路面裂缝图像检测方法
【技术领域】
[0001] 本发明设及一种路面检测技术，特别设及一种基于脉冲禪合神经网络和遗传算法 的路面裂缝图像检测方法。
【背景技术】
[0002] 无论是渐青还是水泥路面，在通车一段时间后，都会由于溫度应力、外间环境等因 素而产生路面病害，而裂缝作为路面病害的一种，影响了路面的正常营运。因此必须有效地 对路面裂缝进行检测，评估其风险性，从而能够避免潜在的危害。
[0003] 随着计算机技术W及其他高科技领域技术的发展，通过数字图像检测方法来识别 检测裂缝已逐渐成为主流，其高灵敏性、高自动化、非接触性等特点都为裂缝检测提供了诸 多方便。
[0004] 现有的一些裂缝检测算法通常通过设置灰度阔值来分割目标和背景，然而路面裂 缝具有连续性差、对比度低，且由于路面本身存在一定干扰(如油污、斑点、碎屑等），运些都 会导致该方法的不适用甚至失效。为此，需要提供一种智能且实际有效的方法来解决该算 法的不足。
【发明内容】
[0005] 本发明是针对现在路面裂缝检测存在的问题，提出了一种路面裂缝图像检测方 法，脉冲禪合神经网络PCW^和遗传算法相结合，解决由于路面存在的干扰导致检测失效问 题。
[0006] 本发明的技术方案为:一种路面裂缝图像检测方法，对采集到的路面图像进行灰 度化和滤波处理，然后，通过构建脉冲禪合神经网络模型，并利用遗传算法能在解空间非线 性快速查找最优解的优势优化该模型的重要参数，迅速并准确地分割图像中的裂缝和背 景;再根据分割后图像的特征，对整幅图像进行连通域检测，滤除噪声和背景纹理的干扰； 最后，提取裂缝骨架，求裂缝沿骨架法向线的最大宽度，并于原图中标注。
[0007] 所述构建脉冲禪合神经网络模型，并利用遗传算法能在解空间非线性快速查找最 优解的优势优化该模型的重要参数，迅速并准确地分割图像中的裂缝和背景的具体步骤如 下：
[000引1)构建脉冲禪合神经网络模型，模型公式为：
[0009] Fij(D) = Sij;
[0010] Lij(n)= SWi 北 lYki(n-l);
[OOK]式中，Fij、Sij、Lij、Yij、Uij、目ij分别为神经元的馈送输入、外部刺激、链接输入、输
[0011]
[0012] 出、内部激活和动态阔值，Ve为幅度常数，Wijki为权值矩阵，Q0为衰减系数，e为链接系数，n为 迭代次数；
[0014] 2)采用遗传算法优化脉冲禪合神经网络的参数：
[0015] A:编码:采用格雷码进行编码，编码方式如表1:
[0016] 表1
[0017]
[0018] B:初始化:对遗传算法初始化种群，设定种群规模M = 30，最大迭代次数T = 150;
[0019] C:适应度函数：由于裂缝本身占整幅图像的比例较小，采用最小误差阔值法对小 目标有较好的分割效果，因此初设定最小误差准则函数作为染色体的适应度函数，适应度 函数公式为：
[0020] J = l+2[Polog50+PBlog5B]-2[PologPo+PBlogPB]；
[0021] 式中Po、Pb分别为目标裂缝和背景的正态概率密度分布，S〇、Sb分别表示目标和背 景的标准差；
[0022]
[0023]
[0024]
[0025] 其中其中0、B分别表示目标和背景的灰度值，Pu表示灰度值为U时的像素频数，N为 总像素数，叫、分别为目标和背景的灰度均值；
[00%] 为保证适应度函数为正，修改后适应度函数为：
[0027] K = C-J，C为一常数，经多次实验，取C= 100能保证K为正；
[0028] D:选择、交叉和变异，采用比例选择方式:设定杂交概率Pc = O. 7,变异概率为Pw = 0.01;
[00巧]E:终止条件:满足W下情况时迭代中止：
[0030] K(n+1)-K(n) <0.01n = l，2,3. . .，T-1，
[0031] 式中n为迭代次数，K(n+1)和K(n)分别表示n+1和n次迭代后的适应度函数值，若条 件不满足，则程序执行到最大代数为止。
[0032] 所述再根据分割后图像的特征，对整幅图像进行连通域检测，滤除噪声和背景纹 理的干扰的具体步骤如下：
[0033] 对分割后的图像标记连通域，采用区域面积、矩形度、圆形度、不规则噪声滤波相 结合的方式实现连通域滤波，得到完整的仅含裂缝的图像；
[0034] 1)区域面积去噪:记每个连通域为Q(x，y)，设连通域总数为mi，统计各区域面积即 像素数，记为AiU, y)，通过设定阔值TA(x，y)，就可将低于设定值的小面积斑点去除，公式如 下：
[0035]
；
[0036] 2)矩形度去噪：经由面积去噪后，连通域将进一步减少，记此时的连通域为AU, 7)，其总数为叫，设4如，7)、&山7)分别为各连通区域面积和相应的外接矩形面积，贝赠通 域的矩形度扣(x，y)，其计算公式如下：
