英语原文共 9 页，剩余内容已隐藏，支付完成后下载完整资料
基于小波变换的路面裂缝检测与分类技术
摘要：本文提出了一种基于Beamlet变换的方法，用于自动检测和分类数字图像中的路面裂缝。所提出的方法使用路面遇险图像增强算法，通过计算消除背景照明变化的乘积因子来校正不均匀的背景照明。为了从路面图像中提取线性特征（例如表面裂缝），将图像划分为小窗口，并应用基于Beam-let变换的算法。然后将裂缝段链接在一起，并分为四种类型：垂直，水平，横向和块状。仿真结果表明，该方法有效且有效地提取了各种路面图像上的裂缝。
1 介绍
为了维护和监视当前存在的广泛而复杂的运输网络系统，非常需要快速，客观且相对便宜的自动道路检查系统。长期以来，用作检查，监视和诊断工具的视频技术和图像处理技术已集成到各个领域，尤其是在医学和遥感领域。它在交通运输中的使用也在迅速增长（Chi等，2009； Malinovskiy等，2009）。常规的路面遇险检测方法是检查员横穿道路并手动测量路面遇险物体的方法，其成本高，耗时，劳动强度大且不完善。因此，自动图像分析和图案识别将是路面检查的非常理想的选择。通常，一种自动方法是使用安装在行驶中的车辆上的摄像机捕获路面图像，然后使用计算能力从这些视频图像中识别和量化路面遇险对象。
在过去的二十年中，在开发自动路面检查系统方面进行了大量研究。Xu和Huang（2003）开发了一种用于路面开裂检查的定制图像处理算法，其中将图像分为小单元格，然后根据其局部特征将单元格分为开裂种子或非开裂种子。验证后，将一簇种子确定为实际裂缝。
Koutsopoulos和Downey（1993）提出了一种裂缝检测的光照变化补偿方法，方法是从同一系列中减去一些非危象的平均值。对于此过程的分割部分，不是像通常那样使用普通的二进制分割方法（通常将二进制值分配给对象像素一个值，将零值分配给背景像素值）生成一个二值图像，而是采用以下方法：建议。基于成为对象像素的概率，将0到3的值分配给每个像素，而背景像素则从高斯分布中得出。从具有较低均值和较高方差的相似分布中提取对象像素。然后可以从这两个分布中获得满足各种标准的阈值。
Chou等。（1994）使用来自不同类型的遇险对象的矩不变性获得特征，然后使用反向传播神经网络对特征进行分类。Georgopoulos等。（1995年）提出了一种方法，其中路面遇险对象可以通过一组矢量来表示，逼近包含该遇险的裂缝。然后将方向矢量分为水平和垂直两类，从而对裂缝进行分类。
Cheng等。（1999）提出了一种基于模糊集理论的方法。首先，提出的方法比较通过使用差异图像中的灰度级确定亮度隶属函数来确定像素及其相邻像素的暗度。然后，通过找到像素的裂纹隶属度值，将模糊的图像映射到裂纹域中。最后，检查较暗像素的连通性，以消除缺乏连通性的像素。采用图像投影算法对裂缝进行分类。
Cheng等。（2003年）还描述了一种基于神经网络的阈值化方法，可以对可以实时实现的路面图像进行分割和分类。山口等。（2008年）提出了使用改进的渗流模型作为检测路面裂缝的技术。Abdel-Qader等。（2003年）进行了桥梁裂缝检测的比较研究，涉及快速Haar变换，快速傅立叶变换以及Sobel和Canny算子。同样，蔡等人。（2010）提出了对各种分割算法的关键评估，用于路面遇险检测和分类。
近年来，在各种领域也探索了离散小波变换（DWT）的使用，例如，用于交通事故检测（Adeli and Karim，2000; Adeli and Samant，2000; Samant and Adeli，2000）。 2000，2001; Karim和Adeli，2002a，b，2003; Ghosh-Dastidar和Adeli，2003）;用于癫痫发作检测和癫痫诊断（Adeli等，2003）；用于地震记录的时频信号分析（Zhou和Adeli，2003a，b； Spanos等，2007； Montejo和Kowalsky，2008； Yazdani和Takada，2009）。