【word】 基于金字塔结构的海量路面影像破损统计模型
基于金字塔结构的海量路面影像破损统计
模型
第33卷第4期
2008年4月
武汉大学?信息科学版
GeomaticsandInformationScienceofWuhanUniversity
VoL33NO.4
Apr.2008
文章编号:16718860(2008)04—0430—03文献标志码:A
基于金字塔结构的海量路面影像破损统计模型
刘向龙李清泉
(1武汉大学遥感信息工程学院,武汉市珞喻路129号,430079)
(2武汉大学交通研究中心,武汉市珞喻路129号,430079)
(3武汉大学测绘遥感信息工程国家重点实验室,武汉市珞喻路129号,430079)
摘要:提出了基于金字塔结构的用于快速路面影像破损统计的模型,通过对经分割处理后的影像进行金字
塔加权破损统计以筛选出破损路面影像,最终达到提高
检测
工程第三方检测合同工程防雷检测合同植筋拉拔检测方案传感器技术课后答案检测机构通用要求培训
效率的目的.利用该模型对具有不同路面纹理结
构的路段进行多次实验
表
关于同志近三年现实表现材料材料类招标技术评分表图表与交易pdf视力表打印pdf用图表说话 pdf
明,该模型能高效准确地从海量影像中筛
选出破损路面影像.
关键词:金字塔结构;路面裂缝;破损检测;海量数据
中图法分类号:P234.4;TP751
数据采集自动化带来路面影像数据量异常庞
大,传统的针对所有路面影像采用同一算法在同
一
尺度下进行检测的流程效率低下,而当前该领
域的研究者着重于针对单张影像的路面裂缝检测
算法
设计
领导形象设计圆作业设计ao工艺污水处理厂设计附属工程施工组织设计清扫机器人结构设计
].金字塔结构由于其多尺度特性而
广泛地应用于数据压缩?,海量数据检索以及电
子地图导航u等各个领域.本文提出了基于金
字塔结构的路面影像破损统计模型用于从海量路
面影像中快速筛选出破损影像,进而只需要针对
破损影像进行高精度裂缝检测,而不再需要对非
破损影像进行处理,在满足破损检测精度的同时
提高海量路面影像数据处理的效率.
1路面影像分割
路面裂缝在路面影像和地理空间上,具有影
像裂缝灰度值低于环境灰度值,裂缝像素在空间
上具有连续性和线性等特征.邻域差分直方图方
法由于其对于局部邻域目标变化的高敏感性而使
得其可以很好地用于从路面背景中分割出裂缝区
域.该方法主要是基于目标像素与其邻域像素之
间的差分统计值来反映该像素的状态,如果目标
像素值低于邻域像素值,则该差分累计值为正,且
绝对值较大,
说明
关于失联党员情况说明岗位说明总经理岗位说明书会计岗位说明书行政主管岗位说明书
目标像素很有可能为裂缝像素.
通过累积影像中各个灰度级的差分统计值,最大
收稿的阈值:
TI*一g(Maxg一=2(Dh)),g?Eo,255](2)
式中,T肼为影像分割的阈值,最后利用其进行影
像分割:
Gc(i,j)一』255,Gray?Tj_?[0,二]
l0,Gray>T肼,?Eo,一1]
(3)
式中,,分别为块影像横向,纵向的像素数.
2破损统计模型
2.1尺度变换
金字塔结构降尺度数学模型为:
GH(i,)一G(,)h(,)(4)
式中,G…(i,)为第t+1层,第i行,列的灰度
值;G(,.y)为第t层(i,j.)块的灰度区域取值,
h(,)为变尺度卷积核.通过将高尺度层的区
第33卷第4期刘向龙等:基于金字塔结构的海路面影像破损统计模
型
域块与核函数进行卷积,得到下一尺度层各像素
灰度值.由于金字塔结构的尺度以级数方式进行
变化,从而某一尺度下的单个像素对下一级统计
的贡献权重也以级数的方式递减,权重的递减速
度取决于卷积核的大小.为了避免权重递减太
快,本文后续所有的实验采用2×2的卷积核进行
运算,其核函数为:
一
]?
利用该卷积核刈’分割后的二值影像按照式
(4)进行尺度变换,如图1所示.对于左下角孤立
的随机噪声,在经过3次尺度变换后已经基本消
除,而密度较大且具有一定尺度的区域得到了保
存,并且密度越大,保留的权重越大,图1中像素
灰度级反应了该区域的破损密度.通过多次实验
发现,3次尺度变换能消除绝大多数纹理结构噪
声,所以文中影像尺度变换都采用该尺度.
