图3 线状目标间隙连接流程图Fig.3 Fracture gap connection flowchart

短间隙连接是指当两端点像素距离 ≤ 4像素时，直接直线连接这两端点，因为距离较小，连接路径对效果影响不大。

长间隙连接的主要步骤如下：1)以分数阶微分后的图像为背景作为参考图F；2)由于裂隙/裂缝的像素灰度值较低，为了减少工作量及增加检测准确度，用一个阈值剔除不可能有裂隙/裂缝的区域。通过比较几种常用的阈值算法，对复杂的裂隙/裂缝图像选取最大熵阈值算法。计算F的最大熵阈值，均小于最大熵法确定的阈值t，因而利用t能够较好地判断端点之间的信息；3)确定线段端点和其候选端点在F中的位置，如果两端点之间在F中有裂缝信息(灰度值小于t)，则在连接图中按曲率和距离连接对应的裂隙/裂缝。

图4是一幅模糊的夜间车道线图像，包含2条车道线，中心线点的提取与局部连接结果及最终的中心线段连接结果如图4(b)(c)所示。

图4 模糊车道线的中心线检测Fig.4 Vague lane line central line detection ((a) original lane line image; (b) central line points; (c) final detection result)

4 算法分析比较

为验证本文算法的有效性，选择一幅表面粗糙的混凝土路面裂缝图像进行实验，图像中有一条从左到右的长曲线裂缝，左上有一条弯曲的短裂缝。将本文算法与距离变换法(Felzenszwalb和Huttenlocher，2012)、最大熵阈值法 + 细线化(Chen等，2015)、Otsu阈值分割(Wang，2011)+ 细线化以及谷底边界检测(Wang等，2003；Wang和Bergholm，2008)等算法的裂隙裂缝提取结果进行比较，如表1和图5所示。

表1 5种算法检测裂缝中心线的结果Table 1 Comparison of detecting central line points by five algorithms算法分段数大间隙数毛刺数距离变换最大熵 + 细线化545Otsu + 细线化4112谷底检测853本文210

表1是5种算法检测裂缝中心线的情况，计线长度超过2个像素为一条线段，两条线段的间隙长度超过5个像素为大间隙，原始的裂缝分布在对比度很弱的粗糙路面上。图5是不同算法提取的中心线结果示意图，从图5(b)—(f)的裂缝提取结果可以看出，图5(b)提取的中心线上有很多断线与毛刺，而且线的宽度不是一个像素宽；图5(c)的结果与图5(b)相比，毛刺和间隙较少，虽然能将裂缝主要段提取出来，但还是存在欠分割现象，中心线上有很多长短不一的线段，没有形成较长的裂缝曲线；图5(d)的结果存在过分割现象，经细线化后，中心线上留有很多短小毛刺，即多分支的裂缝，检测效果欠佳；图5(e)提取的中心线比上述几种算法的效果要好，但由于裂缝宽度及噪声的影响，也存在少量的短间隙及细小的毛刺，若要使检测效果完全满意，还需加入一些二值图像的后处理；图5(f)本文算法提取出两条裂缝，一条从左到右的长裂缝有一个枝杈裂缝，枝杈裂缝与另一条短裂缝相距很近，方向也相近，但它们之间贯穿的梯度条件明显不够，所以没有连接在一起，两条裂缝上既没有毛刺也没有断点，结果很好。

图5 不同算法提取的中心线结果Fig.5 Results of central line extraction by different algorithms ((a) original fracture image; (b) distance transformation; (c) maximum entropy + thinning; (d) Otsu + thinning; (e) valley edge detection; (f) ours)

图6是4组典型的复杂路面裂缝及岩石节理裂隙图像。从图6可以看出，对公路混凝土路面的裂缝图像，在Canny 检测结果中出现了一些噪声边界，而本文算法提取的中心线结果呈现了整个裂隙网络；对模糊的岩石节理裂隙图像，Canny检测到了大部分裂缝，但产生了许多噪声边界，而本文算法检测出了明显的裂缝，没有任何噪声边界；在模糊多裂隙图像中，既有深色裂隙又有浅色条纹，Canny的检测结果包含了所有的边界, 而本文算法给出了6条长短不一的裂隙中心线，线与线之间的间隙处灰度值较高，所以未能完全连接；对有3维特性的岩石节理裂隙图像，岩石表面粗糙，噪声较多，裂隙粗细深浅不一，Canny检测出了太多的边界，使用本文算法提取的中心线结果能够将大部分长短不同的裂隙检测出来。

图6 不同的裂缝裂隙图像及Canny检测和本文方法提取的中心线结果Fig.6 Images of different crack and fracture, results of Canny detection and results of central line extracted by our method ((a) original images; (b) results of Canny detection; (c) results of central line extracted by our method)

5 结 论

以复杂的裂缝及车道线为例，提出了一种新的线状目标中心线的提取算法，提取过程包括3个主要步骤：1)根据线状目标的特点，提出一种新的分数阶微分算法，以增强模糊和微细的线状目标，与传统的模板相比，检测点周围的点信息都在被考虑范围中；2)基于Steger 的算法思想及线状目标图像特点，提出了一种检测中心线上特征点的算法，降低了直接提取线状目标的困难；3)基于水动力学思想进行线状目标中心线的跟踪，综合利用特征点方向、强度、亚像素精度定位来连接特征点，然后连接线段，包括形态学操作及毛刺去除，间隙连接分为短间隙连接和长间隙连接。

文章来源：《水动力学研究与进展》 网址: http://www.sdlxyjyjzzz.cn/qikandaodu/2021/0306/545.html

上一篇：母胎医学理论与实践第版
下一篇：老年女性双任务范式楼梯行走下肢运动学与动力