2024年5月6日发(作者：房琛瑞)
(19)中华人民共和国国家知识产权局
(12)发明专利说明书
(21)申请号 CN2.6
(22)申请日 2014.12.17
(71)申请人 长安大学
地址 710064 陕西省西安市雁塔区二环南路中段126号
(72)发明人 李伟 沙爱民 孙朝云 呼延菊 郝雪丽 刘玉娥 任娜娜 赵海伟 刘祝 侯云飞 任青青
(74)专利代理机构 西安恒泰知识产权代理事务所
代理人 李郑建
(51)
G06K9/46
G06T5/00
G06T7/00
(10)申请公布号 CN 104504388 A
(43)申请公布日 2015.04.08
权利要求说明书 说明书 幅图
(54)发明名称
一种路面裂缝识别和特征提取算法
及系统
(57)摘要
本发明公开了一种路面裂缝识别和
特征提取算法及系统：读取路面三维数据
矩阵；去噪处理；识别路面裂缝得到最终
裂缝图像；从最终裂缝图像中提取裂缝种
子点并进行区域生长得到裂缝二值化图
像；将裂缝用多个相同的正方形标定，用
矩形框将所有正方形框入其中且矩形框满
足面积最小；按照矩形框的对角线与水平
方向的夹角分类裂缝：夹角在[0,π/4]内的
裂缝为横向裂缝，否则为纵向裂缝；计算
矩形框的对角线长度作为裂缝的长度，计
算矩形框的面积作为裂缝区域的面积。本
发明只需输入采集到的三维数据矩阵，即
可识别出裂缝并判断三维线性裂缝的类
别，完成特征提取，其计算简单、运行时
间短且检测结果精确。
法律状态
法律状态公告日
法律状态信息
2021-11-26
未缴年费专利权终止
2017-10-24
授权
2015-05-06
实质审查的生效
2015-04-08
公开
法律状态
未缴年费专利权终止
授权
实质审查的生效
公开
权 利 要 求 说 明 书
1.一种路面裂缝识别和特征提取算法，其特征在于，包括如下步骤：
步骤1：读取路面三维数据矩阵；
步骤2：对路面三维数据矩阵进行去噪处理，得到去噪后的路面三维数据矩阵；
步骤3：由去噪后的路面三维数据矩阵识别路面裂缝，得到最终裂缝图像；
步骤4：从最终裂缝图像中提取裂缝种子点并进行区域生长，得到裂缝二值化图像；
步骤5：将步骤4得到的裂缝二值化图像中的裂缝用多个相同的正方形标定，然后
用
步骤6：按照矩形框的对角线与水平方向的夹角分类裂缝：夹角在[0,π/4]内的裂
缝为横向裂缝，否则为纵向裂缝；计算矩形框的对角线长度作为裂缝
矩形框的面积作为裂缝区域的面积。
矩形框将所有正方形框入其中且矩形框满足面积最小；
的长度，计算
2.如权利要求1所述的路面裂缝识别和特征提取算法，其特征在于，所述步骤1
中所述的路面三维数据矩阵Om×n如下：
tr> > w> mo>. w> d> d> > >2 mrow> mrow> o> mo>. msub> > > > msub> . > > /mo> mrow>
zij表示行号为i，列号为j所对应的路面高度。
3.如权利要求1所述的路面裂缝识别和特征提取算法，其特征在于，所述步骤2
画出路面高度直方图，图中横坐标为路面三维数据矩阵中的高度数据，纵坐标为路
面三维数据矩阵中的对应于每个高度数据段的元素个数；将路
数据段所对应的元素分别标记；其他高度
中标记的噪声点进行
对路面三维数据矩阵进行去噪处理的操作如下：
面高度直方图中两个高度
数据段对应的元素标记为噪声点；对步骤22
滤波处理，得到去噪后的路面三维数据矩阵。
4.如权利要求1所述的路面裂缝识别和特征提取算法，其特征在于，所述步骤3
步骤31：对步骤2得到的去噪后的路面三维数据矩阵进行基于平均值法曲线拟合
的水平单相扫描，得到裂缝图像I1；具体是：将矩阵中每一行的数
N个数据段，N为能被每行元素的个数整除的数；
具体包括如下步骤：
据个数N等分得到
对每个数据段中的元素进行曲线拟合， 用拟合值减去对应元素的值
每一段
得到差值Δ；然后取多个阈值将所有的Δ值分为多个段，将
中对应的元素的值用对应的阈值替换，得到裂缝图像I1；
步骤32：将步骤2得到的去噪后的路面三维数据矩阵进行基于平均值法曲线拟合
的垂直单相扫描，得到裂缝图像I2；具体是：将矩阵中每列的数据
个数据段，M是能被每列元素的个数整除的数；
用拟合值减去其对应的元素
元素的
个数M等分得到M
对每个数据段中的元素进行曲线拟合，
的值Δ；然后将所有的Δ值分为多个段，将每一段中对应的
值用对应的阈值替换；
步骤33：将裂缝图像I1与裂缝图像I2取交集，得到交集裂缝图像I3；
步骤34：将裂缝图像I1与裂缝图像I2取并集，得到并集裂缝图像I4；
步骤35：将裂缝图像I1、裂缝图像I2、交集裂缝图像I3、并集裂缝图像I4分别划
分为m*n个小块，m是能被每行元素的个数整除的数，n是能被每列
数； 元素的个数整除的
对于交集裂缝图像I3，从左到右从上而下扫描每个小块，对于每个小块，分别计
算 该小块在裂缝图像I1、裂缝图像I2以及交集裂缝图像I3中对
点所占的比例R1、R2和R3；计算R3与
R31＝0；计算R3与
应位置的小块中黑色像素
R1的相对误差R31＝|R1-R3|/R1，若R1＝0，则
R2的相对误差R32＝|R2-R3|/R2，若R2＝0，则R32＝0；计算交集裂
缝图像I3中该小块与裂缝图像I1、I2中对应小块的相似度R312＝
0.5*R31+0.5*R32。
对于并集裂缝图像I4，从左到右从上而下扫描每一个小块，对于每个小块，分别
计 算其在裂缝图像I1、裂缝图像I2、并集裂缝图像I4中对应的
比例R1、R2和R4，计算R4与R1的相
计算R4与
小块中黑色像素点所占的
对误差记为R41＝|R1-R4|/R1，若R1＝0，则R41＝0；
R2的相对误差R42＝|R2-R4|/R2，若R2＝0，则R42＝0；R412＝0.5*R41+0.5*R42。
步骤36：对于每个小块，比较其对应的R312与R412的大小，若R312大于等于
R412，则取I4中的相应小块作为最终裂缝图像中的相应位置的小块。
应小块作为最终裂缝图像中的相应位置的小块，
否则取I3中的相
得到最终裂缝图像I5。
5.一种路面裂缝识别和特征提取系统，其特征在于，包括如下依次相连接的模块：
矩阵读取模块，是用于实现路面三维数据矩阵读取的模块；
去噪模块，是用于对路面三维数据矩阵进行去噪处理得到去噪后的路面三维数据矩
路面裂缝识别模块，是用于从去噪后的路面三维数据矩阵得到最终裂缝图像的模
裂缝二值化模块，是用于从最终裂缝图像中提取裂缝种子点并进行区域生长，得到
裂缝二值化图像的模块；
块。
阵的模块；
裂缝区域标定模块，是用于实现以下功能的模块：将裂缝二值化图像中的裂缝用多
个相同的正方形标定，然后用矩形框将所有正方形框入其中且
矩形框满足面积最小；
裂缝分类模块：是用于实现以下功能的模块：按照矩形框的对角线与水平方向的
夹角分类裂缝：夹角在[0,π/4]内的裂缝为横向裂缝，否则为纵向裂缝；
的对角线长度作为裂缝的长度，计算矩形框的面积作为
计算矩形框
裂缝区域的面积。
6.如权利要求5所述的路面识别判断和特征提取系统，其特征在于，所述矩阵读
tr> > w> mo>. w> d> d> > >2 取模块中所述的路面三维数据矩阵Om×n如下： mrow> mrow> o> mo>. msub> > > > msub> . > > /mo> mrow>
zij表示行号为i，列号为j所对应的路面高度。
7.如权利要求5所述的路面裂缝识别和特征提取系统，其特征在于，所述路面裂
缝识别模块是用于实现以下功能的模块：画出路面高度直方图，图中
数据矩阵中的高度数据，纵坐标为路面三维数据
个数；将路面高度直方图中
应的元
横坐标为路面三维
矩阵中的对应于每个高度数据段的元素
两个高度数据段所对应的元素分别标记；其他高度数据段对
素标记为噪声点；对步骤22中标记的噪声点进行滤波处理。
8.如权利要求5所述的路面裂缝识别和特征提取算法，其特征在于，所述裂缝二
对去噪后的路面三维数据矩阵进行基于平均值法曲线拟合的水平单相扫描，得到裂
缝图像I1；具体是：将矩阵中每一行的数据个数N等分得到
行元素的个数
值化模块是用于实现以下功能的模块：
N个数据段，N为能被每
整除的数；对每个数据段中的元素进行曲线拟合，用拟合值减去对应元素
的值得到差值Δ；然后取多个阈值将所有的Δ值分为多个段，将每一段中对
值用对应的阈值替换，得到裂缝图像I1； 应的元素的
将去噪后的路面三维数据矩阵进行基于平均值法曲线拟合的垂直单相扫描，得到裂
缝图像I2；具体是：将矩阵中每列的数据个数M等分得到M
元素的个数整除的数；对每个数据段中的
素的值Δ；然后将所
个数据段，M是能被每列
