摘   要： 提出了一種基于PDE和小波分析的破損路面檢測技術(shù)。通過CCD采集路面信息，并運(yùn)用PDE進(jìn)行去噪處理，從而很好地保留原始圖像的邊緣和紋理；利用小波分析進(jìn)行邊緣檢測，再采用Canny算法對圖像邊緣進(jìn)行提取，以確定破損路面的位置。實(shí)驗(yàn)結(jié)果表明，檢測結(jié)果與實(shí)際結(jié)果相吻合。
關(guān)鍵詞： 破損； 檢測； 偏微分方程； 小波分析

    在當(dāng)代社會中，許多車主為了最大限度地獲取利潤，超載、超限的情況時(shí)有發(fā)生，特別是長途載貨車輛和長途客運(yùn)車輛超載、超限尤為嚴(yán)重，這加劇了路面的損壞速度和損壞程度。由于路橋塌方等事故形成的破損路面對行車安全及車輛行駛平順性影響較大，不僅使車輛產(chǎn)生損壞，也造成了資源的浪費(fèi)，因此對現(xiàn)有路面破損程度進(jìn)行檢測很有必要，而尋求成本低、可靠性高的路面破損檢測方法也逐漸成為道路管理部門研究的重點(diǎn)。目前，圖像去噪方法甚多，較為成熟的有均值濾波、中值濾波、高斯濾波[1]以及雙向?yàn)V波等。這些方法比較簡單，對去除與信號不相關(guān)的噪聲效果也較為理想，但是，這些方法容易造成邊緣和紋理的模糊。為此，本文提出了一種基于偏微分方程PDE(Partial Differential Equation)[2-4]和小波分析的破損路面檢測技術(shù)?？紤]到小波多尺度分析[5]去噪方法比較適用于特征信號和噪聲的頻帶相互分離時(shí)的確定性噪聲情況，而處理特征信號和噪聲頻帶相互重疊時(shí)的結(jié)果并不理想[6]，因此，可對采集的圖像進(jìn)行PDE去噪，再進(jìn)行小波邊緣檢測[7-8]以及Canny邊緣提取，最終確定路面破損的位置。該方法精度高、穩(wěn)定性好，檢測結(jié)果與實(shí)際結(jié)果吻合度高。
1 PDE去噪和小波分析
1.1 PDE去噪
    PERONA和MALIK等人提出保持邊緣紋理各向異性擴(kuò)散去噪的優(yōu)點(diǎn)， 摒棄線性擴(kuò)散濾波的缺點(diǎn), 提出P-M[9]各向異性擴(kuò)散模型。線性熱擴(kuò)散方程去噪本質(zhì)就是對圖像進(jìn)行高斯卷積，但是這會模糊圖像，為此，在擴(kuò)散過程中應(yīng)該保持邊緣。PERONA和MALIK提出利用控制函數(shù)抑制邊緣處的擴(kuò)散建立的P-M模型為：
  

    由圖2可以看出，PDE去噪后能夠很好地保持圖像的邊緣特征，經(jīng)過二值化后，路面裂縫變得特別明顯，再通過小波邊緣檢測和Canny邊緣提取后，基本確定了裂縫的形狀。此外，以確定目標(biāo)域(裂縫)為基礎(chǔ)，進(jìn)而確定路面破損的位置。路面裂縫的位置如圖2(e)所示。通過與實(shí)際圖片對比，不難看出，圖像處理的結(jié)果基本與實(shí)際路面破損位置相一致。圖2(f)是通過確定連通域找出目標(biāo)域，對目標(biāo)域進(jìn)行填充后得到的。利用MATLAB中的bwboundaries函數(shù)獲取連通域，通過對圖像進(jìn)行列遍歷，找出上邊界點(diǎn)，從上邊界點(diǎn)開始沿列進(jìn)行搜索。若首次出現(xiàn)ui,j≠ui+1,j,則記錄下該點(diǎn)的像素值以及行列號，最終確定目標(biāo)域邊界點(diǎn)處的像素值和行列號。
