基于灰度共生矩阵的沥青路面病害雷达图像纹理特征提取研究.pdf

doi:10.3969/j.issn.1673-6478.2023.04.040 基于灰度共生矩阵的沥青路面病害雷达图像 纹理特征提取研究 杨晓美 1，仰圣刚2（1.江西赣粤高速公路工程有限责任公司，江西 南昌 330013；2.华东交通大学交通运输工程学院，江西 南昌 330013）摘要：随着电磁波探测在道路领域的日益推广，探地雷达逐渐成为道路内部状况诊断的有效手段。通过探地雷达设备获取的道路内部雷达图像经校零、背景去除、滤波等处理后因图像差异性较大目前没有较为统一的解释。为了探究不同参数下的灰度共生矩阵特征对不同病害图像的适用性，本文首先通过正交试验设计对灰度共生矩阵参数进行组合，然后在不同参数下利用灰度共生矩阵算法对原始雷达图像进行特征计算，最后得到不同参数设置下对比度、逆方差、能量、熵值四种特征图像。结果表明：当滑动窗口为 11 11、统计方向为 45、灰度级数为 8 时，层间黏结不良的熵特征更为明显；滑动窗口为 5 5、统计为方向 90、灰度级数为 128 时，裂缝的熵特征更为明显。本文提出的探地雷达图像纹理特征适用性参数设置对图像分割、识别及数据增强等有一定的参考价值。关键词：沥青路面；无损病害检测；三维探地雷达；纹理特征提取；灰度共生矩阵 中图分类号：U416.2 文献标识码：A 文章编号：1673-6478（2023）04-0187-05 Research on Texture Feature Extraction of Asphalt Pavement Disease Radar Image Based on Grayscale Symbiosis Matrix YANG Xiaomei1,YANG Shenggang2(1.Jiangxi Ganyue Expressway Engineering Co.,Ltd.,Nanchang Jiangxi 330013,China;2.School of Transportation Engineering,East China Jiaotong University,Nanchang Jiangxi 330013,China)Abstract:With the increasing promotion of electromagnetic wave detection in the road field,ground penetrating radar has gradually become an effective method for road internal condition diagnosis.There is no unified interpretation of the radar images inside the road obtained by ground penetrating radar equipment after processing such as zeroing,background removal,and filtering,due to the large differences in images.In order to explore the applicability of grayscale co-existence matrix features under different parameters to different disease images,this paper first combines the gray scale co-existence matrix parameters through orthogonal experimental design,and then uses the grayscale co-existence matrix algorithm to calculate the features of the original radar image under different parameters,and finally obtains four feature images of contrast,inverse variance,energy and entropy under different parameter settings.The results show that the entropy characteristics of poor interlayer bonding are