元素进行曲线拟合，用拟合值减去其对应的元
有的Δ值分为多个段，将每一段中对应的元素的值用对应的阈值替
将裂缝图像I1与裂缝图像I2取交集，得到交集裂缝图像I3；
换；
将裂缝图像I1与裂缝图像I2取并集，得到并集裂缝图像I4；
将裂缝图像I1、裂缝图像I2、交集裂缝图像I3、并集裂缝图像I4分别划分为m*n
个小块，m是能被每行元素的个数整除的数，n是能被每列元素的个
数整除的数；
对于交集裂缝图像I3，从左到右从上而下扫描每个小块，对于每个小块，分别计
算 该小块在裂缝图像I1、裂缝图像I2以及交集裂缝图像I3中对
点所占的比例R1、R2和R3；计算R3与
R31＝0；计算R3与
应位置的小块中黑色像素
R1的相对误差R31＝|R1-R3|/R1，若R1＝0，则
R2的相对误差R32＝|R2-R3|/R2，若R2＝0，则R32＝0；计算交集裂
缝图像I3中该小块与裂缝图像I1、I2中对应小块的相似度R312＝
0.5*R31+0.5*R32。
对于并集裂缝图像I4，从左到右从上而下扫描每一个小块，对于每个小块，分别
计 算其在裂缝图像I1、裂缝图像I2、并集裂缝图像I4中对应的
比例R1、R2和R4，计算R4与R1的相
计算R4与
小块中黑色像素点所占的
对误差记为R41＝|R1-R4|/R1，若R1＝0，则R41＝0；
R2的相对误差R42＝|R2-R4|/R2，若R2＝0，则R42＝0；R412＝0.5*R41+0.5*R42。
对于每个小块，比较其对应的R312与R412的大小，若R312大于等于R412，则
取I4中的相应小块作为最终裂缝图像中的相应位置的小块。否则取
为最终裂缝图像中的相应位置的小块，得到最终
I3中的相应小块作
裂缝图像I5。
说 明 书
技术领域
本发明属于道路工程领域，具体涉及一种路面裂缝识别和特征提取算法及系统。
背景技术
根据我国的《公路养护技术规范》，我国高速公路路面评价内容包括四部分，即道
路路面的平整度(行驶舒适度)、路面破损(路面破损状况指数)、弯沉
度)和抗滑性能(安全性)。其中，路面破损状况指数(PCI)
的数据，它不仅反映了路面结构的完好程度，又
掌握路面使用性能的衰变情况，以
复其使用性能，就必
合理制
(路面的结构强
是决策养护方案的最重要
直接影响道路的服务寿命，为了了解和
便及时采用相应的养护和改善措施，延缓其衰变或恢
须对路面破损状况进行正确的检测，这是科学预测路面使用性能、
定养护维修计划、进行投资决策的重要依据之一，是路面养护中最重要的环节。
而路面裂缝类病害作为路面破损状况检测的一项重要内容，其自动化检测一
面破损检测的热点和难点。 直是公路路
目前，国内外的路面裂缝检测技术大都是采用CCD摄像机获取路面图像，然后对
采集到的二维图像进行处理来识别路面裂缝，进而对路面裂缝的类别进行判
缝的特征信息。但是，该方法中采集到的二维图像往往会受到
照、油污、建筑物以及树的影子等)的影响，使
大的干扰，大大影响路面裂缝识别
受环境影响较小而检
的。
断并提取裂
周围环境条件(如路面光
得基于二维图像的路面裂缝检测受到很
以及后续的裂缝特征提取的准确度，因此，研究一种
测精确高，且效率高的路面裂缝特征提取算法及系统是很有必要
发明内容
针对上述现有技术中存在的缺陷或不足，本发明的一个目的在于，提供一种路面裂
为了达到上述目的，本发明采用如下的技术方案：
一种路面裂缝识别和特征提取算法，包括如下步骤：
步骤1：读取路面三维数据矩阵；
步骤2：对路面三维数据矩阵进行去噪处理，得到去噪后的路面三维数据矩阵；
步骤3：由去噪后的路面三维数据矩阵识别路面裂缝，得到最终裂缝图像；
步骤4：从最终裂缝图像中提取裂缝种子点并进行区域生长，得到裂缝二值化图像。
步骤5：将步骤4得到的裂缝二值化图像中的裂缝用多个相同的正方形标定，然后
用
步骤6：按照矩形框的对角线与水平方向的夹角分类裂缝：夹角在[0,π/4]内的裂
缝为横向裂缝，否则为纵向裂缝；计算矩形框的对角线长度作为裂缝的长度，
矩形框的面积作为裂缝区域的面积。
矩形框将所有正方形框入其中且矩形框满足面积最小。
缝识别和特征提取算法。
计算
进一步的，所述步骤1中所述的路面三维数据矩阵Om×n如下：
mi>z sub> o>
mi>j > > msub>
mo>.
o> td> o> td> o> td> mi> mi> mi> > o>.
/mtr> mtd> /mtr> mtd> /mtr> mtd> /mtr> sub> sub> sub> /mi> mo>, w> zij表示行号为i，列号为j所对应的路面高度。 进一步的，所述步骤2对路面三维数据矩阵进行去噪处理的操作如下： 画出路面高度直方图，图中横坐标为路面三维数据矩阵中的高度数据，纵坐标为路 面三维数据矩阵中的对应于每个高度数据段的元素个数；将路面高度 数据段所对应的元素分别标记；其他高度数据段对应的 中标记的噪声点进行滤波处理，得到去噪 直方图中两个高度 元素标记为噪声点；对步骤22 后的路面三维数据矩阵。 进一步的，所述步骤3具体包括如下步骤： 步骤31：对步骤2得到的去噪后的路面三维数据矩阵进行基于平均值法曲线拟合 的水平单相扫描，得到裂缝图像I1；具体是： N个数据段，N为能被每行元素的 用拟合值减去 将矩阵中每一行的数据个数N等分得到 个数整除的数；对每个数据段中的元素进行曲线拟合， 对应元素的值得到差值Δ；然后取多个阈值将所有的Δ值分为多个段，将 每一段中对应的元素的值用对应的阈值替换，得到裂缝图像I1； 步骤32：将步骤2得到的去噪后的路面三维数据矩阵进行基于平均值法曲线拟合 的垂直单相扫描，得到裂缝图像I2；具体是：将矩阵中每列的数据个数M 个数据段，M是能被每列元素的个数整除的数；对每个数据 用拟合值减去其对应的元素的值Δ；然后 元素的值用对应的阈值替换； 等分得到M 段中的元素进行曲线拟合， 将所有的Δ值分为多个段，将每一段中对应的 步骤33：将裂缝图像I1与裂缝图像I2取交集，得到交集裂缝图像I3； 步骤34：将裂缝图像I1与裂缝图像I2取并集，得到并集裂缝图像I4； 步骤35：将裂缝图像I1、裂缝图像I2、交集裂缝图像I3、并集裂缝图像I4分别划 分为m*n个小块，m是能被每行元素的个数整除的数，n是能被每列元素的 数； 个数整除的 对于交集裂缝图像I3，从左到右从上而下扫描每个小块，对于每个小块，分别计 算 该小块在裂缝图像I1、裂缝图像I2以及交集裂缝图像I3中对应位置 点所占的比例R1、R2和R3；计算R3与R1的相对误 R31＝0；计算R3与R2的相对误 缝图像I3中 的小块中黑色像素 差R31＝|R1-R3|/R1，若R1＝0，则 差R32＝|R2-R3|/R2，若R2＝0，则R32＝0；计算交集裂 该小块与裂缝图像I1、I2中对应小块的相似度R312＝0.5*R31+0.5*R32。 对于并集裂缝图像I4，从左到右从上而下扫描每一个小块，对于每个小块，分别 计 算其在裂缝图像I1、裂缝图像I2、并集裂缝图像I4中对应的小块中 比例R1、R2和R4，计算R4与R1的相对误差记为 计算R4与R2的相对误差 黑色像素点所占的 R41＝|R1-R4|/R1，若R1＝0，则R41＝0； R42＝|R2-R4|/R2，若R2＝0，则R42＝0；R412＝0.5*R41+0.5*R42。 步骤36：对于每个小块，比较其对应的R312与R412的大小，若R312大于等于 R412，则取I4中的相应小块作为最终裂缝图像中的相应位置的小块。否则 应小块作为最终裂缝图像中的相应位置的小块，得到最终裂缝 取I3中的相 图像I5。 本发明的另一个目的在于，提供一种路面裂缝识别和特征提取系统，该系统具体包 矩阵读取模块，是用于实现路面三维数据矩阵读取的模块； 去噪模块，是用于对路面三维数据矩阵进行去噪处理得到去噪后的路面三维数据矩 路面裂缝识别模块，是用于从去噪后的路面三维数据矩阵得到最终裂缝图像的模 裂缝二值化模块，是用于从最终裂缝图像中提取裂缝种子点并进行区域生长，得到 裂缝区域标定模块，是用于实现以下功能的模块：将裂缝二值化图像中的裂缝用多 个相同的正方形标定，然后用矩形框将所有正方形框入其中且矩形框 裂缝二值化图像的模块； 块。 阵的模块； 括如下模块： 满足面积最小； 裂缝分类模块：是用于实现以下功能的模块：按照矩形框的对角线与水平方向的 夹角分类裂缝：夹角在[0,π/4]内的裂缝为横向裂缝，否则为纵向裂缝；计算 的对角线长度作为裂缝的长度，计算矩形框的面积作为裂缝区 矩形框 域的面积。 进一步的，所述矩阵读取模块中所述的路面三维数据矩阵Om×n如下： mi>z sub> o>
mi>j > > msub>
mo>.
