孙乙丁 崔露航

摘要：21世纪以来，我国经济发展迅速，公路建设进入大规模建设，但是公路面积的大幅的增长也带来了严重的路面养护问题，而路面破损最多的就是路面裂缝，在路面早期进行处理养护的话，就会节省很多人力物力。近年来，无人机（Unmanned Aerial Vehicle）技术发展迅速，无人机在军用侦查、抢险救灾、地质勘探、交通运输等领域具有重要实际应用意义。本文主要研究的是基于UAV的道路裂缝检测。首先，通过无人机对原始路面进行拍摄，获取路面图像，然后对采集到的原始图像进行预处理，主要包括直方图中值化、中值滤波去噪、对比度增强等；最后对路面图像进行分割，提取路面裂缝特征、对裂缝进行识别。本文利用Matlab仿真工具进行仿真实验。

关键词：路面裂缝图像；UAV图像预处理图像分割裂缝识别

一、道路图像的获取

采用无人机获取道路原始图像，使用无人机作为搭载平台，搭载高倍摄像头，给飞控系统按照规定路线编程，获取道路裂缝图像。

二、道路图像的预处理

通过无人机获取的道路原始图像中，路面裂缝与一般的线性目标相比具有目标宽度相对较小，图像对比度较低，具有分叉和杂点，具有自然间断等特点。传统的裂缝自动检测算法往往假设路面裂缝图像有较好的连续性和较高的对比度，但这中情况在实际的路面图像中往往不成立。由于受拍摄天气、路面损耗、裂缝退化等因素的影响，有一定比例的路面裂缝图像的裂缝相对于路面背景具有较低的对比性。因此，需要对路面裂缝图像进行必要的预处理。

基本的图像预处理包括：图像灰度化、图像滤波以及图像增强。

（一）图像灰度化

我们采集到的路面裂缝图像一般是彩色信息图像。图像灰度化就是把获取的路面原始彩色图像转换成灰度图像。通常彩色图像中的每个像素的颜色能通过红（R）、绿（G）、蓝（B）三色光按不同的比例和强度进行混合而成。灰度图像只有亮度信息没有色彩信息。针对路面裂缝图像检测的要求，去除不必要的色彩信息，将采集到的RGB图像转化为灰度图像。每个像素用Unit8（0～256）的强度值来表示，当R=G=B时，我们称之为灰度值。当灰度值为255时为纯白色，当灰度值为0时为纯黑色。本文采用加权平均值法对路面裂缝图像进行灰度化。

（二）图像滤波

图像滤波也称图像去噪。在采集或传输过程中，路面裂缝图像会受到人机平台或摄像头等因素的影响，图像可能会出现模糊和杂点，影响裂缝图像的检测识别和干扰结果。因此，有必要对裂纹图像进行滤波。本文从均值滤波和中值滤波两方面对图像进行去噪。

均值滤波也称邻域平均滤波。此方法是把相邻的小区域计算灰度值的平均值，且假设相邻区域与噪声比较有相关性，邻域选取相邻的8邻域。通过这种方法，可以通过计算一个像素的平均灰度值和其指定邻域内的所有像素值，并对应新图像中相应的像素值来实现滤波去噪。但是均值滤波也存在一些不足，均值滤波在平滑噪声图像时，会一定程度的模糊图像细节。所以用中值滤波代替均值滤波。

均值滤波的基本原理时把图像中的一点数值用该点的某个邻域所有的中值来代替。它的优点是运算简单且速度快，在滤除噪声尤其是滤除脉冲噪声的同时，能更好的保护信息的细节信息，例如边缘和锐角等。[1]一般使用二维中值滤波。由于受到噪声影响，裂缝图像质量会退化。很多情况下用线性滤波处理，但多数线性滤波具有低通性，去噪同时也会使图像边缘模糊。而中值滤波是一种非线性处理，能较好的处理平滑噪声，保留更多细节。

（三）图像增强

由于路面裂缝图像获取过程中受到光照、机械振动等，图像存在整体偏亮或偏暗的情况，会给后续处理带来误差，因此需要给裂缝图像进行增强处理，增强对比度。直方图可以较直观的反映图像对比度。直方图均衡化是把在较小范围内的灰度区间扩大为更大区间，从而达到增强对比度的目的。图像中裂缝区域通常较暗，平整路面较亮，但是如果光线较暗，会使裂缝区域和平整路面不易区分，而经过直方图均衡化处理可以增强对比度，突出裂缝区域。

三、图像分割

图像分割是从图像处理到图像分析很关键的一步。图像分割的目的就是把图像中的裂缝提取出来。图像分割算法有以下几种方法：边缘检测、阈值分割、区域生长。[2]本文讨论边缘检测。

边缘检测梯度算法包括滤波、增强、检测、定位。Robert算子、Sobel算子等是一阶导數算子。一般选用拉普拉斯算子，拉普拉斯算子是二阶导数算子，会丢失边缘信息，双倍增强裂缝噪声影响，不论是梯度算子还是拉普拉斯算子都很容易图像中的噪声，所以滤除噪声后再进行边缘检测，比如LoG算子，将高斯滤波和拉普拉斯边缘检测结合在一起。

四、裂缝识别和提取

图像处理方面最为广泛应用的方法是数学形态学方法，数学形态学方法有膨胀，腐蚀，开运算，闭运算。[3]先对图像进行腐蚀操作，消除物体边界缩小目标，消除小于结构元素的噪声点；再进行膨胀操作，增大目标，合并与物体接触的背景点；再进行开运算，即先腐蚀后膨胀，消除细小噪声平滑物体边界；在进行闭运算，即先膨胀后腐蚀，填充细小空洞平滑细小边界。

进行裂缝识别时，对象时二值图像，首先确定最小长短轴之比和最小面积，然后利用函数进行区域标记并计算区域属性信息，然后再进行长短轴之比滤波和面积滤波。进行裂缝形状识别时，对象也是二值图像，确定裂缝区域信息，再利用BoundingBox函数获取四个参数，然后进行高度与宽度对比，从而得出是横向裂纹还是纵向裂纹。

五、路面图像裂缝检测仿真

六、总结和展望

近年来公路发展迅速，道路病害裂缝图像检测也是近年来发展的潮流。同时图像检测可以节省很多人力物力。本文的主要工作如下：把收集到的裂缝图像进行图像预处理，包括图像灰度化、图像滤波、图像增强，进行图像分割，裂缝图像的识别和提取，进行仿真测试。

在无人机获取图像时，需要获得高质量裂缝图像，而且无人机获取的图像有多余的信息，如何去除多余信息这是需要改进的地方，由于光线问题也会使检测产生较大误差。本文再进行裂缝识别时，如果裂缝信息与图像整体相比较小，也会在滤波的时候去除，造成检测误差，这里的算法需要改进。

总而言之，路面裂缝检测还有待进一步提升，更好地运用于生活。

参考文献：

[1][2]王文峰，阮俊虎，CV-MATH，等.MATLAB计算机视觉与机器认知[M].北京：北京：航空航天大学出版社，2017.8

[3]宰柯楠.道路裂缝图像识别的算法研究[D].郑州：郑州大学2017.5