基于數字圖像處理技術的瀝青路面表面紋理構造分布

宋永朝，閆功喜，隋永芹，黎富春

(1. 重慶交通大學 交通運輸學院，重慶，400074；2. 蘇州科技學院 土木工程學院，江蘇 蘇州，215011；3. 佛山市交通運輸工程質量監督站，廣東 佛山，528000)

道路表面抗滑性能與道路表面紋理構造密切相關[1]。國際道路協會將路面紋理構造分為微觀構造和宏觀構造。微觀構造又稱微觀紋理，是路面集料表面的微小構造；宏觀構造又稱宏觀紋理，是路面集料之間構成的空隙。美國材料與試驗協會(ASTM)給出了宏觀構造和微觀構造的定量描述(ASTM E867)，表面紋理構造常用平均斷面深度或平均構造深度進行描述[2-3]，依據路面表面測點與參照平面之間距離偏差的波長和振幅進行劃分，0.5 mm 以下為微觀構造，0.5 mm 以上表面紋理為宏觀構造。目前，瀝青路面在我國高等級公路建設中廣泛運用，瀝青路面紋理構造主要由瀝青路面骨料顆粒的形狀、大小、分布與骨料材質決定[4]。瀝青路面抗滑性能取決于瀝青路表紋理構造質量狀況[5]，瀝青路面表面微觀、宏觀紋理構造的形貌特性顯著影響其表面抗滑性能[6-7]，表面紋理構造深度、紋理構造分布均勻程度等因素決定著瀝青路表紋理構造品質。我國現行行業技術標準通過測量路表構造深度指標來評定路表紋理構造的抗滑性能，采用“鋪砂法”和“激光法”來測量路表抗滑構造深度[8-9]。鋪砂法的檢測設備價格便宜，操作比較簡單，但費時費力，檢測結果受人為因素影響較大，精度不高。激光法要通過專用的檢測設備，設備昂貴，操作比較復雜。王端宜等[10]提出了運用數字圖像處理技術檢測瀝青路面表面構造深度，認為該方法精度高，信息量大，操作簡便，是一種有前途的道路表面功能測試方法。瀝青路面表面紋理構造分布特性是道路表面功能的重要體現，但到目前為止，還沒有很好的方式來評判瀝青路表紋理構造分布狀態。對于瀝青路面紋理構造分布特征，通常采用現場目測的方法，主觀性太大，并不能很好地評價瀝青路面表面紋理構造分布優劣程度。在此，本文引入數字圖像處理技術對瀝青路面數字圖像進行處理，獲取其表面紋理構造分布形態特征，探討瀝青路面紋理構造分布均勻性的評判方法，并對瀝青路面抗滑性能與表面紋理構造分布狀態進行相關性分析，以期為評判瀝青路表紋理構造的質量水平提供指導。

1 運用數字圖像處理技術分析瀝青路面紋理構造分布狀況

1.1 數字圖像處理技術基本原理

隨著計算機技術的快速發展，數字圖像處理技術得到了廣泛應用[11]。數字圖像是圖像在空間坐標(x,y)和亮度F(x,y)的數字化，1 個數字圖像可以看成1 個矩陣或1 個二維數組，數字圖像是以二維矩陣在計算機中進行存儲的，數字圖像處理的實質是對二維矩陣的處理[12]。單色級灰度圖像的像素取值范圍為[0,255]，其中“0”表示純黑色，“255”表示純白色，中間的數字從小到大表示由黑到白的過渡色，表征其顏色的深淺程度[13]。當平行光線照射在粗糙的物體表面上時，反射到相機感光底片上各點的光線強度存在差異，圖像各點亮度或灰度不同，拍攝表面的上凸點位亮度較大(即灰度值較高)，下凹點位較暗(即灰度值較低)，可根據圖像明暗程度(灰度值大小差異)來區分物體表面凸凹不平的程度[14-15]。數字圖像的空間曲面構造模型為

