沥青路面离析的数字图像评价方法

张争奇 徐耀辉++胡红松 石伟 张苛

摘要：为快速有效评价沥青路面的离析程度，文章采用数字图像技术研究沥青路面的非均匀性.文中分析了常用的沥青路面离析的图像处理评价方法的不足，提出了基于分析路面纹理中下凹区域的宏观构造宽度评价沥青路面离析的新方法.此法通过对宏观构造中的下凹区域照相并获得二值图像，并将二值图像中对应的下凹区域的平均宽度定义为路表宏观构造宽度K，以构造宽度K和构造深度TD建立模型，来评价沥青混合料的集料离析程度.研究结果表明：构造宽度K值与传统的手工铺砂法测出的构造深度TD具有良好的相关性，能较好地表征沥青路面的集料离析程度.

关键词：数字图像；沥青路面；宏观构造宽度K值；构造深度；离析；道路工程

中图分类号：U416 文献标识码：A

沥青路面集料离析[1-4]是影响路面施工质量的重要因素，常用构造深度值TD来评价沥青路面的集料离析程度.目前测量路面构造深度TD的方法有铺砂法和激光法[5-7].传统的铺砂法测量路面构造深度效率低、操作繁琐且主观随意性较大；激光法虽然测量构造深度快速、准确，但其所测构造深度值为路面一定长度范围内的平均值，虽能评价路面的横向离析，但无法评价路面的纵向和局部离析，且设备价格昂贵，不利于推广应用.

随着二维数字图像技术[8-9]的日趋成熟，这一技术也被引用到沥青路面质量控制[10]中.许多专家学者也对其进行了研究[11-15]，王端宜教授采用普通数码相机记录道路表面构造特征，由图像的像素值分析得出路表面构造深度.张肖宁教授运用数字图像处理技术对沥青混合料内部结构组成的三维图像重构及虚拟力学试验等方面进行了研究.彭勇等运用基于数字图像处理技术，直接对混合料中集料的分布状态，即沥青混合料均匀性进行了研究.以上研究采用图像处理技术研究了沥青路面表面及内部的材料分布情况，为图像技术在沥青路面质量控制研究中起到了促进作用.但鉴于离析问题的复杂性，如何快速、客观、有效地判断沥青路面的离析程度还是一个研究热点.

因此，本文尝试以路面纹理中下凹区域的宏观构造宽度作为研究对象，并在图像处理技术基础上，探讨宏观构造宽度与竖向深度之间的相关性，最终通过易于得到的构造宽度K来评价沥青混合料的离析情况，以达到高效的目的.

1常用的沥青路面离析的数字图像评价方

法分析

数字图像处理技术是指通过数码相机或扫描仪将一幅连续的图像离散化为计算机可以处理的信息，并对此信息进行各种处理，以达到某一效果的方法.其过程主要包括图像采集、图像处理及图像分析等.由于数字图像处理技术具有使用方便、经济性好、可利用信息量大和形象化储存等优点，其在道路领域的工程应用已成为国际上的研究热点.数字图像处理由两部分组成：物理图像转化为对应的数字图像和通过各种运算法则[16]从数字图像中提取有用信息.

自数字图像技术引用到对路面离析进行评价之后，有许多专家学者对其如何较准确地评价路面离析提出了不同的方法并对其进行了研究.比较常见的方法主要有灰度矩阵拟合构造曲面法、灰度均值法以及分形维数法.

在实验过程中为了减少或避免图像采集时原始图像的信息误差，需要规范沥青路面数字图像采集的操作过程.本文采用一种自制的图像采集设备来获取稳定性、效果均较好的原始图像.此设备如图1所示.它包括一个遮光暗箱，3个LED灯，一个点光控制器和一个相机.LED灯布设在暗箱里面，通过暗箱外的点光控制器可以调节LED灯的功率，从而达到调节箱内光线强度的作用.采集图像时将试样放于遮光暗箱内，调节点光控制器使暗箱内达到理想的光线强度，然后将照相机置于遮光暗箱上的开口处，调节相机焦距来采集图像.

1.1灰度矩阵拟合构造曲面法

有不少研究利用MATLAB数学软件将沥青路面RGB数字图像转化为灰度图像，并得到图像对应的二维灰度矩阵，然后用灰度矩阵信息拟合构造曲面，最后应用曲面积分等公式计算得到表征路面构造深度的HP.

