第３８卷 第１０期 质量检验 Ｖ０１．３８ Ｎｏ．１Ｏ ｃ】【ＡＩｌ１１’、ＭＡＮＡ｛； ＭＥＮＴ ＡＮＤ ＩＮＳＰＥＣＩ’ＩＯＮ 荧光磁粉探伤裂纹智能识别图像处理研究 吴海超，曾奇夫，查苏倩 （南京东电检测装备有限责任公司，江苏南京２１１１３５） 摘要：磁粉探伤的发展趋势是自动化、智能化，而工件表面状况、真伪裂纹、工况条件等使得现有的 检测识别方法难以满足工件表面裂纹缺陷自动检测识别的需要。在分析工件表面荧光磁粉图像特征及裂纹缺 陷特征的基础上，研究表征裂纹邻域像素空问相关度的二维直方图分布，提出基于多重分块极值的图像边缘 检测算法。根据裂纹邻域像素空间相关度参数，以及裂纹缺陷的长宽比、圆形度等特征，设计了基于Ｆｉｓｈｅｒ 线性判别方法的工件裂纹识别算法。以此为基础的荧光磁粉探伤工件裂纹缺陷自动检测识别技术，应用于列 车轮轴检测线实时检测，裂纹缺陷的有效检出率达９９％。 关键词：轮对；磁粉探伤；识别；图像处理 中图分类号：Ｕ２７０．７ 文献标识码：Ａ 文章编号：１００６—９１７８（２０１０）１０—０００６—０５ Ａｂｓｔｒａｃｔ：Ｔｅｎｄｅｎｃｙ ｏｆ ｍａｇｎｅｔｉｃ ｐｏｗｄｅｒ ｃｒａｃｋ ｄｅｔｅｃｔｉｏｎ ｉｓ ａｕｔｏｍａｔｉｏｎ ａｎｄ ｉｎｔｅｌｌｉｇｅｎｔｉｚａｔｉｏｎ．Ｂｅｃａｕｓｅ ｏｆ ｅｘｔｅｒｉｏｒ ｓｔａ－ ｔｕｓ，ｖｅｒｉｔａｂｌｅ ｏｒ ｆｅｉｇｎｅｄ ｃｒａｃｋ ｏｂｊｅｃｔ，ｓｉｔｅ ｃｏｎｄｉｔｉｏｎ，ｅｔｃ．，ｅｘｉｓｔｉｎｇ ｍｅｔｈｏｄ ｃａｎ’ｔｓｕｃｃｅｓｓｆｕｌｌｙ ａｕｔｏｍａｔｉｃａｌｌｙ ｄｅｔｅｃｔ ａｎｄ ｉｄｅｎｔｉｆｙ ｃｒａｃｋｓ ｏｎ ｔｈｅ ｓｕｒｆａｃｅ．Ｆｌｕｏｒｅｓｃｅｎｔ ｍａｇｎｅｔｉｃ ｐｏｗｄｅｒ ｉｍａｇｅ ａｎｄ ｃｒａｃｋ ｉｍａｇｅ ｃｈａｒａｃｔｅｒｉｓｔｉｃｓ ａｒｅ ａｎａｌｙｚｅｄ， ｐｉｘｅｌ ｓｐａｔｉａｌ ｃｏｒｒｅｌａｔｉｖｅ ｄｅｇｒｅｅ ｏｆ ｃｒａｃｋ ｎｅｉｇｈｂｏｒｉｎｇ ａｒｅａ ｉｓ ｓｔｕｄｉｅｄ ｔｈｒｏｕｇｈ ｔｗｏ ｄｉｍｅｎｓｉｏｎａｌ ｈｉｓｔｏｇｒａｍ ｄｉｓｔｉｒｂｕｔｉｏｎ， ｉｍａｇｅ ｆｒｉｎｇｅ ｄｅｔｅｃｔｉｏｎ ｂａｓｅｄ ｏｎ ｍｕｌｔｉ－ｓｕｂ－ａｒｅａ ｅｘｔｒｅｍｕｍ ｉｓ ｂｒｏｕｇｈｔ ｆｏｒｗａｒｄ．Ｃｒａｃｋ ｉｄｅｎｔｉｆｉｃａｔｉｏｎ ａｌｇｏｒｉｔｈｍ ｂａｓｅｄ ｏｎ Ｆｉｓｈｅｒ ｌｉｎｅａｒ ｄｉｓｃｒｉｍｉｎａｔｉｏｎ ｍｅｔｈｏｄ ｉｓ ｄｅｓｉｇｎｅｄ ａｃｃｏｒｄｉｎｇ ｔｏ ｐｉｘｅｌ ｓｐａｔｉａｌ ｃｏｒｒｅｌａｔｉｖｅ ｄｅｇｒｅｅ ｏｆ ｃｒａｃｋ ｎｅｉｇｈｂｏｒｉｎｇ ａｒｅａ，ｌｏｎｇ－ｗｉｄｔｈ ｒａｔｉｏ ａｎｄ ｒｏｕｎｄ ｓｈａｐｅ ｄｅｇｒｅｅ，ｅｔｃ．Ｒａｉｌｗａｙ Ｃａｒ ｗｈｅｅｌ ａｘｉｓ ｃｒａｃｋ ｄｅｔｅｃｔｉｏｎ ｌｉｎｅ ｅｑｕｉｐｐｅｄ ｗｉｔｈ ｔｈｉｓ ａｕｔｏ－ｄｅｔｅｃｔｉｏｎ ａｎｄ ｉｄｅｎｔｉｆｉｃａｔｉｏｎ ｔｅｃｈｎｏｌｏｇｙ ｒｅａｃｈｅｓ ａｎ ｅｆｆｉｃｉｅｎｔ ｃｒａｃｋ ｄｅｔｅｃｔｉｏｎ ｒａｔｉｏ ａｓ ｈｉｇｈ ａｓ ９９％． Ｋｅｙｗｏｒｄｓ：Ｗｈｅｅｌ ｓｅｔ；Ｍａｇｎｅｔｉｃ Ｐｏｗｄｅｒ Ｄｅｔｅｃｔｉｏｎ；Ｉｄｅｎｔｉｆｉｃａｔｉｏｎ；Ｉｍａｇｅ Ｐｒｏｃｅｓｓｉｎｇ ０引言 的人机界面操作系统，实现探伤操作的自动化，改 善了操作人员的工作环境，避免了紫外线照射对操 世界上磁粉探伤机的发展趋势是自动化、系列 作人员皮肤、眼睛的伤害，在一定程度上提高了工 化、智能化，大量采用Ｐｃ机控制，磁痕显示采用 作效率和可靠性。