一种曲线拟合对比度增强的道路裂缝检测方法技术

一种曲线拟合对比度增强的道路裂缝检测方法，它包括以下步骤：步骤1：以若干组道路裂缝图像的灰度均值参数为自变量，其对应的最优对比度增强参数值为因变量，构造线性拟合法、指数拟合法、以及傅里叶级数拟合法等三种曲线拟合，得到函数关系式；步骤2：对道路裂缝图像进行预处理；包括图像灰度化、直方图均衡化、图像中值滤波、对步骤1中通过三种曲线拟合构造的函数关系式进行对比度增强；步骤3：对经过步骤2对比度增强后的图像进行二值化处理，获得二值图像，并进行阈值分割；步骤4：用所获得的阈值对图像进行阈值分割以实现裂缝的标记；通过以上步骤获得裂缝的标记、检测。检测。检测。

【技术实现步骤摘要】
一种曲线拟合对比度增强的道路裂缝检测方法


[0001]本专利技术属于计算机视觉的图像分割
，具体涉及一种曲线拟合对比度增强的道路裂缝检测方法。

技术介绍

[0002]随着科学技术和人民生活水平的不断提高，水泥路、沥青路开始遍布全国的每条街道。道路的良好与否也逐渐开始影响着人们出行的质量，而对道路的养护和管理需要大量的人力和物力。道路裂缝作为路面最常见的损坏，检测裂缝成了需要关注的重点之一。
[0003]在现有技术中，由张亮等人发表的《路面破损检测技术现状与发展》指出传统的道路裂缝检测方法主要是以人工检测为主，主要的检测方法有如下几种，分别是步行人眼观察法、坐车录像屏幕测读法以及摄像测量法等。人眼观察法人为因素较多，误差较大，只适用于短距离道路检测；坐车录像屏幕测读法会出现统计重叠，导致效率低，并且碰到崎岖的道路会导致效果下降；摄像测量法随着高速公路的普及和道路网的增加其效率不能满足人们的需求。
[0004]传统的基于计算机视觉技术的道路裂缝检测算法核心是进行图像分割，主要包括迭代法求阈值和最大类间方差法求阈值(OUTS)。这些算法对少部分的道路裂缝图像效果较好，但是对于有光线干扰的裂缝图像检测效果不尽人意，算法灵活性也相对较差，不能适用于广泛的道路裂缝图像。