more obvious when the sliding window is 11 11,the statistical direction is 45,and the gray level is 8.The entropy characteristics of cracks are more obvious when the sliding window is 5 5,the statistic direction is 90,and the gray level is 128.The parameter setting of texture feature applicability of GPR image proposed in this paper has certain reference value for image segmentation,收稿日期：2023-02-20 作者简介：杨晓美（1976-），女，江西丰城人，高级工程师，从事高速公路项目施工管理工作.（）188 交 通 节 能 与 环 保 第 19 卷 recognition and data enhancement.Key words:asphalt pavement;non-destructive disease detection;3D ground-penetrating radar;texture feature extraction;gray scale co-occurrence matrix 0 引言 随着公路里程数的快速增长，公路养护特别是沥青路面的养护，是当前公路管理部门面临的最主要的难题1-2。在越来越多的公路养护方案确定以及性能评估的过程中3，针对体量庞大的干线公路进行科学绿色的养护需要路面结构内部病害数据的支撑，包括沥青面层内部裂缝、松散、脱空、基层的开裂以及桥头搭板下的脱空等数据4-5。目前，传统的钻芯取样技术已无法实现对路面结构内部隐蔽位置病害的快速无损探测。三维探地雷达（Three-dimensional ground Penetrating Radar,3D GPR）是一种借助频率在 106109Hz 范围内的无线电波来确定地下介质分布的新兴的无损探测技术，具有高效、准确、多维等特点6。欧美国家较早就开始利用探地雷达对路基路面进行检测研究。我国于 20 世纪 90 年代初，将探地雷达应用于沥青路面检测。近些年来，随着电磁学、图像处理技术的发展及应用，探地雷达已成为获取路面内部结构及发展状况的有效工具，但在路面内部隐性病害判定、识别精度以及工程应用等方面，还存在着较大困难。周辉林7等基于 SVM 对处理后的探地雷达图像进行检测，其检测结果与取芯数据吻合率达 92.7%。蓝雄光8设计了一种多层融合的 BScan 图像双曲线提取模型，其与仿真实验相比平均拟合正确率达 97.64%等。闫坤9等以公路路面结构层层间不密实雷达图像为例，讨论了灰度共生矩阵各参数的选择，并基于灰度共生矩阵算法提取纹理参数特征图，结果发现不密实病害的纹理特征明显，出现两条上下边界与其内部反差较大的特征曲线。初佳兰10提出将纹理特征应用于浮筏养殖信息提取，与最大似然估计、最小距离方法分类方法比较，总体分类精度提升了 3%5%。因此，有必要对沥青路面内部病害探地雷达图像的纹理特征进行研究以期提高智能识别沥青路面内部病害雷达图像的准确率。本文采用三维探地雷达对高速公路路面进行检测，处理与分析雷达检测图像，并基于裂缝与层间黏结不良病害雷达图像进行灰度共生矩阵的计算，计算后的特征图像可为病害分类与识别提供参考，并对数据集进行增强。1 三维探地雷达 1.1 设备组成 本次使用的是 3D-Radar DXG1820 三维探地雷达系统，其属于步进频率三维探地雷达，系统主要由雷达主机、RTK、雷达天线和采集电脑组成。1.2 检测原理 三维探地雷达作为一个全新的无损测量仪器，它对公路路面的检测并不会破坏原来的路基构造。其利用收发天线不断地发出高频电磁波，由于不同的层内部具有不同的相对介电常数，电磁波在遇到层分界面时一部分会进行反射，而另一部分会经折射后继续传播。并且由于电磁波带有很强的穿透力，所以能够在地下介质中传输信息，由配对的接收天线完成反射信息的接收，随后再通过雷达主机将所接收到的信息进行数据处理和解析，最后再在计算机中重建三维图形。高频电磁波在地下会穿过不同介电常数的介质层，产生折射与反射，而不同的地质条件会接收到不一样的波形11，根据振幅与波形的不同判断路面结构的具体信息。为了高效展示与运用反射电磁波信号，采用灰度理念将反射电磁波信号转化为灰度图形式的雷达图像。