复杂背景噪声条件下图像识别技术初探.doc

《复杂背景噪声条件下图像识别技术初探.doc》由会员分享，可在线阅读，更多相关《复杂背景噪声条件下图像识别技术初探.doc（43页珍藏版）》请在三一办公上搜索。

1、复杂背景噪声条件下图像识别技术初探摘要随着信息技术和数字图像处理技术的发展，交通管理系统的信息化、数字化是大势所趋。路面裂纹识别系统(PCR)是数字化交通管理系统(DTS)的重要组成部分，在现代公路检测管理系统中占有举足轻重的作用。近年来，使用计算机来对图像进行处理和分析，已经获得了飞速的发展。对路面裂纹识别系统中关键技术的研究已经成为科学界的一个热点问题。本文研究了一种通过构造8 个方向模板的Sobel 算子对路面裂纹进行检测与识别的算法。由于经典图像处理算法对路面裂纹的检测效果不佳, 以及神经网络等智能算法不易实现的弊端, 提出了一种新的路面裂纹检测的图像处理算法，该算法结合迭代阈值分割算

2、法和全方位膨胀形态学方法对边缘检测后的图像进行处理, 能够很好地获得路面的裂纹特性。最后, 用MATLAB 图像处理工具进行算法实现。结果表明, 裂缝边缘的连接和检测效果较好, 为路面裂纹的分析和管理提供了技术基础。关键词：图像处理；路面裂纹检测; 形态学; Sobel 算子RESEARCH ON IMAGE RECOGNITION UNDER COMPLEX NOISE BACKGROUND ABSTRACTWith the developing of information technology and digital image processing technology, inform

3、azation and digitalization of traffic management is the trend. Pavement Cracks Recognition(PCR) system is the core of Digital Traffic Systems(DTS). It is very important in modern traffic management systems. In recent years, use the computer to deal with and analyses image has already obtained progre

4、ss at full speed. The study on the critical techniques for PCR has already become an important research field of scientific circles.It is bad to detect pavement surface cracks by classical image processing algorithms and very difficult to realize the image processing algorithms by intelligent algori

5、thms, such as neural network. In order to solve these questions, a new image processing algorithm is presented by analyzing characteristics of the pavement surface cracks in this paper. Our algorithm constructs Sobel operator of 8 orientations template to detect the pavement surface cracks, and empl

6、oys the segmentation algorithm of the iterative threshold and the expanded morphological algorithm of all orientations to process the detected images. By making use of the above algorithm, we can well obtain the characteristics of the pavement surface cracks. At last, we use the tools of image proce

7、ssing of MATLAB 6.5 to realize the algorithm. The results show that the juncture and detection of the crack edges are effectively realized. And provide the techno-guarantees for the analysis and management of the pavement surface cracks.Key words: Image processing; crack detection; Morphology; Sobel

8、 operator目 录1 绪 论11.1课题研究背景11.2国内外研究现状及其发展11.2.1国外研究现状及其发展11.2.2 国内研究现状及其发展31.3 研究目的和意义31.4本文组织结构42 路面裂纹的检测与识别的系统结构62.1 系统原理图62.2系统工作原理73 路面图像的预处理93.1 路面裂纹图像特征93.2 图象增强113.2.1 直方图均衡化133.2.2 中值滤波143.2.3 基于模糊理论的图像增强处理164 经典图像边缘检测算法214.1 经典边缘检测的基本方法214.2 经典的边缘检测算子234.2.1 差分边缘检测234.2.2 Roberts 算子244.2.3

9、 Sobel 算子244.3 线性滤波边缘检测方法254.3.1 LOG 算法264.3.2 Canny 边缘检测器285 基于8方向SOBEL算子的检测算法305.1 边缘检测305.2 图像分割315.3 算法实现与比较336 总结与展望356.1总结356.2展望35参考文献37致 谢39附件一附件二1 绪 论数字图像处理技术在最近几年有了很大的进展，在很多方面都得到了很好的应用，路面裂纹检测与识别就是利用这一技术来实现的，由于路面背景噪声复杂，这给路面裂纹检测与识别带来了很大的难度。1.1 课题研究背景 道路交通在国民经济和人们生活中占有重要地位，近几十年来，公路特别高等级公路建设在世

