无人机影像道路与桥梁裂缝智能化识别
2021-05-24吴昊天董文乐张毓惠李翊玮杨凯银常广利
吴昊天 董文乐 张毓惠 李翊玮 杨凯银 常广利
(北华大学,吉林 吉林 132013)
目前,国内对道路与桥梁检测的主要方法是采用人工检测为主,检测效率较低,对于大里程道路桥梁的检测周期较长,无法满足现阶段的需要,因此本文提出利用无人机影像配合计算机图像识别分析技术,可以快速地对道路与桥梁裂缝进行处理,提高道路与桥梁检测的效率,较好地解决了目前人工检测的主要弊端[1]。
1 道路与桥梁裂缝处理
图像裂缝的提取有粗提取和细提取两种方法,其中粗提取主要是对裂缝图像的灰度化处理、直方图均衡化、滤波去噪等,利用最大类间方差法求解,确定出适当的阈值,再利用阈值对图像进行筛选,剔除小于阈值部分,最后得到二值化图像。
1.1 图像灰度化
首先利用无人机航拍技术对吉林市某段道路与桥梁进行航拍,拍摄得到航拍照片300张,对这些彩色图像进行灰度处理,将其转化为黑白图片。
1.2 图像直方图均衡化
图像灰度化以后,其灰度值会分布在一个比较窄的空间,这样会导致图像不清晰,对比度较差,为了提高图像的清晰度,能够直观地识别灰度化的图像,本文通过直方图均衡化来增强图像的整体对比度,进一步提高图像识别的准确度[2-3]。
1.3 图像中值滤波去噪
为了进一步对图像边缘识别,本文采用中值滤波来对图像做进一步的处理,中值滤波能在滤除噪声的同时很好地保持图像边缘,中值滤波的原理:把以当前像素为中心的小窗口内所有像素的灰度按从小到大排序,取排序结果的中间值作为该像素的灰度值。
1.4 最大类间方差法二值化和滤波
最大类间方差法是一种自适应的阈值确定的方法,又叫大津法,简称OTSU。它是按图像的灰度特性,将图像分成背景和目标2部分。在使用im2bw函数将灰度图像转换为二值图像时,需要设定一个阈值,这个函数可以帮助我们获得一个合适的阈值。
2 试验与分析
2.1 技术流程
本文中道路与桥梁裂缝检测的图像采集应用的是大疆多旋翼无人机,相机为五镜头,飞行当天天气良好,无风,道路两侧无障碍物,无人机飞行高度为35 m,试验分析流程图如图1所示。
图1 技术流程图
2.2 试验结果
图像分析试验采用MATLABR2014a程序进行,其具体试验步骤如图1中技术流程图进行整个过程的图像处理,通过程序分析,图像识别处理,最终得到道路与桥梁裂缝的识别结果,具体操作过程如下,图2中为灰度化处理后的图像,无人机拍照采样的图像为彩色图像,第一步要先进行灰度化处理。第二步对灰度化的图像采样直方图均衡化处理,得到如图3所示图像,由于此图像中存在噪声和模糊边界等问题。第三步要对图像进行滤波去噪,本文采用中值滤波去噪的方法,得到图4所示图像,最后利用最大类间方差法处理图像,处理后的图像如图5所示。由图5可以看出,经过计算机程序对图像的识别分析,其道路与桥梁裂缝可以很清晰地显现出来,最终可以达到对图像识别的目的。
图2 灰度化图像
图3 直方图均衡化后图像
图4 中值滤波图像
图5 最大类间方差法处理后图像
2.3 评价
本文将无人机采集的300张图片利用计算机程序识别分析,并将这些照片划分为3组,每组100张,判别分析结果的正确识别率,首先将原始图像灰度化处理,将图片转化为灰度图,灰度范围为0~255,然后将灰度图直方图均衡化,增强整个图像的对比度,再进行滤波去噪,使图像更加清晰可辨,最后利用最大类间方差法处理确定最佳阈值,根据设定的最佳阈值剔除小于此阈值的部分,通过图像的分析处理,其分析准确率达到了85%以上,此方法有较高的识别率,可以在道路与桥梁裂缝识别中应用。
本文通过无人机航拍技术获得吉林市某段道路桥梁的损坏段图片,将图片利用计算机程序进行识别处理,转化为可以清晰判别裂缝的图片形式,通过识别判定其对裂缝的识别正确率在85%以上,说明此方法对于道路与桥梁裂缝有较高的识别度,可以应用于道路与桥梁检测中,而且也能最大程度地提高检测的作业效率,减少了人工,但本文只是针对道路与桥梁裂缝进行的识别,至于其它方面的破坏还有待于进一步研究。