路面裂缝图像检测方法技术

本发明专利技术涉及一种路面裂缝图像检测方法，对采集到的路面图像进行灰度化和滤波处理，通过构建脉冲耦合神经网络PCNN模型，并利用遗传算法能在解空间非线性快速查找最优解的优势优化该模型的重要参数，迅速并准确地分割图像中的裂缝和背景；再根据分割后图像的特征，对整幅图像进行连通域检测，滤除噪声和背景纹理的干扰；最后，提取裂缝骨架，求裂缝沿骨架法向线的最大宽度，并于原图中标注。采用数字图像处理技术，利用遗传算法优化PCNN模型参数，加快了寻优，减少了PCNN的迭代次数，并使其更易收敛，分割效果抗干扰能力较强，分割更准确；利用连通域矩形度、圆度滤波以及不规则噪声滤波的方式滤除了大量无规则斑块，为裂缝的检测带来了方便。

【技术实现步骤摘要】

本专利技术涉及一种路面检测技术，特别涉及一种基于脉冲耦合神经网络和遗传算法的路面裂缝图像检测方法。
技术介绍
无论是沥青还是水泥路面，在通车一段时间后，都会由于温度应力、外间环境等因素而产生路面病害，而裂缝作为路面病害的一种，影响了路面的正常营运。因此必须有效地对路面裂缝进行检测，评估其风险性，从而能够避免潜在的危害。随着计算机技术以及其他高科技领域技术的发展，通过数字图像检测方法来识别检测裂缝已逐渐成为主流，其高灵敏性、高自动化、非接触性等特点都为裂缝检测提供了诸多方便。现有的一些裂缝检测算法通常通过设置灰度阈值来分割目标和背景，然而路面裂缝具有连续性差、对比度低，且由于路面本身存在一定干扰(如油污、斑点、碎屑等)，这些都会导致该方法的不适用甚至失效。为此，需要提供一种智能且实际有效的方法来解决该算法的不足。
技术实现思路
本专利技术是针对现在路面裂缝检测存在的问题，提出了一种路面裂缝图像检测方法，脉冲耦合神经网络PCNN和遗传算法相结合，解决由于路面存在的干扰导致检测失效问题。本专利技术的技术方案为：一种路面裂缝图像检测方法，对采集到的路面图像进行灰度化和滤波处理，然后，通过构建脉冲耦合神经网络模型，并利用遗传算法能在解空间非线性快速查找最优解的优势优化该模型的重要参数，迅速并准确地分割图像中的裂缝和背景；再根据分割后图像的特征，对整幅图像进行连通域检测，滤除噪声和背景纹理的干扰；最后，提取裂缝骨架，求裂缝沿骨架法向线的最大宽度，并于原图中标注。所述构建脉冲耦合神经网络模型，并利用遗传算法能在解空间非线性快速查找最优解的优势优化该模型的重要参数，迅速并准确地分割图像中的裂缝和背景的具体步骤如下：1)构建脉冲耦合神经网络模型，模型公式为：Fij(n)＝Sij；Lij(n)＝∑WijklYkl(n-1)； θ i j ( n ) = e - α θ θ i j ( n - 1 ) + V θ Y i j ( n - 1 ) ; ]]> Y i j ( n ) = 1 U i j ( n ) > θ i j ( n ) 0 U i j ( n ) ≤ θ i j ( n ) ; ]]>式中，Fij、Sij、Lij、Yij、Uij、θij分别为神经元的馈送输入、外部刺激、链接输入、输出、内部激活和动态阈值，Vθ为幅度常数，Wijkl为权值矩阵，αθ为衰减系数，β为链接系数，n为迭代次数；2)采用遗传算法优化脉冲耦合神经网络的参数：A：编码：采用格雷码进行编码，编码方式如表1：表1遗传基因取值范围搜索精度染色体长度αθ0.001-10.00110β0.001-10.00110Vθ0.001-1000.00117B：初始化：对遗传算法初始化种群，设定种群规模M＝30，最大迭代次数T＝150；C：适应度函数：由于裂缝本身占整幅图像的比例较小，采用最小误差阈值法对小目标有较好的分割效果，因此初设定最小误差准则函数作为染色体的适应度函数，适应度函数公式为：J＝1+2[POlogδO+PBlogδB]-2[POlogPO+PBlogPB]；式中PO、PB分别为目标裂缝和背景的正态概率密度分布，δO、δB分别表示目标和背景的标准差； P O 本文档来自技高网...

