一种道路裂缝交叉点提取方法及系统

摘要

本发明提供一种道路裂缝交叉点提取方法及系统，包括对采集所得包含有裂缝的原始道路影像进行图像预处理，得到预处理后的裂缝图像；根据预处理后的裂缝图像粗选裂缝中心线的候选点，通过张量投票补充候选点，进行相关矩阵结构分析获取候选点具备的结构信息，通过张量投票迭代增强交叉点结构，基于最终所得清晰的球张量显著性图提取交叉点并输出结果。本发明主要特点是准确。即使路面裂缝图像有很强的噪声，有油渍和光照不均的情况，也能获得较好的检测结果。这是因为在张量投票过程中能够增强裂缝的结构信息，抑制离散的噪声点；而且由于张量投票具有外插的功能，本发明还适用于不连续的裂缝。

主权项

一种道路裂缝交叉点提取方法，其特征在于：包括以下步骤，步骤一、对采集所得包含有裂缝的原始道路影像进行图像预处理，得到预处理后的裂缝图像；步骤二、根据预处理后的裂缝图像粗选裂缝中心线的候选点，包括标记灰度值小于局部窗口内灰度均值ε倍的点，然后对标记的点再进行零交叉检验得到裂缝中心线的候选点；所述ε是比例因子，ε∈(0，1]；步骤三、通过张量投票补充候选点，包括对步骤二粗选得到的候选点首先进行张量编码，然后进行一次张量投票过程，对投票结果进行张量分解，得到棒张量显著性图和球张量显著性图；在棒张量显著性图上，根据棒张量显著性图的灰度，标记灰度值小于局部窗口内灰度均值ε倍的点，然后对标记的点再进行零交叉检验得到得到步骤二中漏取的点，将这些点与步骤二粗选得到的候选点取并集；步骤四、进行相关矩阵结构分析获取步骤三求得的候选点具备的结构信息，包括对预处理后的裂缝图像上的每个像素，根据下式计算该点在其局部窗口内的相关矩阵M′，并求相关矩阵M′的特征值l₁、l₂和特征向量α₁、α₂，根据相关矩阵M′的特征值l₁、l₂和特征向量α₁、α₂组合二阶张量，做为步骤三所得候选点具备的结构信息；$M^{\prime }=\frac{1}{m_w}\underset{j=1}{\overset{m_w}{\Sigma }}\left(\left(g_j\right){\left(g_j\right)}^{\prime }\right)=\frac{1}{n^2}\underset{j=1}{\overset{n^2}{\Sigma }}\left[\begin{array}{cc}{g_{\mathrm{jx}}}^2& g_{\mathrm{jx}}{g}_{\mathrm{jy}}\\ g_{\mathrm{jx}}{g}_{\mathrm{jy}}& {g_{\mathrm{jy}}}^2\end{array}\right]$其中，n是局部窗口的大小，m_w＝n×n是局部窗口内的像素数，$g_j=\left(\begin{array}{c}{g}_{\mathrm{jx}}\\ g_{\mathrm{jy}}\end{array}\right)$是预处理后的裂缝图像上局部窗口内第j个像素的梯度向量，(g_j)′是g_j的转置，g_jx、g_jy分别表示预处理后的裂缝图像上局部窗口内第j个像素在x方向和y方向的梯度；步骤五、通过张量投票增强交叉点结构，将步骤三所得候选点具备的结构信息通过张量投票过程传递出去，同时所有的候选点在该张量投票过程中收集来自周围的其他候选点的投票来增强结构信息，对投票结果进行张量分解，得到球张量显著性图和棒张量显著性图；步骤六，当本次执行步骤五所得球张量显著性图中结果不够明显时，根据本次执行步骤五所得的球张量显著性图返回步骤五中进行下一次增强，在明显时进入步骤七；步骤七、根据最终所得球张量显著性图提取交叉点并输出结果。