高等級公路建設快速發展，路面質量監控體系完善，則要求高的檢測水平。車輛在高等級公路行駛時，對路面的平整度、完好率要求很高，當路面出現裂縫等損壞時，應及時維修。目前國內檢測高等級公路路況的手段主要是人工檢測，不但勞動強度大、檢測速度慢，而且十分危險。隨著高速大容量數據傳輸及圖像處理與模式識別技術的發展，使得路面破損實時檢測成為可能。國外已有許多學者致力于該領域研究，國內相關領域的學者也在開展這方面的研究工作。對車載實時采集的路面圖像進行特征分析和處理，對存在裂紋的路面圖像提取裂紋信息，實時處理路面圖像。實驗結果表明，該方法對路面破損狀況的檢測快速準確，具有廣闊的應用前景。
2 路面圖像處理
2．1 去模糊處理
利用CCD攝像機采集圖像時，攜載攝像機的車輛處于高速運動狀態，由于拍攝的路面和攝像機之間的相對運動，導致所獲取的路面圖像存在模糊現象。因此在圖像分析處理前，必須對其去模糊處理。模糊的二維圖像可模型化為：
g(x，y),f(s，t)，n(x，y)分別表示模糊圖像、原圖像及噪聲。對式(2)進行傅里葉變換后，利用維納濾波方法進行高通濾波，將產生模糊的低頻信息濾除掉，只保留高頻圖像信息，則可得到去模糊后的圖像。
2．2 路面裂紋特征及其度量
一般情況下，路面裂紋在圖像上主要表現為：
(1)非負性 與周同非裂紋像素相比，裂紋位置的像素灰度值明顯低于背景像素灰度值，針對此特征定義其度量公式為：
式中，V(i,j)為當前像素灰度，V(i+m,j+n)為以當前像素為中心設定窗口內的鄰域像素灰度值。當滿足▽k>0時的非負個數N作為其中的裂紋像素的主要特征判斷標準。
(2)對比度特征 裂紋像素與其周圍的非裂紋區域存在明顯的對比度關系，將其對比度定義為：
式中，Vb為連續裂紋像素區域灰度平均值，Vg、Vmax和Vmin分別為其鄰域非裂紋像素區域灰值及最大灰度值和最小灰度值，N為鄰域非裂紋區域像素個數，C為裂紋區域與非裂紋區域的對比度。
(3)路面裂紋的紋理特征 裂紋在窗口區域中表現為連續的、共線的且具有相近灰度值的像素區域，可將裂紋的這種特征描述為基于灰值相似性分布基礎上的紋理特征?？擅枋鰹椋?/p>
式中，i，j為像素坐標，P(i-j)為該窗口區域的灰度共生矩陣，若P(i-j)中小的元素接近矩陣主對角線，則表明該窗口中的近鄰元素有較大的反差，表明存在裂紋區域。
2．3 特征的快速提取方法
根據上述主要裂紋特征及其度量，這里提出一種基于像素灰度值比較進行裂紋特征量提取的快速掃描方法。
①以圖像中心(i，j)為起點，考查其8個鄰域點在原圖中的灰度信息。若其滿足某一灰度特征信息，賦值為255；否則賦0：以1個單位為起始步長(step=1)，按照逆時針方向旋轉開始掃描；②每改變一次方向時其方向碼值增加2個單位方向，每改變兩次方向時其步長值增加1個單位。因8個鄰域中已賦值的點有4個(轉折點處只有3個)，故只需比較已賦值的點；③如圖1所示，當掃描到(i0,J0)時，將當前點在原圖中的灰度值與4個鄰域在原圖中的灰度值相比較。若與4個鄰域中值為255的點在原圖中的灰度值相似時，當前點賦為255，下一步執行⑤；若與4鄰域中值為0的點在原圖中的灰度值相似，當前點賦為0，下一步執行⑤；若與它們都不相似，則執行④操作；④判斷其8個鄰域點在原圖中的灰度信息。若其滿足某一灰度特征信息，將其值賦為255；否則賦為0；執行下一步；⑤重復②③操作，直至遍歷整幅圖像為止。
2．4 特征分析與處理
3 結果與分析
利用該方法處理實時采集的高速路面圖像，如圖2、圖3所示。圖2a為采集的路面單裂紋圖像，其大小為512×384(文中圖像縮小到1／3)，圖2b為對圖2a的裂紋特征提取結果，含有較多的非裂紋像素，通過特征分析對圖2b進行虛假裂紋剔除后并進行裂紋跟蹤的結果見圖2c。圖3a為多裂紋路面圖像，對其進行裂紋特征提取的結果見圖3b，圖3c為通過特征分析對圖3b進行虛假裂紋剔除后跟蹤的結果。從實驗結果可以看出，該方法準確完整地提取出了路面裂紋，沒有受到路面標記的影響。
4 結語
提出一種路面破損圖像實時檢測方法。先對路面裂紋圖像進行去模糊處理和裂紋特征分析，在此基礎上，提出快速方法提取裂紋，對提取出的裂紋圖像進行特征處理后，用參數描述裂紋的矢量信息和幾何特性。對大量采集的路面圖像進行處理。結果表明，該檢測方法能正確快速提取路面圖像的裂紋信息，具有較強的魯棒性和實用性。