公路路面检测与破损特征识别技术初探

曹淑琴

(武邑县交通运输局，河北 武邑 053400)

0 引 言

近年来，公路病害发生频率较高，裂缝、水损害以及车辙等各类病害严重降低了公路行车的安全性、舒适性，缩短了公路使用年限。这也表明，做好公路病害识别检测与维护保养是十分重要且必要的。而在公路养护作业中，路面破损检测与识别技术是基础，为公路养护提供重要的技术支撑，如果破损检测与识别技术不够科学先进，那么公路养护工作将很难开展。下面联系实际，就公路路面检测与破损特征识别技术做具体分析。

1 破损路面图像阈值的确定

要想进行路面破损特征检测与识别，需先确定出图像阈值。在整个技术体系中，图像阈值关系到路面破损特征识别的精确程度，因此在确定图像阈值时，需根据当前公路发展情况，常见病害类型以及其他的规范与技术理论确定出一种图面图像阈值确定方法。一般情况下，在公路等级相同、光照等相关条件相同时，公路中未出现破损路面图像的灰度值分布在特定误差范围内是恒定的，也就是说路面背景灰度值保持不变，只有有破损特征的路面图像，其灰度值与图像背景之间存有差异。基于以上现状，提出一种确定图像阈值的方法，即差影法。简单来说是如果要确定某一图像阈值，那么就找出两张图像，对这两张图像进行点对点的数学运算，通过运算最终得出最佳的阈值。在将这一方法理论带入到具体的工程实践中，得出以下结论：采集N幅待检测路面图像，经过均值图像计算后得到最小的灰度值，灰度值减一 就得到路面图像阈值[1]。

2 路面破损特征图像的预处理

2.1 图像灰度处理

通过采集装置获取到路面破损图像，该图像格式为RGB。运用三个字节来表示该图像中的每个要素，三个字节中每一字节都有对应的取值，且取值是不唯一的。而在取值选择较多的情况下，计算难度、图像处理难度也相应增加。为有效降低图像处理难度，将RGB格式的路面破损图像转化为灰度图像。在这一转化与处理过程中，相关工作人员可根据实际情况灵活选用平均值法、分量法以及最大值法、加权平均法来对图像进行灰度化处理，处理结束后将图像中的三个分量值以不同的值权进行加权并计算平均，最终得到灰度图像的灰度值[2]。

2.2 图像滤波去噪

一般情况下，初步提取出的路面破损特征图像会有较多瑕疵，如噪声多、方向性多等。这些问题会干扰判断，有可能导致最终的判断结果失真失准，因此在获取图像后需采用专门的方法对图像做进一步处理。工作人员可采用图像去噪法进一步消除图像中的噪声，让提取到的破损信息更加真实准确。实践证明，中值滤波这种非线性滤波技术在图像去噪处理中具有很多优势。如其可以解决图像细节模糊问题，可对图像噪声进行抑制，从而让识别与判断工作更易开展。但值得注意的是，传统的中值滤波算法也存在较多不足，如平滑模板比较单一，容易让图像边缘模糊，从而影响到检测与识别，造成检测与识别结果失真失准。因此，在具体的检测识别工作中还需对中值滤波算法作出相应的调整优化，如将其调整为多结构的中值滤波算法，从而实现有效除燥，保证图像边缘清晰。这一技术方法基本原理如下：以4种不同形状的3*3结构元素对路面破损灰度图像进行依次滤波处理，即从4个不同方向对图像进行滤波除燥，从根本上提升图像清晰度，确保图像检测与识别结果的精准性[3]。

2.3 路面破损特征图像分割处理

图像分割实际上是一种分类活动，在获得道路破损特征图像后，按照一定标准与要求对构成像素进行分类，通过分类细化出子区域，以便更好地开展检测与识别工作，进一步提升检测与识别结果精准性。在公路路面检测与破损特征识别工作中，选择怎样的图像分割方法就意味着会得到怎样的检测与识别结果。因此工作人员必须结合实际情况选择最为科学、合理，最有效的分割方法对图像进行处理，进而增强道路破损检测与识别效果。目前在公路路面检测与破损特征识别中常见的图像分割方法有阈值化分割算法，这一算法比较简单，运算效率较高并且稳定性强，因此在公路道路破损检测与识别工作中比较常用。在应用这一方法对图像进行分割处理时，首先需确定一个处于图像灰度值取值范围内的灰度阈值，将该数值与图像中每个像素的灰度值进行对比，并根据结构将像素划分为像素灰度值大于或小于阈值这两类，将其归为图像的两个不同区域，从而实现对图像的分割处理。

值得注意的是，采用阈值方法对灰度图像进行分隔处理这一工作多是建立在假设的基础之上。在具体的处理过程中，我们需要找到一个最佳的阈值作为支撑。但通过分析以往经验就会发现，在道路破损特征图像中，破损目标信号一般不是很强，且图像背景灰度与破损目标之间的差异不会非常明显，因此要想准确确定出一个阈值还是具有一定难度。为解决这一问题，建议工作人员可尝试采用多阈值平均的路面破损图像分割方法来开展工作。在对道路破损特征图像进行分割处理时，先通过应用最小偏态发、最大间方差法以及最大熵法来获得路面破损图像的分割阈值，然后通过计算得到平均值以及最佳的分割阈值。根据以上数据对道路破损特征图像进行分割，就可将图像背景与分割目标准确隔离出来，同时也能有效去除多余噪声。

3 路面破损特征参数的提取与识别

3.1 路面破损特征参数计算

在将路面破损特征图像进行灰度处理、滤波除燥处理以及分割处理后，图像上的破损特征就会以一系列的点的集合形式呈现出来，而相邻两像素点会形成一个骨架。此时，将全部骨架长度相加，得到的数据就是实际的破损路面长度，之后依据相关数据与计算公式同样得出破损路面宽度，这样就掌握了两项关键信息。

3.2 路面破损特征识别

在获取到路面破损特征后，就可构建BP神经网络对相关特征做进一步的识别。为保证最终识别结果的科学性、准确性，相关工作人员需按照一定的规范标准与要求来构建神经网络，要准确确定各层中神经元的个数、学习速率以及初始值，同时准确确定出网络的层数，以确保构建的网络符合识别要求，能够开展识别工作。一般情况下，具有偏差和最少一个S型隐含层加上一个线性输入层的网络，可以逼近全部有理函数。增加网络层数虽然有利于减少误差，提高最终的识别精度，但是也会让网络结构更加复杂。为此，在构建识别网络时可在网络中设计一个S型的隐含层，在网络中设计6个输入节点与5个输出节点，通过这样的设计让神经网络能快速运转，在提高识别效率的同时提升道路破损特征识别的精准性。

4 结束语

综上所述，在公路使用期间，公路路面检测与破损特征识别是一项重要工作，通过检测与识别可体现发现安全隐患，避免安全事故的发生。为此，应高度重视对公路路面检测与破损特征识别技术的优化、创新与应用，让该项技术更好地服务于我国交通事业。