(a)第’层(b)第层(c)第层
图1金字塔尺度变换
Fig.1Scale-trans{ormationofPyramidStructure
2.2破损统计
二值影像经过尺度变换后成为灰度影像,不同
密度的区域其最终尺度所对应的影像区域灰度级
别也不一致,灰度级如果用1代表黑,用0代表白,
则破损密度越高的区域最终尺度所对应的影像灰
度级更接近于1,反之,越接近于零.由于分割后
的二值影像中带有尺度较小的结构噪声,在经过尺
度变换后,噪声所在区域影像灰度接近于0,但是
并不为零,所以在破损统计的过程中需要设置阈值
T用于消除结构噪声.破损统计离散形式如下:
…f一1一一l
F(I)一??g,j)hl一0i一0
fG<T,g一(1一G/255)1…
【G,>T,g,一0J
式中,为影像;F()为该影像的破损统计量;”,
m分别为第t层尺度影像的行数和列数,g(i,J)
为第t层影像的第i行和第J列所在像素的破损
加权因子;h,分别代表横纵向的尺度变换因子,
取决于核函数的大小.利用该式对经过尺度变换
后的影像进行统计,从而得到该影像的破损程度,
通过对具有同一纹理结构的路段影像进行统计处
理,再根据破损程度进行排序,最后半自动地设置
破损阈值完成影像的筛选,从而大大减小后续处
理的_T作量,提高路面影像处理的效率.
3实验结果与
分析
定性数据统计分析pdf销售业绩分析模板建筑结构震害分析销售进度分析表京东商城竞争战略分析
为了验证模型的有效性,本文从同一路段上
所拍摄的影像中随机选取了1000幅影像进行了
实验,图像大小为512×512.限于篇幅要求,本
文从该影像序列中抽取出有代表性的6幅路面影
像进行了有效性说明,同时还与传统的处理流
程一u在相同的计算环境下进行了耗时性实验比
较.图2(a)是结构噪声较大且分布不均匀的已
有一定使用年龄的路段得到的原始路面影像序
列,经分割后得到图2(b).由于使用年限较长,
油斑噪声相对较多,对图2(b)应用金字塔变换后
得到图2(c),再通过式(6)的统计模型对图2(c)
进行阈值分割后,只统计阈值水平以下的区域
图2(d).破损量统计结果如表1所示.序号1影
像包含破损严重的龟裂,所以破损统计量最大;序
号3,6影像包含破损较严重的块状裂缝,破损统
一
?
?
?
?
?
432武汉大学?信息科学版2008年4月
计量也较大;序号2,4分别包含横裂和纵裂,破损
量相对较小;序号5影像没有明显裂缝,其中很小
的破损量为油斑噪声所致.
表1路面影像序列二破损统计量
Tab.1CracksQuantityfortheSecondSerial
PavementImages
通过上面的实验分析得知,本文模型能准确
地计算出用于表征路面影像破损程度的破损量,
从而可以从海量的路面影像数据中快速筛选出存
在破损的路面影像,最后只需要对所筛选出的破
损影像进行精确破损检测,进而达到提高处理效
率的目的.
为了验证模型效率,本文将1000幅影像按
照5O,100,150,200,500幅以随机取样方式分成
5份,分别对5份数据用传统的数据处理流程和
本文的数据处理流程进行了处理.传统的数据处
理流程是采用同一种算法在同一尺度下对所有的
路面影像进行裂缝检测,而本文的数据处理流程
是先通过本文模型对影像进行筛选,然后用传统
流程所采用的算法对筛选出来的破损影像进行裂
缝检测,两种流程处理所花时间对比如图3所示.
oloo200300400500
影像数
图3两种处理流程耗时比较
Fig.3ComparisonsBetweenClassicalandProposed
MethodsinEfficiency
由图3可以看出:?随着待处理影像数目的
增加,两种处理流程所用的时间都呈线性递增;?
经典处理流程时间递增明显快于本文处理流程时
间递增;?处理同样数量的影像,本文流程所花
时间不到经典流程处理时耗的1/3.
实验结果及其分析表明,本文所提出的基于
金字塔结构的破损统计模型能快速准确地计算出
用于反映路面影像破损程度的破损量,利用该破
损量进而能准确地从海量路面影像中筛选出存在
破损的路面影像,最终只需要对破损的路面影像
进行精确检测,从而达到提高检测效率的目的.
同时实验表明,该模型适用于不同纹理结构的路
面,但由于本文篇幅有限,并没有将其他纹理结构
路面影像的实验结果展现出来.利用该模型快速
地统计出某一路段中所有影像的破损量后,需要
为破损量设定一个阈值以将破损和非破损影像区
分开来.如何从所有的破损量中自动确定该阈
值,是下一步研究的重点.
参考文献
[1]LiuXianglong,LiQingquan.AnAlgorithmto
PavementCrackingDetectionBasedonMulti—scale
Space[e1.SPIE,Wuhan,2006
[2]LiQingquan.giuXianglong.AnAlgorithmtOIm—
basedPavementCracksGeometryFeaturesEx—_ age——
traction[J].SciencePaperOnline,2007,2(7):
522—529
[31初秀民,王荣本,储江伟.沥青路面破损图像分割方
法研究[J].中国公路,2003,16(3):1114
[4]KirschkeKR,VelinskySA.Histogram-basedAp,
proachforAutomatedPavement—cracksSensing[J].
