一种道路裂缝检测方法技术

本发明专利技术公开了一种道路裂缝检测方法

【技术实现步骤摘要】
一种道路裂缝检测方法、系统及车辆


[0001]本专利技术涉及道路裂缝检测
，具体涉及一种道路裂缝检测方法
、
系统及车辆
。

技术介绍

[0002]随着时间的变化，恶劣天气
、
自然灾害和交通等因素的影响，尤其是重型车辆交通 量的增加，对道路使用寿命产生了重大影响
。
久而久之，路面就会出现裂缝，它会破坏路面的完整性，缩短使用周期
。
路面损坏，如果不及时处理，会带来极大的交通隐患
。
道路裂缝检测的传统方法已经无法适应公路建设的快速发展需求，裂缝的检测速度跟不上道路发展需求，仅依靠人工检测道路裂缝，准确性不够，会出现漏检，误检等问题，影响交通，不能保证人身安全
。
即使派遣了大量的人力来检查和评估高速公路，在完成收集数据的统计将花费很长时间
。
因此，需对道路裂缝做出快速有效的检测
。

技术实现思路

[0003]鉴于以上所述现有技术的缺点，本专利技术提供一种道路裂缝检测方法
、
系统及车辆，用于对道路裂缝做出快速有效的检测
。
[0004]为实现上述效果，本专利技术的技术方案如下：第一个方面，本专利技术提供一种道路裂缝检测方法，包括以下步骤：步骤1：对获取到的道路裂缝图像进行状态分类；步骤2：将道路裂缝图像的像素分为前景类像素和背景类像素；步骤3：将前景类像素和背景类像素进行二值化；步骤4：对二值化后的道路裂缝图像进行高斯双边滤波/>、
最小值滤波，得到滤波后的道路裂缝图像；步骤5：构建
HDU
‑
Net
模型，对滤波后的道路裂缝图像进行道路裂缝特征提取
、
采用中轴变换算法提取裂缝骨架，得到道路裂缝检测结果
。
[0005]进一步的，步骤1具体为：按照道路裂缝形状，对获取到的道路裂缝图像进行状态分类，将道路裂缝分为横向裂缝
、
纵向裂缝
、
块状裂缝
、
网状裂缝
。
[0006]进一步的，步骤2具体为：采用
Otsu
阈值算法将道路裂缝图像的像素分为前景类像素和背景类像素；（1）
[0007]式中，
w0(t)
是前景类像素占整个道路裂缝图像的像素的比率，
u0(t)
是前景类像素的平均灰度级；描绘背景类的参数是
w1(t)
和
u1(t)
，其中，
w1(t)
是背景类像素占整个道路裂缝图像的像素的比率，
u1(t)
是背景类的平均灰度级；因此，整个道路裂缝图像灰度级的平均值定义为式1，
t
代表道路裂缝图像的某个灰度级
。
[0008]进一步的，步骤3所述将前景类像素和背景类像素进行二值化，具体为：对公式（2）取最大值，图像二值化达到最佳效果；式（2）表述为：
(2)
[0009]采用
Otsu
阈值算法对道路裂缝图像通过分割和提取裂缝，根据裂缝的纹理
、
边缘
、
对比度特征的差异，得到裂缝的位置和大小
。
[0010]进一步的，步骤4具体为：采用高斯双边滤波，对二值化后的道路裂缝图像进行双边滤波，保留图像的边缘线性，抑制噪声；将双边滤波后的道路裂缝图像进行最小值滤波，增强道路裂缝图像的裂缝和非裂缝之间的对比度，输出滤波后的裂缝图像
。
[0011]进一步的，其特征在于，所述高斯双边滤波表征为：
(3)
[0012](4)
[0013]式中，
g(i,j)
为道路裂缝图像输出点的像素值；
S(i,j)
为以
(i,j)
为中心的一个领域；
f(k,l)
为道路裂缝图像输入点的像素值；
w(i,j,k,l)
为高斯双边滤波权重函数；
σ
d
、
σ
r
均为平滑参数
。
[0014]进一步的，步骤5构建
HDU
‑
Net
模型，对滤波后的道路裂缝图像进行道路裂缝特征提取，具体为：基于
HDU
‑
Net
模型增加边缘提取任务分支，强化边缘信息；所述
HDU
‑
Net
模型基于
U
‑
Net
模型进行改进，将
U
‑
Net
模型编码部分
、
解码部分的每一个阶段设置为1层的卷积层；在编码部分使用混合空洞卷积替换原有卷积块增加感觉野，实现深层特征上的道路裂缝特征提取
。
