本发明涉及图像处理与分析领域，尤其涉及一种基于图像的道面裂缝病害自适应恒虚警检测方法。
背景技术
我国公路建设的迅猛发展令世界瞩目，一般公路从建国初期的几万公里达到目前的400万公里，高速公路从1988年通车的沪嘉高速公路算起达到目前的7.8万公里，位居世界第二，仅次于美国。根据交通部《国家高速公路网规划》采用放射线与纵横网络相结合布局方案：到2020年，我国公路网总规模达到420万公里，高速公路将达到10万公里，同时形成由中心城市向外放射以及横贯东西、纵贯南北大通道，即：“7918网”，总规模约8.5万公里的国家高速公路网。高等级公路路网快速发展的同时，对公路的养护管理带来了新挑战，传统的人工路面病害、破损检测方式成本高、精度差、效率低、危险性大、实时性差，并且作业时影响交通，已经不能满足现代化公路运作体系的要求，为此，路面病害自动检测势必应运而生、势不可挡。
随着图像处理技术的发展，基于人工视觉和计算机图像处理的路面检测方法被广泛加以研究，并取得了许多理论和应用性成果，如一种快速的基于图像的路面病害检测方法(唐振民.中国专利:103955923,2017-03-01.)采用分形方法对路面图像进行分割，对分割后图像区域进行边界检测，提取边缘信息的黑白二值图像，对二值图像进行膨胀、运算、填补、扩张，判断出疑似病害区域。路面病害自动识别方法(张德津.中国专利：104021574,2014-09-03.)将路面图像转换成二值图像，然后采用数字滤波进行膨胀和腐蚀处理，在采用多尺度形态学和基于贝叶斯网络的区域降噪及延伸处理，对路面病害进行分类识别。一种基于深度图像的路面检测系统(李忠国.中国专利:103266552，2013-08-28.)采用路面深度图像数据进行分析与处理，得到路面三维数据，形成点云阵列，模拟出路面的三维轮廓,获取不平度、破损信息，其中，采用了深度图像数据预处理、改进双边滤波、多图像平均、功率谱密度的图像分割、分类识别等技术。以上所述方法，图像处理环节多、操作复杂、计算代价大。虽一种基于图像的路面裂缝检测系统及检测方法(沙爱明.中国专利:101701919,2010-05-05.)、一种便携式公路路面病害检测设备(赵池航.中国专利:203247489,2013-10-23.)、路面裂缝检测系统(李遵杰.中国专利:103290766,2013-09-11)也分别提出基于图像处理与识别的路面破损检测系统，但在其专利中并未提到其所采用的具体图像处理方法。基于多级拟合的道路病害自动检测与识别(高建贞,陆建峰,赵春霞,等.计算机工程与应用,2004；22(4))提出了基于多级拟合的道路病害自动检测与识别方法，该方法通过抽取小窗口可能的裂缝点，再用拟合直线的方法将这些点拟合成一条直线，在窗口移动的过程中逐步拟合出直线，进而组合拟合成曲线(裂缝)，构成多级拟合机制；此外，基于图像分析的道路病害自动检测研究(高建贞.南京:南京理工大学,2003.)还在其博士学位论文中提出图像灰度校正算法、基于病害结果的匹配拼接等方法，不同程度的提高病害识别的准确性；基于图像分析的路面病害检测方法研究(卢佰华.沈阳：东北大学,2011.)在其硕士学位论文中基于分割的基础上提出了一种基于裂缝局部方向特征和灰度相似性的延伸方法，其中采用了改进的八邻域扩散方程和基于变换的降噪方法；路面病害检测中的裂缝信息快速识别方法研究(褚文涛,李郑明,陆键.2013；33(6))提出基于裂缝横断面灰度曲线图以及裂缝几何走势的裂缝信息提取方法，该方法利用裂缝横断面灰度曲线，从裂缝中心向两边寻找满足一定强度的边缘走势，由两端距离获得该断面裂缝宽度，再通过一定数量的裂缝横断面信息综合得出该条裂缝的最大和平均宽度、裂缝长度等信息；其他一些已公布的方法可以见文献(高建贞,陆建峰,赵春霞,等.基于多级拟合的道路病害自动检测与识别[j].计算机工程与应用,2004；22(4))。以上这些方法存在的问题依然是环节多、处理复杂、计算代价大，对环境的适应性差、过分依赖病害边缘检测、仅对严重病害有效、检测稳定性并且还存在难以保证等问题。
