基于LBP的路面裂缝检测和破损程度估计

来源:用户上传      作者: 李 凡

　　前言
　　道路维修资源的合理分配需要定期对整个道路状况进行调查评估。传统的基于人工视觉检测裂缝的方法愈来愈不能适应公路发展的要求,表现为:费用高、耗时长、劳动强度大、危险性大,不能提供客观的检测结果[2]。路面裂纹自动检测系统可以在早期发现裂纹,有效地降低公路维修成本。国内的路面情况复杂,路面的破损度也远高于欧美国家,因而根据国内路况,对路面裂纹检测算法进行深入研究是必要的。
　　路面裂纹检测是后续裂纹分类和测量的基础,路面裂纹检测结果的优劣对后续处理的影响很大。传统的基于图像处理的裂缝检测算法[2-6]主要有2个方面的缺点:(1)数据采集自动化带来路面影像数据量异常庞大,传统的针对所有路面影像采用同一算法进行检测的流程效率低下(对有裂缝和没裂缝的路面图片始终采取同一算法处理),而当前该领域的研究者着重于针对单张影像的路面裂缝检测算法设计。(2)传统算法往往基于阈值分割把裂缝从路面中分割出来,但往往由于成像灰度不均[7]和噪声、胎痕和油污随机性的影响,难以确定自动确定合理的阈值,而不能取得预期的结果。
　　本文提出了基于LBP[1]的路面裂缝检测和路面破损估计。首先用包含裂缝的路面图片为正样本,不包含裂缝的路面图片为负样本,利用LBP特征训练一个SVM裂缝检测器。该检测器用于从海量路面影像中快速筛选出具有裂缝的路面图片,进而只需要针对具有裂缝的路面图片进行进一步的分析,而不再需要对没有裂缝的图片进行处理,在满足检测精度的同时提高海量路面影像数据处理的效率。其次,用滑动窗口技术和SVM分类器估计路面的破损情况。
　　1. 基于局部二值模式(LBP)的路面裂缝纹理特征提取
　　我们人类能够轻易地从路面上发现裂缝,在于无裂缝的的路面和有裂缝的路面在纹理上有显著的差距。并且对于裂缝检测的干扰信息胎痕和油污的纹理也跟裂缝有显著差距。于是本文采用纹理特征来区分有裂缝和无裂缝的路面,并且期望能克服胎痕和油污的干扰。
　　局部二值模式是最近发展起来到的一种理论简单但功能强大的纹理分析算法。通过近期的扩展,凭借其在应用中精度和运算方面的优势,LBP在工业视觉检测、图像检索、面部分析以及运动目标实时追踪等领域获得了很好的效果。
　　1.1 局部二值模式的定义
　　在某一灰度图像中,定义一个半径为的圆环形邻域,个邻域像素均匀分布在圆周上(图1)。设该邻域中心像元的纹理为,则可以用该邻域中个像素的函数来定义,即

转载注明来源:https://www.xzbu.com/2/view-427048.htm