《電子技術應用》
您所在的位置:首頁 > 其他 > 設計應用 > 基于PDE和小波分析的破損路面檢測技術
基于PDE和小波分析的破損路面檢測技術
來源:微型機與應用2012年第8期
劉章棋, 張亞岐, 席曉哲, 李靜華
(長安大學 汽車學院,陜西 西安710064)
摘要: 提出了一種基于PDE和小波分析的破損路面檢測技術。通過CCD采集路面信息,并運用PDE進行去噪處理,從而很好地保留原始圖像的邊緣和紋理;利用小波分析進行邊緣檢測,再采用Canny算法對圖像邊緣進行提取,以確定破損路面的位置。實驗結果表明,檢測結果與實際結果相吻合。
Abstract:
Key words :

摘   要: 提出了一種基于PDE和小波分析破損路面檢測技術。通過CCD采集路面信息,并運用PDE進行去噪處理,從而很好地保留原始圖像的邊緣和紋理;利用小波分析進行邊緣檢測,再采用Canny算法對圖像邊緣進行提取,以確定破損路面的位置。實驗結果表明,檢測結果與實際結果相吻合。
關鍵詞: 破損; 檢測; 偏微分方程; 小波分析


    在當代社會中,許多車主為了最大限度地獲取利潤,超載、超限的情況時有發(fā)生,特別是長途載貨車輛和長途客運車輛超載、超限尤為嚴重,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,不僅使車輛產生損壞,也造成了資源的浪費,因此對現有路面破損程度進行檢測很有必要,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。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]以及雙向濾波等。這些方法比較簡單,對去除與信號不相關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??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的結果并不理想[6],因此,可對采集的圖像進行PDE去噪,再進行小波邊緣檢測[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,檢測結果與實際結果吻合度高。
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散去噪的優(yōu)點, 摒棄線性擴散濾波的缺點, 提出P-M[9]各向異性擴散模型。線性熱擴散方程去噪本質就是對圖像進行高斯卷積,但是這會模糊圖像,為此,在擴散過程中應該保持邊緣。PERONA和MALIK提出利用控制函數抑制邊緣處的擴散建立的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,以確定目標域(裂縫)為基礎,進而確定路面破損的位置。路面裂縫的位置如圖2(e)所示。通過與實際圖片對比,不難看出,圖像處理的結果基本與實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域,對目標域進行填充后得到的。利用MATLAB中的bwboundaries函數獲取連通域,通過對圖像進行列遍歷,找出上邊界點,從上邊界點開始沿列進行搜索。若首次出現ui,j≠ui+1,j,則記錄下該點的像素值以及行列號,最終確定目標域邊界點處的像素值和行列號。
    裂縫寬度主要是通過沿邊界像素點處的梯度方向進行搜索,對上邊界點任意一點在梯度方向上搜索與該邊界點標號相同的最遠點,從而計算出兩像素點之間的距離,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。本實驗中,d=100.31。最后,根據照相機的高度、照相機鏡頭的視角、拍攝角度和像素點距估算出實際裂縫的寬度。
    本文通過對采集的破損路面圖片進行PDE去噪、小波邊緣檢測以及邊緣提取,得到了較為真實的路面情況,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最終實現了對破損路面的檢測,具有一定的現實意義。該算法可以融入到道路監(jiān)控系統,設想將交通指揮部門安放在各個交通要道的攝像頭設置為角度可調,通過調整攝像頭角度對路面進行最大限度的拍攝,再對拍攝的圖像進行處理,獲取被監(jiān)控路段路面的破損程度,進而達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行,隔半個月或10天檢測一次,根據檢測結果,就能使破損路面得到及時的修補。但是本算法所采集的圖片目標單一,只有裂縫,并沒有其他干擾環(huán)境,因此,對于復雜的環(huán)境還應采用更為精確的圖像處理算法。
參考文獻
[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].計算機應用,2007,27(8):2025-2026.
[3] 崔峰峰.基于PDE的圖像去噪[D].濟南:山東大學,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].中國圖象圖形學報,2009,14(8):1547-1552.
[5] 孔軍,楊心溢,蔣敏. 基于多尺度特征提取的運動目標定位研究[J].紅外與毫米波學報,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[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用[J].華中科技大學學報(自然科學版),2008,36(S1):65-67,86.
[8] 賈超,王耀坤,邢晶晶.利用小波多尺度積實現裂紋缺陷的邊緣檢測[J].計算機工程與應用,2011(15):219-221.
[9] 陳一虎.P-M擴散方程圖像去噪方法分析[J].寶雞文理學院學報(自然科學版),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].  現代電子技術,2006(15):130-132.
[11] 張善文,雷英杰,馮有前.MATLAB在時間序列分析中應用[M].西安:西安電子科技大學出版社,2007.

此內容為AET網站原創(chuàng),未經授權禁止轉載。