式中：Z 為像素值；x 和y 分別為該像素所對應的橫坐標和縱坐標。

采用數碼相機拍攝瀝青路面紋理構造的數字圖像時，反射到底片上各點的光線強度不同，圖像各點的亮度或灰度也存在差異，可根據瀝青路面圖像中各點的明暗程度(即數字圖像灰度)，來獲得瀝青路面紋理構造的凸凹狀態信息。其中，拍攝表面的上凸部分在對應區域中反映出較大的像素值，而下凹部分在對應區域的像素值則相對較小。通過將實地采集的數字圖像進行像素值量化，獲取瀝青路面表面像素分布矩陣，進而分析瀝青路面表面紋理構造分布狀況。

1.2 瀝青路面圖像采集

為了減少或避免原始圖像的信息誤差，需要規范瀝青路面表面數字圖像采集的操作過程。采用普通數碼相機拍攝瀝青路面被測表面，在進行數字圖像采集前需清掃道路表面，確保圖像拍攝區域清潔干凈。同時，將校準條(刻度尺)放置于拍攝區域的邊緣，在同一畫面內拍下測點區域和校準條。在數字圖像采集過程中，綜合考慮發光源的亮度、照射角度等受照狀態影響因素相同情況下進行多個測點圖像采集，拍攝時保持鏡頭平面與道路表面平行，拍攝的垂直距離固定為50 cm，拍攝的瀝青路面數字圖像如圖1 所示。

1.3 路面紋理構造形態的圖像分析

按圖像采集要求對瀝青路面被測表面進行數字圖像采集，將拍攝的數字圖像輸入計算機進行處理和存檔。數碼相機的工作條件受多因素影響，在圖像獲取、信息輸出、圖像格式壓縮等情況下會產生噪聲，噪聲的存在會影響圖像分析的準確性。通過對獲取的瀝青表面數字圖像進行平滑和銳化預處理，消除混雜在圖像中的干擾，增強圖像邊緣特征，改善圖像識別水平。對數字圖像進行灰度分級處理，處理后的灰度圖像如圖2 所示。

圖1 瀝青路面原始數字圖像Fig.1 Original digital image of asphalt pavement

圖2 瀝青路面灰度圖像Fig.2 Grey image of asphalt pavement

運用圖像處理軟件獲取灰度圖像中坐標(x, y)對應的像素值F(x,y)，得到路表紋理構造的像素曲面分布，在圖像所在區域內各點的像素空間曲面與像素極大值所在平面圍成的體積，確定為圖像該區域表面紋理構造的像素空間體積。圖像區域內像素極大值與各點像素之差的累計和即為該區域內的表面構造像素空間體積，像素空間體積的數學模型為

式中：Vpixel為像素空間體積；(x,y)為圖像坐標；F(x,y)為(x,y)對應的像素值；Fmax為像素極大值；D 為積分區域范圍。根據數字圖像的最大類內、類間距離閾值判定準則[16-17]，考慮道路表面宏觀構造的漸變特性，計算其像素極大值和區域內的平均像素，可由下式得到灰度圖像轉換成二值圖像的判定閾值。

式中：T 為判定閾值；k 為修正系數，取值范圍為5%～15%，可取10%。判定閾值亦可通過對瀝青表面紋理構造實施鋪砂填充后獲得的圖像樣本進行分析，予以修正。將灰度圖像轉換成二值圖像，并對二值圖像進行特征抽取、圖像分割、邊緣提取處理。轉換后的二值圖像如圖3 所示，二值圖像中的白色小區域代表瀝青表面紋理構造各下凹小區域的分布形態。

圖3 瀝青路面二值圖像Fig.3 Binary image of asphalt pavement

提取二值圖像中白色小區域的形態特征，計算白色小區域的個數、面積。統計平面區域內校準條的刻度標準對應數字圖像長度范圍內的像素數量，由下式得到數字圖像的像素當量：

式中：ε 為圖像中的像素當量；L 為校準條長度；M為校準條長度范圍內的像素數量。通過計算程序對二值圖像中各個白色小區域的非零像素個數進行統計，并由下式計算二值圖像中各白色小區域的面積：