10、界各国得到迅速发展，极大地促进了经济的发展。然而随着道路的建成，随之而来的建后保养维护就成为主要问题，需要定期地对道路路面状况进行调查，以便做出相应的维护策略。若能在路面病害的出现初期就发现它，那么道路的维护费用将大大降低。如何在不影响正常交通秩序的情况下，快速对整段路面做全面的调查并对病害进行定位，从而精确地检测出病害德严重程度及造成原因,成为急待解决的一大难题。计算机高性能处理器、大容量存储器及图像处理技术的快速发展，使得基于图像分析的道路病害自动检测与识别技术成为可能。国外高速公路发达国家对这一领域的研究较早，虽早期受计算机及摄像机等硬件产品的限制，但长期的实验研究积累了很多方法和技术1

11、6。随着近几年硬件的飞速发展，一些研究成果正逐渐转化为产品并投入使用。本课题针对户外环境和条件复杂的背景下提出的，由于检测到和采集来的路面裂纹图像中有极其复杂的噪声，通过试验研究出一种能很好的消除这些噪声或是降低噪声对图像的清晰度的影响的算法。在公路路面裂纹检测中，图像检测是一种理想的方法。但是，由于路面噪声、油污和黑斑在形状和分布的随机性，使图像处理算法的准确性难以保证，所以复杂背景噪声条件下的图像识别技术显得格外重要。1.2 国内外研究现状及其发展 1.2.1国外研究现状及其发展 路面表面破损状况是道路工程师用来判断路面中修罩面的主要依据，在路面破损四大指标（裂缝、松散、变形、其它）中，表

12、面破损最难计测，传统方法是人工目测。但随着科技的进步与检测要求的提高，国内外一直没有停止对高速、高效检测设备的研制与检测方法的研究以及对检测出来的图像的处理算法。早在上世纪 70 年代末，国外就有利用车载 16mm 摄像机的摄影车来采集路面破损图像信息。载有路面破损图像信息的胶卷经过冲洗以后进行人工的判读，并录入计算机。但由于成本以及精度的问题，一般公路都很难应用，12且不利于灵活处理,不能精确的识别路面破损情况。上世纪 80 年代，随着摄像技术的发展，国外的研究部门开始利用摄像机来开发路面破损信息自动采集系统。如日本的 Komatsu 系统，该系统利用安装在检测车两旁的人工光源进行照明。数据

13、采集通过一个电视摄像机、传感器、信号处理器和影像记录装置来获得。数据存储由一个高密度影像磁带记录器和一个通用影像磁带记录器组成。图像处理采用并行技术按两个阶段进行，第一个阶段主要是图像分割和特征提取，由一个并行微处理器完成；第二个阶段以并行的方式完成降噪、子图象连接和恢复。该系统只能在夜间工作，还需要多个超级微处理器完成两个阶段的图像处理，该系统最终没有得到商业应用。在这个期间，瑞士的研究工作者于 1995 开发了 CREHOS 系统（裂缝识别全息摄影系统），目标是建立“完全、彻底的系统”，试图解决以前的系统在区域分辨率和实时处理技术的困难。它将数据存储在一套模拟并行处理器中，应用模拟方法得到

14、路面破损数据，并分析和识别路面破损的类型。该系统虽然缩短了路上的检测时间，在一定程度上提高了工作效率，需要人机交互的方式进行图像的摄取和处理分析，该系统仍需要进行更深一部的研究。进入上世纪 90 年代中后期以后，随着硬件技术和数字图像处理技术的发展，尤其是 CCD 技术的发展13，应用 CCD 摄像技术进行路面破损检测的研究取得了一定的进展。CCD 摄像机具有较高的动态范围、分辨率和灵敏度。通过视频采集卡或者图像采集卡可以方便的将 CCD 摄像机的视频信号存储到计算机中，进行实时的显示、存储和处理。随着计算机硬件的迅速发展，基于CCD 摄像机的数字化图像系统成本大大降低。因此，在场景条件下数字

