噪聲,這些噪聲可能在傳輸中產(chǎn)生,也可能在量化等處理中產(chǎn)生。人們對其生成原因及相應(yīng)的模型作了大量研究[3]:電子噪聲。光電子噪聲。感光片顆粒噪聲。在大多數(shù)情況下，顆粒噪聲可用高斯白噪聲作為有效模型。 去噪方法對隨時間變化的信號，通常采用兩種最基本的描述形式，即時域和頻域。對應(yīng)的圖像的去噪處理[4]方法基本上可分為空間域法和變換域法兩大類。變換域法是在圖像的變換域上進(jìn)行處理，對變換后的系數(shù)進(jìn)行相應(yīng)的處理，然后進(jìn)行反變換達(dá)到圖像去噪的目的。設(shè)一幅圖像f(x,y)為NN的陣列，處理后的圖像為g(x,y)，它的每個像素的灰度級由包含(x,y)領(lǐng)域的幾個像素的灰度級的平均值所決定，即用下式得到處理后的圖像: 式中x,y=0,1,2,....,N1；s是以(x,y)點(diǎn)為中心的鄰域的集合，M是s內(nèi)坐標(biāo)總數(shù)。半徑愈大，則圖像模糊程度也愈大。2 中值濾波中值濾波是一種非線性濾波，由于它在實(shí)際運(yùn)算過程中并不需要圖像的統(tǒng)計特性，所以比較方便。在一定的條件下，可以克服線性濾波器所帶來的圖像細(xì)節(jié)模糊，而且對濾除脈沖干擾及圖像掃描噪聲最為有效。中值濾波的基本原理是把數(shù)字圖像或數(shù)字序列中一點(diǎn)的值用該點(diǎn)的一個鄰域中各點(diǎn)值的中值代替。用數(shù)學(xué)公式表示為: 例如：有一個序列為{0，3，4，0，7}，則中值濾波為重新排序后的序列{0，0，3，4，7}中間的值為3。因此平均濾波的一般輸出為: 對于二位序列{Xij}進(jìn)行中值濾波時，濾波窗口也是二維的，但這種二位窗口可以有各種不同的形狀，如線狀、方形、圓形、十字形、圓環(huán)形等。對于有緩變的較長輪廓線物體的圖像，采用方形或圓形窗口為宜，對于包含尖頂角物體的圖像，適宜用十字形窗口。與平均濾波器相比，中值濾波器從總體上來說，能夠較好地保留原圖像中的躍變部分。用濾波的方法濾除其高頻部分就能去掉噪聲使圖像得到平滑由卷積定理可知: 式中，F(xiàn)(u,v)是含噪聲圖像的傅里葉變換，G(u,v)是平滑后圖像的傅里葉變換，H(u,v)是低通濾波器傳遞函數(shù)。1 小波去噪 近年來，小波理論得了非常迅速的發(fā)展，由于其具備良好的時頻特性和多分辨率特性，小波理論成功地在許多領(lǐng)域得到了廣泛的應(yīng)用。在圖像去噪領(lǐng)域中，應(yīng)用小波理論進(jìn)行圖像去噪受到許多專家學(xué)者的重視，并取得了非常好的效果。歸結(jié)起來主要有三類:模極大值檢測法、閾值去噪法和屏蔽(相關(guān))去噪法。 小波閾值去噪的基本思路是：（1）先對含噪信號f(k)做小波變換，得到一組小波系數(shù)Wj,k；（2）通過對Wj,k進(jìn)行閾值處理，得到估計系數(shù)，使得與Wj,k兩者的差值盡可能小；（3）利用進(jìn)行小波重構(gòu)，得到估計信號f(k)即為去噪后的信號。對f(k)連續(xù)做幾次小波分解后，有空間分布不均勻信號s(k)各尺度上小波系數(shù)Wj,k在某些特定位置有較大的值，這些點(diǎn)對應(yīng)于原始信號s(k)的奇變位置和重要信息，而其他大部分位置的Wj,k較??；對于白噪聲n(k)，它對應(yīng)的小波系數(shù)Wj,k在每個尺度上的分不都是均勻的，并隨尺度的增加，Wj,k系數(shù)的幅值減小。估計小波系數(shù)的方法如下，?。? 定義： 稱之為硬閾值估計方法。其基本原理是用均值替代原圖像中的各個像素值,即對待處理的當(dāng)前像素點(diǎn)(x,y),選擇一個模板,該模板由其近鄰的若干像素組成,求模板中所有像素的均值,再把該均值賦予當(dāng)前像素點(diǎn)(x,y) ,作為處理后圖像在該點(diǎn)上的灰度g(x,y) ,即,其中,s為模板,M為該模板中包含當(dāng)前像素在內(nèi)的像素總個數(shù)。其基本原理是用均值替代原圖像中的各個像素值,即對待處理的當(dāng)前像素點(diǎn)(x,y),選擇一個模板,該模板由其近鄰的若干像素組成,求模板中所有像素的均值,再把該均值賦予當(dāng)前像素點(diǎn)(x,y) ,作為處理后圖像在該點(diǎn)上的灰度g(x,y) ,即,其中,s為模板，M為該模板中包含當(dāng)前像素在內(nèi)的像素總個數(shù)。39。 l=b(:,:,1)* + b(:,:,2)* + b(:,:,3)*。salt amp。,)。gaussian39。 K1= filter2(fspecial(39。,3),J)/255。3*3的椒鹽噪聲均值濾波39。average39。 subplot(122),imshow(K2) title(39。)(2) 中值濾波中值濾波是基于排序統(tǒng)計理論的一種能有效抑制噪聲的非線性信號處理技術(shù)。其具體的操作是:首先確定一個以某個像素為中心點(diǎn)的領(lǐng)域,一般為方形領(lǐng)域(如3 * 5 * 5的矩形領(lǐng)域),然后將領(lǐng)域中的各個像素的灰度值進(jìn)行排序。當(dāng)窗口在圖像中上下左右進(jìn)行移動后,利用中值濾波算法可以很好地對圖像進(jìn)行平滑處理。39。 l=b(:,:,1)* + b(:,:,2)* + b(:,:,3)*。salt amp。,)。gaussian39。 K1 = medfilt2(J)。 subplot(1,2,1),imshow(K1) title(39。) subplot(1,2,2),imshow(K2) title(39。)(3) 小波變換小波變換是一種窗口大小固定但其形狀可改變的時頻局部化分析方法。對于一副圖像，我們關(guān)心的是它的低頻分量，因?yàn)榈皖l分量是保持信號特性的重要部分，高頻分量則僅僅起到提供信號細(xì)節(jié)的作用，而且噪聲也大多屬于高頻信息。如下即分別為用小波變換對加有高斯噪聲、椒鹽噪聲的圖像處理后的對比圖: load sinsin b = imread(39。)。 J = imnoise(l,39。 pepper39。k = imnoise(l,39。,0,)。den39。wv39。xd = wdencmp(39。,J,39。,2,thr,sorh,keepapp)。加椒鹽噪聲39。椒鹽圖像小波去噪39。den39。wv39。xd = wdencmp(39。,k,39。,2,thr,sorh,keepapp)。加高斯噪聲39。高斯圖像小波去噪39。領(lǐng)域平均法有力地抑制了噪聲,同時也由于平均而引起了模糊現(xiàn)象,模糊程度與領(lǐng)域半徑