式中：Si為二值圖像中第i 個白色小區域的面積；Ni為二值圖像中第i 個白色小區域的非零像素個數。將白色小區域形狀近似為圓形，根據圓形直徑與面積的關系，可計算其近似直徑，并統計白色小區域直徑大小的組成情況，可通過式(6)計算各白色小區域的近似直徑。統計二值圖像中白色小區域的面積，根據式(7)得到下凹部分累計面積占被測表面的面積分數，即路表下凹面積分數。

式中：Ri為二值圖像中第i 個白色小區域的近似直徑；Si為二值圖像中第i 個白色小區域的面積；e 為路表下凹面積分數；Σ Si為路表下凹小區域的累計面積；Sp為圖像中對應的路表面積。二值圖像中各白色小區域代表道路表面各下凹小區域的形態特征，根據二值圖像中各白色小區域的數量、面積大小及近似直徑組成，得到道路表面宏觀構造中的下凹小區域的個數、各下凹小區域的面積、各下凹小區域近似直徑組成，以及路表下凹面積分數。瀝青路面表面紋理構造中各下凹小區域直徑的分布狀況如表1 所示。

表面下凹小區域直徑范圍/mm下凹小區域所占比率/%2～53.54038.80 5～107.54947.60 10～1512.51211.70 15～2017.510.97 20～2522.510.97 25～3027.500＞30—00直徑范圍中值/mm下凹小區域數量/個

2 瀝青路面表面紋理構造分布均勻性評價方法

將圖3 按十字中心線一分為四，劃分為同等面積的Ⅰ，Ⅱ，Ⅲ和Ⅳ4 個區域，如圖4 所示。

圖4 四等分區域的紋理構造分布Fig.4 Texture structure distribution of four equal areas

編號 下分凹數面/%積平均值 變異系數cvⅠ16.05 x i標準差sⅡ18.59Ⅲ20.10Ⅳ24.32 19.773.470.176

不同瀝青路面紋理構造分布狀況存在差異，可根據被測表面下凹面積分數的變異系數cv將其劃分為均衡、輕度不均衡、中度不均衡、嚴重不均衡4 個等級。變異系數體現數值分布的離散程度，瀝青路面被測表面四等分區域下凹面積分數的變異系數愈大，則瀝青路面表面紋理構造分布愈不均衡。根據變異系數區間估計分析理論[18]并考慮行業規范要求[8-9]，擬推薦的瀝青路面紋理構造分布狀況分級定量界限如表3 所示，圖3 中的被測表面紋理構造分布狀況可評定為中度不均衡狀態。

參數 均衡 不輕均度衡嚴重不均衡cv 上限 —0.050.100.20 cv 下限0.050.100.20—中度不均衡

運用數字圖像處理技術檢測瀝青路面表面紋理構造的分布狀況，定量分析瀝青路表紋理構造質量水平，具有效率高、費用低、操作便捷、信息量大，客觀性強、適用面廣等特點，通過計算機對被測表面數字圖像進行分析，其分析過程易于實現計算機程序化計算，便于實現瀝青路面表面紋理構造質量檢測的連續化。

3 瀝青路面表面紋理構造分布特性

對某城市主干道的SMA-13 瀝青路面測試點位進行圖像采集，運用數字圖像處理技術對數字圖像進行處理，分析瀝青路面紋理構造形態。測試時間為2 a，SMA-13 瀝青路面測試點位的路表下凹面積分數測試結果如圖5 所示。

圖5 路表下凹面積分數與路面使用時間關系Fig.5 Relationship between surface concave area percentage and pavement usage time

根據測試結果可知：SMA-13 新建瀝青路面的路表下凹面積分數可達35%，隨著使用時間增加，路表下凹面積分數呈下降趨勢；在通車1 a 內，主干道路表下凹面積分數耗損較明顯，隨后下降幅度逐漸趨于平緩。

