基于空间聚集特征的沥青路面裂缝检测方法

被引：92

作者：

张德津 ^{[1
,2
]}

李清泉 ^{[1
,2
]}

陈颖 ^{[3
]}

曹民 ^{[3
]}

何莉 ^{[4
]}

机构：

[1] 深圳大学海岸带地理环境监测国家测绘地理信息局重点实验室

[2] 空间信息智能感知与服务深圳市重点实验室

[3] 武汉武大卓越科技有限责任公司

[4] 湖北工业大学电气与电子工程学院

来源：

自动化学报 | 2016年 / 42卷 / 03期

基金：

国家高技术研究发展计划(863计划);

关键词：

沥青路面; 裂缝; 聚集区域; 候选区域; 发展趋势;

D O I：

暂无

中图分类号：

U418.6 [路面的养护与维修];

学科分类号：

082301 [道路与铁道工程];

摘要：

沥青路面裂缝自动检测是制约公路养护科学决策的最主要瓶颈.针对现有裂缝检测算法在大规模应用特别是广地域、多路况等复杂环境下算法稳定性、可靠性及实时性等方面存在严重不足问题.本文在观察大量实际工程路面图像基础上,对路面裂缝特征进行全新定义,提出了一种基于空间聚集特征的沥青路面裂缝检测方法,参考裂缝的空间分布、灰度、几何等特征,以子块图像为处理单元,采用逐步求精的策略对子块图像进行分割,快速定位空间聚集区域,再对聚集区域进行评估得到信度高的裂缝候选区域;最后以裂缝候选区域为种子区域,在准确估算裂缝发展趋势的基础上,结合裂缝片段聚集及相似性等特性,去除噪声同时合并连接断裂的裂缝,实现了裂缝区域较为完整的检测.通过测试多路况、多采集环境下近万样本,并采用不同的方法对测试结果进行评估,结果显示,算法对不同类型路面图像中具有不同特征的裂缝区域均具有良好的检测性能,裂缝定位准确性达到95%以上,裂缝区域检测的完整性达到90%以上.

引用

页码：443 / 454

页数：12

共 11 条

[1]

基于改进K-means算法的不均匀光照下道路裂缝检测 [J].

王德方 ;

曾卫明 ;

王倪传 .

计算机应用与软件, 2015, 32 (07) :244-247+300

[2]

Weighted Neighborhood Pixels Segmentation Method for Automated Detection of Cracks on Pavement Surface Images[J] Lu Sun;Mojtaba Kamaliardakani;Yongming Zhang Journal of Computing in Civil Engineering 2015,

[3]

Sealed-Crack Detection Algorithm Using Heuristic Thresholding Approach[J] Mojtaba Kamaliardakani;Lu Sun;Mostafa K. Ardakani Journal of Computing in Civil Engineering 2014,

[4]

Use of a Self-Organizing Map for Crack Detection in Highly Textured Pavement Images[J] S. Mathavan;M. Rahman;K. Kamal Journal of Infrastructure Systems 2014,

[5]

Road Crack Detection Using Visual Features Extracted by Gabor Filters[J] Eduardo Zalama;Jaime Gómez‐García‐Bermejo;Roberto Medina;José Llamas Computer‐Aided Civil and Infrastructure Engineering 2014,

[6]

Automated image processing technique for detecting and analysing concrete surface cracks[J] BangYeon Lee;YunYong Kim;Seong-Tae Yi;Jin-Keun Kim Structure and Infrastructure Engineering 2013,

[7]

Algorithm on Contourlet Domain in Detection of Road Cracks for Pavement Images[J] Shu Zhibiao;Guo Yanqing Journal of Algorithms & Computational Technology 2013,

[8]

CrackTree: Automatic crack detection from pavement images[J] Qin Zou;Yu Cao;Qingquan Li;Qingzhou Mao;Song Wang Pattern Recognition Letters 2012,

[9]

Automatic Road Pavement Assessment with Image Processing: Review and Comparison[J] Sylvie Chambon;Jean-Marc Moliard;Jean Dumoulin International Journal of Geophysics 2011,

[10]

An optimum feature extraction method based on Wavelet–Radon Transform and Dynamic Neural Network for pavement distress classification[J] Fereidoon Moghadas Nejad;Hamzeh Zakeri Expert Systems With Applications 2011,

← 1 2 →