高永博, 李斌斌

（1.甘肃省交通科学研究院集团有限公司, 甘肃 兰州 730030；2.甘肃省道路材料工程实验室, 甘肃 兰州 730030）

0 引言

近年, 随着我国公路事业的快速发展, 公路网建设已趋于饱和, 公路事业亦趋向养护维修。以前, 对于道路检测多采取人工检测的方法, 但由于其具有耗时耗力、危险系数大、检测成本高等缺点, 不能快速地对收集的数据做相关性能评价, 故已不能成为主流的道路病害检测方法[1-4］。随着高分辨率影像和高清图像处理技术的发展, 基于视频图像的道路病害智能化、自动化识别技术研究已势在必行[5-8］。Medina等[9］提出了一种红外图像增强算法, 其主要原理是将图像的灰度值映射到直方图当中, 然后采用削波直方图均衡化, 对其大直方图中的小直方图进行切割, 实现红外图像的增强；虽然该方法能较好的与原始图像形成对比, 但是没有考虑灰度不均匀性在图像中的存在。顾振飞等[10］提出了一种基于区域显著性识别的图像增强方法, 该方法首先依据图像各区域的亮度和纹理提取图像内容, 然后依据图像内容, 采用暗通道先验的方法得到图像透视图, 在此基础上, 利用导向全变分模型对区域显著的图像部分进行图像增强；该方法由于没有考虑图像灰度不均匀性, 使增强后图像的对比度下降。Abhisek等[11-13］对道路病害图像进行识别时, 使用反向传播神经网络（BP）算法实现了道路病害的归类划分, 其较高的精度满足道路检测规程的需要, 但由于未考虑特殊天气对智能检测数据的影响, 其算法还需优化。……