為了探討瀝青路面紋理構造分布狀況與路面抗滑性能之間內在關聯，選取SMA-13，AK-13 和微表處等常見的瀝青路面作為研究對象，按照圖像采集要求分別對SMA-13，AK-13 和微表處表面紋理構造實施多測點數字圖像采集，同時，對各測點相應點位進行抗滑性能試驗，檢測各測點的抗滑值。根據各測點的數字圖像信息，運行數字圖像紋理構造分布狀態計算程序，分析各測點的瀝青表面紋理構造分布狀況，計算各測點的路表下凹面積分數。SMA-13，AK-13 和微表處瀝青路表分別采集了21，20 和21 個代表性樣本進行分析，統計各測點樣本相應的路表下凹面積分數、表面抗滑值，試驗樣本分析結果如圖6 所示。

圖6 瀝青路面抗滑值與路表下凹面積分數關系Fig.6 Relationship between skid resistance value of asphalt pavement and surface concave area percentage

從圖6 可以得知：SMA-13，AK-13 和微表處的路表下凹面積分數與路表抗滑值均近似呈拋物曲線關系；當路表下凹面積分數小于一定數值時，路表下凹面積分數與路表抗滑值呈正相關，路面表層抗滑性能隨路表下凹面積分數的增大而增強；當路表下凹面積分數大于一定數值時，路表下凹面積分數與路表抗滑值呈負相關，路面表層抗滑性能隨路表下凹面積分數的增大反而有所下降；SMA-13 和AK-13 瀝青路面路表下凹面積分數整體比微表處的略高，其最佳抗滑值對應的路表下凹面積分數亦比微表處的略高。便于充分發揮路面表層的抗滑性能，SMA-13 和AK-13 瀝青路面路表下凹面積分數的建議控制區間為[25%，30%]，微表處路表下凹面積分數的建議控制區間為[23%，28%]。

4 結論

1) 通過數字圖像處理技術分析瀝青路面表面紋理構造分布狀況，可避免人為主觀性，具有效率高、費用低、信息量大，客觀性強、操作便捷、適用面廣等特點，分析過程易于實行程序化運算，便于實現瀝青路面表面紋理構造質量檢測的連續化。

2) 運用數字圖像處理技術對瀝青路面表面數字圖像進行分析，計算路表紋理構造的下凹小區域的個數、各下凹小區域的面積、各下凹小區域近似直徑大小組成以及路表下凹面積分數，量化分析瀝青路面紋理構造分布狀態。

3) 采用路表下凹面積分數的變異系數作為瀝青路面紋理構造分布均勻性評價指標，提出了瀝青路面紋理構造分布均勻程度評價方法及紋理構造分布均勻性分級界限推薦值。

4) 瀝青路面表面抗滑值與路表下凹面積分數呈近似拋物曲線關系，在路表下凹面積分數較小水平下，路面表層抗滑性能隨路表下凹面積分數的增大而增強，當路表下凹面積分數大于一定數值后，路面表層抗滑性能隨路表下凹面積分數的增大反而有所下降。

[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, 嚴新平, 白秀琴. 瀝青路面形貌對抗滑性能影響的理論分析[J]. 摩擦學學報,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, 公路路基路面現場測試規程[S].JTG E60—2008, Field test methods subgrade and pavement for highway engineering[S].

[9] JTG F80/1—2004, 公路工程質量檢驗評定標準[S].JTG F80/1—2004, Quality inspection and evaluation standards for highway engineering[S].

[10] 王端宜, 李維杰, 張肖寧. 用數字圖像技術評價和測量瀝青路表面構造深度[J]. 華南理工大學學報(自然科學版), 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] 唐朝暉, 劉金平, 桂衛華, 等. 基于數字圖像處理的浮選泡沫速度特征提取及分析[J]. 中南大學學報(自然科學版), 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, 梁乃興. 基于數字圖像技術的露石混凝土表面構造研究[J]. 重慶交通大學學報,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] 楊帆. 數字圖像處理與分析[M]. 北京: 北京航空航天大學出版社,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] 孫波成, 邱延峻. 基于圖像處理的路面裂縫識別研究[J]. 重慶交通大學學報,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. 數字圖像處理技術與應用[M]. 北京: 電子工業出版社,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. 變異系數的區間估計[J]. 數理統計與管理, 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.