基于数字图像处理技术的沥青路面表面纹理构造分布
宋永朝1,闫功喜1,隋永芹2,黎富春3
(1. 重庆交通大学 交通运输学院,重庆,400074;
2. 苏州科技学院 土木工程学院,江苏 苏州,215011;
3. 佛山市交通运输工程质量监督站,广东 佛山,528000)
摘要:通过规范沥青路面图像采集操作过程,减少数字图像的信息误差,将沥青路面表面数字图像转换为灰度图像,确定判定阈值并将灰度图像转换成二值图像,计算沥青路面表面纹理构造各下凹小区域的个数、面积、近似直径组成以及路表下凹面积分数,量化分析沥青路面表面纹理构造分布状态,并提出沥青路面表面纹理构造分布均匀性评价方法。研究结果表明:沥青路面路表下凹面积分数随着使用年限增大呈下降趋势,下降幅度逐渐趋于平缓,沥青路面表层抗滑值与路表下凹面积分数呈近似抛物曲线关系。运用数字图像处理技术分析路表纹理构造分布状况,可避免人为主观性因素,能方便快捷地检测沥青路面表面纹理构造的质量水平。
关键词:沥青路面;数字图像处理;纹理构造;均匀性;抗滑性能
中图分类号:U416.2 文献标志码:A 文章编号:1672-7207(2014)11-4075-06
Texture structure distribution of asphalt pavement surface based on digital image processing technology
SONG Yongchao1, YAN Gongxi1, SUI Yongqin2, LI Fuchun3
(1. School of Traffic & Transportation, Chongqing Jiaotong University, Chongqing 400074, China;
2. School of Civil Engineering, Suzhou University of Science and Technology, Suzhou 215011, China;
3. The Supervise Department of Transportation Engineering Quantity, Foshan 528000, China)
Abstract: By means of regulating digital image captured process of asphalt pavement surface, the error of digital image information could be reduced. The digital image of asphalt pavement surface was converted to gray image. The value of the decision threshold was calculated, and then the gray image was turned into binary image. The characteristic values concerning some petty concave regions of the surface texture of asphalt pavement are calculated. The characteristic values of concave regions included number, area, approximate diameter size and its distribution. The concave area percentage of the pavement surface was contained. The texture structure distribution of the asphalt pavement surface was quantitatively analyzed, and its homogeneity evaluation method was presented. The results show that the concave area percentage of the asphalt pavement surface decreases and its decline rate gradually becomes flattened with the increase of its usage time, and the relationship between the concave area percentage of the pavement surface and the skid resistance value of its texture structure is an approximate parabola curve. The analysis method using digital image processing technology might avoid man-made subjective factor, which can quickly test the quality level of the asphalt pavement surface texture.