此类探伤系统通过图像子系统对 荧光磁粉，特别注重探伤速度和检测灵敏度。随着 工件进行探伤，但仍通过人眼观察拍摄的图像来判 我国工业的发展，在机械工业中很多重要零件（亦 断工件表面是否存在缺陷，对缺陷的判断受人为因 称保安件）需要１００％在线探伤。南于这些零件大 素的影响，且长时间的观察易使人眼产生疲劳，因 小各异，几何形状复杂，迫切需要自动、半自动的 而易产生误判、漏判［ 。 荧光磁粉检测设备。早在２０世纪８０年代，我国开 发了轮对的半自动荧光磁粉探伤机，除磁粉显示的 １裂纹图像分析 裂纹依靠人眼观察外，其他工序均自动完成，现已 １．１工件缺陷特征分析 得到广泛应用。目前，国内大多采用可编程序控制 工件表面图像的裂纹缺陷具有以下特征：①在 器实现探伤过程的部分动作自动化。近年来。出现 局部范围内亮度较高，即灰度值较大；②呈现细长 了数字化磁粉探伤监控管理系统，应用计算机技术 状，长宽比一般很大；③有一定的弯曲度，一般不 会表现为直线状：④具有自然的连续性，平滑性较 收稿日期：２０１０—０８—１３ 作者简介：吴海超，副教授 好。图１为工件有、无裂纹缺陷图像。 ・６・ ２０１（） １０川（总第２８８ ） 铁道技术监督 第３８卷第ｌ０期 １．２工件表面图像二维 直方图分析 灰度一维直方图仅仅 利用点灰度信息而未充分 利用图像的空问信息。在 （ａ）有缺陷图像 （ｂ）无缺陷图像 图像的特征中，点灰度无 疑是最基本的特征，但它 图１工件有、无裂纹缺陷图像 确定缺陷数目与类型，通常用的且比较理想的 方法是检测圆形度 ，其定义如下： Ｒ＝（４＂￣ｘＳ）／Ｌ 。 （１） 式（１）中，５为面积，，Ｊ为周长。当区域是圆形 对噪声较敏感。区域灰度特征包含图像的部分空间 信息，且对噪声的敏感程度要低于点灰度特征。综 合利用点灰度特征和区域灰度特征可以较好地表征 图像的信息，这是图像二维直方图所研究的内容。 其具体定义方法根据需要可以不同，比如利用左右 时，此值最大，即Ｒ＝Ｉ；如果是细长的区域，此值 最小。因此，只要确定尺值小于某一值时，即可 认定此区域为裂纹 对裂纹的判断，还可以加入长度和宽度特征［２］， 其中包括：①裂纹的长度特征。只有在连通域长度 大于规定值时，才认为可能是缺陷，利用这一特征 可排除二值化过程中噪声引起的小面积亮区。②裂 纹的长宽比特征。根据实际经验，裂纹图像的长宽 比通常较大，一般长宽比大于３的连通域才有可能 是裂纹。③裂纹图像的平均宽度特征。有些连通域 虽然满足长宽比的特征，但却是宽度很大的干扰图 像，只有平均宽度在规定范围内才可能是裂纹图 像。 像素点的关系，像素点和邻域灰度均值的关系等。 这里对二维直方图作如下定义：原始图像（ 个灰度级）中的每个像素点都对应于一个数据对 （该像素点本身的灰度，其右边像素点的灰度），这 样的数据对存在ＬｘＬ种可能的取值。设 为图像 中点灰度为及其右像素点灰度为． ． 的像素点数，Ｐ０ 为数据对（ｉ，）发生的概率，则ｐｉｊ＝ｎ ，／（ＮｘＮ）， 其中Ⅳ×Ａ『为图像的大小，那么，｛Ｐ ，ｉ，ｊ＝ｌ，２， ，Ｊ｝就是该图像关于像素点本身及其右边像 ……，素点的灰度数据对的二维直方图。 对图像进行定性分析时，常常简化上述定义的 二维直方图，并不求取（像素点灰度，右像素点灰 度）数据对（ ，）的概率Ｐ ，在直方图中只是显 ． 