基于图像处理技术的路面破损自动检测研究进展

基于图像处理技术的路面破损自动检测研究进展

0路面破损检测技术道路质量对驾驶员的安全、舒适度、经济效率和道路使用周期有重要影响。随着公路交通运输业的发展,人们对公路路面质量及其养护提出了更高的要求。我国现有公路里程已经超过130万公里,90年代以前,由于对路面管理缺乏系统的数据采集、评价,科学的养护决策及对路面破损的定量评价,造成养护资金浪费、路面质量下降及使用费用增加。为改变这种状况,适应现代化、大规模、高速度和高质量的公路养护管理要求,许多交通管理部门都实施了路面管理系统(PMS)。但路面管理系统所采集的路面破损数据仍主要采用人工检测,难以对路面破损进行客观和准确的评价。因此,研究路面破损自动检测技术,并结合高新技术来开发和设计高效、快速、准确的路面破损自动检测系统具有重要的意义。对此,国内外的许多研究人员都进行了深入的研究,特别是利用摄影或摄像技术开发路面破损信息采集系统,运用图像识别等技术处理路面破损信息已经成为本领域的研究热点。图像识别包括图像预处理、图像分割、目标描述、图像分类等几个环节,由于路面破损图像内容复杂,加上受到一些噪声的干扰,常规的图像识别处理方法难以完成路面破损图像识别问题。因此,一些人工智能处理方法如神经网络、专家系统、模糊逻辑、遗传算法等在路面破损图像识别研究中也得到广泛关注。本文将对路面破损图像识别技术的研究进展进行简要综述。1道路损坏图像采集技术1.1路面图像数据处理采用何种传感器技术是获取路面破损数据的关键问题。Mendelsohn提出的检测路面破损的方法有视觉图像检测方法、路面轮廓检测法和超声波方法。检测路面轮廓主要采用路面轮廓分析仪。如果轮廓分析仪的分辨率足够高,则用来检测路面破损非常理想。然而当路面的采样宽度为4m、采样点间隔为2.5mm、检测车以89km/h行驶时,轮廓分析仪则需要每分钟读取15000000个数据,现存的轮廓分析仪根本达不到这个要求。超声波检测法通过超声波传感器接收路面反射的超声波来检测路面是否存在破损。目前一些超声波检测设备的分辨率和动态响应范围较小,限制了其在路面破损检测上的应用。可见,视觉图像检测是路面破损检测最为可行的方法。获取路面图像数据可以采用模拟图像数据及数字图像数据,可以是线扫描,也可以是面阵扫描等等。处理路面破损图像数据常见的过程如图1所示。通过面阵扫描的CCD摄像机拍摄路面图像,经过数字化处理后,利用计算机视觉技术识别路面破损。随着CCD摄像机数字化程度的提高,路面破损图像的数字化过程可由摄像机直接完成,路面图像数据可通过计算机USB、IEEE1394等接口直接传输到计算机内存。线扫描摄像机一次只扫描1行,其分辨率可高达每行6000个像素,数据的采样频率为30MHz。在进行数据处理时,首先将多行线扫描图像拼成平面,然后对图像进行处理分析。近年来,高性能的数字化线扫描摄像机也被尝试应用于路面图像采集,但线扫描摄像机需要高亮度的辅助光源。因此,在普通的路面破损检测系统中线扫描摄像机应用并不广泛。1.2路面图像压缩由于路面破损图像存储数据量大,因而路面破损图像压缩极为重要。目前,路面信息的静止图像一般采用JPEG格式进行压缩。JPEG是静止图像压缩的国际标准,由国际标准化组织(ISO)和国际电信联盟(ITU)于1991年制定的,它包括3种编码系统:①基于DCT的有损编码基本系统。可用于绝大多数压缩应用场合;②用于高压缩比、高精确度或渐进重建应用的扩展编码系统;③用于无失真场合的无损系统。JPEG对摄像机质量的静止图像的压缩率一般可达到25∶1。路面信息的序列图像采用MPEG-Ⅱ标准进行压缩。MPEG-Ⅱ标准是由上述2个组织的运动图像专家组于1993年制定的第2个运动图像压缩标准,适用于从普通电视到高清晰度电视(30~40Mbit/s)的带宽范围。此压缩标准主要用于场景变化很快的情况。一般情况下,JPEG和MPEG格式的图像压缩由硬件来完成,因此路面破损图像可实时采集、压缩、存储。近年来路面图像压缩技术的研究主要是小波变换和分形图像编码等大压缩比算法的应用。小波变换是Fourier变换、Gabor变换等在数学上的一个自然延伸,具有良好的空间-频率局部化特征,非常适合非平稳信号分析,因而在图像压缩中得到应用。在静止图像压缩的新标准JPEG2000中,编码变换就采用了小波变换,大大提高了图像的压缩质量。分形图像编码利用分形几何原理对图像进行压缩编码,特别是对于极不规则、没有特定尺寸、无法用函数描述形状的图像可获得较大的压缩比。JLeBlanc,MAGennert等就曾利用分形编码技术来压缩路面裂纹图像,获得了较大的压缩比。