在操作过程中发现，这种图像处理模型在实际应用中存在一定的局限性，原因是路面的构造纹理极不规则且复杂，当相机像素越高时，由灰度图像得到的灰度矩阵数据量越大，且分布离散.很多情况下，由这些三维数据点拟合的空间曲面方程的相关系数偏低，难以保证精度要求，且在下一步的积分求体积中，偏差进一步扩大；同时由灰度矩阵拟合曲面方程涉及到一个庞大的数据量处理过程，要通过反复的调节拟合方式和拟合参数才能获得相关性较好的曲面方程，这对计算机运行功能要求较高.因此，本文认为基于灰度矩阵拟合构造曲面模型在用于沥青混合料离析评价的应用前还需要进一步的研究.

1.2灰度均值法

采用数字图像方法评价沥青路面离析比较常用的方法为灰度均值法.灰度均值法首先通过数码相机拍摄路面不同离析状态下的表面纹理构造图像，然后利用MATLAB软件绘制出其相应的路表灰度直方图，接下来跳过拟合曲面的过程，直接考虑路面图像灰度均值与构造深度的关系，由灰度均值来预测构造深度.这种方法只需要调用Matlab中的mean2（）函数就可实现.

本文采用室内模式试验模拟细集料离析（F）、无离析（N）、低离析（L）、中等离析（M）及严重离析（H）五种不同集料离析程度的沥青混合料.分别成型10块无离析（N）AC20沥青混合料车辙板和10块不同程度集料离析（F，N，L，M，H各两块）的沥青混合料车辙板，对车辙板进行图像采集后，并用MATLAB软件计算每张图像的灰度均值，同时采用人工铺砂法测量其构造深度TD，其结果见表1和表2.

运用统计学方法将无离析车辙板的TD和灰度均值以及不同离析程度车辙板的TD和灰度均值分别进行线性回归，其结果如图2所示.

从图2（a）中可以看出，当沥青混合料未产生集料离析时，车辙板图像灰度均值与构造深度TD的线性相关系数达到0.726，说明混合料无集料离析条件下的图像灰度均值与TD值具有较好的相关性.但从图2（b）中发现，当沥青混合料发生不同程度集料离析时，车辙板图像灰度均值与构造深度TD的线性相关系数下降到0.515，虽然这两个指标大致符合线性反比关系，但其相关系数小于0.6，Remero提出以相关系数[17-18]大于0.6作为仪器效能的界限值，因此在混合料产生不同程度集料离析时，由灰度均值来预测构造深度TD还是存在较大的误差，因此本文认为用该指标判别沥青路面的离析情况还需进一步研究.

1.3分形维数法

分形维数[19-20]法也被用来评价沥青路面的离析.由于沥青路面纹理构造复杂、极不规则，且不同离析程度沥青混合料表面的复杂程度存在显著的差异，可以采用分形维数对其表面纹理构造进行定量描述.本文采用基于FractalFox分维数计算软件采用盒子分维法[21]提取路面纹理构造灰度图像中的分形维数，定量描述不同离析程度沥青混合料表面的粗糙程度，尝试评价路面离析.

选用上文中的10块不同程度集料离析的沥青混合料车辙板图像，对所有图像进行灰度化处理后，分别导入FractalFox软件计算各自的分形维数，计算结果如表3所示.

将表3的数据运用统计学的方法将D与TD进行线性回归，结果如图3所示.并绘制出D随混合料离析逐渐增大而变化的柱状图，如图4所示.

从图3可以看到，沥青混合料构造深度TD值与分形维数D值的线性相关系数为0.618 8，表明两个指标呈现一定的相关规律，即随着路面构造深度的增大，其分形维数呈减小趋势，说明沥青混合料粗集料离析越严重，其表面构造深度越大，而表面纹理构造的复杂程度降低了.

理论上F，N，L，M和H五种集料离析程度混合料的分维数大小排序应为：F>N>L>M>H，但根据图4所示，虽然随着混合料集料离析程度的增加，分形维数整体呈递减趋势，但是F，N，L三种离析程度混合料的分形维数的大小区别不明显，L的分形维数反而最大，同时M和H的分形维数值也不易区分.究其原因，F，N，L表面纹理构造的复杂程度虽有差异，但该差异的跳跃性并不明显，因而由此计算出的分形维数区分度不大，M，H同理.

