基于多尺度Retinex(Multi-Scale Retinex, MSR)与Otsu阈值分割的道路坑洞图像增强与轮廓提取方法研究

《Sensors》：Comfort-Oriented Pothole Traversal Using Multi-Sensor Perception and Fuzzy Control Chaochun Yuan, Shiqi Hang, Youguo He, Jie Shen, Long Chen, Yingfeng Cai, Shuofeng Weng and Junxian Wang

　　

摘要：为提高路面病害（特别是道路坑洞）在低光照、非均匀光照条件下自动检测的准确性，研究人员提出了一种结合多尺度Retinex(Multi-Scale Retinex, MSR)图像增强与基于双峰灰度直方图Otsu(大津法)阈值分割的坑洞轮廓提取算法。首先，采用高斯(Gaussian)卷积核的多尺度Retinex(MSR)算法对原始坑洞图像进行照度分量估计与反射分量恢复，以消除光照不均影响并增强局部细节；随后计算图像灰度直方图，利用其双峰(bimodal)特性确定左右波峰灰度区间及对应最大频度灰度值，并基于迭代Otsu方法计算目标与背景的最佳分割阈值；最后通过二值化分割提取坑洞轮廓。实验结果表明，相较于直接分割或单一尺度Retinex处理，该方法能更有效克服光照干扰，完整保留坑洞边缘特征，为后续坑洞尺寸量化与自动识别提供高质量预处理结果。

研究背景与意义

道路坑洞(pothole)是典型路面病害，其自动化检测对养护管理至关重要。传统人工巡检效率低且存在安全隐患，基于机器视觉的自动检测成为主流方向。然而，实际采集的坑洞图像常受阴影、不均匀入射光照影响，导致灰度对比度低、坑洞与背景边界模糊，直接使用阈值法难以获得准确轮廓。常规直方图均衡化易造成过增强或噪声放大，单尺度Retinex无法兼顾动态范围压缩与细节保留。针对上述问题，研究人员在《Sensors》发表论文，提出将多尺度Retinex(Multi-Scale Retinex, MSR)光照补偿与基于双峰直方图特性的改进Otsu阈值分割相结合，以实现复杂光照下坑洞区域的可靠增强与精确轮廓提取。

主要关键技术方法

研究人员采用公开或实地采集的含坑洞沥青路面灰度图像作为样本队列。关键技术流程为：(1) 使用三种尺度(通常σ取15、80、250对应小中大高斯核)的高斯(Gaussian)函数构建多尺度Retinex(MSR)加权模型(权重各1/3)，对输入图像做对数域反射分量估计(l(i,j)=log s(i,j)?log(F_n(i,j)*s(i,j)))，输出经伽马校正的增强图像；(2) 对增强后图像统计256级灰度直方图，定位两波峰所在灰度区间并通过min-MaxLoc获取左峰t_l与右峰t_r对应灰度值，初始阈值T₀=(t_l+t_r)/2；(3) 按经典Otsu迭代更新前景均值μ_obj(对应灰度< T_k像素加权平均灰度)与背景均值μ_bkg(灰度> T_k像素加权平均灰度)，更新阈值T_k+1=(μ_obj+μ_bkg)/2至收敛，据此二值化并提取坑洞轮廓。

研究结果

2.1. Image Preprocessing Based on the Multi-Scale Retinex (MSR) Algorithm（基于多尺度Retinex(MSR)算法的图像预处理）

研究人员依据光照-反射模型S(x,y)=L(x,y)·R(x,y)，假设入射光L缓慢变化、反射率R携带物体本质信息。通过高斯(Gaussian)核F(i,j)=λ·exp(?(i2+j2)/σ2)与原始图像s(i,j)做卷积(表示卷积)得到照度估计l(i,j)=F(i,j)s(i,j)，再取对数差分R_MSR(i,j)=Σ_n=1^NW_n{log s(i,j)?log[F_n(i,j)*s(i,j)]}，其中N=3，W₁=W₂=W₃=1/3。实验对比显示MSR处理较SSR(Single-Scale Retinex)能同时压缩动态范围并保持局部对比度，使暗区坑洞纹理与亮区背景均获较好可视性，预处理后图像如图3(b)所示较原图(图3(a))坑洞边缘显著突出。

2.2. Contour Extraction Based on Threshold-Based Segmentation（基于阈值分割的轮廓提取）

研究人员指出经MSR增强的图像灰度直方图呈明显双峰——低灰度对应坑洞区域、高灰度对应完好路面。先由公式l=mn/256（m、n为图像宽高）作参考水平线辅助确认两峰所在灰度段，用minMaxLoc得左峰灰度t_l与右峰灰度t_r。初始分割阈值取T₀=(t_l+t_r)/2。在此基础上按Otsu思想分别计算小于T_k像素灰度的加权均值(目标物均值t_l-m)与大于T_k像素灰度的加权均值(背景均值t_r-m)，迭代更新T_k+1=(t_l-m+t_r-m)/2直至稳定。最终以收敛阈值对增强图像二值化，经形态学去噪后提取外轮廓即为坑洞边界。双峰直方图示例如图4。

讨论与结论

研究人员总结指出：① MSR预处理有效消除了非均匀光照对坑洞图像的负面影响，提高了暗部与亮部细节的可辨识度；② 利用增强图像固有的双峰灰度分布特性确定Otsu初值，较全局固定阈值或随机初值Otsu收敛更快且不易陷入局部最优，分割出的坑洞区域连续性好、边缘断裂少；③ 所提MSR+Otsu双峰引导分割的组合方法较单独使用直方图均衡化或SSR在坑洞轮廓完整率与抗光照干扰性上均有提升，可为后续坑洞几何参数量测(面积、深度反演等)及自动判别提供可靠前端处理。该方法在《Sensors》报道的典型沥青路面坑洞图像集上验证了有效性，适用于存在光照不均的室外路面病害视觉检测预处理环节。