15、化路面破损自动检测系统的开发中, CCD 摄像机和计算机图象处理技术得到广泛应用。美国的阿肯色州大学研制出了一套实时路面裂缝测量系统“数字公路数据车（DHDV）”，并提出了图像处理的并行算法以及硬件实现平台。该图像处理的硬件系统是基于一个普通的多处理器（CPUx86）平台，由安装在测试车上的 CCD 摄像机获得路面破损图像，应用 GPS 系统进行裂缝的定位，应用距离测量装置（DM）采集距离信息。一个双 CPU 的微处理器来收集这些数据，并实时地传输到一个多 CPU 的计算机进行破损分析。该系统集成了数字图像采集和数字图像处理，能够在较高速度的情况下进行路面裂缝的数据采集、识别与分类。但是该系统

16、需要超级计算机的辅助，对硬件的要求很高，目前还是在研究的阶段。所以路面裂纹检测地硬件系统的好坏直接影响后期的图像处理、识别工作，影响其处理效果及效率。硬件技术的飞速发展同时也带动了软件的同步发展。 1.2.2 国内研究现状及其发展我国在这一领域的研究同国外相比相对较晚，但也取得了一些成果。南京理工大学参与研制开发的 N-1 型路面状况智能检测车，利用安装在检测车辆上的高速、高精度图像采集与处理设备进行路面图像采集与存储。在获得路面全部图像后，利用他们自行研制的图像处理与分析软件，对获得的全部图像进行处理与分析，从中提取出路面破损、平整度等方面的精确测量数据。该研究已经达到了国际先进的水平。但是

17、该设备在路面破损定位和破损信息传输方面的研究还是有很大的欠缺。另外，同济大学的孙立军教授及其研究生在这一领域进行了试探性的研究。最新的消息是武汉大学的李德仁院士及其在加拿大的研究生正在开展的路面破损检测技术的研究，取得了一定的成果。哈尔滨工业大学从 2001 年开始了设备与算法方面的研究，已取得了阶段性的成果。纵观国内外的发展我们可以看到，基于数字图像处理技术的路面裂缝检测系统技术以及日趋成熟。同时，随着图像传感器的发展，图像采集的新技术、新方法也广泛的应用于其中。在这篇文章中，我们采用 CMOS 数字摄像机来获取路面裂纹图像。实际情况表明，基于 CMOS 的数字摄像机减小了系统的复杂性，降低

18、了制造成本，同时也满足了获得了简单而快捷图像信息读出和处理。1.3 研究目的和意义本课题有着显著的实际应用价值。公路是国民经济赖以发展的重要基础设施，国家整个综合交通体系中有着广阔的发展前途，对发展社会主义商品生产，繁荣城乡经济，巩固国防，密切国际交往，方便人们生活都具有十分重要的作用。虽然目前我国高速公路的通车里程已经位于世界前列，但道路养护、路况监测、数据采集和使用性能评价等方面的技术和手段远远落后于世界发达国家，已明显满足不了公路养护的需求，对路面病害的数据采集，和病害的检测一直采用人工现场调查方法。该法已经不适应当今情况，主要存在影响交通、高耗、低效、危险和调查数据完备性有限及人工检测

19、主观性强等不足。而当今先进的检测系统都采用多功能公路路面智能检测车来进行检测与识别。在这个系统中要产生海量的路面图像数据，对这些数据的自动处理，高精度的检测出病害便成了决定系统性能的一个核心的问题。就涉及的理论范围来看，本课题也有积极的理论意义。由于路面裂纹图像类型复杂，图像采集速度快，又因室外环境中光照情况不定，及路面上还有各种人工标记和污染等因素，造成了路面图像十分复杂。因而不可能用一种或几种简单的方法来进行检测，而应该综合各种图像处理技术和人工智能的方法进行多种检测、识别并智能集成各种方法，以取得理想的效果。可以说本课题在理论上是有很大挑战性的。1.4本文组织结构本论文主要研究的是路面裂