其检测原理如图 1 所示。图 1 三维探地雷达检测原理示意图 Fig.1 Schematic diagram of three-dimensional ground penetrating radar detection principle 2 雷达图像获取与处理 2.1 雷达图像获取 将三维探地雷达系统进行距离校准，根据采集要求调整时间窗口、采样频率等采集参数后按照图 2 所第 4 期 杨晓美等，基于灰度共生矩阵的沥青路面病害雷达图像纹理特征提取研究 189 示对一条车道进行两个测道的检测使得能对该车道进行全覆盖扫描。图 2 数据采集示意图 Fig.2 Schematic diagram of data collection 2.2 图像处理与分析 2.2.1 图像处理（1）零点校准 在探地雷达数据处理过程中，往往雷达天线离地有一定高度，其在发射过程中会形成地面直达波，因此需要将雷达数据校正到一个基准面，而且这个基准面一般为道路表面。（2）背景去除 由于电磁波在穿透底层时会产生多次反射，这些反射构成了雷达图像中的一种背景，因此需要通过背景去除滤波器对多次反射进行消除。（3）干扰抑制 干扰是由外部源产生的窄带信号引起的，其载频在探地雷达的带宽范围内；通过统计每个频率的异常值，并将其用插值代替进而实现干扰抑制。2.2.2 图像分析 处理后的雷达图像首先判断内部病害情况，如图3 所示路面存在裂缝、层间黏结不良病害特征，其中裂缝表现为在纵断面可见连续“鞍形波”，且水平面存在高亮横向线条；层间黏结不良表现为在道路内部层位分界处突现高亮，呈现“黑-白-黑”结构3。（a）三维雷达断面图 （b）层间粘接不良雷达特征图（c）裂缝雷达特征图 图 3 三维探地雷达图像 Fig.3 3D GPR image 3 纹理特征提取 3.1 灰度共生矩阵 共生矩阵用两个位置像素的联合概率密度来定义，它不仅反映亮度的分布特性，也反映具有同样亮度或接近亮度的像素之间的位置分布特性，是有关图像亮度变化的二阶统计特征。它是定义一组纹理特征的基础。一幅图像的灰度共生矩阵能反映出图像灰度关于方向、相邻间隔、变化幅度的综合信息，它是分析图像的局部模式和它们排列规则的基础。灰度级数反映了探地雷达数据转换后对原始数据精细程度的保留情况，如果灰度级数过小则雷达图像高振幅部分无法解释，而灰度级数越大则运算量越大。滑动窗口决定了图像的模糊程度，滑动窗口小则统计的数据点多而使图像较为细致，而滑动窗口越大，越容易出现平均化和模糊效应7。选择统计方向是为了使纹理特征不会过于繁多，因此通常取 0、45、90、135四个方向。3.2 试验设计及结果 3.2.1 正交试验设计 为探究不同参数下灰度共生矩阵特征图像对探地雷达不同病害特征的适用性，本次对滑动窗口、灰度级数、统计方向三个因素进行正交试验设计，其中滑动窗口选择 5 5、7 7、9 9、11 11 四种窗口；统计方向选择 0、45、90、135和全角度均值（all）五种；灰度级数选择 8、16、32、64、128 五种。正交试验表见表 1。190 交 通 节 能 与 环 保 第 19 卷 表 1 正交试验设计表 Tab.1 Table of orthogonal experimental design 序号 滑动窗口 统计方向 灰度级数 1 1（5 5）3（90）3（32）2 1 2（45）2（16）3 2（7 7）3 1（8）4 3（9 9）1（0）2 5 4（11 11）3 2 6 3 5（all）1 7 3 3 4（64）8 4 4（135）3 9 1 4 1 10 2 4 2 11 3 4 5（128）12 4 1 5 13 1 2 4 14 1 3 5 15 2 5 3 16 1 5 2 17 1 4 4 18 1 5 5 19 1 1 1 20 4 5 4 21 1 1 3 22 2 2 5 23 3 2 3 24 4 2 1 25 2 1 4 3.2.2 特征提取结果及分析 本文从灰度共生矩阵中提取出的特征值包含对比度（Contrast）、逆方差（Homogeneity）、能量（Energy）和熵值（Entropy），其中对比度反映了图像纹理的清晰程度和纹理的沟纹深浅，纹理的沟纹越深，反差越大，效果越清晰，其公式如式（1）所示：=()2(,)(1)逆方差反映了图像纹理局部变化的大小，若图像纹理在不同区域间较均匀，变化缓慢，逆方差会较大，反之较小。其公式如式（2）所示：=01=01(,|,)1+()2(2)能量变换反映了图像灰度分布均匀程度和纹理粗细度。若灰度共生矩阵的元素值相近，则能量较小，表示纹理细致；若其中一些值大，而其他值小，则能量值较大。