无人机影像道路与桥梁裂缝智能化识别

吴昊天 董文乐 张毓惠 李翊玮 杨凯银 常广利

(北华大学，吉林 吉林 132013)

目前，国内对道路与桥梁检测的主要方法是采用人工检测为主，检测效率较低，对于大里程道路桥梁的检测周期较长，无法满足现阶段的需要，因此本文提出利用无人机影像配合计算机图像识别分析技术，可以快速地对道路与桥梁裂缝进行处理，提高道路与桥梁检测的效率，较好地解决了目前人工检测的主要弊端[1]。

1 道路与桥梁裂缝处理

图像裂缝的提取有粗提取和细提取两种方法，其中粗提取主要是对裂缝图像的灰度化处理、直方图均衡化、滤波去噪等，利用最大类间方差法求解，确定出适当的阈值，再利用阈值对图像进行筛选，剔除小于阈值部分，最后得到二值化图像。

1.1 图像灰度化

首先利用无人机航拍技术对吉林市某段道路与桥梁进行航拍，拍摄得到航拍照片300张，对这些彩色图像进行灰度处理，将其转化为黑白图片。

1.2 图像直方图均衡化

图像灰度化以后，其灰度值会分布在一个比较窄的空间，这样会导致图像不清晰，对比度较差，为了提高图像的清晰度，能够直观地识别灰度化的图像，本文通过直方图均衡化来增强图像的整体对比度，进一步提高图像识别的准确度[2-3]。

1.3 图像中值滤波去噪

为了进一步对图像边缘识别，本文采用中值滤波来对图像做进一步的处理，中值滤波能在滤除噪声的同时很好地保持图像边缘，中值滤波的原理：把以当前像素为中心的小窗口内所有像素的灰度按从小到大排序，取排序结果的中间值作为该像素的灰度值。

1.4 最大类间方差法二值化和滤波

最大类间方差法是一种自适应的阈值确定的方法，又叫大津法，简称OTSU。它是按图像的灰度特性，将图像分成背景和目标2部分。在使用im2bw函数将灰度图像转换为二值图像时，需要设定一个阈值，这个函数可以帮助我们获得一个合适的阈值。

2 试验与分析

2.1 技术流程

本文中道路与桥梁裂缝检测的图像采集应用的是大疆多旋翼无人机，相机为五镜头，飞行当天天气良好，无风，道路两侧无障碍物，无人机飞行高度为35 m，试验分析流程图如图1所示。

图1 技术流程图

2.2 试验结果

图像分析试验采用MATLABR2014a程序进行，其具体试验步骤如图1中技术流程图进行整个过程的图像处理，通过程序分析，图像识别处理，最终得到道路与桥梁裂缝的识别结果，具体操作过程如下，图2中为灰度化处理后的图像，无人机拍照采样的图像为彩色图像，第一步要先进行灰度化处理。第二步对灰度化的图像采样直方图均衡化处理，得到如图3所示图像，由于此图像中存在噪声和模糊边界等问题。第三步要对图像进行滤波去噪，本文采用中值滤波去噪的方法，得到图4所示图像，最后利用最大类间方差法处理图像，处理后的图像如图5所示。由图5可以看出，经过计算机程序对图像的识别分析，其道路与桥梁裂缝可以很清晰地显现出来，最终可以达到对图像识别的目的。

图2 灰度化图像

图3 直方图均衡化后图像

图4 中值滤波图像

图5 最大类间方差法处理后图像

2.3 评价

本文将无人机采集的300张图片利用计算机程序识别分析，并将这些照片划分为3组，每组100张，判别分析结果的正确识别率，首先将原始图像灰度化处理，将图片转化为灰度图，灰度范围为0～255，然后将灰度图直方图均衡化，增强整个图像的对比度，再进行滤波去噪，使图像更加清晰可辨，最后利用最大类间方差法处理确定最佳阈值，根据设定的最佳阈值剔除小于此阈值的部分，通过图像的分析处理，其分析准确率达到了85%以上，此方法有较高的识别率，可以在道路与桥梁裂缝识别中应用。

本文通过无人机航拍技术获得吉林市某段道路桥梁的损坏段图片，将图片利用计算机程序进行识别处理，转化为可以清晰判别裂缝的图片形式，通过识别判定其对裂缝的识别正确率在85%以上，说明此方法对于道路与桥梁裂缝有较高的识别度，可以应用于道路与桥梁检测中，而且也能最大程度地提高检测的作业效率，减少了人工，但本文只是针对道路与桥梁裂缝进行的识别，至于其它方面的破坏还有待于进一步研究。