用于高速公路工作区的流量建模和拥塞特征提取（Adeli和Ghosh-Dastidar，2004年）。其他研究使用DWT进行交通流分析（Jiang和Adeli，2004； Xie等，2007）。用于建筑物/桥梁的振动控制（Adeli和Kim，2004； Kim和Adeli，2005a，b，c，d； Jiang和Adeli，2008a，b）；用于高层建筑的非线性识别（Jiang和Adeli，2005）；用于检测梁的损伤和裂缝（Pakrashi等，2007； Umesha等，2009）。
具体来说，Wang等。（2007）和Zhou等。（2005，2006）提出了一种基于DWT的路面破损检测算法。使用快速小波变换，可以将路面图像分解为不同的频率子带。小波系数的大小表示遇险程度。Javidi等。（2003年）定义了两个小波，分别是二维平滑三次样条小波函数沿x和y的偏导数。通过测量小波变换最大值的各个尺度上的演化，可以将背景噪声与裂缝像素分离。然后将裂纹图图像投影到Hough变换域中，以量化给定图像中主要裂纹的数量。
从背景中提取裂缝后，剩下的问题涉及裂缝的连通性和分类。逐像素检查和连接裂纹是一个耗时的过程，尤其是在图像尺寸较大时。
在本文中，最初引入了图像增强算法来消除路面图像中的不均匀照明。所提出的使用乘数因子校正背景照明的方法是对Cheng等人在较早时候开发的方法的改进。（1999）。在我们的方法中，我们使用背景像素消除了过程中的裂纹和可疑像素，从而消除了任何不均匀的照明。然后使用Beamlet变换提取裂纹特征。Beamlet变换最初由Donoho和Huo（2001）提出，是线性结构的多尺度表示。尽管小波变换为空间的固定区域提供了多尺度的局部化信息，但是小波变换是专门为局部化的多尺度动态组织线段设计的。已知小波变换在线性特征提取中对噪声有效且鲁棒。
最后，将提取的路面裂缝链接在一起，并分为四种类型：垂直，水平-水平，对角线和块状。本文采用了Beam-let变换技术，以从路面图像提供更鲁棒和有效的裂缝检测。第6节中显示的实验结果进一步证明了我们的方法在提取各种类型的裂纹方面的有效性。
2 不均匀的背景去除
来自具有路面裂缝的图像的强度矩阵包含三种类型的变化：（1）背景照明不均匀（具有非常低频的信号）；（2）路面遇险或非遇险不平整，例如表面有污渍或深色物质（边缘有高频成分）；和（3）异质材料和粒度（具有随机，高频或中低振幅信号）引起的噪声。Cheng和Miyo-jim（1998）讨论了路面图像的组成。另外，由于路面组合物的性质，特别是由于矿物聚集体的存在，健康的路面表面会出现质地变化，这会导致颜色的强烈变化。通常，照明度和表面反射率的乘积确定图像中的像素强度值。对于自动路面裂缝检测系统，由于不均匀的照明条件和路面的反射率，背景在不同区域的强度可能不同。亮度信息是检测裂纹的关键，因此背景不均匀会导致分类错误。必须消除不均匀的背景强度影响，以使背景具有均匀的平均强度。
考虑路面图像中的像素p，其强度B（p）由代表背景照明的三个分量Bb（p），Bc（p）和Bn（p）组成信号，裂纹产生的信号和噪声分量。像素强度值可以由以下公式表示：
|
B( p) = Bb( p) Bc ( p) Bn( p) |
(1) |
要提取裂纹特征，需要对路面图像进行阈值处理。但是，路面图像通常在Bb（p）分量中具有高振幅，因此不均匀的背景将使阈值操作失败。为了从图像中提取裂纹信息，有必要将背景成分Bb（p）转换为恒定强度值B，即Bb（p）= B，其中B为任意选择的非零灰度。
Cheng和Miyojim（1998）提出了乘数因子方法。通过将路面图像划分为较小的矩形窗口并检查每个窗口的平均值，可以为每个窗口计算一个乘数，该乘数可以将每个窗口的平均值转换为目标值。该方法基于路面图像的照度平滑变化的假设。因此，当强度突然下降时，将其视为裂纹窗口，然后将该窗口的平均值替换为相邻窗口的平均值。但是，缺点是，如果在一个以上的块上发生裂纹，则此方法将失败。因此，稍后提出了一种新的非均匀背景去除方法。