技术实现思路

[0005]本专利技术的目的是为了解决现有道路裂缝检测算法对于有光线干扰的裂缝图像检测效果佳，不能适用于广泛的道路裂缝图像的技术问题，而提供的一种曲线拟合对比度增强的道路裂缝检测方法。
[0006]一种曲线拟合对比度增强的道路裂缝检测方法，其特征在于，它包括以下步骤：
[0007]步骤1：以若干组道路裂缝图像的灰度均值参数为自变量，其对应的最优对比度增强参数gamma值为因变量，构造线性拟合法、指数拟合法、以及傅里叶级数拟合法等三种曲线拟合，得到函数关系式；
[0008]步骤2：对道路裂缝图像进行预处理；包括图像灰度化、直方图均衡化、图像中值滤波、对步骤1中通过三种曲线拟合构造的函数关系式进行对比度增强；
[0009]步骤3：对经过步骤2对比度增强后的图像进行二值化处理，获得二值图像，并进行阈值分割；
[0010]步骤4：用所获得的阈值对图像进行阈值分割以实现裂缝的标记；
[0011]通过以上步骤获得裂缝的标记、检测。
[0012]在步骤1中，在构造函数关系式时，采用以下子步骤：
[0013]步骤1
‑
1：对输入的多组道路裂缝图像进行YUV亮度灰度化处理得到其灰度均值，其公式为：
[0014]Gray＝0.299R+0.578G+0.114B
ꢀꢀꢀꢀ
(5)
[0015]其中，在以YUV为颜色编码方式的编码空间之中，Y的分量所代表的物理意义是该点的亮度，由Y值反映亮度等级并且由其来表达图像的灰度值；建立亮度Y与R、G、B三个颜色分量的函数关系，就能得到灰度值。
[0016]步骤1
‑
2：对比度增强，运用基于伽马Gamma变换的图像增强算法，此算法主要应用于图像校正，从调节灰度图像的亮度这一方面，来增强图像的对比度，其公式为：
[0017]s＝cr
γ
ꢀꢀꢀꢀꢀꢀ
(6)
[0018]其中，s为伽马变换后的图像的像素值，r是原图像的对应位置的像素值，c和γ为正常数；该公式对应于Matlab中的函数则为imadjust函数，一般的调用格式的公式为：
[0019]f1＝imadjust(f,[low_inhigh_in],[low_outhigh_out],gamma)
ꢀꢀ
(7)
[0020]针对每一幅灰度图像，改变其对比度增强函数中的gamma值，并对比不同的gamma值对应得到的检测结果，选取最优的检测结果，使其对应的gamma值为最优gamma值；
[0021]步骤1
‑
3：构造线性拟合法、指数拟合法、以及傅里叶级数拟合法等三种曲线拟合，分别得到函数关系式：
[0022]y＝b1sin(x
‑
π)+b2(x
‑
10)2+b3ꢀꢀ
(8)
[0023]y＝ae
bx
ꢀꢀꢀꢀ
(9)
[0024]y＝a0+a1sin(ωx)+a2cos(ωx)
ꢀꢀꢀꢀꢀꢀ
(10)
[0025]通过把步骤1
‑
1求得灰度均值代入上式中的x，步骤1
‑
2选取的最优gamma值代入上式中的y，便可以确定其余参数值。
[0026]在步骤2中，具体包括以下子步骤：
[0027]在步骤2中，对道路裂缝图像进行预处理包含以下步骤：
[0028]步骤2
‑
1：图像灰度化；
[0029]步骤2
‑
2：对图像进行中值滤波，滤除干扰噪声，中值滤波公式如下所示：
[0030]g(x,y)＝med{f(x
‑
i,y
‑
j)},(i,j)∈S
ꢀꢀ
(11)
[0031]其中g(x,y)为处理后的图像，f(x,y)为处理前的图像，S为二维模板；
[0032]步骤2
‑
3：直方图均衡化，所得的灰度图像相比均衡化之前，图像的对比更加强烈，并且各灰度级所占比也将趋于相同，直方图均衡化公式如下：
[0033][0034]其中，r
k
和s
k
分别代表变换前后的图像灰度，L为灰度级总数，MN是待处理图像中的总像素，n
j
表示第j个灰度级出现的个数；
[0035]步骤2
‑
4：将经过步骤2
‑
1、步骤2
‑
2、步骤2
‑
3处理之后的图像通过步骤1
‑
1中公式(7)求得其灰度均值，再代入步骤1
‑
3中得到的函数关系式求得gamma值，此时该gamma值会根据输入得到调整，是一个动态值。
[0036]步骤2
‑
5：将步骤2
‑
4求得的gamma值代入步骤1
‑
2中的公式(7)来增强图像的对比度。
[0037]在步骤3中，运用最大类间方差法进行阈值分割，通过判别二值图像的连通区域，设置连通区域面积阈值，具体包含以下子步骤：
[0038]步骤3
‑
1：计算图像的全局平均灰度μ，其公式如下所示：
[0039][0040]其中，n
i
为灰度级i的像素总数，N为图像的总像素，L为灰度级总数；
[0041]步骤3
‑
2：对于灰度级k＝0一直到L
‑
1，可以分别计算出每一个k值所对应的类间方差σ2(k)，其中所需要的计算方法如下公式所示本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种曲线拟合对比度增强的道路裂缝检测方法，其特征在于，它包括以下步骤：步骤1：以若干组道路裂缝图像的灰度均值参数为自变量，其对应的最优对比度增强参数gamma值为因变量，构造线性拟合法、指数拟合法、以及傅里叶级数拟合法等三种曲线拟合，得到函数关系式；步骤2：对道路裂缝图像进行预处理；包括图像灰度化、直方图均衡化、图像中值滤波、对步骤1中通过三种曲线拟合构造的函数关系式进行对比度增强；步骤3：对经过步骤2对比度增强后的图像进行二值化处理，获得二值图像，并进行阈值分割；步骤4：用所获得的阈值对图像进行阈值分割以实现裂缝的标记；通过以上步骤获得裂缝的标记、检测。2.根据权利要求1所述的方法，其特征在于，在步骤1中，在构造函数关系式时，采用以下子步骤：步骤1
‑
1：对输入的多组道路裂缝图像进行YUV亮度灰度化处理得到其灰度均值，其公式为：Gray＝0.299R+0.578G+0.114B
ꢀꢀꢀꢀ
(5)其中，在以YUV为颜色编码方式的编码空间之中，Y的分量所代表的物理意义是该点的亮度，由Y值反映亮度等级并且由其来表达图像的灰度值；建立亮度Y与R、G、B三个颜色分量的函数关系，就能得到灰度值；步骤1
‑
2：对比度增强，运用基于伽马Gamma变换的图像增强算法，此算法主要应用于图像校正，从调节灰度图像的亮度这一方面，来增强图像的对比度，其公式为：s＝cr
γ
ꢀꢀꢀ
(6)其中，s为伽马变换后的图像的像素值，r是原图像的对应位置的像素值，c和γ为正常数；该公式对应于Matlab中的函数则为imadjust函数，一般的调用格式的公式为：f1＝imadjust(f，[low_in high_in]，[low_out high_out]，gamma) (7)针对每一幅灰度图像，改变其对比度增强函数中的gamma值，并对比不同的gamma值对应得到的检测结果，选取最优的检测结果，使其对应的gamma值为最优gamma值；步骤1
‑
3：以步骤1
‑
1中的灰度均值作为自变量，步骤1
‑
2中最优的对比度增强参数gamma值为因变量，构造线性拟合法、指数拟合法、以及傅里叶级数拟合法三种曲线拟合，得到函数关系式如下：y＝b1sin(x
‑
π)+b2(x
‑
10)2+b3ꢀꢀꢀ
(8)y＝ae
bx
ꢀꢀ
(9)y＝a0+a1sin(ωx)+a2cos(ωx)
ꢀꢀꢀꢀ
(10)通过把步骤1
‑
1求得灰度均值代入上式中的x，步骤1
...

【专利技术属性】
技术研发人员：夏平，冯海杰，彭程，张光一，雷帮军，
申请(专利权)人：三峡大学，
类型：发明
国别省市：