20、纹识别系统的图像处理部分。通过比较和仿真国内外研究人员提出的算法，提出适合我国高等级公路路面破损识别的方法，并通过实际路面图像样本对这些算法进行了验证。全文共分五章，其内容安排如下:1、绪论 主要介绍课题相关背景和国内外研究现状以及本课题研究的目的和意 义。2、路面裂纹的检测与识别的系统结构介绍了系统的整体结构、各模块功能 及工作原理。3、路面图像的预处理在进行正式处理之前，需要对路面图像预处理，使得以后的病害检测的复杂程度减少，这一章主要是研究复杂噪声的处理算法。4、经典图像边缘检测算法本章首先对公路路面裂纹图像的特征做了简要的介绍。然后分别对数字图像处理的图像增强和图像分割算法分别进行了讨

21、论。介绍了几种经典图像边缘检测算法，以及单独用这些算法处理图像的比较与分析。5、基于8方向Sobel算子的检测算法由于经典图像处理算法对路面裂纹的检测效果不佳, 以及神经网络等智能算法不易实现的弊端, 提出了一种新的路面裂纹检测的图像处理算法，该算法结合迭代阈值分割算法和全方位膨胀形态学方法对边缘检测后的图像进行处理, 能够很好地获得路面的裂纹特性。6 总结与展望 本章对本课题的研究结果进行了总结性的说明以及对后期的研究提出建 议与方向。2 路面裂纹的检测与识别的系统结构2.1 系统原理图系统硬件环境的结构设计是系统实现的关键技术之一。根据系统实现目标和可行性分析，以及实验条件的限制，本文参考

22、国内外研究的现状提出了路面裂缝图像摄像系统。该系统由四部分组成，包括计算机系统、摄像系统、照明系统和稳压电源. 如图 2-1 所示:图像采集硬件系统摄像系统计算机系统照明系统COMS摄像机速度传感器光学系统图像采集卡图像存储显示DMI距离测量GPS定位系统图2-1路面裂纹图像检测系统图 摄像系统由两部分组成：CMOS 摄像机、速度传感器和光学系统。由于CMOS 摄像机对被测路面的光照情况要求很高，太强或太弱的光线都不利于路面在CMOS 摄像机中的成像，所以需要借助光学系统将光信号转化为电信号，形成视频信号17。速度传感器用来测量车辆的行驶速度信息，通过该信息来控制 CMOS 摄像机摄取路面图像

23、的速率。 计算机系统由四部分组成，包括图像采集卡、图像存储显示、DMI 测距仪和 GPS 定位系统。图像采集卡的主要是完成对图像模拟视频信号的模/数转化功能，经过抽样与量化，将模拟视频信号转化为数字图像，并存储在计算机中的存储器上。应用 DMI 测距仪和 GPS 系统来测量和记录裂缝图像的位置，以实现对裂缝图像的精确定位。照明系统在路面裂缝图像摄像系统中占有非常重要的地位。CMOS摄像机的成像受被测路面的影响很大。在自然光下，由于路面状况的退化和自然光的光强的非均匀性，所摄取的路面裂缝图像背景变化很大。光照强度过强、过弱者光照不均匀都不利于摄像机成像。同在自然光下摄取的图像相比，人工光源下摄取

24、到的图像背景光照相对均匀，比较有利于图像处理，可以提高裂缝识别的准确度。因此，照明系统在路面裂缝图像摄像系统中是必需的2.2系统工作原理系统的工作原理如图 2-2 所示。路面场景经过光学系统成像于 CMOS 的光敏元件上，通过 CMOS传感器将光信号转变为电信号，通过图像采集卡完成对电信号的 A/D 信号转换，得到路面数字图像，并存储在帧缓冲存储器上。路 面光学系统CMOS摄像机图像采集卡图像存储数据处理图2-2 系统工作原理图在这里图像信号被分为两路：一路信号用于实时的显示视频图像，一路用于图像的采集和存储，最终图像将存储在计算机的内存或者硬盘上。本论文的工作主要是对图像数据进行处理，因此，

25、论文重点是对经过采集、量化后的图像数据进行处理，计算机进行图像数据处理流程如图 2-3 所示。开 始从内存中提取图像图象增强图像分割边缘检测继续处理?结束是否 图2-3 计算机图像处理流程图3 路面图像的预处理3.1 路面裂纹图像特征 在路面裂缝图像数据的采集过程中，由于硬件系统本身的特点，所得到的数字图像数据具有一定的特点。这些特点直接决定着图像处理的实现算法。对于不同的图像特征，所选择的算法是不同的。因此，在这里对路面裂缝图像的特征作了一些简单的介绍，这样对后来的图像处理算法的选择有一定的指导作用。 在图像数据采集方面，有很多的数据采集方案可以选择，包括红外线成像、数字摄像机以及雷达成像等