虽然沥青路面构造纹理的复杂程度与分形维数存在一定的相关性，但相关规律并不明显，因此本文认为分形维数暂不适用于沥青混合料集料离析的评价.

2宏观构造宽度K值法

路面纹理构造可分为微观构造和宏观构造.微观构造又称微观纹理，是路面集料表面的微小构造；宏观构造又称宏观纹理，是路面集料之间构成的间隙.从三维立体角度分析，细集料离析混合料的宏观构造竖向深度明显小于粗集料离析混合料，无离析混合料介于两者之间；从二维平面角度分析，细集料离析混合料的宏观构造下凹区域的横向宽度明显小于粗集料离析混合料，同时无离析混合料介于两者之间.因此，本文尝试提取路面纹理中下凹区域即宏观横向宽度作为研究对象，通过建立宏观构造的横向宽度与竖向深度之间的关联，从路面的二维图像中提取三维信息，从而提出一种新的评价离析的方法.

以下是宏观构造宽度K值的计算模型.

1）选取分割阈值：将灰度图像转换为二值图像的关键就是分割阈值的选取，阈值的选取直接决定了二值图像中白色区域面积的大小，本文根据数字图像的最大类内、类间距离阈值判定准则，同时考虑路表宏观构造的渐变特性，由灰度极大值和区域内的灰度均值得到将灰度图像转换成二值图像的分割阈值.计算公式如下：

T=k×（Fmax—F均）

式中：T为分割阈值；Fmax为灰度极大值；F均为灰度均值；k为修正系数，取值范围为5%～15%，本文取10%.

2）提取白色区域面积：在Matlab软件中调用rgb2gray（）函数将灰度图像转换成二值图像后，再调用bwarea（）函数快速读取二值图像中白色像素点个数X，即为白色区域总面积.

3）计算白色区域平均宽度K′值：调用bwmorph（I，'skel'，inf）函数将二值图像骨架化，得到一幅骨架图像（见图5），该骨架线条是由各白色小区域最中间的像素点连成的，可以看成是白色面积区域的中心线，调用bwarea（）函数快速读取骨架线条像素点个数Y，即为中心线的“长度”，根据面积除以长度得到宽度的思想，二值图像中各白色区域平均宽度为K′=X/Y.

4）计算宏观构造宽度K值：统计图像内校准尺长度L范围内对应的数字图像像素数量M，由公式ε= L/ M得到数字图像的像素当量，再由公式K=εK′得到路面宏观构造宽度K值.

分别对10块无离析（N）AC20沥青混合料车辙板和10块不同程度集料离析（F，N，L，M，H各两块）的沥青混合料车辙板进行图像采集，并计算每块车辙板的K值，计算结果如表4和表5所示.

将表4和表5的数据运用统计学的方法将K与TD进行线性回归，结果如图6和图7所示.并绘制出K值随混合料离析逐渐增大而变化的柱状图，如图8所示.

从图6和图7可知，当沥青混合料无离析时，其构造深度TD值与构造宽度K值的线性相关系数R2为0.850，当沥青混合料产生不同程度集料离析时，其TD值与K值的线性相关系数R2为0.868，说明K值与TD值具有较好的线性相关性，因此通过计算K值来预测路面构造深度TD值是可行的，同时研究表明，当路面产生不同程度集料离析时，K值与TD值的相关系数不降反升，表明K值与TD值的线性相关性不会随混合料的集料离析而降低.

图8是不同离析程度混合料的K值变化规律，从图中可以发现，K值随混合料粗集料离析程度的增加呈递增趋势，且存在明显的规律性，大致规律为F

鉴于宏观构造宽度K值的计算方法简便，图像采集过程操作简单，且计算值与传统的手工铺砂法具有良好的线性相关性，能较好地表征沥青路面集料的离析程度，因此推荐基于路面宏观构造宽度K值的图像处理模型作为评价沥青路面非均匀性的主要无损检测工具之一.