该过程从将图像划分为较小的窗口开始，其想法是使用一个因子将每个窗口的平均值调整为目标值B。但是，某些图像窗口包含裂纹或其他物体，其中裂纹灰度级总是低很多，导致块中灰度值的平均值较低。因此，必须消除裂纹和其他不希望的元素的影响。建议的消除不均匀背景的方法可以归纳为以下步骤：
- 将图像划分为矩形窗口。窗口的大小可以随输入图像的大小和类型而变化。
- 计算每个窗口的平均值（Gmean），最小值（Gmin）和最大值（Gmax）。
- 对于每个窗口，设置一个上限（rh）和一个下限（rl），对于该上限，灰阶以外的点被视为噪声，裂纹像素或其他对象的可疑点在路上。根据经验，我们将限制因子设置为总范围的60％，该限制因不同的图像数据集而变化。因此，范围[rl，rh]由以下公式确定：
|
rh = Gmean (Gmax minus; Gmean) times; 60% |
(2) |
|
rl = Gmean minus; (Gmean minus; Gmin) times; 60% |
(3) |
在我们的实验中，限制因素设为60％；但是，此值可能随不同类型的图像而改变。因此，限制因素的选择限制了算法的完全自动化。
- 除可疑点外，重新计算灰度级Gmean的平均值。注意，Gmean是每个窗口的更新平均值，未考虑噪声和裂纹像素。
- 幅度校正因子的计算公式为：f = B / Gmean，其中B是目标背景值。在我们的实验中，原始图像的平均值用于B。要将窗口的背景修改为所需的背景值B，将窗口中包括裂缝和噪声像素的每个点都乘以f，即，Irsquo;= Itimes;f。但是，在窗口中存在许多裂纹像素的情况下，非裂纹像素的强度可能会增加。因此，对于强度值高于B的像素，其原始值将保持不变或被值B代替。
图1a显示了背景不均匀的路面图像。图1b和c分别显示了行扫描和列扫描的强度曲线。不均匀背景去除的结果显示在相应的图2a，b和c中。图3a显示了带有突出阴影的图像示例。窗口大小分别为16times;16和4times;4的非均匀改进后的结果分别显示在图3b和c）中。结果表明，较小的窗口大小将提供更平滑的结果。然而，较小的窗户尺寸可能不适用于大面积的路面缺陷，例如，一个坑洞，其面积覆盖了整个窗户。这意味着较小的窗口更有可能导致错误。在以下实验结果中，使用的窗口大小为16times;16。
（a） (b) (c)
图1.（a）背景不均匀的路面图像；（b）原始图像x方向的平均灰度图；（c）在原始图像的y方向上的平均灰度图
（a） (b) (c)
图2.（a）窗口尺寸为4times;4的改进的路面图像；（b）去除背景不均匀后在x方向上的平均灰度图；（c）去除背景不均匀后，y方向的平均灰度图
（a） (b) (c)
图3.（a）原始路面图像；（b）窗户尺寸为16times;16的改善的路面图像；（c）窗口尺寸为4times;4的改进的路面图像
3 小波变换
用于路面裂缝检测的传统信号检测算法通常基于像素级处理，并且大多数算法的信噪比非常差。通常，路面图像中出现裂缝具有线性特征，嵌入噪声中并且不连续。此外，路面图像具有特定的图案，这使得使用传统的基于像素的方法检测裂缝变得更加困难。经证明，子束变换对噪声不敏感，计算效率高，并且能够高精度检测特征。子束是在不同位置，方向和比例下所有线段的简单按序组织的集合。子束变换是沿着所有子束集合的线积分的集合。这种方法允许提取线性特征，例如嘈杂图片中的边缘，而传统方法可能会失败。
剩余内容已隐藏，支付完成后下载完整资料
资料编号：[607247]，资料为PDF文档或Word文档，PDF文档可免费转换为Word
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