26、。尽管应用不同图像数据采集设备进行图像的采集，但是最终目标还是一样的，那就是获得高质量的路面图像数据。由于图像采集设备的不同，采集到的路面破损图像的质量也是不一样的20，这是因为： （1） 是否应用了人造光源； （2） 相对于路面的摄像角的不同； (3） 测量车行驶速度的不同；（4） 摄像头距离地面高度的不同；（5） 各种人造光源亮度不一样。本文选择了应用 CMOS传感器进行路面图像的采集工作。由于 CMOS成像系统的特点，采集到的路面图像具有中间亮，周围边缘较暗的特点。这样就为后来的图像处理和分析中就会带来一定的困难。基CMOS的路面裂缝检测系统，工作环境比较的复杂，在获取有用信号的同时，也

27、带回了大量的噪音。一般来说，在采集到的路面图像中包含两类对象：一是状况良好的路面，即背景；另一类是裂缝，也既识别的目标。因此，数字图像可分为两类像素集：代表背景的像素和代表裂缝的像素。在通常的情况下，裂缝应该比背景更暗一些。但是由于诸多的因素的影响，这种情况将会有所变化。具体情况为：（1） 由于路面材料的不均匀性，正常路面的纹理也不均匀。因此，所采集到的路面图像的背景颜色本身就有较大的变化；裂缝图像也有同样的情况。由于裂缝的严重程度的不同，其大小、面积也不同。如果裂缝中有与背景颜色相近甚至更亮的较大的颗粒（比如汽车油渍），也会导致裂缝图像颜色的变化。总的来说，裂缝图像要比正常路面的要暗一些:（

28、2） 代表裂缝的像素数量远小于代表背景的像素数量；（3） 正常路面的灰度值与裂缝的灰度值有部分的重叠；（4） 路面图像信息量大。总结上述观点，对于一幅含有裂缝的灰度图像来说，其具有三个变化的部分：1.非均匀背景光照和成像系统所形成的缓慢变化部分，该部分具有较低的频率和较高的幅值；2.路面破损或者非破损图像的不规则物（例如：路面上汽车漏油所形成的斑点），该部分具有较高的幅值负信号，在边缘具有较高的频率；3.随机噪音，由不同材料粒度的不同以及材料颗粒之间的间隔的不同产生的，是一个随机、高频率、中低幅值的信号4。从裂缝图像灰度直方图上来表现的话，那就是直方图表现出“单峰”性质，如图 3-2 所示图3

29、-1 原始路面裂纹图像图3-2 裂纹图像直方图3.2 图象增强 任何一幅未经处理的原始图像都存在一定程度的噪音。这些噪音恶化了图像的质量，使图像模糊，甚至淹没图像的特征，给分析带来一定的困难。因此，必须对这些降质的图像进行改善处理。图像增强处理的方法主要有两类：一种是不考虑图像降质的原因，只将图像中感兴趣的部分有选择的突出，而衰减其次要的信息；另外一种是针对图像降质的原因，设法补偿降质因素，从而使改善后的图像尽可能逼近原始图像。第一类方法能提高图像的可读性，改善后的图像不一定逼近原始图像，如突出目标的轮廓，衰减各种噪音等。这类方法通常称为图像增强技术。第二类方法能提高图像质量的逼真度，一般称为

30、图像复原。本课题要处理的图像是利用 CMOS 数字摄像机采集而来的，在图像摄取过程中，光学的失真、承载车辆的运动以及气候的影响都会给获取的图像带来一定的噪音，降低路面图像的质量；并且在图像传输的过程中也会受到噪声的污染，路面图像的质量同样也会降低。为了有利于图像的进一步处理，让图像逼近原始图像是不可能实现的。所以，我们采用图像增强技术，突出路面图像中的主要特征，衰减次要的特征，为进一步的处理工作做好准备。图像增强技术根据其处理所进行的空间的不同，可以分为两类：空间域方法和频域方法。“空间域”是指图像平面自身，这类方法是以对图像像素直接处理为基础；“频域”处理技术是以修改图像的傅立叶变换为基础的

