2017年第36卷第11期
传感器与微系统（Transducer and Microsystem Technologies）
135
DOI:10.13873/J.10009787(2017)11013504
基于卷积神经网络的路面裂缝检测
赵珊珊，何宁？
（1.北京联合大学北京市信息服务工程重点实验室，北京100101；
2.北京联合大学智慧城市学院，北京100101）
摘要：对路面图像块预标记，根据预标记结果对路面图像进行强度归一化预处理，在保留裂缝信息的同时，减少背景光照不均的影响。将预处理后的路面图像输人卷积神经网络（CNN）模型实现路面图像裂缝的检测。由于路面裂缝分布复杂，在训练网络时，使用不同尺度和不同角度的路面图像进行模型训练，使
得网络能够检测不同裂缝形状。实验结果显示：裂缝检测结果较好。关键词：图像处理；公路裂缝；卷积神经网络；检测
中图分类号：TP391
文献标识码：A
文章编号：1000-9787（2017)11-0135-04
RoadsurfacecrackdetectionbasedonCNN*
ZHAO Shan-shan', HE Ning
(1.Beijing Key Laboratory of Information Services Engineering,Beijing Union University,Beijing 100101,China;
2 College of Intellectualized City,Beijing Union University,Beijing 100101,China)
Abstract: Road surface crack detection method based on convolutional neural network ( CNN) is proposed. Intensity normalization preprocessing on road surface image according to pre-labeled result, which can reduce the influence caused by the un-illumination background and the white pixel. The CNN is used to realize the crack detection. Use different scales and angles of road image for model training to improve the ability to detect small and scattered road crack. The experimental result shows that this method is effective.
Key words : image processing; highway crack; convolutional neural network( CNN) ; detection
0引言
传统的人工巡检方式显然已经不能满足巨大的公路路面巡检需求，自前，很多计算机视觉技术实现检测裂缝。文献[1]提出了基于多偏微分方程融合的增强算法检测路面裂缝，该方法中梯度门限等重要参数不固定，只能处理同一条件下的路面图像。文献[2]将灰度去噪模型、空间滤波去噪模型等模型串联起来，构成了一个多级去噪模型，当多种噪声混杂在一起时，裂缝检测的效果不明显。文献[3] 提出了改进的基于动态规划的算法检测裂缝，算法执行速度快但是准确率较低。文献[4]使用Gabor滤波器检测裂缝，其对简单的路面裂缝检测效果良好，对于分布复杂的裂缝检测结果断裂严重。文献[5]使用4层的卷积神经网络（convolutionalneuralnetwork，CNN））实现了裂缝检测，准确率为87%，精度有待提高。文献[6]提出了一种新的区域增长算法检测裂缝，其对于纹理细小且分散的路面裂缝检测结果不好。为了提高裂缝检测的准确率，本文提出了基
于CNN[8]检测路面图像的裂缝。收稿日期：2017-09-08
1图像预处理
对预标记后的路面图像进行强度归一化和像素饱和化预处理以减少光照不均等的影响。将2400像素×3150像素的路面图像划分为16行、21列的150像素×150像素图像块，计算每个图像块的均值和标准差，因此，每幅路面图
像均有16×21的均值矩阵M.和标准差矩阵STD。 1.1预标记
对M.矩阵分别做纵向和横向扫描查找包含裂缝像素的图像块，预标记的目的是将包含裂缝像素的图像块标记为“1'，不包含裂缝像素的图像块标记为*0'。首先对M. 纵向扫描，预标记方法为
plb(r) =[ std(Aμ() >(k, ×std(By) +k, ×[O<([] 4-[](r,4)] V [(()umau
(1) 0
(Mc.n +M.++,)
2
Avi)
*基金项目：国家自然科学基金资助项目（61370138，61572077，U1301251）
Msi.
By
std(Ap(2,)
(2)
std(Av(15,))
0