o> td> o> td> o> td> mi> mi> mi> > o>.
/mtr> mtd> /mtr> mtd> /mtr> mtd> /mtr> sub> sub> sub> /mi> mo>, w> zij表示行号为i，列号为j所对应的路面高度。 进一步的，所述路面裂缝识别模块是用于实现以下功能的模块：画出路面高度直方 图，图中横坐标为路面三维数据矩阵中的高度数据，纵坐标为路面三 应于每个高度数据段的元素个数；将路面高度直方图中 别标记；其他高度数据段对应的元素标记 波处理。 维数据矩阵中的对 两个高度数据段所对应的元素分 为噪声点；对步骤22中标记的噪声点进行滤 进一步的，所述裂缝二值化模块是用于实现以下功能的模块： 对去噪后的路面三维数据矩阵进行基于平均值法曲线拟合的水平单相扫描，得到裂 缝图像I1；具体是：将矩阵中每一行的数据个数N等分得到N个数 行元素的个数整除的数；对每个数据段中的元素进行曲 的值得到差值Δ；然后取多个阈值将所有 值用对应的阈值替换，得到 据段，N为能被每 线拟合，用拟合值减去对应元素 的Δ值分为多个段，将每一段中对应的元素的 裂缝图像I1； 将去噪后的路面三维数据矩阵进行基于平均值法曲线拟合的垂直单相扫描，得到裂 缝图像I2；具体是：将矩阵中每列的数据个数M等分得到M个数据 元素的个数整除的数；对每个数据段中的元素进行曲线 素的值Δ；然后将所有的Δ值分为多个段， 换； 段，M是能被每列 拟合，用拟合值减去其对应的元 将每一段中对应的元素的值用对应的阈值替 将裂缝图像I1与裂缝图像I2取交集，得到交集裂缝图像I3； 将裂缝图像I1与裂缝图像I2取并集，得到并集裂缝图像I4； 将裂缝图像I1、裂缝图像I2、交集裂缝图像I3、并集裂缝图像I4分别划分为m*n 个小块，m是能被每行元素的个数整除的数，n是能被每列元素的个数整除 的数； 对于交集裂缝图像I3，从左到右从上而下扫描每个小块，对于每个小块，分别计 算 该小块在裂缝图像I1、裂缝图像I2以及交集裂缝图像I3中对应位置 点所占的比例R1、R2和R3；计算R3与R1的相对误 R31＝0；计算R3与R2的相对误 缝图像I3中 的小块中黑色像素 差R31＝|R1-R3|/R1，若R1＝0，则 差R32＝|R2-R3|/R2，若R2＝0，则R32＝0；计算交集裂 该小块与裂缝图像I1、I2中对应小块的相似度R312＝0.5*R31+0.5*R32。 对于并集裂缝图像I4，从左到右从上而下扫描每一个小块，对于每个小块，分别 计 算其在裂缝图像I1、裂缝图像I2、并集裂缝图像I4中对应的小块中 比例R1、R2和R4，计算R4与R1的相对误差记为 计算R4与R2的相对误差 黑色像素点所占的 R41＝|R1-R4|/R1，若R1＝0，则R41＝0； R42＝|R2-R4|/R2，若R2＝0，则R42＝0；R412＝0.5*R41+0.5*R42。 对于每个小块，比较其对应的R312与R412的大小，若R312大于等于R412，则 取I4中的相应小块作为最终裂缝图像中的相应位置的小块。否则取I3中的 为最终裂缝图像中的相应位置的小块，得到最终裂缝图像I5。相应小块作 与现有技术相比，本发明提出的方法具有以下优点： 1、采用面测量，只需输入采集到的路面三维数据矩阵，即可完成裂缝的种类判别 2、对于所需要的裂缝数据以及正常的路面数据保持原值不予进行滤波处理，而只 对毛刺点数据进行滤波去噪，更好的保证了去噪处理后的三维信息数据的准 以及特征提取，其效率高、检测精确，适合在实时系统中采用。 确性。 3、由去噪处理后的三维数据矩阵直接识别裂缝，避免了由二维图像识别裂缝时由 于路面光照、油污、建筑物以及树等的影子的影响而造成的裂缝识别率低的 明采用基于双相扫描的交并拼接方法进行裂缝识别，兼顾了单 单独采用并集裂缝图像的优缺点，在交集裂缝图 接，使得最终得到的裂缝图像在尽 到最小，这样得到的 问题。本发 独采用交集裂缝图像以及 像与并集裂缝图像中择优取块而进行拼 可能的保留裂缝的全部信息的同时，也使得噪声点减 裂缝图像对于后续的特征提取更有实用意义。 4、采用正方形标定裂缝并且用矩形框框定裂缝区域操作简单、直观、高效，便于 以下结合附图和具体实施方式对本发明作进一步解释说明。 附图说明 在实时系统中采用。 图1是本发明的路面裂缝识别和特征提取算法的流程图。 图2是原始路面三维数据的三维显示图。 图3是去噪后的路面三维数据的三维显示图。 图4是由三维数据直接识别出来的最终裂缝图像。 图5是提取种子点算法流程图。 图6是提取出来的种子点图像。 图7是区域生长后得到的裂缝二值化图像。 图8是正方形标定后的裂缝图像。 图9是矩形框框定的裂缝区域。 图10是原始路面三维数据高度直方图。 图11是本发明的路面裂缝识别和特征提取系统的功能结构框图。 具体实施方式 以下是发明人提供的具体实施例，需要说明的是，该实施例是对本发明的进一步解 参见图1，遵循本发明的技术方案，本实施例的路面裂缝识别及特征提取方法包括 如下步骤： 释说明，本发明的保护范围并不限于该实施例。 步骤1：计算机读取采集到的路面三维数据矩阵Om×n，m＝1000，n ＝1000。原始路 步骤2：对路面三维数据矩阵进行去噪处理，得到如图3所示的去除噪声后的路面 步骤21：画出路面高度直方图：即对路面三维数据矩阵的处于各个高度数据段的 元素个数进行统计，在该路面高度直方图中，横坐标为路面三维数据矩阵中 纵坐标为路面三维数据矩阵中的对应于每个高度数据段 三维数据矩阵；包括如下步骤： 面三维数据显示如图2所示。 的高度数据， 的元素个数； 步骤22：进行元素标记：路面高度直方图存在两个波峰，一个波峰所在的高度数 据段代表正常路面的元素，另一个波峰所在的高度数据段代表裂缝的元素， 度数据段所对应的元素分别在路面三维数据矩阵中进行标记； 素在路面三维数据矩阵中标记为噪声点。 将这两个高 其他高度数据段对应的元 步骤23：对步骤22中标记的噪声点进行滤波处理。1)逐行处理：对噪声点元素 所在行的所有数据求算术平均值，然后将该噪声点元素用该算术平均值代替。 处理：在逐行处理后的路面三维数据矩阵中，对噪声点元素所在列的 平均值，然后将该噪声点元素用该列的算术平均值代替， 矩阵。 2)逐列 所有数据求算术 得到去噪后的路面三维数据 步骤3：由去噪后的三维数据矩阵直接识别出路面裂缝； 对步骤2得到的去噪后的路面三维数据矩阵进行基于平均值法曲线拟合的水平单 相扫描，得到裂缝图像I1。将每一行的数据8等分得到8个数据段。对每个 数据段中的 元素进行曲线拟合，用元素的拟合 的路面三维数据矩阵 断，根 值减去其对应的值得到差值Δ(亦即该元素在去噪后 中的值)。然后进行阈值分割，即选取不同的阈值对Δ的值进行判 据Δ所处的阈值范围赋予矩阵中的元素新的数值。借鉴裂缝的破损等级划分为轻、 中、重的思想，本实施例的阈值设置为3个，采用基于行标准值与行 应阈值，即对某一行的数据进行处理时，该行数据的阈 均值与标准差，然后由该平均值与该标准 分为四个深度范围，根据Δ (即四值化处 平均值组合的自适 值是通过自动计算该行数据的平 差组合成三个不同的阈值。这三个阈值将数据 所处的深度范围可将矩阵中的元素分别赋予四个不同的数值 理)：0,64,128,255(0-255之间平均分为四个值)。然后以这些新值作为图像 的灰度值，显示图像，便可得到水平单相扫描检测后的四值化裂缝图像I1。 的三维高度矩阵中的高度数据有大小之分，亦即采集到的裂缝 初步识别出的裂缝颜色也有深浅之分。