31、。“空间域增强”是指对构成图像的像素进行操作的。空间域方法还可以分成两类：一是点操作，也就是对图像的每次处理是对单个像素进行的，处理过程中对每个像素的处理与其他的像素无关；另外一类是模板操作，就是通过模版图像在图像上进行平滑而完成图像增强处理。空间域图像增强可由式(3-1)来定义： (3-1)其中是输入图像，是处理之后的图像，是对的某种增强操作。如果 定义在每个上的，则 为点操作；如果 定义在的某一个领域上，则为模板操作。一般情况下，像素的邻域比该像素要大，也就是说这个像素的领域中除了本身以外还包括其它的像素。在这种情况下，在处的值不仅取决于在处的像素值，而且取决于在以为中心的邻域内所有像素的

32、值。如果以和分别表示增强前后图像在处的像素值，则式（3-1）可表示为式（3-2）： (3-2)式中表示 在邻域内像素的灰度值。图像增强的频域方法就是在图像的变换域中（通常是频率域）对图像的变换值进行某种运算处理，然后再变换回空间域。它是一种间接处理方法，我们可以用图 3-4 来描述该过程：正变换修正逆变换图3-3 频率域图像增强模型其数学描述如下： (3-4) (3-5) (3-6)其中 表示某种频域正变换，表示该频域变换的反变换。为原始图像频域正变换的结果，为频域中的修正系数，为修正后的结果，是反变换的结果，也既增强后的图像。下面介绍几种典型的图像增强的方法，并详细介绍了本课题所采用的图像增

33、强的方法。 3.2.1 直方图均衡化直方图是多种空间域处理技术的基础。直方图操作能够有效的应用于图像增强。灰度直方图的模型化处理，是指将图像的灰度值按照规定的灰度分布进行变换处理。30这种变换方法适用于图像对比度较差、过于明亮或者过于黑暗，以及图像的灰度分布集中在明、暗两端的情况。直方图均衡化是其中一种非常有效的方法。也就是说，变换后的图像灰度值的分布是均匀的，所以图像的整体对比度得到了改善。应用数学公式来描述直方图均衡化如式 (3-7)： (3-7)其中：为变换后图像的灰度值，为变换前图像的灰度值， 为灰度分布频度，为灰度分布频度的最小值，为取整10。图 3-5 到图 3-8 分别给出某高速

34、公路路面的原始图像和直方图均衡化以后的图像以及增强前后图像的灰度直方图。图3-4 原始路面图像图3-5 原始路面图像直方图图36 直方图均衡化图像图3-7直方图均衡化图像直方图从均衡化之后裂缝图像的直方图可以看出，直方图的动态范围变大了，但同原始图像直方图的“单峰”特性相比，直方图均衡化之后的图像的直方图的“单峰”特性不是很明显。这是因为，图像的边缘在成像过程中曝光不均匀，造成了图像增强以后直方图变得有些“零乱”，从图 3-6 和图 3-7 种可以看出。 3.2.2 中值滤波 中值滤波是一种非线性的信号处理的方法，与其所对应的中值滤波器也就是一种非线性的滤波器。它是一种邻域运算，能够抑制图像中

35、的噪音。它是基于这样的一种假设：噪音往往是以孤立点的形式出现，这些点对应的像素很少，而图像则是由像素数较多、面积较大的小块组成的。中值滤波在一定的条件下可以克服线性滤波器（如均值滤波器等）带来的图像细节模糊，对脉冲干扰及图像扫描噪音比较有效。中值滤波器去噪音的效果要依赖于两个相关的但又完全分开的要素：邻域的空间范围，也既模板的大小；及中值计算涉及的像素数，也既模板的形状。它类似于卷积，但又不同于加权平均，而是把邻域中的像素按灰度等级进行排序，然后选择该组的中间值作为输出的像素值。对于一个 NN 的中值滤波器（N 通常为奇数），如某输入像素的灰度级大于或等于领域中(N2-1)/2 个像素的灰度级