Key words: asphalt pavement; digital image processing; texture structure; homogeneity; skid-resistant performance
道路表面抗滑性能与道路表面纹理构造密切相 关[1]。国际道路协会将路面纹理构造分为微观构造和宏观构造。微观构造又称微观纹理,是路面集料表面的微小构造;宏观构造又称宏观纹理,是路面集料之间构成的空隙。美国材料与试验协会(ASTM)给出了宏观构造和微观构造的定量描述(ASTM E867),表面纹理构造常用平均断面深度或平均构造深度进行描述[2-3],依据路面表面测点与参照平面之间距离偏差的波长和振幅进行划分,0.5 mm以下为微观构造,0.5 mm以上表面纹理为宏观构造。目前,沥青路面在我国高等级公路建设中广泛运用,沥青路面纹理构造主要由沥青路面骨料颗粒的形状、大小、分布与骨料材质决定[4]。沥青路面抗滑性能取决于沥青路表纹理构造质量状况[5],沥青路面表面微观、宏观纹理构造的形貌特性显著影响其表面抗滑性能[6-7],表面纹理构造深度、纹理构造分布均匀程度等因素决定着沥青路表纹理构造品质。我国现行行业技术标准通过测量路表构造深度指标来评定路表纹理构造的抗滑性能,采用“铺砂法”和“激光法”来测量路表抗滑构造深度[8-9]。铺砂法的检测设备价格便宜,操作比较简单,但费时费力,检测结果受人为因素影响较大,精度不高。激光法要通过专用的检测设备,设备昂贵,操作比较复杂。王端宜等[10]提出了运用数字图像处理技术检测沥青路面表面构造深度,认为该方法精度高,信息量大,操作简便,是一种有前途的道路表面功能测试方法。沥青路面表面纹理构造分布特性是道路表面功能的重要体现,但到目前为止,还没有很好的方式来评判沥青路表纹理构造分布状态。对于沥青路面纹理构造分布特征,通常采用现场目测的方法,主观性太大,并不能很好地评价沥青路面表面纹理构造分布优劣程度。在此,本文引入数字图像处理技术对沥青路面数字图像进行处理,获取其表面纹理构造分布形态特征,探讨沥青路面纹理构造分布均匀性的评判方法,并对沥青路面抗滑性能与表面纹理构造分布状态进行相关性分析,以期为评判沥青路表纹理构造的质量水平提供指导。
1 运用数字图像处理技术分析沥青路面纹理构造分布状况
1.1 数字图像处理技术基本原理
随着计算机技术的快速发展,数字图像处理技术得到了广泛应用[11]。数字图像是图像在空间坐标(x, y)和亮度F(x, y)的数字化,1个数字图像可以看成1个矩阵或1个二维数组,数字图像是以二维矩阵在计算机中进行存储的,数字图像处理的实质是对二维矩阵的处理[12]。单色级灰度图像的像素取值范围为[0, 255],其中“0”表示纯黑色,“255”表示纯白色,中间的数字从小到大表示由黑到白的过渡色,表征其颜色的深浅程度[13]。当平行光线照射在粗糙的物体表面上时,反射到相机感光底片上各点的光线强度存在差异,图像各点亮度或灰度不同,拍摄表面的上凸点位亮度较大(即灰度值较高),下凹点位较暗(即灰度值较低),可根据图像明暗程度(灰度值大小差异)来区分物体表面凸凹不平的程度[14-15]。数字图像的空间曲面构造模型为
(1)
式中:Z为像素值;x和y分别为该像素所对应的横坐标和纵坐标。
采用数码相机拍摄沥青路面纹理构造的数字图像时,反射到底片上各点的光线强度不同,图像各点的亮度或灰度也存在差异,可根据沥青路面图像中各点的明暗程度(即数字图像灰度),来获得沥青路面纹理构造的凸凹状态信息。其中,拍摄表面的上凸部分在对应区域中反映出较大的像素值,而下凹部分在对应区域的像素值则相对较小。通过将实地采集的数字图像进行像素值量化,获取沥青路面表面像素分布矩阵,进而分析沥青路面表面纹理构造分布状况。
1.2 沥青路面图像采集
为了减少或避免原始图像的信息误差,需要规范沥青路面表面数字图像采集的操作过程。采用普通数码相机拍摄沥青路面被测表面,在进行数字图像采集前需清扫道路表面,确保图像拍摄区域清洁干净。同时,将校准条(刻度尺)放置于拍摄区域的边缘,在同一画面内拍下测点区域和校准条。在数字图像采集过程中,综合考虑发光源的亮度、照射角度等受照状态影响因素相同情况下进行多个测点图像采集,拍摄时保持镜头平面与道路表面平行,拍摄的垂直距离固定为50 cm,拍摄的沥青路面数字图像如图1所示。
1.3 路面纹理构造形态的图像分析
按图像采集要求对沥青路面被测表面进行数字图像采集,将拍摄的数字图像输入计算机进行处理和存档。数码相机的工作条件受多因素影响,在图像获取、信息输出、图像格式压缩等情况下会产生噪声,噪声的存在会影响图像分析的准确性。通过对获取的沥青表面数字图像进行平滑和锐化预处理,消除混杂在图像中的干扰,增强图像边缘特征,改善图像识别水平。对数字图像进行灰度分级处理,处理后的灰度图像如图2所示。
图1 沥青路面原始数字图像
Fig.1 Original digital image of asphalt pavement
图2 沥青路面灰度图像
Fig. 2 Grey image of asphalt pavement