另一方面来说，由于公路路面情况复杂，路面破损种类多，如裂缝、龟裂、坑洼、鼓包、车辙等，环境干扰因素也很多，如树木绿化带阴影、洒水引起的湿滑路面、光线引起反光等，各种情况组合起来，要通过图像处理和分析技术来全面的、智能的、准确的实现路面病害种类的识别，还有很长的路要走。
技术实现要素：
本发明目的在于克服目前已有的基于图像的路面裂缝病害识别技术的不足，提出一种简单的自适应恒虚警的裂缝病害检测方法，具体由以下技术方案实现：
所述基于图像的道面裂缝病害自适应恒虚警检测方法，包括如下步骤：
步骤1)按预设图像采样规则从路面视频中抽取路面图像，通过逐行或逐列抽取图像数据，将二维采样图像的像素灰度值转换为一维像素灰度-位置信号；
步骤2)确定检测单元与前后参考单元的数据滑动窗长度、滑动步长，判断是否设定保护窗并确定保护窗的长度；将所述一维像素灰度-位置信号的数据按照单元长度d、参考单元长度n依次划分为前沿参考单元、前沿保护单元、检测单元、后沿保护单元以及后沿参考单元；
步骤3)分别计算前后滑动窗中图像像素灰度的均值和方差，根据计算结果设定检测单元的阈值，对检测单元中每一个像素的灰度数据进行阈值处理，若大于阈值则保留该像素灰度值，若小于阈值则将该像素灰度值置0；
步骤4)将处理过的行或列像素灰度数据按原位置排列，获得处理后图像数据；
步骤5)识别处理后的图像数据的裂缝类别。
所述基于图像的道面裂缝病害自适应恒虚警检测方法的进一设计在于，所述步骤1)预设图像采样规则依据检测车辆的车速、图像处理装置运算时间和图像采集设备的帧率确定。
所述基于图像的道面裂缝病害自适应恒虚警检测方法的进一设计在于，所述步骤2)中设定每次滑动步长d/2。
所述基于图像的道面裂缝病害自适应恒虚警检测方法的进一设计在于，所述步骤3)中阈值设为
所述基于图像的道面裂缝病害自适应恒虚警检测方法的进一设计在于，根据预设虚警概率大小、参考滑动窗的长度n通过式(1)计算tc，
式中pfa表示预设虚警概率；n表示参考滑动窗的长度。
本发明的优点如下：
1)本发明的基于图像的道面裂缝病害自适应恒虚警检测方法减少了图像分割过程中的环节。以往基于图像分割的方法需要进行降噪、滤波、图像增强、边缘检测等处理环节，其中运用了较为复杂的处理技术，而本发明的方法仅仅是计算窗口中的均值和方差、根据参考滑动窗长度和预设虚警概率计算阈值，自适应地对信号中是否存在裂缝信息进行判别。
2)该方法简单有效，带来直接利益就是计算复杂性的降低，硬件实施方面可以采用较低的模块或器件完成所有检测任务，降低生产厂商制造成本。
附图说明
图1是路面裂缝检测方法执行流程图。
图2是输入的待处理的含有裂缝的路面图像。
图3是图2中各图对应抽取的第260列像素形成的灰度值-位置一维信号波形示意图。
图4是图3中各波形经恒虚警处理后的信号波形示意图。
图5(a)为在窗口长度n＝16、虚警概率pfa＝10-8组合条件下各图像处理后的裂缝二值图像。
图5(b)为在窗口长度n＝10、虚警概率pfa＝10-8组合条件下各图像处理后的裂缝二值图像。
图5(c)为在窗口长度n＝16、虚警概率pfa＝10-6组合条件下各图像处理后的裂缝二值图像。
图5(d)为在窗口长度n＝10、虚警概率pfa＝10-6组合条件下各图像处理后的裂缝二值图像。