36、且小于或等于领域中(N2-1)/2 个像素的灰度级，则该像素就作为输出的像素级。因此，中值滤波的形状和大小对滤波的效果影响很大，不同的图像内容和不同的应用所选用的滤波器窗口的形状和尺寸也就不同。中值滤波的效果与邻域均值的效果相比较，中值滤波有以下的优点：1.降低噪音的效果比较的明显；2.在灰度值变化比较小的情况下可以得到很好的平滑处理；3.降低了图像边界部分的模糊程度。图3-8、图 3-9及图 3-10 分别是某高等级公路路面图像的原始图像、均值滤波图像及中值滤波图像 。图3-8 原始路面图像图3-9 均值滤波图像图3-10 中值滤波图像从图中可以看出，经过中值滤波之后路面裂缝图像的主要细节显

37、现出来了，并且保持了裂缝边界的详细细节。文献(7)综合了几种应用于路面裂缝图像增强的技术之后，认为中值滤波是路面裂缝图像最佳的图像增强方法。应此，国外很多的研究机构将中值滤波作为路面裂缝图像的增强处理技术。 3.2.3 基于模糊理论的图像增强处理从上一节路面图像特征分析中可以知道，对于一幅含有裂缝的灰度图像来说，其具有三个变化的部分：1.非均匀背景光照和成像系统所形成的缓慢变化部分；2.路面破损或者非破损图像的不规则物；3.随机噪音。假设，表示一幅含有裂缝的路面图像，那么其包含以下三个部分： (3-8)其中是背景灰度变化信号，是目标信号，也就是路面的裂缝信号，是噪音信号。为了在图像分割中分割出

38、裂缝信号，就要对图像进行阈值化处理，而及的存在，使得淹没于其中很难直接提取出信号。因此，这就需要对路面裂缝图像进行特殊的图像增强处理，以消除噪声，保留裂缝的主要特征，为进一步的裂缝分割与识别做好准备。近年来，随着模糊理论的发展7,8，模糊理论广泛的应用于数字图像处理中，其应用领域涵盖了图像增强、图像分割以及图像分析等。一幅分辨率为的灰度图像可以看作一个权重关系。若以像素的灰度值做为感兴趣的模糊特征，假设为图像在处的灰度值，则该权重关系可以描述为个元素的集合到的元素的集合相应于的权重关系。可以应用两个适当的阈值将图像的像素分为“清晰”像素和“模糊”像素，这样只对“模糊”像素进行增强，“清晰”像素

39、不进行增强操作。模糊图像增强技术是基于这样的原理：首先将空间域上的图像转化为模糊域上，然后对模糊化后的图像在模糊域上进行增强操作，最后应用逆变换函数将图像从模糊域上转化到空间域上，这样就完成了模糊图像增强操作。根据前面所述，我们可以根据两个阈值和将图像分为三个部分，对 应 于 一 部 分 像 素 值,对 应 于 另 外 一 部 分 像 素 值,也 就 是 说0255，这里为全局阈值。经过这样的处理，原始图像可以被看作一个从集合到集合的模糊关系，也就是的模糊子集。处的隶属度可以用式 3-8 来表示： (3-9)参数，的取值可以按照下述的方法：可取图像的全局阈值，用这个全局阈值将图像的灰度值分为两

40、部分：一部分为灰度值大于，另一部分为灰度值小于。分别求出这两部分的灰度值的平均灰度值分别作为 和。这样，原始图像的像素就被分为两部分：“清晰”像素和“模糊”像素。隶属度 或者的像素是“清晰”像素，对应于黑色或者白色的像素，这部分像素将不进行增强运算；隶属度 或者的像素对应于“模糊”像素。如果0.5,则该模糊像素为“有点白”的像素。隶属度=0.5 的像素具有最大的模糊度。这是因为在这些像素属于的模糊集合中，有点黑和有点白的隶属度值是相等的。很明显，隶属度=0.5 的像素的灰度值 就等于全局阈值。从前面所述的路面图像的特性中可知，路面图像中存在很多的未知的噪音，这些噪音降低了图像的性质，干扰了正常