Journalo{TransportationEngineering,ASCE,
1992,119(3):7OO一710
[5]ChuaKM,XuL.SimpleProcedureforIdentifying
PavementDistressfromVideoImage[J].Journalo{
TransportationEngineering.ASCE,1994,120(3):
136—144
[6]ChengHD,ShiXJ,GlazierC.Real-TimeImage
ThresholdingBasedonSampleSpaceReductionand
InterpolationApproach[J].JournalofComputingin
272 CivilEngineering,ASCE,2003,l7(4):264—
[7]张洪光,王祁,魏玮.基于人工种群的路面裂缝检测
[J].南京理工大学,2005,29(4):389—393
[8]XuBugao,HuangYaxiong.DevelopmentofanAu—
tomaticPavementSurfaceDistressInspectionSys—
tern[R].FHWA/TX-05/7—4915-1FinalReport,
2003
[9]肖旺新.路面破损识别关键技术研究[D].南京:东
南大学,2004
[10]杨必胜,李清泉.WorldWideWeb(www)上矢量
地图数据的多分辨率传输算法[J].测绘,
2005,34(4):355—36O
[11]李清泉,郑年波,徐敬海.一种基于道路网络层次拓
扑结构的分层路径规划算法[J].中国图像图形学
报,2007,12(2):1280—1285
第一作者简介:刘向龙,博士生,主要研究方向为图像处理,模式
识别,机器视觉和3s集成.
E—mail:liuxianglong@live.cn
(下转第436页)
436武汉大学?信息科学版2008年4月
ConferenceonSignalProcessing,Lausanne.Switz—
erland.1996
LiW,JiangX,WangY.RoadRecognitionforVi—
sionNavigationofanAutonomousVehiclebyFuzzy
Reasoning[J].FuzzySetsandSystems,1998
CannyJ.AComputationalApproachtoEdgeDetec—
TrafficSignDetectionBasedon
tion[J].IEEETransonPatt.andMachIntelli
gence,1986,PAMI-8(6):679—698
第一作者简介:徐迪红,博士生.主要从事图像理解,模式识别等
方面的理论与技术研究.
Email:xudihong@yahoo.corn.cn
ColorandBoundaryFeature
xuDihong?.TANGLuliang?
(1StateKeyLaboratoryforInformationEngineeringinSurveying,Mapping
andRemoteSensing
WuhanUniversity.129LuoyuRoad.Wuhan430079.China)
(2TrafficResearchCenter,WuhanUniversity,129LuoyuRoad,Wuhan4300
79.China)
Abstract:Thispapermainlypresentsanoff—linetrafficsigndetectionapproach.Because
theircolorandshapesfeatureareverydifferentfromnaturalenvironments,thealgorithm
describedinthispapertakesadvantageofthesefeatures.Ithastwomainparts.Thefirst
oneusesthefeatureofredboundaryandwhiteregiontosegmenttheimage,andthenfuse
theirsegmentationimage.ThesecondoneusesCannyoperatortoanalysistheboundary
shapeandlocatethetrafficsigns.Someresultsfromnaturalscenesareshown.
Keywords:trafficsign;detection;cannyoperator;imagesegmentation
Aboutthefirstauthor:XUDihong,PhDcandidate,mainresearchfieldsarefocusedonimageunderstandingandpatternrecognition
E-mail:xudihong@yahoocomca
(上接第432页)
APyramid—basedCracksStatisticalModalforMassivePavementImages
LIUXianglong’.LIQingquan.?.
(1SchoolofRemoteSensingandInformationEngineering,WuhanUniversity,129LuoyuRoad,Wuhan430079,China)
(2TransportationResearchCenter,WuhanUniversity,129I.uoyuRoad,Wuhan430079.China)
(3StateKeyLaboratoryforInformationEngineeringinSurveying,MappingandRemoteSensing,
WuhanUniversity,129IuoyuRoad,Wuhan430079,China)
Abstract:Thispaperproposedapyramid—basedcracksstatisticalmethodfor
pavementima—
gesonthebasisoftheconsistenceofpavementtexturestructure.Aftertheenhancement
process,itexecutedimagesegmentationbasedonmulti,
scalespacealgorithm,thenthe
weightedpyramid—basedcracksstatisticalwasimplementedoneachsegmentedimage,inthe
endpickedupthecrackedpavementimagesandachievedtheobjectiveofimprovingdetection
efficiency.Severalexperimentswereexecutedaimatroadsectionswithdifferentpavement
texturestructurewiththismodel,andtheresultsdemonstratedthatitcanpickupthe
crackedonesfrommassivepavementimagescorrectlyandeffectively.
Keywords:pyramiddatastructure;pavementcracks;cracksdetection;massivedata
Aboutthefirstauthor:LIUXianglong,PhDcandidate,majorsinimageprocessing,patternrecognition,machinevisionand3Sintegration
E-mail:liuxianglong@liveca