3基于K值评价沥青混合料集料离析的方法

这里提出两种利用K值评价沥青路面集料离析的方法：

1）第1种方法是找出路面图像K值与构造深度TD值的线性相关性，通过计算K值来预测TD值，最终还是用构造深度TD值的大小来评价路面集料的离析程度.

2）第2种方法是基于本文对沥青混合料不同离析程度的室内模拟试验，对不同离析程度的车辙板进行图像采集并计算其K值，整合出不同离析程度的K值划分标准.本文通过室内离析混合料的模拟试验，整合的K值划分标准如表6所示.

4结论

本文分析比较了几种数字图像技术评价沥青路面的离析可能性的方法，研究发现：

1）由灰度矩阵拟合构造曲面模型在评价沥青混合料离析中，得到的三维数据点拟合的空间曲面方程的相关系数不到0.2，较难保证精度要求.

2）灰度均值法，在混合料无离析条件下的图像灰度均值与TD值具有较好的相关性，但当沥青混合料发生不同程度离析时，车辙板图像灰度均值与构造深度TD的线性相关系数下降到0.515.

3）沥青路面构造纹理的复杂程度与分形维数D存在一定的相关性，但相关规律并不明显，因此本文认为分形维数暂不适用于沥青混合料离析的评价.

4）K值随混合料离析程度的增加呈递增趋势，存在明显的规律性，能较好地表征不同离析程度路面的纹理构造特征，因此可用构造深度K值来评价沥青路面的离析情况.

参考文献

[1]韩立志，梁增洁，彭余华，等.AC25级配离析的分形评价标准及预测方法[J].长安大学学报：自然科学版，2014，34（6）：27-33.

HAN Lizhi， LIANG Zengjie， PENG Yuhua， et al. Frctal evaluation criteria and prediction method of AC25 gradition segregation[J]. Journal of Changan University：Natural Science，2014， 34（6）： 27-33.（In Chinese）

[2]MEEGODA J N ， HETTIARACHCHI C H， BANDARA N， et al. Correlation of surface texture， segregation，and measuremento f air voids[J]. Proc XIICSMFE Sanfranscisco， 2002，3：19-26.

[3]李想，梁乃兴，赵毅.基于数字图像技术沥青路面集料离析的研究[J]. 中外公路，2014，34（4）： 90-93.

LI Xiang， LIANG Naixing， ZHAO Yi. Research on digital image technology of asphalt pavement based on aggregate segregation[J].Journal of China & Foreign Highway， 2014， 34（4）： 90-93.（In Chinese）

[4]包秀宁，张肖宁.路面颗粒材料离析性的评价方法[J].华南理工大学学报：自然科学版，2010，38（3）：31-36.

BAO Xiuning， ZHANG Xiaoning. Segregability evaluation of granular pavement materials [J]. Journal of South China University of Technology： Natural Science， 2010， 38（3）： 31-36.（In Chinese）

[5]马荣贵，王建锋，李平.沥青路面构造深度精确检测方法研究[J].科学技术与工程，2014，14（8）：265-268.

MA Ronggui，WANG Jianfeng， LI Ping.Research on high precision measurement of pavement texture depth[J].Science Technology and Engineering，2014， 14（8）： 265-268.（In Chinese）

[6]JTG E60-2008公路路基路面现场测试规程[S]. 北京：人民交通出版社，2008：90-92.

JTG E60-2008Field test methods of subgrade and pavement for highway engineering[S].Beijing： China Communications Press， 2008：90-92. （In Chinese）

[7]王端宜，李维杰，张肖宁.用数字图像技术评价和测量沥青路表面构造深度[J].华南理工大学学报：自然科学版，2004，32（2）：42-45.

WANG Duanyi， LI Weijie， ZHANG Xiaoning. Evaluation and measurement of asphalt pavement surface texture depth with digital image technique[J]. Journal of South China University of Technology： Natural Science， 2004， 32（2）： 42-45.（In Chinese）

[8]MASAD E， MUHUNTHAN B， SHASHIDHAR N， et al.Quantifying laboratory compaction effects on the internal structure of asphalt concrete[J].Transportation Research Record：Journal of the Transportation Research Board， 1999，1691：179-185.

[9]WANG L B， WANG X，MOHAMMAD L，et al.Application of mixture theory in the evaluation of mechanical properties of asphalt concrete[J]. Journal of Materials in Civil Engineering， 2004，16（2） ： 167-174.

