[发明专利]一种道路路基塌陷和边坡坍塌的自动检测方法及系统

摘要

本发明提出了一种道路路基塌陷和边坡坍塌的自动检测方法及系统，该方法包括如下步骤：读取道路图像；对道路图像进行分割，分割出路面图像、边坡图像以及路基图像；进行特征提取，选取基于GLCM的特征，基于Tamura的特征，statxture特征，分形特征，灰度图像的主轴方向特征和图像的空间特征这六种特征作为所述路面图像、边坡图像以及路基图像的特征；对经过特征提取后的图像进行识别分类，将有问题的区域定位出来并计算出包括塌陷面积和坍塌体堆积物方量的参数指标。本发明根据道路的彩色图像能够自动检测路基塌陷和边坡坍塌，效率高，检测准确。

主权项

1.一种道路路基塌陷和边坡坍塌的自动检测方法，其特征在于，包括如下步骤：S1，读取道路图像；S2，对所述道路图像进行分割，分割出路面图像、边坡图像以及路基图像；S3，进行特征提取，选取基于GLCM的特征，基于Tamura的特征，statxture特征，分形特征，灰度图像的主轴方向特征和图像的空间特征这六种特征作为所述路面图像、边坡图像以及路基图像的特征；所述基于Tamura的特征提取方法为：a.粗糙度，粗糙度反映了纹理的粒度，对具备不同结构的纹理模式来说，基元尺寸越大或重复次数越少，则越粗糙，其计算方法如下：首先计算图像中2k×2k个像素活动窗口中像素的亮度均值,如下式所示，其中(x,y)为选定区域在图像中的位置，g(i,j)表示选定区域中的第(i,j)点的像素亮度值，像素的范围通过k确定，对每个像素点在水平和垂直方向上互不重叠的活动窗口间的平均强度差进行计算，具体公式为：Ek,h＝|Ak(x+2k‑1,y)‑Ak(x‑2k‑1,y)|Ek,v＝|Ak(x,y+2k‑1)‑Ak(x,y‑2k‑1)|,其中对于每个像素，能使E值达到最大的k值用来设置最佳尺寸Sbest(x,y)，最后，粗糙度可以通过计算整幅图像中Sbest的平均值来得到，取水平和垂直方向上的最大均差值为当前像素的邻域均值插值，即Ek＝Emax＝max(E1,E2,...,Eh)对每个像素，从多邻域尺寸中设置最佳尺寸，为Sbest(x,y)＝2k+1计算整幅图像Sbest的平均值为纹理粗糙程度Fcrs，m和n表示宽度和高度：b.对比度，α4＝μ4/σ4，其中，σ为图像灰度的标准方差，α4为图像灰度值的峰态；μ4为四阶矩均值，σ2为图像灰度值的方差；c.方向度，其中，HD是θ角对应每个区域内相应的|ΔG|大于给定阈值的像素数目，np为所构造的直方图，φp是该直方图中峰值的位置，其中p表示某个峰值，wp表示谷之间该峰值的范围，其中：|ΔG|＝(|ΔH|+|ΔV|)/2|ΔH|和|ΔV|分别是通过图像卷积第一操作符和第二操作符所得的水平和垂直方向上的变化量，所述第一操作符和第二操作符的大小均为3×3，所述第一操作符的第一列、第二列、第三列的数据依次为“‑1,‑1，‑1”，“0,0,0”，“1，1，1”，所述第二操作符的第一行、第二行、第三行的数据依次为“1，1，1”，“0,0,0”，“‑1，‑1，‑1”；S4，将步骤S3中经过特征提取后的图像进行不平衡数据预处理，步骤如下：计算少数类样本集中每个样本的K近邻中多数类样本的占比V，K为正整数，若0<＝V<0.5，则此样本为安全样本，若0.5<＝V<1，则为边界样本，若V＝1，则为孤立点样本；计算总样本集中每个样本的3近邻中多数类样本的比例V1，对每个多数类样本，如果其V1<＝1/3，则从原样本集中删除该样本；对每个少数类样本，如果其V1>＝2/3，则从原样本集中删除该样本的3近邻中的多数类样本；将新生成的少数类样本集和多数类样本集归并为新的样本集；对图像进行识别分类，将有问题的区域定位出来并计算出包括塌陷面积和坍塌体堆积物方量的参数指标。