张徐杏

（重庆市城投路桥管理有限公司，重庆 400000）

1 数据收集和图像预处理

1.1 数据收集

本研究选择了路桥坑凼、修复后的路桥坑凼、桥梁栏杆锈蚀和高强螺栓脱落四类路桥设施缺陷作为研究对象。其中修复后的坑凼严格意义上讲并非是设施缺陷，主要作为提高坑凼的识别率存在。拍摄工具为华为P30pro，由于数据需求较大，设施缺陷寻找较困难，采用对同一缺陷不同角度、不同距离拍摄的方式补充数量。共计收集桥梁栏杆锈蚀图像718张、路桥坑凼780张、修补后坑凼800张、高强螺栓脱落图像393张，最后对每张图像进行了分类和编号，如图1所示。

图1 路桥设施缺陷及病害图像数据收集

1.2 图像增强

在对路桥设施缺陷进行图像采集过程中，由于拍摄天气、光线等因素限制，常常会出现图像呈现不完全、不清楚的情况，将对后续缺陷识别工作带来严重的不良影响[1]。为使图像使用功能更强，本研究使用了直方图平滑处理原始图像，然后使用图像锐化算法改进缺陷特征[2]。同时进一步凸显目标信息，缩减对应地方像素值较少处的灰度级。设g（i，j）为原始图像像素分布，f（i，j）为图像像素在被增强处理后的分布情况，其中i=1，2，…，m；j=1，2，…，n，具体的计算如下。

（1）针对原图，用向量s体现出其灰度直方图分布的情况。

（2）针对原图，用P（i）表示灰度分布概率，通过上一步得出的向量s计算出来，公式如下所示：

式中，Nt为总体的像素量，其总像素为Nt=m×n。

（3）计算图像灰度值的分布概率累加和Pa（i），其中令Pa（0）=0：

（4）进行直方图均衡化后的像素值为f（i，j）：