1.3路面信息采集车近年来,CCD技术取得了惊人的发展。CCD摄像机具有较高的动态范围、分辨率、灵敏度,CCD摄像机配有电子快门即可用于场景图像采集。由于计算机视频、计算机图像技术的发展,通过视频采集卡或图像采集卡即可将CCD摄像机的视频信号采集到计算机的内存中,实时显示、存储、处理。目前,高档的CCD摄像机采用DSP技术能够有效地实现逆光的背景补偿,自动跟踪白平衡,并以数字化图像再现原始图像,计算机通过接口可直接处理CCD摄像机所采集的图像。随着计算机硬件的迅速发展,基于CCD摄像机的数字化图像系统成本大大降低。因此,在数字化路面破损自动检测系统的开发中CCD摄像机和计算机图像处理技术得到了广泛应用。典型的有ARRB交通研究所开发的路面信息检测车(图2a)、美国PAVEDEX公司开发的路面信息检测系统PAS1(图2b)、美国南达科塔交通运输部研制的路面信息检测车(图2c),澳大利亚NSW公路交通局与CRISO公司共同开发的自动化路面破损检测车RoadCrack(图2d)等。ARRB路面信息采集车采集路面图像时,最高车速可达100km/h,面阵CCD摄像机安装在检测车的顶部,摄像机的水平分辨率为570电视线。当摄像机的焦距为1.4mm时,最小照度为0.04lux,CCD摄像机采集的图像可实时显示在车载计算机的屏幕上,并实时存储在计算机的硬盘中。离线处理路面图像数据时,检测的路面裂纹最小可达3mm。PAS1系统(包括路面信息采集检测车和离线图像处理系统),采集路面信息时,车速可达88.5km/h,具有700电视线水平分辨率的CCD摄像机安装在汽车的顶部并垂直于路面,以减小阳光对摄像机的干扰。摄像机最小照度为5.5lux,可自动调焦并具有电子快门。此外,摄像机还具有RS232串行口,可与车载计算机进行直接通信。车载计算机为普通的奔腾系列的兼容机,摄像机所采集的图像存储在一个专用的具有SCSI接口的硬件中,其容量达9GB。车上安装有23cm的彩色高分辨率监视器,通过监视器可以观察摄像机采集的图像是否清晰,以便精调摄像机。检测车还安装有高精度的距离传感器,用于控制存储图像的空间频率。摄像机每秒可采集30帧的图像,图像取景宽度大约为一个车道,检测到的路面裂纹最小宽度为1.5mm。在采集图像前,操作者从键盘输入检测路段的起点、终点、检测时间、检测方向、路标或地形特征等。摄像机采集的图像通过计算机主板的ISA总线存储,这样计算机的CPU可以进行其它的操作。为了保证图像的高质量,在存储图像时采用4∶1的压缩比,图像的水平分辨率为550水平线,远远高于VHS和S-VHS录像带的分辨率。若按15.24m间隔存储一幅图像,该系统可采集3368km的路面图像。美国南达科塔州交通运输部研制的路面信息检测车引入了网络技术,不但可以利用计算机实时采集、压缩、存储路面图像,而且可同时将路面图像文件和路面信息数据上传到网络服务器中,用户通过网络即可访问这些数据。RoadCrack路面破损自动检测车将数据采集系统安装在底盘上,且安装了特殊的反光装置,从而保证了车辆高速行驶时,数码摄像机可以正常拍摄路面信息。该检测车可以检测各种路面裂缝,检测速度可达10~105km/h,检测裂缝的最小宽度可达1mm,检测路面宽度为5m。该车还备有GPS系统,可以记录路面破损位置信息。2路面破损自动识别在路面破损图像识别中,不但需要识别路面破损的类型,而且需要识别路面的破损程度,因此路面破损自动识别一直是路面破损自动检测技术中的难题。路面破损图像识别过程一般有2个步骤:①路面破损图像采集。主要包括前述的路面破损图像的采集和获取、数字化、压缩编码等。②路面破损图像分析。包括路面破损图像预处理、描述和识别、路面破损程度评价等。2.1路面破损图像路面破损图像预处理主要包括:图像增强、去除噪声、图像分割等。由于路面状况复杂,路面破损图像易受到路面上一些噪声(如杂物、沙石、轮胎痕迹、油迹等)的影响,因此有必要研究路面破损图像增强以及去除路面噪声等技术。图像增强的目的是改善图像的视觉效果,并把图像处理成为适于计算机分析的某种形式。路面破损图像增强包括去除图像的噪声、增强图像中目标的边缘等。其方法很多,如常用的空域滤波、边缘增强等。SiriphanJitprasithsiri利用中值滤波的方法增强路面破损图像。中值滤波是一种非线性滤波,能去除一定噪声,且图像目标的边缘不会变坏。当路面破损图像内容不复杂时,采用该方法增强图像效果较好。Koutsopoulos等利用差影法,将路面破损图像像素灰度值与一副标准的无破损的路面图像像素灰度值相减,从而增强路面破损图像中的目标。一般情况下路面破损图像较为复杂,因此基于模糊、先验知识等人工智能技术的路面破损图像增强方法得到许多研究人员的关注。