[0015]进一步的，步骤5采用中轴变换算法提取裂缝骨架，具体为：采用中轴变换算法对道路裂缝图像进行处理，得到道路裂缝图像中裂缝的骨架和以像素为单位的裂缝特征值；根据道路裂缝图像的图像采集仪器中记录的图像距离及已知的相机参数，计算所述裂缝特征值的真实大小
。
[0016]第二个方面，本专利技术提供一种道路裂缝检测系统，适用于一种道路裂缝检测方法，包括：状态分类模块，用于对获取到的道路裂缝图像进行状态分类；像素分类模块，用于将道路裂缝图像的像素分为前景类像素和背景类像素；二值化模块，用于将前景类像素和背景类像素进行二值化；滤波模块，用于对二值化后的道路裂缝图像进行高斯双边滤波
、
最小值滤波，得到滤波后的道路裂缝图像；道路裂缝检测模块，用于构建
HDU
‑
Net
模型，对滤波后的道路裂缝图像进行道路裂缝特征提取
、
采用中轴变换算法提取裂缝骨架，得到道路裂缝检测结果
。
[0017]第三个方面，本专利技术提供一种车辆，包括：存储器
、
处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述程序，以实现一种道路裂缝检测方法
。
[0018]与现有技术相比，本专利技术技术方案的有益效果是：本专利技术使用
HDU
‑
Net
模型作用于自动裂缝检测中，对获取到的道路裂缝图像进行状态分类，将前景类像素和背景类像素进行二值化；对二值化后的道路裂缝图像进行高斯双边滤波
、
最小值滤波，得到滤波后的道路裂缝图像；实现道路裂缝快速有效的检测
。
附图说明
[0019]图1是本专利技术道路裂缝检测流程示意图；图
2a
是本专利技术原始
U
‑
Net
模型示意图；图
2b
是本专利技术
HDU
‑
Net
模型示意图；图3是本专利技术最小值滤波示意图；图4是本专利技术空洞卷积示意图；图5是本专利技术扩张率为2本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种道路裂缝检测方法，其特征在于，包括以下步骤：步骤1：对获取到的道路裂缝图像进行状态分类；步骤2：将道路裂缝图像的像素分为前景类像素和背景类像素；步骤3：将前景类像素和背景类像素进行二值化；步骤4：对二值化后的道路裂缝图像进行高斯双边滤波
、
最小值滤波，得到滤波后的道路裂缝图像；步骤5：构建
HDU
‑
Net
模型，对滤波后的道路裂缝图像进行道路裂缝特征提取
、
采用中轴变换算法提取裂缝骨架，得到道路裂缝检测结果
。2.
根据权利要求1所述一种道路裂缝检测方法，其特征在于，步骤1具体为：按照道路裂缝形状，对获取到的道路裂缝图像进行状态分类，将道路裂缝分为横向裂缝
、
纵向裂缝
、
块状裂缝
、
网状裂缝
。3.
根据权利要求1所述一种道路裂缝检测方法，其特征在于，步骤2具体为：采用
Otsu
阈值算法将道路裂缝图像的像素分为前景类像素和背景类像素；（1）式中，
w0(t)
是前景类像素占整个道路裂缝图像的像素的比率，
u0(t)
是前景类像素的平均灰度级；描绘背景类的参数是
w1(t)
和
u1(t)
，其中，
w1(t)
是背景类像素占整个道路裂缝图像的像素的比率，
u1(t)
是背景类的平均灰度级，
t
代表道路裂缝图像的某个灰度级
。4.
根据权利要求3所述一种道路裂缝检测方法，其特征在于，步骤3所述将前景类像素和背景类像素进行二值化，具体为：对公式（2）取最大值，图像二值化达到最佳效果；式（2）表述为：
(2)
采用
Otsu
阈值算法对道路裂缝图像通过分割和提取裂缝，根据裂缝的纹理
、
边缘
、
对比度特征的差异，得到裂缝的位置和大小
。5.
根据权利要求4所述一种道路裂缝检测方法，其特征在于，步骤4具体为：采用高斯双边滤波，对二值化后的道路裂缝图像进行双边滤波，保留图像的边缘线性，抑制噪声；将双边滤波后的道路裂缝图像进行最小值滤波，增强道路裂缝图像的裂缝和非裂缝之间的对比度，输出滤波后的裂缝图像
。6.
根据权利要求1所述一种道路裂缝检测方法，其特征在于，所述高斯双边滤波表征为：
(3)(4)
式中，
g(i,j)<...

【专利技术属性】
技术研发人员：刘彦哲，曹燚，王泉，钱承山，
申请(专利权)人：无锡学院，
类型：发明
国别省市：