[發(fā)明專利]一種基于局部紋理二值模式的路面修補類病害檢測方法有效
| 申請?zhí)枺?/td> | 201811591028.1 | 申請日： | 2018-12-25 |
| 公開（公告）號： | CN109815961B | 公開（公告）日： | 2020-11-10 |
| 發(fā)明（設計）人： | 莊偉;畢玉峰;王健;陳昊;宋杰;丁婷婷;陳賽;柳尚;王甲勇;孫建秀 | 申請（專利權）人： | 山東省交通規(guī)劃設計院有限公司 |
| 主分類號： | G06K9/46 | 分類號： | G06K9/46;G06K9/62 |
| 代理公司： | 濟南信達專利事務所有限公司 37100 | 代理人： | 羅文曌 |
| 地址： | 250031 山東*** | 國省代碼： | 山東;37 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 一種 基于 局部 紋理 模式 路面 修補 病害 檢測 方法 | ||
1.一種基于局部紋理二值模式的路面修補類病害檢測方法，其特征在于，采用以下方法進行路面圖像LRBP特征向量提取：
A、將路面圖像劃分為w行z列，共w*z塊區(qū)域，其中3≤w≤6，3≤z≤6，
所述路面圖像包括路面修補病害圖像和正常路面圖像；
B、在每一塊區(qū)域中，使用8×2大小的檢測窗口逐行對該區(qū)域內(nèi)圖像進行分塊掃描，并進行窗口特征值計算：
所述檢測窗口由中線劃分為左側(cè)檢測窗口、右側(cè)檢測窗口，左側(cè)檢測窗口左上角起始坐標為(0，0)，右下角坐標為(4，2)；右側(cè)檢測窗口左上角起始坐標為(4，0)，右下角坐標為(8，2)，檢測窗口遞推公式為公式(1)，
(xa+1，yb+1)＝(xa+8，yb+2) (1)
式中，a小于等于m/8向下取整數(shù)，m為待檢測整幅路面圖像的總寬度；
b小于等于n/2向下取整數(shù)，n為待檢測整幅路面圖像的總高度；
對每個8×2檢測窗口中的像素，使用左側(cè)檢測窗口某點的像素灰度值減去右側(cè)檢測窗口對應點的像素灰度值，大于0則輸出1，小于0則輸出0，計算公式見公式(2)，兩側(cè)檢測窗口內(nèi)的8個像素點經(jīng)過比較計算后得到一個8位的二進制數(shù)，即該8×2檢測窗口的LRBP特征值，
式中，(xa，yb)是待求LRBP值的8×2檢測窗口的左上角坐標，ipq是左側(cè)檢測窗口(p，q)位置像素的灰度值，jpq是右側(cè)檢測窗口(r，s)位置像素的灰度值，坐標(p，q)為左側(cè)4×2檢測窗口中8個像素坐標，(r，s)為右側(cè)4×2檢測窗口中8個像素相對應的坐標，對應關系如公式(3)，t是一個符號函數(shù)如公式(4)：
C、將步驟B中得到的所有檢測窗口LRBP特征值轉(zhuǎn)化為十進制，統(tǒng)計每個十進制數(shù)字的出現(xiàn)頻率，計算當前區(qū)域的區(qū)域直方圖；
D、重復步驟B、C，計算完每塊區(qū)域的直方圖后，對所有區(qū)域直方圖進行合并，得到整幅圖像的統(tǒng)計直方圖；
最后將每塊區(qū)域的直方圖按步驟A分塊的空間順序依次排列成一行，形成大小為w*z*28維的LRBP特征向量；
重復上述步驟A-D的LRBP特征向量提取過程，得到所有路面修補病害圖像LRBP特征向量和正常路面圖像LRBP特征向量，利用機器學習得到修補類病害的分類器，實現(xiàn)對路面修補類病害的識別檢測。
2.根據(jù)權利要求1所述的基于局部紋理二值模式的路面修補類病害檢測方法，其特征在于：步驟A所述路面圖像由以下方法得到：
以車載高速面陣CCD相機進行公路路面圖像采集，并以小波變換閾值去噪法對采集到的路面灰度圖進行降噪處理，得到路面圖像。
3.根據(jù)權利要求1或2所述的基于局部紋理二值模式的路面修補類病害檢測方法，其特征在于，所有路面修補病害圖像LRBP特征向量和正常路面圖像LRBP特征向量交于Adaboost算法進行機器學習。