41、的图像处理运算。所以，在这里需要对模糊化以后的图像进行降噪和平滑处理运算，一方面保留图像的原有的细节，另一方面消除噪音。通过阅读大量的文献可知，均值滤波的运算速度快，消除噪声的效果比较明显。在这里，我们应用了均值滤波对模糊化以后的图像进行降噪平滑处理。设表示第行，第列的图像的实际灰度值，表示其领域8个点的灰度值，则： (3-10)对滤波后的“模糊”图像进行增强操作是模糊图像增强的关键步骤，因为算法的好坏直接关系着图像增强的效果。我们采用的模糊增强算法由两段函数组成，这样能够使得图像的细节不易丢失： (3-11)其中，为滤波以后图像在处的像素的隶属度值，表示经过模糊增强后图像在处像素的隶属度值。

42、该运算降低了图像模糊集的模糊性，总的来说，增大了 0.5 以上的隶属度值，减小了 0.5 以下的隶属度值，而模糊度最大的图像像素没有变化，也就是说对该部分像素保持其原有的灰度值不变。通过模糊增强算法之后，在原图像处的像素的灰度值转化为模糊域上隶属度值。这是需要采用一定的逆变换函数将模糊域上的隶属度值转化为空间域上灰度值。这一转化函数如式 3-11 所示： (3-12)通过这样的增强操作，我们可以得到增强后的路面图像。从图 3-13 可以看到，增强后的路面图像不仅保留了原始图像的主要细节，还有效的消除了噪音和背景光照不均匀的影响。图3-11 原始路面图像图3-12 模糊增强后的图像 4 经典图像

43、边缘检测算法4.1 经典边缘检测的基本方法我们知道，边缘检测的实质是采用某种算法来提取出图像中对象与背景间的交界线。我们将边缘定义为图像中灰度发生急剧变化的区域。图像灰度的变化情况可以用图像灰度分布的梯度来反映，因此我们可以用局部图像微分技术来获得边缘检测算子。边缘检测算法有如下四个步骤（其过程如图 4-1 所示）:原始图像平滑图像梯度或含过零点图像边界点滤波检测增强图4-1 图像边缘检测流程图滤波：边缘检测算法主要是基于图像强度的一阶和二阶导数，但导数的计算对噪声很敏感，因此必须使用滤波器来改善与噪声有关的边缘检测器的性能。需要指出，大多数滤波器在降低噪声的同时也导致了边缘强度的损失，因此，

44、增强边缘和降低噪声之间需要折衷。增强：增强边缘的基础是确定图像各点邻域强度的变化值。增强算法可以将邻域（或局部）强度值有显著变化的点突显出来。边缘增强一般是通过计算梯度幅值来完成的。检测：在图像中有许多点的梯度幅值比较大，而这些点在特定的应用领域中并不都是边缘，所以应该用某种方法来确定哪些点是边缘点。最简单的边缘检测判据是梯度幅值阈值判据。定位：如果某一应用场合要求确定边缘位置，则边缘的位置可在子像素分辨率上来估计，边缘的方位也可以被估计出来。在边缘检测算法中，前三个步骤用得十分普遍。这是因为大多数场合下，仅仅需要边缘检测器指出边缘出现在图像某一像素点的附近，而没有必要指出边缘的精确位置或方向

45、。边缘检测误差通常是指边缘误分类误差，即把假边缘判别成边缘而保留，而把真边缘判别成假边缘而去掉。边缘估计误差是用概率统计模型来描述边缘的位置和方向误差的。我们将边缘检测误差和边缘估计误差区分开，是因为它们的计算方法完全不同，其误差模型也完全不同。边缘检测是检测图像局部显著变化的最基本运算在一维情况下，阶跃边缘同图像的一阶导数局部峰值有关梯度是函数变化的一种度量，而一幅图像可以看作是图像强度连续函数的取样点阵列因此，同一维情况类似，图像灰度值的显著变化可用梯度的离散逼近函数来检测梯度是一阶导数的二维等效式，定义为向量 (4-1)有两个重要的性质与梯度有关：(1) 向量的方向就是函数增大时的最大变化率方向； (2) 梯度的幅值由下式给出： (4-2)在实际应用中，通常用绝对值来近似梯度幅值： (4-3)或