【技术保护点】
一种路面裂缝图像检测方法，其特征在于，对采集到的路面图像进行灰度化和滤波处理，然后，通过构建脉冲耦合神经网络模型，并利用遗传算法能在解空间非线性快速查找最优解的优势优化该模型的重要参数，迅速并准确地分割图像中的裂缝和背景；再根据分割后图像的特征，对整幅图像进行连通域检测，滤除噪声和背景纹理的干扰；最后，提取裂缝骨架，求裂缝沿骨架法向线的最大宽度，并于原图中标注。

【技术特征摘要】
1.一种路面裂缝图像检测方法，其特征在于，对采集到的路面图像进行灰度化和滤波
处理，然后，通过构建脉冲耦合神经网络模型，并利用遗传算法能在解空间非线性快速查找
最优解的优势优化该模型的重要参数，迅速并准确地分割图像中的裂缝和背景；再根据分
割后图像的特征，对整幅图像进行连通域检测，滤除噪声和背景纹理的干扰；最后，提取裂
缝骨架，求裂缝沿骨架法向线的最大宽度，并于原图中标注。
2.根据权利要求1所述路面裂缝图像检测方法，其特征在于，所述构建脉冲耦合神经网
络模型，并利用遗传算法能在解空间非线性快速查找最优解的优势优化该模型的重要参
数，迅速并准确地分割图像中的裂缝和背景的具体步骤如下：
1)构建脉冲耦合神经网络模型，模型公式为：
Fij(n)＝Sij；
Lij(n)＝∑WijklYkl(n-1)；
θij(n)＝e-αθθij(n-1)+VθYij(n-1)；
Y i j ( n ) = 1 U i j ( n ) > θ i j ( n ) 0 U i j ( n ) ≤ θ i j ( n ) ; ]]>式中，Fij、Sij、Lij、Yij、Uij、θij分别为神经元的馈送输入、外部刺激、链接输入、输出、内
部激活和动态阈值，Vθ为幅度常数，Wijkl为权值矩阵，αθ为衰减系数，β为链接系数，n为迭代
次数；
2)采用遗传算法优化脉冲耦合神经网络的参数：
A：编码：采用格雷码进行编码，编码方式如表1：
表1
遗传基因
取值范围
搜索精度
染色体长度
αθ0.001-1
0.001
10
β
0.001-1
0.001
10
Vθ0.001-100
0.001
17B：初始化：对遗传算法初始化种群，设定种群规模M＝30，最大迭代次数T＝150；
C：适应度函数：由于裂缝本身占整幅图像的比例较小，采用最小误差阈值法对小目标
有较好的分割效果，因此初设定最小误差准则函数作为染色体的适应度函数，适应度函数
公式为：
J＝1+2[POlogδO+PBlogδB]-2[POlogPO+PBlogPB]；
式中PO、PB分别为目标裂缝和背景的正态概率密度分布，δO、δB分别表示目标和背景的标
准差；
P O = Σ u ∈ O P u N P B = Σ u ∈ B P u N ; ]]> μ O = Σ u ∈ O u · P u N μ B = Σ u ∈ B u · P u N ; ]]> δ O = Σ u ∈ O ( u - μ O ) 2 N δ B = Σ u ∈ B ( u - μ O ) 2 N ; ]]>其中其中O、B分别表示目标和背景的灰度值，Pu表示灰度值为u时的像素频数，N为总像
素数，μO、μB分别为目标和背景的灰度均值；
为保证适应度函数为正，修改后适应度函数为：
K＝C-J，C为一常数，经多次实验，取C＝100能保证K为正；
D：选择、交叉和变异，采用比例选择方式：设定杂交概率PC＝0.7，变异概率为Pw＝0.01；
E：终止条件：满足以下情况时迭代中止：
K(n+1)-K(n)≤0.01n＝1，2，3...，T-1，
式中n为迭代次数，K(n+1)和K(n)分别表示n+1和n次迭代后的适应度函数值，若条件不
满足，则程序执行到最大代数为止。
3.根据权利要求2所述路面裂缝图像检测方法，其特征在于，所述再根据分割后图像的
特征，对整幅图像进行连通域检测，滤除噪声和背景纹理的干扰的具体步骤如下：
对分割后的图像标记连通域，采用区域面积、矩形度、圆形度、不规则噪声滤波相结合
的方式实现连通域滤波，得到完整的仅含裂缝的图像；
1)区域面积去噪：记每个连通域为Q(x，y)，设连通域总数为mi，统计各区域面积即像素
数，记为Ai(x，y)，通过设定阈值TA(x，y)，就可将低于设定值的小面积斑点去除，公式如下：
Q i ( x , y ) = 1 A i ( x , y ) > T A ( ...

【专利技术属性】
技术研发人员：王艳，沈晓宇，邹秀阳，崔西民，谢广苏，李德蔺，彭水平，
申请(专利权)人：上海理工大学，
类型：发明
国别省市：上海;31