能量值大表明一种较均一和规则变化的纹理模式。其公式如式（3）所示：=(,)2(3)熵值是图像包含信息量的随机性度量，分布越分散，信息量越大，熵也越大。它反映了图像纹理的复杂程度，其公式如式（4）所示：=(,)log(,)(4)上述各式中，、表示不同的像素；表示统计步长，通常取 1；表示统计方向。对获取的原始雷达灰度图像（图 4）分别按照上述正交试验设计提取得到不同参数条件下的不同特征图像（图 5）。图 4 原始雷达图像 Fig.4 Original radar image （a）1#对比度（b）1#能量 （c）1#熵值（d）1#逆方差 注：#表示正交试验，例如 1#表示序号为 1 的正交试验。图 5 不同特征图像 Fig.5 Different feature images 在同一参数下，四类特征图像如图 5 所示，对比度图像噪声较大，无法正常观察裂缝及层间黏接不良病害特征；能量图、熵值图、逆方差图均显示出异常部位与周围较大的灰度差异，这是因为电磁波传播至异常部位时存在较大介电差异，因此异常部位与周围的振幅相比差异较大进而可观察到图像异常部位纹理局部变化大、灰度分布不均匀、图像纹理更复杂。第 4 期 杨晓美等，基于灰度共生矩阵的沥青路面病害雷达图像纹理特征提取研究 191 （a）3#熵值（b）7#熵值 （c）13#熵值（d）12#逆方差 图 6 不同病害熵值特征图像 Fig.6 Entropy feature images of different diseases 如图 6 所示，（c）图中裂缝特征较层间黏结特征更为明显且层间特征消失，（d）图中裂缝、层间黏结不良及其他异常位置特征较原始图像有所加强。（a）18#熵值（b）12#熵值 图 7 不同参数特征图 Fig.7 Characteristic maps of different parameters 图 7 中（a）图只可见裂缝的特征，而其他异常特征消失，因此当滑动窗口为 5 5、灰度级数为 128、统计方向为所有角度的均值时，熵特征图像对于裂缝特征的解释更适用；如图 7 中（b）图所示，原始图像高振幅即异常部位均突出显示，因此当滑动窗口为11 11、灰度级数为 8、统计方向为所有角度的均值时熵特征图像对于所有异常部位的解释更为适用。4 结论（1）灰度共生矩阵纹理特征图像可为探地雷达图像病害解释、识别及数据增强提供一定的参考。（2）灰度共生矩阵中对比度特征对病害雷达图像特征展示效果最差。（3）不同特征对于不同病害的适用性不同，同时，在相同参数下，不同特征对不同病害的适用性也不同。（4）当滑动窗口为 5 5、灰度级数为 128、统计方向为所有角度的均值时，熵特征图像适用于裂缝特征的解释。（5）滑动窗口为 11 11、灰度级数为 8、统计方向为所有角度的均值时，熵特征图像适用于裂缝、层间黏结不良等所有异常部位的解释。参考文献：1 仰建岗.沥青路面的绿色养护技术J.中国公路,2016(5):115-117.2 马仁凯.基于正交试验的纤维对再生沥青性能影响分析J.交通节能与环保,2022,18(3):83-86.3 宋绪荣.高速公路沥青路面大中修养护技术探讨J.交通节能与环保,2018,14(4):93-96.4 张认.基于全面检测评定的绿色养护方案探讨J.交通节能与环保,2022,18(6):128-132.5 朱新春,王华城,吴强,等.面向绿色养护的绿色高速公路关键技术研究J.交通节能与环保,2020,16(3):82-85.6 Yang J,Ruan K,Gao J,et al.Pavement distress detection using three-dimension ground penetrating radar and deep learningJ.Applied Sciences,2022,12(11):5738.7 周辉林,姜玉玲,徐立红,等.基于 SVM 的高速公路路基病害自动检测算法J.中国公路学报,2013,26(2):42-47.8 蓝雄光,赖舷,周东国,等.一种多层融合处理的 GPR B-Scan 双曲线提取方法J.电子测量技术,2021,44(13):97-103.9 闫坤,张志华,温亚楠.路面基层探地雷达图像纹理特征提取方法研究J.地球物理学进展,2021,36(5):2234-2243.10 初佳兰,邵光辉,赵建华,等.高分一号的浮筏养殖信息提取方法J.测绘科学,2020,45(1):92-98.11 李阳.基于超前地质预报技术的隧道不良地质探测方法分析J.交通节能与环保,2021,17(5):119-122.