借鉴裂缝 将I1中裂缝点灰度值处于[0,64)认 点，处于[128,255]认为是 行基于平均值 由于去噪后 有深浅之分，因此I1中 破损程度的轻、中、重等级划分思想， 为是“重”裂缝点，处于[64,128)认为是“中”裂缝 “轻”裂缝点。对步骤2得到的去噪后的路面三维数据矩阵进 法曲线拟合的垂直单相扫描，得到裂缝图像I2，与水平单相扫描检测方法 分别将裂缝图像I1与裂缝图像I2取交集和并集，得到交集裂缝图像I3和并集裂缝 图像I4，然后将I1、I2、I3、I4分别划分为20*20个小块。然后对于每个小 对应的R312与R412的大小，若R312大于等于R412，则说 块比在I3中的相应小块更接近I1与I2中的相应 相应小块作为最终裂缝图像中的相 小块作为最终裂缝图 相似，不再赘述。 块，比较其 明该小块在I4中的相应小 小块，因此，对于该小块，取I4中的 应位置的小块。否则，对于该小块，取I3中的相应 像中的相应位置的小块；得到最终裂缝图像I5。 步骤3中，交集裂缝图像I3中噪声点减弱，确保噪声点之外的肯定是裂缝信息； 并集裂缝图像I4中噪声点加重，但确保含有所有的裂缝信息。因此，单独 缝图像或者单独采用并集裂缝图像都不能很好地识别裂缝。本 交并拼接方法进行裂缝识别，兼顾了单独采用交 的优缺点，在交集裂缝图像I3与 缝图像在尽可能的保 缝图像 采用交集裂 发明采用基于双相扫描的 集裂缝图像以及单独采用并集裂缝图像 并集裂缝图像I4中择优取块而进行拼接，使得最终裂 留裂缝的全部信息的同时，也使得噪声点减到最小，这样得到的裂 对于后续的特征提取更有实用意义。 步骤4：提取裂缝种子点并进行区域生长以得到裂缝二值化图像； 为了将步骤3得到最终裂缝图像中存在的一些非裂缝点去除，需要进一步分割图像。 在分割图像时，存在不可避免的过度分割，即在去除非裂缝点的同时 缝点。由于过度分割后保留下来的深裂缝点与被分割掉 性以及空间连续性，而与分割掉的非裂缝 差，因此本发明的步骤4中， 恢复分割掉的 也会去掉一些浅裂 的浅裂缝点存在一定的灰度相似 点虽有一定的灰度相似性但是空间连续性极 将过度分割后的深裂缝点当作种子点来进行区域生长，以 裂缝点同时避免非裂缝点的再次出现。在步骤3得到的裂缝图像中，颜色 越深(即灰度值越小)说明所在部位裂缝越深，因此可以确定该裂缝图像中一 深的像素点一定是位于裂缝上的像素点。这样只需对步骤3得 适的阈值进行二值化处理便可以得到种子点。经 取为64。种子点提取流程图如图5 子点放到步骤3提取 像素点 些颜色较 到的最终裂缝图像选取合 试验，本实施例中提取种子点时的阈值 所示，提取得到的种子点如图6所示，将提取得到的种 出来的裂缝图像中进行区域生长，生长准则是将种子点与其8领域的 逐个比较，判断待生长像素与种子点像素的灰度值的差的绝对值是否在设定的阈 值范围内，若在，则认为该待生长像素包含在种子区域内，否则认为该待生 景点。对新的种子点继续相同的区域生长，直到没有新的像素 8所示的裂缝二值化图像。 长像素是背 包括到种子里，得到如图 步骤5：裂缝区域网格标定以及矩形框定； 上述步骤4区域生长后还原出了裂缝的总体轮廓，但是所还原出来的裂缝在某些地 方并不连续。为了使断开的裂缝尽可能连续起来也为了便于对裂缝进行后续 取，采用正方形将步骤4得到的裂缝二值化图像中的裂缝所在 够使断开的裂缝连接起来。然后在标定后的图像 于后续裂缝种类判断和特征提取。 的特征提 的区域标定出来，这样能 中用矩形框将裂缝所在的区域框出，便 为了选取合适的正方形进行了试验，将步骤4得到的裂缝二值化图像分别划分为 4*4、5*5、8*8、10*10、16*16、20*20、25*25的正方形块。4*4时裂缝块 5*5时裂缝块所占比例为28％；8*8时裂缝块所 为15％；16*16时裂缝块所 裂缝块 所占比例为43.75％； 占比例为20.31％；10*10时裂缝所占比例 占比例为9.77％；20*20时裂缝块所占比例为7.50％；25*25时 所占比例为7.20％。分析上述不同的划分方法的结果，考虑到结果的准确性以及 程序的运行速度等因素，本实施例中采用将裂缝图像划分为20*20，亦即将 裂缝二值化图像划分为400个小正 后将具有裂缝点的正 步骤4得到的 方形块，以像素为单位，每个正方形大小为50*50。然 方形标定，标定结果如图8所示。 步骤6：裂缝类别判断以及特征提取。 如图9所示，用矩形框将步骤5颜色标定后的裂缝区域框定起来，然后进行类 (1)裂缝类别判断：由图9可知，矩形框宽W＝9*50(单位为像素)，矩形框高 H＝19*50(单位为像素)，可知矩形框对角线与x轴的最小夹角为： 别判断和特征提取。 θ＝arctan(H/W)＝arctan((19*50)/(9*50))＝1.128∈(π/4，π/2] 因此判断出该条裂缝为纵向裂缝。 (2)裂缝特征参数提取：W＝矩形框的宽，H＝矩形框的高，L＝矩形框对角线的长 度,S＝ L＝(W2+H2)1/2＝ (1000*1000+150*150)1/2＝1011(单位为像素) S＝W*H＝450*950＝427500(单位为(像素*像素)) 又由于本实施例中采用的相机的转换系数为u＝0.036cm，因此裂缝的实际长度为： 裂缝区域的实际面积为：S1＝S*u2＝427500*0.036*0.036＝ 554.04cm2。 遵循本发明的技术方案，进行了本发明的路面裂缝识别和特征提取系统的开发，以 下是运行该系统的结果与传统的水准仪法的结果进行比较。如图10 系统的功能结构框图。
L1＝L*u＝1011*0.036＝36.396cm。
矩形框的面积，则有下式成立：
所示，为本发明的
2024年5月6日发(作者：房琛瑞)
(19)中华人民共和国国家知识产权局
(12)发明专利说明书
(21)申请号 CN2.6
(22)申请日 2014.12.17
(71)申请人 长安大学
地址 710064 陕西省西安市雁塔区二环南路中段126号
(72)发明人 李伟 沙爱民 孙朝云 呼延菊 郝雪丽 刘玉娥 任娜娜 赵海伟 刘祝 侯云飞 任青青
(74)专利代理机构 西安恒泰知识产权代理事务所
代理人 李郑建
(51)
G06K9/46
G06T5/00
G06T7/00
(10)申请公布号 CN 104504388 A
(43)申请公布日 2015.04.08
权利要求说明书 说明书 幅图
(54)发明名称
一种路面裂缝识别和特征提取算法
及系统
(57)摘要
本发明公开了一种路面裂缝识别和
特征提取算法及系统：读取路面三维数据
矩阵；去噪处理；识别路面裂缝得到最终
裂缝图像；从最终裂缝图像中提取裂缝种
子点并进行区域生长得到裂缝二值化图
像；将裂缝用多个相同的正方形标定，用
矩形框将所有正方形框入其中且矩形框满
足面积最小；按照矩形框的对角线与水平
方向的夹角分类裂缝：夹角在[0,π/4]内的
裂缝为横向裂缝，否则为纵向裂缝；计算
矩形框的对角线长度作为裂缝的长度，计
算矩形框的面积作为裂缝区域的面积。本
发明只需输入采集到的三维数据矩阵，即
可识别出裂缝并判断三维线性裂缝的类
别，完成特征提取，其计算简单、运行时
间短且检测结果精确。
法律状态
法律状态公告日
法律状态信息
2021-11-26
未缴年费专利权终止
2017-10-24
授权
2015-05-06
实质审查的生效
2015-04-08
公开
法律状态
未缴年费专利权终止
授权
实质审查的生效
公开
权 利 要 求 说 明 书
1.一种路面裂缝识别和特征提取算法，其特征在于，包括如下步骤：
步骤1：读取路面三维数据矩阵；
步骤2：对路面三维数据矩阵进行去噪处理，得到去噪后的路面三维数据矩阵；
步骤3：由去噪后的路面三维数据矩阵识别路面裂缝，得到最终裂缝图像；
