HSI空间在低照度沥青混合料图像处理中的应用

曾 晟,梁乃兴,杨遂中,田晓峰

(1. 重庆交通大学 土木工程学院，重庆 400074； 2. 郑州路桥建设投资集团有限公司，河南 郑州 450000)

0 引 言

随着现代科学技术发展，公路施工检测技术得到了进一步的发展。传统检测技术存在主观性较强、对道路破坏性大的问题，数字图像处理技术在道路工程中的应用，为现代道路检测技术提供了快速、无损、准确的新方法[1-3]。

近年来，数字图像技术在道路表面纹理和沥青混合料颗粒均匀性的评价等方面上取得了一定的进展。L.BRUNO等[4]运用数字图像技术对路面上取芯切片进行扫描，提取矿料级配组成，表明图像分析方法可靠合适；S.SAFAVIZADEH等[5]利用数字图像处理技术对摊铺的沥青混合性能进行了评价。国内学者对数字图像技术在沥青混合料中的应用开展了大量的研究，张肖宁[6]采用二维数字图像技术分析沥青混合料内部结构组成，并在提取粗集料形态特征、沥青混合料内部三维图像重构以及沥青混合料虚拟力学试验等方面取得若干成果；蒋继望等[7]运用数字图像技术对沥青混合料的疲劳性能进行了评价；石立方等[8]提出了基于数字图像技术的沥青混合料主骨料评价方法；陈尚江等[9]运用数字图像处理技术研究沥青混合料的分形特性；张争奇等[10]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；梁乃兴等[11]通过数字图像技术，对摊铺沥青混合料集料均匀性进行了评价，为沥青混合料离析检测提供了一种施工中快速、全面的检控方法。以往数字图像处理方法通过RGB色域空间进行图像预处理[12]，但沥青混合料图像色彩对比度低，受外界光照条件影响较大，光照强度不足时，评价结果变异性大。需要提出一种适用于低照度条件下沥青混合料数字图像预处理技术。

笔者从HSI色域空间出发，通过将沥青混合料RGB图像转化成HSI颜色空间图像，并对亮度分量I进行改进Retinnex增强后，对图像集料颗粒进行识别，研究一种对光照强度敏感度低的沥青混合料数字图像预处理方法。

1 HSI颜色空间

1.1 HSI颜色空间模型

HSI颜色模型[13]即色调(hue)—饱和度(saturation)—亮度(intensity)，HSI空间模拟了人眼类似的感知色彩方式。HSI颜色空间通过双圆锥体模型表示，如图1。

HSI颜色模型中围绕轴的角度是色调H，取值范围0°～360°，影响人眼的视觉判断；离开长轴的距离为饱和度S，即颜色的纯度，取值范围0%～100%;长轴表示亮度I，从黑(0%)到白(100%)，体现了光线的明暗程度[14]。由图1可以看出，HSI颜色空间中，图像的色彩取决于H与S，I是一条独立通道，与图像色彩无关，能较好反映人对颜色的感知和鉴别能力。在工程应用中，低照度工况下，对图像进行亮度I优化不会改变图像的色彩信息，很大程度保证了预处理结果的准确性。

RGB颜色模型如图2。

由图2 RGB颜色空间模型可知，在RGB颜色空间下，图像由红R、绿G、蓝B这3个色彩通道组成。改变任何一个通道都会对图片的有效信息造成改变。因此在实际工程应用中，不同光强环境下，HSI颜色空间具有更好的应用空间。

1.2 HSI颜色空间与RGB颜色空间的关系

通过相机采集到的RGB图像，根据图像中红、绿、蓝这3个通道对应的R、G、B值通过几何推导法公式转化为HSI图像，公式如式(1)～(4)：

色调：

(1)

式中：θ表示HSI颜色模型中围绕轴的角度，转换公式如式(2)：

(2)

饱和度如式(3)：

(3)

亮度如式(4)：

(4)

2 沥青混合料图像预处理

2.1 HSI颜色空间转换

笔者研究摊铺沥青混合料均匀性，在沥青混合料摊铺后，碾压之前进行图像采集，采集的RBG图像如图3。

将采集得到的沥青混合料RGB图像转换成HSI色彩空间，处理结果如图4。

2.2 HSI空间亮度增强

传统的图像增强方法是通过将RGB图像灰度化处理后，对灰度图像直方图均衡化处理。对于低照度图像，图像灰度偏低，直方图均衡化后灰度图像像素值相应减少，达到一定的增加亮度效果，但会使图像中有效信息减少[15]。