运用图像处理软件获取灰度图像中坐标(x, y)对应的像素值F(x, y),得到路表纹理构造的像素曲面分布,在图像所在区域内各点的像素空间曲面与像素极大值所在平面围成的体积,确定为图像该区域表面纹理构造的像素空间体积。图像区域内像素极大值与各点像素之差的累计和即为该区域内的表面构造像素空间体积,像素空间体积的数学模型为
(2)
式中:为像素空间体积;(x, y)为图像坐标;F(x, y)为(x, y)对应的像素值;Fmax为像素极大值;D为积分区域范围。根据数字图像的最大类内、类间距离阈值判定准则[16-17],考虑道路表面宏观构造的渐变特性,计算其像素极大值和区域内的平均像素,可由下式得到灰度图像转换成二值图像的判定阈值。
(3)
式中:T为判定阈值;k为修正系数,取值范围为5%~15%,可取10%。判定阈值亦可通过对沥青表面纹理构造实施铺砂填充后获得的图像样本进行分析,予以修正。将灰度图像转换成二值图像,并对二值图像进行特征抽取、图像分割、边缘提取处理。转换后的二值图像如图3所示,二值图像中的白色小区域代表沥青表面纹理构造各下凹小区域的分布形态。
图3 沥青路面二值图像
Fig. 3 Binary image of asphalt pavement
提取二值图像中白色小区域的形态特征,计算白色小区域的个数、面积。统计平面区域内校准条的刻度标准对应数字图像长度范围内的像素数量,由下式得到数字图像的像素当量:
(4)
式中:为图像中的像素当量;L为校准条长度;M为校准条长度范围内的像素数量。通过计算程序对二值图像中各个白色小区域的非零像素个数进行统计,并由下式计算二值图像中各白色小区域的面积:
(5)
式中:Si为二值图像中第i个白色小区域的面积;Ni为二值图像中第i个白色小区域的非零像素个数。将白色小区域形状近似为圆形,根据圆形直径与面积的关系,可计算其近似直径,并统计白色小区域直径大小的组成情况,可通过式(6)计算各白色小区域的近似直径。统计二值图像中白色小区域的面积,根据式(7)得到下凹部分累计面积占被测表面的面积分数,即路表下凹面积分数。
(6)
(7)
式中:Ri为二值图像中第i个白色小区域的近似直径;Si为二值图像中第i个白色小区域的面积;e为路表下凹面积分数;为路表下凹小区域的累计面积;Sp为图像中对应的路表面积。二值图像中各白色小区域代表道路表面各下凹小区域的形态特征,根据二值图像中各白色小区域的数量、面积大小及近似直径组成,得到道路表面宏观构造中的下凹小区域的个数、各下凹小区域的面积、各下凹小区域近似直径组成,以及路表下凹面积分数。沥青路面表面纹理构造中各下凹小区域直径的分布状况如表1所示。
表1 下凹小区域的分布状况
Table 1 Distribution of petty concave regions
2 沥青路面表面纹理构造分布均匀性评价方法
将图3按十字中心线一分为四,划分为同等面积的Ⅰ,Ⅱ,Ⅲ和Ⅳ 4个区域,如图4所示。
图4 四等分区域的纹理构造分布
Fig. 4 Texture structure distribution of four equal areas
二值图像中对应4个区域的下凹面积分数记为(, , , ),计算4个区域下凹部分累计面积占被测表面的面积分数的平均值、标准偏差s及变异系数cv,被测表面四等分区域下凹面积分数的变异系数计算结果见表2。
(8)
式中:;。越大,说明沥青路面表面纹理构造分布愈不均衡。
表2 表面纹理构造分布均匀性计算
Table 2 Distribution calculation of surface texture structure
不同沥青路面纹理构造分布状况存在差异,可根据被测表面下凹面积分数的变异系数cv将其划分为均衡、轻度不均衡、中度不均衡、严重不均衡4个等级。变异系数体现数值分布的离散程度,沥青路面被测表面四等分区域下凹面积分数的变异系数愈大,则沥青路面表面纹理构造分布愈不均衡。根据变异系数区间估计分析理论[18]并考虑行业规范要求[8-9],拟推荐的沥青路面纹理构造分布状况分级定量界限如表3所示,图3中的被测表面纹理构造分布状况可评定为中度不均衡状态。
表3 表面纹理构造分布状况分级界限
Table 3 Classification boundaries of surface texture structure distribution
运用数字图像处理技术检测沥青路面表面纹理构造的分布状况,定量分析沥青路表纹理构造质量水平,具有效率高、费用低、操作便捷、信息量大,客观性强、适用面广等特点,通过计算机对被测表面数字图像进行分析,其分析过程易于实现计算机程序化计算,便于实现沥青路面表面纹理构造质量检测的连续化。
3 沥青路面表面纹理构造分布特性
对某城市主干道的SMA-13沥青路面测试点位进行图像采集,运用数字图像处理技术对数字图像进行处理,分析沥青路面纹理构造形态。测试时间为2 a,SMA-13沥青路面测试点位的路表下凹面积分数测试结果如图5所示。
图5 路表下凹面积分数与路面使用时间关系
Fig. 5 Relationship between surface concave area percentage and pavement usage time