步骤4：从最终裂缝图像中提取裂缝种子点并进行区域生长，得到裂缝二值化图像；
步骤5：将步骤4得到的裂缝二值化图像中的裂缝用多个相同的正方形标定，然后
用
步骤6：按照矩形框的对角线与水平方向的夹角分类裂缝：夹角在[0,π/4]内的裂
缝为横向裂缝，否则为纵向裂缝；计算矩形框的对角线长度作为裂缝
矩形框的面积作为裂缝区域的面积。
矩形框将所有正方形框入其中且矩形框满足面积最小；
的长度，计算
2.如权利要求1所述的路面裂缝识别和特征提取算法，其特征在于，所述步骤1
中所述的路面三维数据矩阵Om×n如下：
tr> > w> mo>. w> d> d> > >2 mrow> mrow> o> mo>. msub> > > > msub> . > > /mo> mrow>
zij表示行号为i，列号为j所对应的路面高度。
3.如权利要求1所述的路面裂缝识别和特征提取算法，其特征在于，所述步骤2
画出路面高度直方图，图中横坐标为路面三维数据矩阵中的高度数据，纵坐标为路
面三维数据矩阵中的对应于每个高度数据段的元素个数；将路
数据段所对应的元素分别标记；其他高度
中标记的噪声点进行
对路面三维数据矩阵进行去噪处理的操作如下：
面高度直方图中两个高度
数据段对应的元素标记为噪声点；对步骤22
滤波处理，得到去噪后的路面三维数据矩阵。
4.如权利要求1所述的路面裂缝识别和特征提取算法，其特征在于，所述步骤3
步骤31：对步骤2得到的去噪后的路面三维数据矩阵进行基于平均值法曲线拟合
的水平单相扫描，得到裂缝图像I1；具体是：将矩阵中每一行的数
N个数据段，N为能被每行元素的个数整除的数；
具体包括如下步骤：
据个数N等分得到
对每个数据段中的元素进行曲线拟合， 用拟合值减去对应元素的值
每一段
得到差值Δ；然后取多个阈值将所有的Δ值分为多个段，将
中对应的元素的值用对应的阈值替换，得到裂缝图像I1；
步骤32：将步骤2得到的去噪后的路面三维数据矩阵进行基于平均值法曲线拟合
的垂直单相扫描，得到裂缝图像I2；具体是：将矩阵中每列的数据
个数据段，M是能被每列元素的个数整除的数；
用拟合值减去其对应的元素
元素的
个数M等分得到M
对每个数据段中的元素进行曲线拟合，
的值Δ；然后将所有的Δ值分为多个段，将每一段中对应的
值用对应的阈值替换；
步骤33：将裂缝图像I1与裂缝图像I2取交集，得到交集裂缝图像I3；
步骤34：将裂缝图像I1与裂缝图像I2取并集，得到并集裂缝图像I4；
步骤35：将裂缝图像I1、裂缝图像I2、交集裂缝图像I3、并集裂缝图像I4分别划
分为m*n个小块，m是能被每行元素的个数整除的数，n是能被每列
数； 元素的个数整除的
对于交集裂缝图像I3，从左到右从上而下扫描每个小块，对于每个小块，分别计
算 该小块在裂缝图像I1、裂缝图像I2以及交集裂缝图像I3中对
点所占的比例R1、R2和R3；计算R3与
R31＝0；计算R3与
应位置的小块中黑色像素
R1的相对误差R31＝|R1-R3|/R1，若R1＝0，则
R2的相对误差R32＝|R2-R3|/R2，若R2＝0，则R32＝0；计算交集裂
缝图像I3中该小块与裂缝图像I1、I2中对应小块的相似度R312＝
0.5*R31+0.5*R32。
对于并集裂缝图像I4，从左到右从上而下扫描每一个小块，对于每个小块，分别
计 算其在裂缝图像I1、裂缝图像I2、并集裂缝图像I4中对应的
比例R1、R2和R4，计算R4与R1的相
计算R4与
小块中黑色像素点所占的
对误差记为R41＝|R1-R4|/R1，若R1＝0，则R41＝0；
R2的相对误差R42＝|R2-R4|/R2，若R2＝0，则R42＝0；R412＝0.5*R41+0.5*R42。
步骤36：对于每个小块，比较其对应的R312与R412的大小，若R312大于等于
R412，则取I4中的相应小块作为最终裂缝图像中的相应位置的小块。
应小块作为最终裂缝图像中的相应位置的小块，
否则取I3中的相
得到最终裂缝图像I5。
5.一种路面裂缝识别和特征提取系统，其特征在于，包括如下依次相连接的模块：
矩阵读取模块，是用于实现路面三维数据矩阵读取的模块；
去噪模块，是用于对路面三维数据矩阵进行去噪处理得到去噪后的路面三维数据矩
路面裂缝识别模块，是用于从去噪后的路面三维数据矩阵得到最终裂缝图像的模
裂缝二值化模块，是用于从最终裂缝图像中提取裂缝种子点并进行区域生长，得到
裂缝二值化图像的模块；
块。
阵的模块；
裂缝区域标定模块，是用于实现以下功能的模块：将裂缝二值化图像中的裂缝用多
个相同的正方形标定，然后用矩形框将所有正方形框入其中且
矩形框满足面积最小；
裂缝分类模块：是用于实现以下功能的模块：按照矩形框的对角线与水平方向的
夹角分类裂缝：夹角在[0,π/4]内的裂缝为横向裂缝，否则为纵向裂缝；
的对角线长度作为裂缝的长度，计算矩形框的面积作为
计算矩形框
裂缝区域的面积。
6.如权利要求5所述的路面识别判断和特征提取系统，其特征在于，所述矩阵读
tr> > w> mo>. w> d> d> > >2 取模块中所述的路面三维数据矩阵Om×n如下： mrow> mrow> o> mo>. msub> > > > msub> . > > /mo> mrow>
zij表示行号为i，列号为j所对应的路面高度。
7.如权利要求5所述的路面裂缝识别和特征提取系统，其特征在于，所述路面裂
缝识别模块是用于实现以下功能的模块：画出路面高度直方图，图中
数据矩阵中的高度数据，纵坐标为路面三维数据
个数；将路面高度直方图中
应的元
横坐标为路面三维
矩阵中的对应于每个高度数据段的元素
两个高度数据段所对应的元素分别标记；其他高度数据段对
素标记为噪声点；对步骤22中标记的噪声点进行滤波处理。
8.如权利要求5所述的路面裂缝识别和特征提取算法，其特征在于，所述裂缝二
对去噪后的路面三维数据矩阵进行基于平均值法曲线拟合的水平单相扫描，得到裂
缝图像I1；具体是：将矩阵中每一行的数据个数N等分得到
行元素的个数
值化模块是用于实现以下功能的模块：
N个数据段，N为能被每
整除的数；对每个数据段中的元素进行曲线拟合，用拟合值减去对应元素
的值得到差值Δ；然后取多个阈值将所有的Δ值分为多个段，将每一段中对
值用对应的阈值替换，得到裂缝图像I1； 应的元素的
将去噪后的路面三维数据矩阵进行基于平均值法曲线拟合的垂直单相扫描，得到裂
缝图像I2；具体是：将矩阵中每列的数据个数M等分得到M
元素的个数整除的数；对每个数据段中的
素的值Δ；然后将所
个数据段，M是能被每列
元素进行曲线拟合，用拟合值减去其对应的元
有的Δ值分为多个段，将每一段中对应的元素的值用对应的阈值替
将裂缝图像I1与裂缝图像I2取交集，得到交集裂缝图像I3；
换；
将裂缝图像I1与裂缝图像I2取并集，得到并集裂缝图像I4；
将裂缝图像I1、裂缝图像I2、交集裂缝图像I3、并集裂缝图像I4分别划分为m*n
个小块，m是能被每行元素的个数整除的数，n是能被每列元素的个
数整除的数；
对于交集裂缝图像I3，从左到右从上而下扫描每个小块，对于每个小块，分别计
算 该小块在裂缝图像I1、裂缝图像I2以及交集裂缝图像I3中对
点所占的比例R1、R2和R3；计算R3与
R31＝0；计算R3与
应位置的小块中黑色像素
R1的相对误差R31＝|R1-R3|/R1，若R1＝0，则
R2的相对误差R32＝|R2-R3|/R2，若R2＝0，则R32＝0；计算交集裂
缝图像I3中该小块与裂缝图像I1、I2中对应小块的相似度R312＝
0.5*R31+0.5*R32。