[0037
[0038] 由于裂缝通常为婉艇曲折的带状，矩形度较小，此时通过设定相应的阔值TrU, y)，又可将部分高于阔值的块状干扰去除，其公式如下：
[0039]
[0040] 3)圆形度去噪：
[0041] 圆形度通常用来表示紧凑程度，记连通域个数为mk，圆形度为CkU,y)，连通域周长 为11^^，7)，41^^，7)为二次滤波后的各连通域面积像素，则其计算公式如下：
[0042]
[0043] 裂缝圆形度较大，通过设定阔值Tc(x，y)，从而又可将低于阔值的路面油污等干扰 滤除，记Qk(x，y)为经上述滤波操作后剩余的连通域，滤波公式如下：
[0044]5
[0045] 4)不规则噪声滤波
[0046] 经过上述=次滤波后，图像上可能仍留有少数形状不规则的噪声，但鉴于裂缝细 长的特征，长宽之差的绝对值较大，而噪声则相对小得多，因此设定一个阔值TB(x，y)，将低 于该阔值的噪声滤除，计算公式如下：
[0047] Bi(x，y)= |Li(x，y)-Wi(x，y) I 1 = 1,2,3. . .mi;
[004引
[0049] 式中11^，7)、胖1^，7)、81^，7)分别为连通域的长、宽和长宽之差的绝对值，91(义， y)表示=次滤波后余下的连通域。
[0050] 本发明的有益效果在于:本发明路面裂缝图像检测方法，采用数字图像处理技术， 利用遗传算法优化PC順模型参数，加快了寻优，减少了 PC順的迭代次数，并使其更易收敛， 分割效果抗干扰能力较强，分割更准确;利用连通域矩形度、圆度滤波W及不规则噪声滤波 的方式滤除了大量无规则斑块，为裂缝的检测带来了方便。
【附图说明】
[0051 ]图1为本发明路面裂缝图像检测方法流程图；
[0052] 图2为本发明基于模糊集的图像增强后的效果图；
[0053] 图3为本发明PCNN结合遗传算法分割后的图像；
[0054] 图4为本发明经连通域四次滤波后的裂缝图像；
[0055] 图5为本发明已标注最大裂缝宽度后的图像。
【具体实施方式】
[0056] 如图1所示一种路面裂缝图像检测方法流程图，方法具体包括如下步骤：
[0057] 步骤1、对采集到的路面图像进行处理分析，首先，图像灰度化，将原图从RGB空间 转换到灰度空间。
[0058] 步骤2、采用基于模糊集的图像增强方法增强图像，如图2所示基于模糊集的图像 增强后的效果图，即将图像从灰度空间域变幻到模糊域，根据W下解析式修正隶属函数值， 再通过巧巧拖^*^年就*麽么巧?
[0化9]
[0060] 式中，山mn]代表模糊域内的隶属函数值，X为修正后的隶属函数值。
[0061] 步骤3、对增强后的图像中值滤波，采用9X9的滤波模板，滤除图像中所含随机噪 声的同时，可W保护图像细节；
[0062] 步骤4、构建脉冲禪合神经网络(PCNN)模型，一般使用其改进后的模型，其公式为： [006；3] Fij(D) = Sij (2)
[0064] Lij(n)= SWi 北 lYki(n-l) (3)
[00化]Uij(n)=Fij(n)(l+邸 ij(n)) (4)
[006引 巧）
[0067] (6)
[006引式中，Fij、Sij、Lij、Yij、Uij、目ij分别为神经元的馈送输入、外部刺激、链接输入、输 出、内部激活和动态阔值，Ve为幅度常数，Wijki为权值矩阵，Q0为衰减系数，0为链接系数，n为 迭代次数。虽然PO^N模型具有显著的图像分割功能，但其参数的设置(包括ae、0、Wi化i、Ve等） 是个难题，尤其是迭代次数n的选取，不仅影响了 PCNN分割的速度，也关系到图像分割的质 量。而遗传算法在其解空间中能非线性快速寻找最优解，设定最小误差准则为其适应度函 数，从而就能加速PO^N寻优，并且拥有更好的分割质量。
[0069] 采用遗传算法优化PO^N的参数，需要设及到W下方面：
[0070] 1):编码。采用格雷码进行编码，编码方式见表1:
[0071] 表1
[0073] 2):初始化。对遗传算法初始化种群，设定种群规模M = 30,最大代数T = 150(最大 进化代数就是最大迭代次数）；
[0074] 3):适应度函数。由于裂缝本身占整幅图像的比例较小，采用最小误差阔值法对小 目标有较好的分割效果，因此初设定最小误差准则函数作为染色体的适应度函数，其公式 为：
[0075] J = l+2[Polog50+PBlog5B]-2[PologPo+PBlogPB]； (7)
[0076] 式中Po、Pb分别为目标裂缝和背景的正态概率密度分布，S〇、Sb分别表示目标和背 景的标准差。
[0077]
[007引