图6为在n＝10和pfa＝10-6条件下各图像处理后裂缝灰度图像。
图7为各图采用sobel边缘检测方法获得的裂缝分割结果。
图8(a)为图6中各图像经中值滤波后的结果。
图8(b)为图7中各图像经中值滤波后的结果。
图9滤波后图像经过分类处理获得的裂缝判别结果。
具体实施方式
本实施例的基于图像的道面裂缝病害自适应恒虚警检测方法的具体实现步骤如下，本具体实施方法为按标线分割车道以后的图像裂缝检测步骤：
步骤1)按预设图像采样规则从路面视频中抽取路面图像，通过逐行或逐列抽取图像数据，将二维采样图像的像素灰度值转换为一维像素灰度-位置信号。本实施例中输入按行车道标线分割后的路面图像，将图像进行翻转，同时读取图像像素的行数nrow和列数nline，并预设一维数据处理时各窗和检测单元的初始位置。逐行或逐列抽取图像像素，每次抽取获得一个像素灰度值-位置的一维信号波形，将该信号波形看作雷达脉冲回波信号进行自适应恒虚警处理。本实施方式以逐列抽取为例进行描述。
步骤2)确定检测单元与前后参考单元的数据滑动窗长度、滑动步长，判断是否设定保护窗并确定保护窗的长度；将所述一维像素灰度-位置信号的数据按照单元长度d、参考单元长度n依次划分为前沿参考单元、前沿保护单元、检测单元、后沿保护单元以及后沿参考单元。本实施中在执行该步骤2)前首先初始化检测方法的相关参数，如参考滑动窗长度n、保护窗口长度m、检测单元长度d、参考窗滑动步长step等。
步骤3)分别计算前后滑动窗中图像像素灰度的均值和方差，根据计算结果设定检测单元的阈值，对检测单元中每一个像素的灰度数据进行阈值处理，若大于阈值则保留该像素灰度值，若小于阈值则将该像素灰度值置0。
步骤3)具体包括如下步骤：
步骤3-1)根据检测器类型计算品质因素tc，本专利提供的检测结果为最大选择检测器，因此，tc计算公式如下：
当虚警概率、n不同时，tc的值见表如下：
当选择平均检测器和最小检测器时，品质因素tc的计算分别是：
步骤3-2)根据抽取的一维信号数据长度(按列抽取数据处理时为nrow)和检测单元长度d计算一维信号的检测次数：
当nrem≠0，表示该一维信号数据长度与检测单元长度d不存在整数倍关系，取该一维信号的前(d-nmodd)个像素依次填补，多构成一个检测单元，并且，将形成的新一维数据首尾相接成为一个数据闭环，各滑动窗和检测窗沿该环形数据按一个方向滑动检测。
步骤3-3)计算前、后沿滑动检测窗的均值和方差：
步骤3-4)确定检测窗的阈值为：
步骤3-5)按照预设步长step，将检测单元、参考和保护单元朝同一方向移动(这里向右移动)，返回第5)步骤重新对新的检测单元的像素灰度值进行阈值处理，直至m次检测完成。
步骤4)当经过m次检测后，所有数据都经恒虚警阈值检测，形成一个处理后的一维像素灰度-位置信号波形，并将该信号置于原信号的相同位置。再抽取下一列数据返回到4)进行处理，直至整个路面图像的nline数据处理完毕。
步骤5)采用适当的裂缝类别分类与识别方法，如二值处理、投影和自动阈值等方法的计算，可判定裂缝类别。
本实施例的基于图像的道面裂缝病害自适应恒虚警检测方法减少了图像分割过程中的环节。以往基于图像分割的方法需要进行降噪、滤波、图像增强、边缘检测等处理环节，其中运用了较为复杂的处理技术，而本发明仅仅是计算窗口中的均值和方差、根据参考滑动窗长度和预设虚警概率计算阈值，自适应地对信号中是否存在裂缝信息进行判别。
2)该方法简单有效，带来直接利益就是计算复杂性的降低，硬件实施方面可以采用较低的模块或器件完成所有检测任务，降低生产厂商制造成本。
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求的保护范围为准。