对于并集裂缝图像I4，从左到右从上而下扫描每一个小块，对于每个小块，分别
计 算其在裂缝图像I1、裂缝图像I2、并集裂缝图像I4中对应的
比例R1、R2和R4，计算R4与R1的相
计算R4与
小块中黑色像素点所占的
对误差记为R41＝|R1-R4|/R1，若R1＝0，则R41＝0；
R2的相对误差R42＝|R2-R4|/R2，若R2＝0，则R42＝0；R412＝0.5*R41+0.5*R42。
对于每个小块，比较其对应的R312与R412的大小，若R312大于等于R412，则
取I4中的相应小块作为最终裂缝图像中的相应位置的小块。否则取
为最终裂缝图像中的相应位置的小块，得到最终
I3中的相应小块作
裂缝图像I5。
说 明 书
技术领域
本发明属于道路工程领域，具体涉及一种路面裂缝识别和特征提取算法及系统。
背景技术
根据我国的《公路养护技术规范》，我国高速公路路面评价内容包括四部分，即道
路路面的平整度(行驶舒适度)、路面破损(路面破损状况指数)、弯沉
度)和抗滑性能(安全性)。其中，路面破损状况指数(PCI)
的数据，它不仅反映了路面结构的完好程度，又
掌握路面使用性能的衰变情况，以
复其使用性能，就必
合理制
(路面的结构强
是决策养护方案的最重要
直接影响道路的服务寿命，为了了解和
便及时采用相应的养护和改善措施，延缓其衰变或恢
须对路面破损状况进行正确的检测，这是科学预测路面使用性能、
定养护维修计划、进行投资决策的重要依据之一，是路面养护中最重要的环节。
而路面裂缝类病害作为路面破损状况检测的一项重要内容，其自动化检测一
面破损检测的热点和难点。 直是公路路
目前，国内外的路面裂缝检测技术大都是采用CCD摄像机获取路面图像，然后对
采集到的二维图像进行处理来识别路面裂缝，进而对路面裂缝的类别进行判
缝的特征信息。但是，该方法中采集到的二维图像往往会受到
照、油污、建筑物以及树的影子等)的影响，使
大的干扰，大大影响路面裂缝识别
受环境影响较小而检
的。
断并提取裂
周围环境条件(如路面光
得基于二维图像的路面裂缝检测受到很
以及后续的裂缝特征提取的准确度，因此，研究一种
测精确高，且效率高的路面裂缝特征提取算法及系统是很有必要
发明内容
针对上述现有技术中存在的缺陷或不足，本发明的一个目的在于，提供一种路面裂
为了达到上述目的，本发明采用如下的技术方案：
一种路面裂缝识别和特征提取算法，包括如下步骤：
步骤1：读取路面三维数据矩阵；
步骤2：对路面三维数据矩阵进行去噪处理，得到去噪后的路面三维数据矩阵；
步骤3：由去噪后的路面三维数据矩阵识别路面裂缝，得到最终裂缝图像；
步骤4：从最终裂缝图像中提取裂缝种子点并进行区域生长，得到裂缝二值化图像。
步骤5：将步骤4得到的裂缝二值化图像中的裂缝用多个相同的正方形标定，然后
用
步骤6：按照矩形框的对角线与水平方向的夹角分类裂缝：夹角在[0,π/4]内的裂
缝为横向裂缝，否则为纵向裂缝；计算矩形框的对角线长度作为裂缝的长度，
矩形框的面积作为裂缝区域的面积。
矩形框将所有正方形框入其中且矩形框满足面积最小。
缝识别和特征提取算法。
计算
进一步的，所述步骤1中所述的路面三维数据矩阵Om×n如下：
mi>z sub> o>
mi>j > > msub>
mo>.
o> td> o> td> o> td> mi> mi> mi> > o>.
/mtr> mtd> /mtr> mtd> /mtr> mtd> /mtr> sub> sub> sub> /mi> mo>, w> zij表示行号为i，列号为j所对应的路面高度。 进一步的，所述步骤2对路面三维数据矩阵进行去噪处理的操作如下： 画出路面高度直方图，图中横坐标为路面三维数据矩阵中的高度数据，纵坐标为路 面三维数据矩阵中的对应于每个高度数据段的元素个数；将路面高度 数据段所对应的元素分别标记；其他高度数据段对应的 中标记的噪声点进行滤波处理，得到去噪 直方图中两个高度 元素标记为噪声点；对步骤22 后的路面三维数据矩阵。 进一步的，所述步骤3具体包括如下步骤： 步骤31：对步骤2得到的去噪后的路面三维数据矩阵进行基于平均值法曲线拟合 的水平单相扫描，得到裂缝图像I1；具体是： N个数据段，N为能被每行元素的 用拟合值减去 将矩阵中每一行的数据个数N等分得到 个数整除的数；对每个数据段中的元素进行曲线拟合， 对应元素的值得到差值Δ；然后取多个阈值将所有的Δ值分为多个段，将 每一段中对应的元素的值用对应的阈值替换，得到裂缝图像I1； 步骤32：将步骤2得到的去噪后的路面三维数据矩阵进行基于平均值法曲线拟合 的垂直单相扫描，得到裂缝图像I2；具体是：将矩阵中每列的数据个数M 个数据段，M是能被每列元素的个数整除的数；对每个数据 用拟合值减去其对应的元素的值Δ；然后 元素的值用对应的阈值替换； 等分得到M 段中的元素进行曲线拟合， 将所有的Δ值分为多个段，将每一段中对应的 步骤33：将裂缝图像I1与裂缝图像I2取交集，得到交集裂缝图像I3； 步骤34：将裂缝图像I1与裂缝图像I2取并集，得到并集裂缝图像I4； 步骤35：将裂缝图像I1、裂缝图像I2、交集裂缝图像I3、并集裂缝图像I4分别划 分为m*n个小块，m是能被每行元素的个数整除的数，n是能被每列元素的 数； 个数整除的 对于交集裂缝图像I3，从左到右从上而下扫描每个小块，对于每个小块，分别计 算 该小块在裂缝图像I1、裂缝图像I2以及交集裂缝图像I3中对应位置 点所占的比例R1、R2和R3；计算R3与R1的相对误 R31＝0；计算R3与R2的相对误 缝图像I3中 的小块中黑色像素 差R31＝|R1-R3|/R1，若R1＝0，则 差R32＝|R2-R3|/R2，若R2＝0，则R32＝0；计算交集裂 该小块与裂缝图像I1、I2中对应小块的相似度R312＝0.5*R31+0.5*R32。 对于并集裂缝图像I4，从左到右从上而下扫描每一个小块，对于每个小块，分别 计 算其在裂缝图像I1、裂缝图像I2、并集裂缝图像I4中对应的小块中 比例R1、R2和R4，计算R4与R1的相对误差记为 计算R4与R2的相对误差 黑色像素点所占的 R41＝|R1-R4|/R1，若R1＝0，则R41＝0； R42＝|R2-R4|/R2，若R2＝0，则R42＝0；R412＝0.5*R41+0.5*R42。 步骤36：对于每个小块，比较其对应的R312与R412的大小，若R312大于等于 R412，则取I4中的相应小块作为最终裂缝图像中的相应位置的小块。否则 应小块作为最终裂缝图像中的相应位置的小块，得到最终裂缝 取I3中的相 图像I5。 本发明的另一个目的在于，提供一种路面裂缝识别和特征提取系统，该系统具体包 矩阵读取模块，是用于实现路面三维数据矩阵读取的模块； 去噪模块，是用于对路面三维数据矩阵进行去噪处理得到去噪后的路面三维数据矩 路面裂缝识别模块，是用于从去噪后的路面三维数据矩阵得到最终裂缝图像的模 裂缝二值化模块，是用于从最终裂缝图像中提取裂缝种子点并进行区域生长，得到 裂缝区域标定模块，是用于实现以下功能的模块：将裂缝二值化图像中的裂缝用多 个相同的正方形标定，然后用矩形框将所有正方形框入其中且矩形框 裂缝二值化图像的模块； 块。 阵的模块； 括如下模块： 满足面积最小； 裂缝分类模块：是用于实现以下功能的模块：按照矩形框的对角线与水平方向的 夹角分类裂缝：夹角在[0,π/4]内的裂缝为横向裂缝，否则为纵向裂缝；计算 的对角线长度作为裂缝的长度，计算矩形框的面积作为裂缝区 矩形框 域的面积。 进一步的，所述矩阵读取模块中所述的路面三维数据矩阵Om×n如下： mi>z sub> o>
mi>j > > msub>
mo>.