笔者通过改进Retinnex算法[16]，对图像进行全局自适应HDR处理，到达图像自适应增亮处理，如式(5)：

(5)

2.3 RGB图像恢复

为了提取图像中集料颗粒，在HSI颜色空间下进行Retinnex算法图像亮度增强后，需进行RGB颜色空间恢复。

2.4 图像降噪

图像在采集和处理中会掺入噪声，笔者通过中值滤波对对自适应亮度增强后的图像进行降噪。

2.5 形态学处理和集料提取

通过开闭运算，腐蚀膨胀操作，将图像中颗粒圆滑处理，连通边界不平滑区域。通过二值化和分水岭分割对集料颗粒进行提取，结果如图5。

3 试验验证

笔者依托云南玉楚高速公路项目，以中面层AC-20沥青混合料为研究对象，在光照充足及光照不足两种工况下分别采集6个点位摊铺沥青混合料(压实前)数字图像进行研究。

3.1 试验设计

试验设计步骤如下：

1)对比两种光照强度下不同工况图像灰度共生矩阵结果，分析图像预处理方法对低照度图像的恢复效果；

2)采集现场6个点位摊铺沥青混合料数字图像，并在碾压前将图像对应的沥青混合料进行取样；

3)将取样沥青混合料进行抽提筛分试验，确定对应点位沥青混合料的级配；

4)将两种颜色空间预处理图像中9.5 mm以上集料面积占比与现场抽提筛分试验集料9.5 mm以上各粒径占比进行对比，分析预处理方法的准确性。

摊铺沥青混合料两种光照强度图像及不同预处理图像如图6。

3.2 试验结果

通过对比图像预处理前后灰度共生矩阵[17]，评价预处理方法对低照度图像还原程度。灰度共生矩阵中，熵值是描述图像具有信息的度量，反映了图像的复杂程度。当复杂程序高时，熵值较大，反之则较小。能量是图像灰度分布均匀程度和纹理粗细的一个度量，当图像纹理绞细致、灰度分布均匀时，能量值较大，反之较小。试验结果如表1。

表1 不同工况图像灰度共生矩阵情况

由表1可知，低照度图像的熵值和能量相对于光线充足条件下图像存在较大差异。传统RGB颜色空间图像预处理方法，处理后的低照度图像的灰度共生矩阵与原图差异较大，对图像还原度较低。笔者HSI颜色空间图像预处理方法对图像还原度高，适合于光线不足的条件下应用。

通过抽提筛分试验验证预处理算法的准确性。为了避免钻芯取样造成集料破碎，将6个图像取样点位对应的沥青混合料在碾压前进行取样，进行抽提筛分试验，确定每个采样点沥青混合料的集料级配，抽提筛分结果见表2。

表2 现场图像对应沥青混合料取样抽提筛分试验结果

分布计算HSI颜色空间预处理方法和RGB颜色空间预处理方法两种工况下，图像中大于9.5 mm以上集料面积占图像中总集料面积比例，结果如表3。

表3 不同预处理方法及抽提筛分后集料9.5mm以上各粒径集料面积占比

由表2、表3计算图像处理法各粒径比例与抽提试验各粒径比例的相对误差。两种颜色空间下，预处理集料9.5mm以上各粒径下面积比与抽提试验结果平均相对误差，如图7。

由图7可知，传统RGB颜色空间对于低照度条件下，沥青混合料图像预处理结果相对于抽提筛分试验结果误差较大，预处理图像中颗粒粘连，19 mm粒径下集料颗粒占比增加； HSI颜色空间沥青混合料预处理图像，各粒径集料占比与实际抽提筛分试验结果误差小，在低照度条件下，对沥青混合料图像集料颗粒识别准确度较高。

4 结 论

笔者基于HSI颜色空间，提出一种适用于低照度条件下摊铺沥青混合料数字图像预处理方法。与传统RGB颜色空间沥青混合料数字图像预处理方法进行对比，HSI颜色空间下亮度恢复后的低照度图像灰度共生矩阵中熵值、能量与光线充足条件下图像结果接近。二值化图像中集料各粒径占比与图像对应点位抽提筛分试验结果进行对比，HSI颜色空间摊铺沥青混合料预处理结果误差较小，结果表明HSI颜色空间摊铺沥青混合料预处理方法对低照度图像还原度高，对沥青混合料中集料颗粒分割识别较为准确，适合实际工程光线不利条件下应用。