    裂縫寬度主要是通過沿邊界像素點(diǎn)處的梯度方向進(jìn)行搜索，對上邊界點(diǎn)任意一點(diǎn)在梯度方向上搜索與該邊界點(diǎn)標(biāo)號相同的最遠(yuǎn)點(diǎn)，從而計(jì)算出兩像素點(diǎn)之間的距離，最終確定最大的距離d，d即為識別出來的裂縫的最大寬度。本實(shí)驗(yàn)中，d=100.31。最后,根據(jù)照相機(jī)的高度、照相機(jī)鏡頭的視角、拍攝角度和像素點(diǎn)距估算出實(shí)際裂縫的寬度。
    本文通過對采集的破損路面圖片進(jìn)行PDE去噪、小波邊緣檢測以及邊緣提取，得到了較為真實(shí)的路面情況，再通過梯度搜索最終確定路面最大的裂縫。該方法利用圖片處理技術(shù)最終實(shí)現(xiàn)了對破損路面的檢測，具有一定的現(xiàn)實(shí)意義。該算法可以融入到道路監(jiān)控系統(tǒng)，設(shè)想將交通指揮部門安放在各個(gè)交通要道的攝像頭設(shè)置為角度可調(diào)，通過調(diào)整攝像頭角度對路面進(jìn)行最大限度的拍攝，再對拍攝的圖像進(jìn)行處理，獲取被監(jiān)控路段路面的破損程度，進(jìn)而達(dá)到對主要干道路面破損程度的檢測。該拍攝過程只需間歇進(jìn)行，隔半個(gè)月或10天檢測一次，根據(jù)檢測結(jié)果，就能使破損路面得到及時(shí)的修補(bǔ)。但是本算法所采集的圖片目標(biāo)單一，只有裂縫，并沒有其他干擾環(huán)境，因此，對于復(fù)雜的環(huán)境還應(yīng)采用更為精確的圖像處理算法。
參考文獻(xiàn)
[1] 呂玉琴，曾光宇.基于圖像邊緣檢測算法的研究[J].研究與探討，2009(2)：31-33.
[2] 熊寶平，杜明.基于PDE圖像去噪方法[J].計(jì)算機(jī)應(yīng)用，2007,27(8):2025-2026.
[3] 崔峰峰.基于PDE的圖像去噪[D].濟(jì)南：山東大學(xué)，2008.
[4] 宋錦萍，陳花竹，臺雪成.一種PDE圖像分解去噪模型及算法[J].中國圖象圖形學(xué)報(bào)，2009,14(8):1547-1552.
[5] 孔軍，楊心溢，蔣敏. 基于多尺度特征提取的運(yùn)動目標(biāo)定位研究[J].紅外與毫米波學(xué)報(bào)，2011,30(1):21-26.
[6] 韓希珍，陳朝東，趙建.基于PDE的非線性圖像去噪與增強(qiáng)[J].液晶與顯示，2011(1):111-115.
[7] 甘亞輝，戴先中，李新德，等.小波邊緣檢測在焊縫圖像處理中的應(yīng)用[J].華中科技大學(xué)學(xué)報(bào)(自然科學(xué)版)，2008，36(S1):65-67,86.
[8] 賈超，王耀坤，邢晶晶.利用小波多尺度積實(shí)現(xiàn)裂紋缺陷的邊緣檢測[J].計(jì)算機(jī)工程與應(yīng)用，2011(15):219-221.
[9] 陳一虎.P-M擴(kuò)散方程圖像去噪方法分析[J].寶雞文理學(xué)院學(xué)報(bào)(自然科學(xué)版)，2010,30(4):14-17.
[10] 羅峰，殷海清.基于高階偏微分方程的非線性去噪算法[J].  現(xiàn)代電子技術(shù)，2006(15):130-132.
[11] 張善文，雷英杰，馮有前.MATLAB在時(shí)間序列分析中應(yīng)用[M].西安：西安電子科技大學(xué)出版社，2007.