o> td> o> td> o> td> mi> mi> mi> > o>.
/mtr> mtd> /mtr> mtd> /mtr> mtd> /mtr> sub> sub> sub> /mi> mo>, w> zij表示行号为i，列号为j所对应的路面高度。 进一步的，所述路面裂缝识别模块是用于实现以下功能的模块：画出路面高度直方 图，图中横坐标为路面三维数据矩阵中的高度数据，纵坐标为路面三 应于每个高度数据段的元素个数；将路面高度直方图中 别标记；其他高度数据段对应的元素标记 波处理。 维数据矩阵中的对 两个高度数据段所对应的元素分 为噪声点；对步骤22中标记的噪声点进行滤 进一步的，所述裂缝二值化模块是用于实现以下功能的模块： 对去噪后的路面三维数据矩阵进行基于平均值法曲线拟合的水平单相扫描，得到裂 缝图像I1；具体是：将矩阵中每一行的数据个数N等分得到N个数 行元素的个数整除的数；对每个数据段中的元素进行曲 的值得到差值Δ；然后取多个阈值将所有 值用对应的阈值替换，得到 据段，N为能被每 线拟合，用拟合值减去对应元素 的Δ值分为多个段，将每一段中对应的元素的 裂缝图像I1； 将去噪后的路面三维数据矩阵进行基于平均值法曲线拟合的垂直单相扫描，得到裂 缝图像I2；具体是：将矩阵中每列的数据个数M等分得到M个数据 元素的个数整除的数；对每个数据段中的元素进行曲线 素的值Δ；然后将所有的Δ值分为多个段， 换； 段，M是能被每列 拟合，用拟合值减去其对应的元 将每一段中对应的元素的值用对应的阈值替 将裂缝图像I1与裂缝图像I2取交集，得到交集裂缝图像I3； 将裂缝图像I1与裂缝图像I2取并集，得到并集裂缝图像I4； 将裂缝图像I1、裂缝图像I2、交集裂缝图像I3、并集裂缝图像I4分别划分为m*n 个小块，m是能被每行元素的个数整除的数，n是能被每列元素的个数整除 的数； 对于交集裂缝图像I3，从左到右从上而下扫描每个小块，对于每个小块，分别计 算 该小块在裂缝图像I1、裂缝图像I2以及交集裂缝图像I3中对应位置 点所占的比例R1、R2和R3；计算R3与R1的相对误 R31＝0；计算R3与R2的相对误 缝图像I3中 的小块中黑色像素 差R31＝|R1-R3|/R1，若R1＝0，则 差R32＝|R2-R3|/R2，若R2＝0，则R32＝0；计算交集裂 该小块与裂缝图像I1、I2中对应小块的相似度R312＝0.5*R31+0.5*R32。 对于并集裂缝图像I4，从左到右从上而下扫描每一个小块，对于每个小块，分别 计 算其在裂缝图像I1、裂缝图像I2、并集裂缝图像I4中对应的小块中 比例R1、R2和R4，计算R4与R1的相对误差记为 计算R4与R2的相对误差 黑色像素点所占的 R41＝|R1-R4|/R1，若R1＝0，则R41＝0； R42＝|R2-R4|/R2，若R2＝0，则R42＝0；R412＝0.5*R41+0.5*R42。 对于每个小块，比较其对应的R312与R412的大小，若R312大于等于R412，则 取I4中的相应小块作为最终裂缝图像中的相应位置的小块。否则取I3中的 为最终裂缝图像中的相应位置的小块，得到最终裂缝图像I5。相应小块作 与现有技术相比，本发明提出的方法具有以下优点： 1、采用面测量，只需输入采集到的路面三维数据矩阵，即可完成裂缝的种类判别 2、对于所需要的裂缝数据以及正常的路面数据保持原值不予进行滤波处理，而只 对毛刺点数据进行滤波去噪，更好的保证了去噪处理后的三维信息数据的准 以及特征提取，其效率高、检测精确，适合在实时系统中采用。 确性。 3、由去噪处理后的三维数据矩阵直接识别裂缝，避免了由二维图像识别裂缝时由 于路面光照、油污、建筑物以及树等的影子的影响而造成的裂缝识别率低的 明采用基于双相扫描的交并拼接方法进行裂缝识别，兼顾了单 单独采用并集裂缝图像的优缺点，在交集裂缝图 接，使得最终得到的裂缝图像在尽 到最小，这样得到的 问题。本发 独采用交集裂缝图像以及 像与并集裂缝图像中择优取块而进行拼 可能的保留裂缝的全部信息的同时，也使得噪声点减 裂缝图像对于后续的特征提取更有实用意义。 4、采用正方形标定裂缝并且用矩形框框定裂缝区域操作简单、直观、高效，便于 以下结合附图和具体实施方式对本发明作进一步解释说明。 附图说明 在实时系统中采用。 图1是本发明的路面裂缝识别和特征提取算法的流程图。 图2是原始路面三维数据的三维显示图。 图3是去噪后的路面三维数据的三维显示图。 图4是由三维数据直接识别出来的最终裂缝图像。 图5是提取种子点算法流程图。 图6是提取出来的种子点图像。 图7是区域生长后得到的裂缝二值化图像。 图8是正方形标定后的裂缝图像。 图9是矩形框框定的裂缝区域。 图10是原始路面三维数据高度直方图。 图11是本发明的路面裂缝识别和特征提取系统的功能结构框图。 具体实施方式 以下是发明人提供的具体实施例，需要说明的是，该实施例是对本发明的进一步解 参见图1，遵循本发明的技术方案，本实施例的路面裂缝识别及特征提取方法包括 如下步骤： 释说明，本发明的保护范围并不限于该实施例。 步骤1：计算机读取采集到的路面三维数据矩阵Om×n，m＝1000，n ＝1000。原始路 步骤2：对路面三维数据矩阵进行去噪处理，得到如图3所示的去除噪声后的路面 步骤21：画出路面高度直方图：即对路面三维数据矩阵的处于各个高度数据段的 元素个数进行统计，在该路面高度直方图中，横坐标为路面三维数据矩阵中 纵坐标为路面三维数据矩阵中的对应于每个高度数据段 三维数据矩阵；包括如下步骤： 面三维数据显示如图2所示。 的高度数据， 的元素个数； 步骤22：进行元素标记：路面高度直方图存在两个波峰，一个波峰所在的高度数 据段代表正常路面的元素，另一个波峰所在的高度数据段代表裂缝的元素， 度数据段所对应的元素分别在路面三维数据矩阵中进行标记； 素在路面三维数据矩阵中标记为噪声点。 将这两个高 其他高度数据段对应的元 步骤23：对步骤22中标记的噪声点进行滤波处理。1)逐行处理：对噪声点元素 所在行的所有数据求算术平均值，然后将该噪声点元素用该算术平均值代替。 处理：在逐行处理后的路面三维数据矩阵中，对噪声点元素所在列的 平均值，然后将该噪声点元素用该列的算术平均值代替， 矩阵。 2)逐列 所有数据求算术 得到去噪后的路面三维数据 步骤3：由去噪后的三维数据矩阵直接识别出路面裂缝； 对步骤2得到的去噪后的路面三维数据矩阵进行基于平均值法曲线拟合的水平单 相扫描，得到裂缝图像I1。将每一行的数据8等分得到8个数据段。