基于机器视觉的路面裂缝检测
基于机器视觉的路面裂缝检测本文的思路是：首先将图像进行图像预处理，其中包括灰度化，去噪，边缘提取以及形态学的方法等。本文使用的去噪方法有均值滤波、中值滤波以及小波去噪。边缘提取的方法有Sobel算子、Prewitt算子、Canny算子以及Robert算子。最后对图像进行形态学闭运算处理，即先膨胀后腐蚀，用来填充物体内细小空洞、连接邻近物体、平滑其边界的同时并不明显改变其面积。而实际中路旁的树木、电线杆的阴影往往导致路面图像的照度不均匀，且破坏了路面裂缝的亮度一致性，容易造成准确率下降、甚至误判，极大地增加了路面裂缝识别的难度。本文针对这一难题，采用基于亮度高程模型的阴影消除算法(GSR)对阴影图像进行处理，以去除阴影对图像造成的不利影响。首先，利用基于亮度高程模型实现对阴影区准确界定。然后，用乘性亮度补偿方法进行光照均衡处理，在实现亮度补偿的同时，可以将阴影区的方差提高到非阴影区的水平，从而实现阴影区和非阴影区纹理细节的均衡。最后，用传统的裂缝检测方法对光照均衡后的图像进行裂缝检测。
本文通过实验对实际拍摄中存在裂缝的阴影图像进行处理，最终实验结果表明：在对存在阴影的裂缝图像进行裂缝提取之前，先对其进行阴影去除，可以大大提高图像的可视性和检测的准确性，有利于裂缝信息的准确提取。
关键词：裂缝；路面阴影；亮度高程模型；阴影去除；裂缝提取
2.3 图像去噪
现实中的数字图像在数字化和传输过程中常受到成像设备与外部环境噪声干扰等影响，称为含噪图像或噪声图像。减少数字图像中噪声的过程称为图像去噪。 实际图像中，多少都会存在一些噪声，而使图像模糊，从而使实验结果不是那么直观，影响我们判断。所以本节我们针对裂缝图像进行去噪。
2.3.1 噪声特性
噪声是图象干扰的重要原因。一幅图象在实际应用中可能存在各种各样的噪声，这些噪声可能在传输中产生，也可能在量化等处理中产生。在对这个含噪模型进行研究之前，我们有必要了解一下噪声的一些特性，经常影响图像质量的噪声源可分为三类。人们对其生成原因及相应的模型作了大量研究:
1、电子噪声。在阻性器件中由于电子随机热运动而造成的电子噪声是三种模型中最简单的，一般常用零均值高斯白噪声作为其模型，它可用其标准差来完全表征。
2、光电子噪声。由光的统计本质和图像传感器中光电转换过程引起，在弱光照的情况下常用具有泊松分布的随机变量作为光电噪声的模型，在光照较强时，泊松分布趋向于更易描述的高斯分布。
3、感光片颗粒噪声。由于曝光过程中感光颗粒只有部分被曝光，而其余部分则未曝光，底片的密度变化就由曝光后的颗粒密集程度变化所决定，而算曝光颗粒的分布呈现一种随机性。在大多数情况下，颗粒噪声可用高斯白噪声作为有效模型。
通过以上分析可以看出，绝大多数的常见图像噪声都可用均值为零，方差不同的高斯白噪声作为其模型，因而为了简便和一般化，我们采用零均值的高斯白噪声作为噪声源。
2.3.2 去噪方法
对随时间变化的信号，通常采用两种最基本的描述形式，即时域和频域。时域描述信号强度随时间的变化，频域描述在一定时间范围内信号的频率分布。对应的图像的去噪处理方法基本上可分为空间域法和变换域法两大类。前者即是在原图像上直接进行数据运算，对像素的灰度值进行处理。变换域法是在图像的变换域上进行处理，对变换后的系数进行相应的处理，然后进行反变换达到图像去噪的目的。
目录查看完整请+Q:351916072获取
摘要 I
ABSTRACT II
第1章 绪论 1
1.1 引言 1
1.2 研究的背景与意义 1
1.3 国内外研究现状 2
1.3.1线状目标的增强与提取 2
1.3.2路面裂缝的增强与提取 4
1.4 基于机器视觉图像处理的应用 6
第2章 数字图像预处理 8
2.1 引言 8
2.3 图像去噪 10
2.3.1 噪声特性 11
2.3.2 去噪方法 11
2.3.3 实验结果 14
2.4 图像的边缘提取 17
2.5.1几种常用的边缘检测算子 17
2.5.2边缘检测结果对比分析和评价 21
2.5 小节 22
第3章 路面阴影消除 24
3.1 引言 24
3.2 背景与意义 24
3.3 测地阴影去除 25
3.3.1 具有纹理均衡能力的亮度补偿方法 25
3.3.2 基于了亮度等高区域划分的阴影消除 26
3.3.3 实验结果 28
3.4 小节 29
第4章 基于灰度图像及其纹理特性的裂缝特征提取 30
4.1 图像预处理 30
4.1.1 多种裂缝图像格式的识别 30
4.1.2 灰度化 30
4.1.3 灰度拉伸 31
4.1.4 二值化 32
4.1.5 边缘增强 33
4.2 特征提取 34
4.2.1裂缝“病害”面积计算 34
4.2.2 裂缝“病害”长度计算 36
4.3 灰度图像形态学 39
4.3.1 膨胀和腐蚀 40
4.3.2 膨胀和腐蚀的实现 40
4.3.3 开运算和闭运算 41
4.3.3实验代码及结果 43
4.4 小结 44
第5章 总结 45
参考文献 46
致 谢 48