根据测试结果可知:SMA-13新建沥青路面的路表下凹面积分数可达35%,随着使用时间增加,路表下凹面积分数呈下降趋势;在通车1 a内,主干道路表下凹面积分数耗损较明显,随后下降幅度逐渐趋于平缓。
为了探讨沥青路面纹理构造分布状况与路面抗滑性能之间内在关联,选取SMA-13,AK-13和微表处等常见的沥青路面作为研究对象,按照图像采集要求分别对SMA-13,AK-13和微表处表面纹理构造实施多测点数字图像采集,同时,对各测点相应点位进行抗滑性能试验,检测各测点的抗滑值。根据各测点的数字图像信息,运行数字图像纹理构造分布状态计算程序,分析各测点的沥青表面纹理构造分布状况,计算各测点的路表下凹面积分数。SMA-13,AK-13和微表处沥青路表分别采集了21,20和21个代表性样本进行分析,统计各测点样本相应的路表下凹面积分数、表面抗滑值,试验样本分析结果如图6所示。
从图6可以得知:SMA-13,AK-13和微表处的路表下凹面积分数与路表抗滑值均近似呈抛物曲线关系;当路表下凹面积分数小于一定数值时,路表下凹面积分数与路表抗滑值呈正相关,路面表层抗滑性能随路表下凹面积分数的增大而增强;当路表下凹面积分数大于一定数值时,路表下凹面积分数与路表抗滑值呈负相关,路面表层抗滑性能随路表下凹面积分数的增大反而有所下降;SMA-13和AK-13沥青路面路表下凹面积分数整体比微表处的略高,其最佳抗滑值对应的路表下凹面积分数亦比微表处的略高。便于充分发挥路面表层的抗滑性能,SMA-13和AK-13沥青路面路表下凹面积分数的建议控制区间为[25%,30%],微表处路表下凹面积分数的建议控制区间为[23%,28%]。
图6 沥青路面抗滑值与路表下凹面积分数关系
Fig. 6 Relationship between skid resistance value of asphalt pavement and surface concave area percentage
4 结论
1) 通过数字图像处理技术分析沥青路面表面纹理构造分布状况,可避免人为主观性,具有效率高、费用低、信息量大,客观性强、操作便捷、适用面广等特点,分析过程易于实行程序化运算,便于实现沥青路面表面纹理构造质量检测的连续化。
2) 运用数字图像处理技术对沥青路面表面数字图像进行分析,计算路表纹理构造的下凹小区域的个数、各下凹小区域的面积、各下凹小区域近似直径大小组成以及路表下凹面积分数,量化分析沥青路面纹理构造分布状态。
3) 采用路表下凹面积分数的变异系数作为沥青路面纹理构造分布均匀性评价指标,提出了沥青路面纹理构造分布均匀程度评价方法及纹理构造分布均匀性分级界限推荐值。
4) 沥青路面表面抗滑值与路表下凹面积分数呈近似抛物曲线关系,在路表下凹面积分数较小水平下,路面表层抗滑性能随路表下凹面积分数的增大而增强,当路表下凹面积分数大于一定数值后,路面表层抗滑性能随路表下凹面积分数的增大反而有所下降。
参考文献:
[1] Henry J J. Evaluation of pavement friction of characteristics[R]. NCHRP Synthesis 291, Washington D C: Transportation Research Board, National Research Council, 2000: 19-23.
[2] Stroup G M, Studdard J, Wagner C. Evaluation of hot mix asphalt macro-and microtexture[J]. Journal of Testing and Evaluation, 2004, 32(1): 1-20.
[3] Ergun M, Iyinam S, Iyinam A F. Prediction of road surface friction coefficient using only macro-and micro-texture measurements[J]. Journal of Transportation Engineering, 2005, 131(4): 311-319.
[4] Cheng Y H. Mathematic characterization of road surface texture and its relation to laboratory friction measures[D]. Michigan: Michigan Technological University, 2002: 67-69.
[5] 曹平, 严新平, 白秀琴. 沥青路面形貌对抗滑性能影响的理论分析[J]. 摩擦学学报, 2009, 29(4): 306-310.
CAO Ping, YAN Xinping, BAI Xiuqin. Theory analyses of effect of topography on skid Resistance of asphalt pavements[J]. Journal of Tribology, 2009, 29(4): 306-310.
