基于改进的局部阈值分割的阴影路面裂缝提取方法

2018-12-27刘晟

无线互联科技 2018年20期

刘晟

（西安理工大学信息技术与装备工程学院，陕西西安 710048）

路面破坏等是公路交通中检测路面质量的重要标准。近年来，许多学者将图像技术应用于路面裂缝检测[1]。但由于路面经常被路边的树木建筑物遮挡，因此一般拍摄到的路面裂缝经常出现一些阴影，给利用图像处理检测裂缝进行检测带来一定的困难。大部分对裂缝提取是先研究如何去除阴影然后提取裂缝，但这种方法在去除阴影的同时一些裂缝信息也消失掉，不能很好地检测裂缝。针对上述问题，本文通过改进的局部阈值分割的方法对图像进行阈值分割和连通区域分析，根据连通域的特征进行裂缝提取，从而得到裂缝区域。

1 裂缝提取

首先对图像进行直方图均衡化处理，增加图像的对比度。其次，对路面裂缝图像采用分数阶积分的方法进行去噪处理。去噪后能很好地保留图像的细节信息[2]。

1.1 改进的局部阈值分割

路面裂缝图像尤其是带阴影的路面裂缝图像，具有复杂的背景，采用传统的局部阈值分割时如何对图像进行划分很难确定，同时划分后易出现块状效应，影响图像分割质量。在图像处理中，标准差能反映一个数据集的离散程度，即反映图像灰度值偏离灰度均值的程度[3]。为克服块状效应，本文对裂缝图像中的每一个像素进行阈值分割，选取一个适当的窗口在图像上移动，对每个窗口计算窗口内的灰度均值及标准差，同时根据人为经验设定一个适当的附加阈值及标准差缩放系数对图像进行局部阈值分割。

具体步骤如下：

（1）首先选取大小为w×h的窗口作为局部阈值分割模版，将模版在图像上分别向右和向下移动，每次移动一个像素，同时计算像素(i,j)所在窗口内灰度值的均值m(i,j)和标准差d(i,j)。g(i,j)为像素(i,j)的灰度值，m(i,j)和d(i,j)是像素(i,j)所在窗口内的均值和标准差。

（2）根据人为经验设定一个适当的附加阈值AT及标准差缩放系数DScal，-1.0＜=DScal＜=1.0，AT＞=0。如果DScal＞=0，选取附加阈值和标准差中较大的一个作为偏离阈值即偏离阈值：

如果DScal＜0，选取附加阈值和标准差中较小的一个作为偏离阈值即偏离阈值

（3）根据图像信息选择想要的区域，对于图像中每一个像素，当获取图像较亮的像素时，按下述公式计算，进行阈值分割选取图像中较亮的区域。当提取的图像中较暗的区域时即按公式计算，进行阈值分割，选出较暗的区域。

该方法是对图像中每个像素进行计算，并用标准差和均值对图像进行分割，提取的像素阈值与周围像素关系密切，提取的图像质量较好。

1.2 连通区域分析和特征提取

常见的连通区域标记主要是指二值图像的连通区域标记，它一般是从像素值为“0”（背景像素点）和像素值为“1”（前景像素点）组成的图像中将前景像素点提取出来，判断像素之间的邻域关系，对属于同一连通区域的像素赋予相同的连通标号[4]。比较常用的方法是四邻域和八邻域法。

本文采用文献[4]提出的方法对阈值分割后的二值图像进行连通区域标记，并用随机的颜色对连通区域显示出来。连通区域的特征有很多，设P是每个连通区域的中心点，Pi是该连通区域轮廓上的像素点，M是该连通区域轮廓的面积，即轮廓上像素点的总和。

计算第n个区域的平均偏离程度：

其中n=1,2,…,即该图像中连通区域的个数。

由于裂缝一般是细长的区域，所以偏离平均程度较大。根据数据生成裂缝连通区域的直方图，提取数据较大的区域，即为要提取的裂缝区域。

2 实验结果及分析

实验选取带有树木阴影的路面裂缝图像（见图1），该路面裂缝图像偏暗，为了增强图像的对比度，突出裂缝，对路面裂缝图像进行直方图均衡化处理和平滑处理如图2所示。图3为基本的局部阈值分割方法，图4为本文的局部阈值分割方法。可见基本的阈值分割方法块状效应明显分割效果不好，本文方法能很好地克服块状效应，效果较好。图5为对阈值分割后图像进行连通域分析，并用不同颜色进行标记。图6为提取的裂缝区域与原图合并结果。