对每个 数据段中的 元素进行曲线拟合，用元素的拟合 的路面三维数据矩阵 断，根 值减去其对应的值得到差值Δ(亦即该元素在去噪后 中的值)。然后进行阈值分割，即选取不同的阈值对Δ的值进行判 据Δ所处的阈值范围赋予矩阵中的元素新的数值。借鉴裂缝的破损等级划分为轻、 中、重的思想，本实施例的阈值设置为3个，采用基于行标准值与行 应阈值，即对某一行的数据进行处理时，该行数据的阈 均值与标准差，然后由该平均值与该标准 分为四个深度范围，根据Δ (即四值化处 平均值组合的自适 值是通过自动计算该行数据的平 差组合成三个不同的阈值。这三个阈值将数据 所处的深度范围可将矩阵中的元素分别赋予四个不同的数值 理)：0,64,128,255(0-255之间平均分为四个值)。然后以这些新值作为图像 的灰度值，显示图像，便可得到水平单相扫描检测后的四值化裂缝图像I1。 的三维高度矩阵中的高度数据有大小之分，亦即采集到的裂缝 初步识别出的裂缝颜色也有深浅之分。借鉴裂缝 将I1中裂缝点灰度值处于[0,64)认 点，处于[128,255]认为是 行基于平均值 由于去噪后 有深浅之分，因此I1中 破损程度的轻、中、重等级划分思想， 为是“重”裂缝点，处于[64,128)认为是“中”裂缝 “轻”裂缝点。对步骤2得到的去噪后的路面三维数据矩阵进 法曲线拟合的垂直单相扫描，得到裂缝图像I2，与水平单相扫描检测方法 分别将裂缝图像I1与裂缝图像I2取交集和并集，得到交集裂缝图像I3和并集裂缝 图像I4，然后将I1、I2、I3、I4分别划分为20*20个小块。然后对于每个小 对应的R312与R412的大小，若R312大于等于R412，则说 块比在I3中的相应小块更接近I1与I2中的相应 相应小块作为最终裂缝图像中的相 小块作为最终裂缝图 相似，不再赘述。 块，比较其 明该小块在I4中的相应小 小块，因此，对于该小块，取I4中的 应位置的小块。否则，对于该小块，取I3中的相应 像中的相应位置的小块；得到最终裂缝图像I5。 步骤3中，交集裂缝图像I3中噪声点减弱，确保噪声点之外的肯定是裂缝信息； 并集裂缝图像I4中噪声点加重，但确保含有所有的裂缝信息。因此，单独 缝图像或者单独采用并集裂缝图像都不能很好地识别裂缝。本 交并拼接方法进行裂缝识别，兼顾了单独采用交 的优缺点，在交集裂缝图像I3与 缝图像在尽可能的保 缝图像 采用交集裂 发明采用基于双相扫描的 集裂缝图像以及单独采用并集裂缝图像 并集裂缝图像I4中择优取块而进行拼接，使得最终裂 留裂缝的全部信息的同时，也使得噪声点减到最小，这样得到的裂 对于后续的特征提取更有实用意义。 步骤4：提取裂缝种子点并进行区域生长以得到裂缝二值化图像； 为了将步骤3得到最终裂缝图像中存在的一些非裂缝点去除，需要进一步分割图像。 在分割图像时，存在不可避免的过度分割，即在去除非裂缝点的同时 缝点。由于过度分割后保留下来的深裂缝点与被分割掉 性以及空间连续性，而与分割掉的非裂缝 差，因此本发明的步骤4中， 恢复分割掉的 也会去掉一些浅裂 的浅裂缝点存在一定的灰度相似 点虽有一定的灰度相似性但是空间连续性极 将过度分割后的深裂缝点当作种子点来进行区域生长，以 裂缝点同时避免非裂缝点的再次出现。在步骤3得到的裂缝图像中，颜色 越深(即灰度值越小)说明所在部位裂缝越深，因此可以确定该裂缝图像中一 深的像素点一定是位于裂缝上的像素点。这样只需对步骤3得 适的阈值进行二值化处理便可以得到种子点。经 取为64。种子点提取流程图如图5 子点放到步骤3提取 像素点 些颜色较 到的最终裂缝图像选取合 试验，本实施例中提取种子点时的阈值 所示，提取得到的种子点如图6所示，将提取得到的种 出来的裂缝图像中进行区域生长，生长准则是将种子点与其8领域的 逐个比较，判断待生长像素与种子点像素的灰度值的差的绝对值是否在设定的阈 值范围内，若在，则认为该待生长像素包含在种子区域内，否则认为该待生 景点。对新的种子点继续相同的区域生长，直到没有新的像素 8所示的裂缝二值化图像。 长像素是背 包括到种子里，得到如图 步骤5：裂缝区域网格标定以及矩形框定； 上述步骤4区域生长后还原出了裂缝的总体轮廓，但是所还原出来的裂缝在某些地 方并不连续。为了使断开的裂缝尽可能连续起来也为了便于对裂缝进行后续 取，采用正方形将步骤4得到的裂缝二值化图像中的裂缝所在 够使断开的裂缝连接起来。然后在标定后的图像 于后续裂缝种类判断和特征提取。 的特征提 的区域标定出来，这样能 中用矩形框将裂缝所在的区域框出，便 为了选取合适的正方形进行了试验，将步骤4得到的裂缝二值化图像分别划分为 4*4、5*5、8*8、10*10、16*16、20*20、25*25的正方形块。4*4时裂缝块 5*5时裂缝块所占比例为28％；8*8时裂缝块所 为15％；16*16时裂缝块所 裂缝块 所占比例为43.75％； 占比例为20.31％；10*10时裂缝所占比例 占比例为9.77％；20*20时裂缝块所占比例为7.50％；25*25时 所占比例为7.20％。分析上述不同的划分方法的结果，考虑到结果的准确性以及 程序的运行速度等因素，本实施例中采用将裂缝图像划分为20*20，亦即将 裂缝二值化图像划分为400个小正 后将具有裂缝点的正 步骤4得到的 方形块，以像素为单位，每个正方形大小为50*50。然 方形标定，标定结果如图8所示。 步骤6：裂缝类别判断以及特征提取。 如图9所示，用矩形框将步骤5颜色标定后的裂缝区域框定起来，然后进行类 (1)裂缝类别判断：由图9可知，矩形框宽W＝9*50(单位为像素)，矩形框高 H＝19*50(单位为像素)，可知矩形框对角线与x轴的最小夹角为： 别判断和特征提取。 θ＝arctan(H/W)＝arctan((19*50)/(9*50))＝1.128∈(π/4，π/2] 因此判断出该条裂缝为纵向裂缝。 (2)裂缝特征参数提取：W＝矩形框的宽，H＝矩形框的高，L＝矩形框对角线的长 度,S＝ L＝(W2+H2)1/2＝ (1000*1000+150*150)1/2＝1011(单位为像素) S＝W*H＝450*950＝427500(单位为(像素*像素)) 又由于本实施例中采用的相机的转换系数为u＝0.036cm，因此裂缝的实际长度为： 裂缝区域的实际面积为：S1＝S*u2＝427500*0.036*0.036＝ 554.04cm2。 遵循本发明的技术方案，进行了本发明的路面裂缝识别和特征提取系统的开发，以 下是运行该系统的结果与传统的水准仪法的结果进行比较。如图10 系统的功能结构框图。
L1＝L*u＝1011*0.036＝36.396cm。
矩形框的面积，则有下式成立：
所示，为本发明的