[6] Murat E, Sukriye L, Lyinama F. Prediction of road surface friction coefficient using only macro-texture and micro-texture measurements[J]. Journal of Transportation Engineering, 2005, 131(4): 311-320.
[7] Fwa T F, Choo Y S, Liu Y R. Effect of aggregate spacing on skid resistance of asphalt pavement[J]. Journal of Transportation Engineering, 2003, 129(4): 420-426.
[8] JTG E60—2008, 公路路基路面现场测试规程[S].
JTG E60—2008, Field test methods subgrade and pavement for highway engineering[S].
[9] JTG F80/1—2004, 公路工程质量检验评定标准[S].
JTG F80/1—2004, Quality inspection and evaluation standards for highway engineering[S].
[10] 王端宜, 李维杰, 张肖宁. 用数字图像技术评价和测量沥青路表面构造深度[J]. 华南理工大学学报(自然科学版), 2004, 32(2): 42-45.
WANG Duanyi, LI Weijie, ZHANG Xiaoning. Evaluation and measurement of asphalt pavement surface texture depth with digital image technique[J]. Journal of South China University of Technology (Natural Science), 2004, 32(2): 42-45.
[11] 唐朝晖, 刘金平, 桂卫华, 等. 基于数字图像处理的浮选泡沫速度特征提取及分析[J]. 中南大学学报(自然科学版), 2009, 40(6): 1616-1622.
TANG Zhaohui, LIU Jinping, GUI Weihua, et al. Froth bubbles speed characteristic extraction and analysis based on digital image processing[J]. Journal of Central South University (Science and Technology), 2009, 40(6): 1616-1622.
[12] 宋永朝, 黎富春, 梁乃兴. 基于数字图像技术的露石混凝土表面构造研究[J]. 重庆交通大学学报, 2012, 31(4): 785-787.
SONG Yongchao, LI Fuchun, LIANG Naixing. Study on surface texture of exposed-aggregate cement concrete pavement based on digital image technique[J]. Journal of Chongqing Jiaotong University, 2012, 31(4): 785-787.
[13] 杨帆. 数字图像处理与分析[M]. 北京: 北京航空航天大学出版社, 2007: 11-12.
YANG Fan. Digital image processing and analysis[M]. Beijing: Beihang University Press, 2007: 11-12.
[14] Button J. Unified imaging approach for measuring aggregate angularity and texture[J]. Journal of Computer: Aided Civil and Infrastructure Engineering, 2000, 15(4): 273-280.
[15] Masad E, Muhunthan B, Shashidhar N, et al. Internal structure characterization of asphalt concrete using image analysis[J]. Civil Engineering: Special Journal of Computing in Issue on Image Processing, ASCE, 1999, 13(2): 88-95.
[16] 孙波成, 邱延峻. 基于图像处理的路面裂缝识别研究[J]. 重庆交通大学学报, 2008, 27(1): 61-68.
SUN Bocheng, QIU Yanjun. Pavement cracks identification using image technology[J]. Journal of Chongqing Jiaotong University, 2008, 27(1): 61-68.
[17] 崔屹. 数字图像处理技术与应用[M]. 北京: 电子工业出版社, 1997: 136-140.
CUI Yi. Digital image processing technology and application[M]. Beijing: Publishing House of Electronics Industry, 1997: 136-140.
[18] 高洪忠. 变异系数的区间估计[J]. 数理统计与管理, 2004, 23(5): 10-12.
GAO Hongzhong. The interval estimator about the coefficient of variance[J]. Application of Statistics and Management, 2004, 23(5): 10-12.
(编辑 何运斌)
收稿日期:2013-12-10;修回日期:2014-03-13
基金项目(Foundation item):国家自然科学基金资助项目(51278361);重庆市自然科学基金资助项目(cstc2012jjA30001);长沙理工大学公路工程教育部重点实验室开放基金资助项目(kfj130102) (Project(51278361) supported by the National Natural Science Foundation of China; Project(cstc2012jjA30001) supported by Chongqing Natural Science Foundation of China; Project(kfj130102) supported by Open Fund of the Key Laboratory of Highway Engineering (Changsha University of Science & Technology), Ministry of Education)
通信作者:宋永朝(1975-),男,湖南双峰人,副教授,博士,从事道路与交通工程研究;电话:13708385866;E-mail: songyc69@163.com