[10]燕海峰.基于非均匀性的沥青路面施工质量控制与评价研究[D].西安：长安大学公路学院，2011：57-60.

YAN Haifeng. Research on construction quality control and evaluation of asphalt pavement based on nonuniformity[D]. Xian： Highway College of Chang'an University， 2011：57-60.（In Chinese）

[11]王端宜，吴文亮，张肖宁，等.基于数字图像处理和有限元建模方法的沥青混合料劈裂试验数值模拟[J]. 吉林大学学报：工学版，2011，41（4）：968-973.

WANG Duanyi， WU Wenliang， ZHANG Xiaoning， et al. Numerical simulation of splitting test of asphalt mixture based on DIPFEM[J]. Journal of Jilin University： Engineering and Technology， 2011，41（4） ： 968-973.（In Chinese）

[12]张肖宁.沥青混合料材料结构数字图像技术的基本方法[J].华南理工大学学报：自然科学版，2012，40（10）：166-173.

ZHANG Xiaoning. Basic methods of digital image technology for material structure of asphalt mixtures [J]. Journal of South China University of Technology： Natural Science， 2012，40（10） ： 166-173.（In Chinese）

[13]彭勇，孙立军，王元清，等.数字图像处理在沥青混合料均匀性评价中的应用[J].吉林大学学报：工学版，2007，37（2）：334-337.

PENG Yong，SUN Lijun，WANG Yuanqing， et al. Application of digital image processing in evaluating homogeneity of asphalt mixture [J]. Journal of Jilin University： Engineering and Technology， 2007，37（2）：334-337.（In Chinese）

[14]宋毅.应用分形理论描述沥青混合料级配离析及其相关问题研究[D].广州：华南理工大学土木与交通学院 ，2010：6-16.

SONG Yi. Study on grading segregation description of asphalt mixtures and related problems based on fractal theroy[D]. Guang Zhou： College of Civil Engineering and Transportation， South China University of Technology， 2010：6-16.（In Chinese）

[15]周吴军.基于分形理论沥青路表面离析判别方法研究[D]. 长沙：湖南大学土木工程学院，2009：28-44.

ZHOU Wujun. Research on construction quality control and evaluation of asphalt pavement based on nonuniformity[D]. Chang

sha： College of Civil Engineering， Hunan University， 2009：28-44. （In Chinese）

[16]刘思峰，方志耕，谢乃明.基于核和灰度的区间灰数运算法则[J].系统工程与电子技术，2010，32（2）：313-316.

LIU Sifeng， FANG Zhigeng， XIE Naiming. Algorithm rules of interval grey numbers based on the“Kernel” and the degree of greyness of grey numbers [J]. Systems Engineering and Electronics，2010，32（2） ： 313-316.（In Chinese）

[17]PENTLAND P. Fractalbased description of natural scenes[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence， 1984，6（6）：661-674.

[18]MANDELBROT B B. The fractal geometry of nature[M]. San Francisco； W.H.Freeman and Company，1982： 361-366.

[19]王耀南，王绍源，毛建旭. 基于分形维数的图像纹理分析[J]. 湖南大学学报： 自然科学版， 2006，33（5）：67-72.

WANG Yaonan，WANG Shaoyuan，MAO Jianxu. Image texture analysis based on fractal dimension [J]. Journal of Hunan University： Natural Sciences，2006，33（5） ： 67-72.（In Chinese）

[20]赵明华，戴杰，张玲，等. 基于分形理论的粉煤灰渗透率研究[J]. 湖南大学学报：自然科学版，2015，42（1）：75-80.

ZHAO Minghua， DAI Jie， ZHANG Ling， et al. Fractal theorybased study of the permeability of fly ash [J]. Journal of Hunan University： Natural Sciences，2015，42（1）：75-80.（In Chinese）

[21]赵海英，杨光俊，徐正光.图像分形维数计算方法的比较[J].计算机系统应用，2010，20（3）：238-246.

ZHAO Haiying， YANG Guangjun， XU Zhengguang. Comparison of calculation methodsbased image fractal dimension [J]. Computer Systems & Applications， 2010，20（3） ： 238-246.（In Chinese）