Chou等利用模糊技术增强路面破损图像,在最大模糊熵的基础上选取模糊化的阈值,并根据样本图像建立了一个非线性等式,去除由于亮度不一致所引起的路面图像噪声。H.D.Cheng等根据路面图像灰度信息的先验知识提出了一种路面破损图像增强的方法,效果较好,但其计算处理时间较长。图像分割是把图像中的目标分为许多感兴趣的区域(AreaofInteresting)与图像中各种物体目标相对应的过程。经过图像分割后才能将原始图像转化为更抽象、更紧凑的形式,使更高层的分析和理解成为可能。图像分割方法主要有基于边界的图像分割与基于区域的分割技术。常见的图像分割的手段有边缘检测、微分算子、直方图变换、哈夫变换、区域生长、形态学处理等。不少研究人员对路面破损图像分割进行了深入的研究。Velinsk等提出利用直方图分析的方法,假设含有破损区域的路面破损图像灰度直方图具有双峰性,并据此确定灰度阈值,对路面破损图像进行分割处理。对于路面破损较为明显的区域该方法较为有效;Li等提出利用Sobel边缘检测算法,设定路面噪声区域的周长小于20像素,而路面破损区域的周长大于20像素,从而去除噪声,并得到路面破损图像分割的结果。但路面破损图像内容复杂时,采用定值判据,难免导致误判;Gasprin等采用区域生长技术对路面破损图像进行分割处理;BhagvatiC等探讨利用数学形态学检测路面破损的可行性。以上这些算法没有考虑到路面破损自然的属性,算法的适用范围不太广泛。针对这种情况,H.D.Cheng等提出了一种路面破损模糊分割方法。其主要思想是:路面破损图像中破损区域的像素灰度值比非破损区域中的小,且具有连续性。在该算法中首先提出了经差分处理后路面图像像素灰度值的隶属度函数,并利用遗传算法确定该隶属度函数的参数;接着对路面破损图像进行模糊化处理;最后根据破损区域像素连续性的特点,将破损区域像素连接起来得到路面破损图像的分割结果。该方法试验结果较好,但处理时间也较长。2.2路面破损图像特征图像描述是把分割出的物体目标用计算机中的数据、公式、符号来描述感兴趣的物体区。描述是以图像中各物体目标的特征为基础的,特征描述的数据量应远远小于原图像的数据量。因此在图像描述基础上进行路面破损识别大大减少计算量。常见的图像目标特征有:灰度特征、纹理特征和几何形状特征等。目前,对于路面破损图像特征的研究大多采用区域与几何特征来度量。图像的区域特征包括傅立叶描述特征和矩描述特征等。在路面破损图像区域特征的描述中大多以矩特征描述为主。如Chun-JungHsu等在路面破损识别中就采用Hu矩不变量和Zernike矩不变量作图像特征,SiriphanJitprasithsiri等也曾利用矩特征描述路面破损图像特征。路面破损图像的几何特征主要包括:分割后小区域的计数、骨骼化、几何形状特征(如破损区域的周长、面积等)等。M.Miyojim等对路面破损图像进行细化处理,并提取骨骼化后的路面破损的交叉点、破损区域的周长、面积、数量等几何形状特征来描述路面破损图像。熊和金则采用龟状裂缝和块状裂缝的面积以及破损区域的周长,作为龟状裂缝和块状裂缝分类器的输入特征。路面破损图像识别是对路面图像中破损的类型分类。在路面破损识别的研究中大多采用监督学习的方法设计分类器,即采用标准路面破损样本进行训练学习得到优化分类器参数。常用的路面破损分类器有贝叶斯分类器、线性分类器、非线性分类器。由于路面破损的种类繁多,加上破损程度很难用统一的解析式来描述,基于人工神经网络非线性分类算法研究成为路面破损自动识别研究的热点。Kaseko等对路面破损识别传统分类器与人工神经网络分类器进行了比较研究,指出了应用神经网络分类器识别路面破损更具有优越性。应用人工神经网络分类器主要以前馈网络分类器为主。如Chou等在研究中采用BP算法、KelvinCP等在研究中也采用了径向基网络并设计了硬件以实现路面破损识别实时处理。模糊识别、专家系统等其它人工智能技术在路面破损识别中也得到应用。例如H.D.Cheng等利用模糊逻辑结合人工神经网络实时检测路面破损,获得了比较好的分类效果;M.Miyojim等建立了基于产生式规则的专家系统,用于经过骨骼化处理后的路面破损图像识别。总之,人工神经网络等人工智能方法是实现路面破损自动化识别比较有前途的手段之一。2.3路面破损程度在路面养护管理中,需要对路面破损状况进行定期的调查,并采用路面状况指数(PCI)对路面破损状况进行评价。路面状况指数计算不但与路面破损的具体种类有关,而且与破损严重程度有关,因此许多研究人员在研究路面破损图像识别的同时也进行了路面破损程度评价的研究。如H.D.Cheng等通过测量路面破损图像中破损区域的