上述连通域的长宽比ｄ和连通域的平均宽度Ｗ 的计算公式如下： ｄ＝Ｆ／ａ，ｗ＝ａ，／ｌ。 （２） 示数据对（ｉ， ）是否存在，用亮点表示数据对存 在。暗点表示不存在。 二维直方图可以清楚地表征图像中相邻像素间 灰度级的相关程度，也可以使用二维直方图进行图 式（２）中，ｆ为连通域长度，ａ为连通域内像素点 个数。 裂纹形状各种各样，常见裂纹类型如图２所 示，图片均经过放大。 像分割。图３为图１对应图像的二维直方图，分别 对应有缺陷工件和无缺陷工件。无缺陷工件图像的 一一一 （ａ）线裂纹 （ｂ）堆裂纹 （Ｃ）胖裂纹 二维直方图集中在低灰度区域， 有缺陷工件图像的二维直方图 分布在低灰度区域和较高灰度 区域。这和一维直方图的分析 结果相吻合。无缺陷工件图像 的二维直方图集中分布在对角 图２常见裂纹类型 线附近，有缺陷工件图像的二 维直方图在离对角线较远处仍有不少点的存在，根 如果将上述较为常见的裂纹在现有处理方案中 进行处理识别，会发现它们对线裂纹的识别率比较 据文中二维直方图的定义．这些部分对应图像中的 细节部分和噪声部分，如果图像噪声很少，则主要 理想，但对堆裂纹和胖裂纹误判率较高。因为在判 别裂纹时，计算得到的圆形度很可能超过界定范 围，因此产生误判。 对应细节部分。在工件图像中，细节主要是缺陷边 缘和伪缺陷边缘。利用二维直方图表现出的这种特 ・７・ 质量检验 性，可以用来进行裂纹的分割。 （ａ）有缺陷图像 （ｂ）无缺陷图像 图３工件图像二维直方图 ２裂纹检测与识别 ２．１基于多重分块极值的边缘分割 ２．１．１裂纹的特点 对一般裂纹而言，有如下特点：①在紫外荧光 图像中，裂纹相对于工件背景呈现高灰度级特性。 裂纹相对于工件背景要亮得多，因此，裂缝上的像 素灰度值一般来说是局部最大值。②裂纹是一系列 呈现鞍状的点集合。裂纹的凸状使得从其截面来看 像倒马鞍状。③一般来说，裂纹具有一定的线性特 征，并具有一定的方向。一 在列车轮对工件紫外荧光图像中，往往既存在 较粗、较明显的裂纹，也存在很多较细、非常弱的 裂纹，还存在大量的因油污、水迹等产生的伪裂纹 信号，而且这些伪裂纹信号的强度往往高于真实裂 ■一一一■一■ 纹信号的强度。显然，仅通过取阈值做分割的一般 处理方法进行检测已变得十分困难。 ２．１．２裂纹图像的提取与分析 根据一般裂纹的特点，可通过假设存在１条裂 纹，然后在灰度图像上提取出可能的裂纹像素点， 再去除非裂纹像素点，最后对保留的裂纹目标作鉴 别，丢弃虚假目标，留下真正的裂纹目标。由于裂 纹信息很弱，其灰度又极不均衡，不可能在整个图 像上进行。根据裂纹特点可对图像做出以下假设：①整个图像灰度不均，但在局部小窗口里可看似均 盈一置一● 匀；②在某个局部的小窗口（１６ｘ１６或３２ｘ３２） 里，存在１条裂纹；③裂纹有一定的方向，但遍历 每列或每行总能找到１个属于裂纹上的点；④裂纹 上每行或每列上的点是此行或此列的灰度最大值的 点。 由假设可在小窗口里对行或对列进行遍历，选 出每行和每列的灰度最大值点。 丁＿件图像分块极值的边缘分割二维直方图如图 ４所示。 ．８． （ｇ）原始图３ （ｈ）行方向 （ｉ）列方向 图４工件图像分块极值的边缘分割二维直方图 根据图４，筛选出的点有２种可能：①若其为 裂纹上的点，则有很强的线聚合性，如（ｂ）、 （ｃ）、（ｆ），其上点大多聚集在１条线（曲线或直线） 附近；②若其为非裂纹上的点，那么它有很强的随 机分布性，如（ｅ）、（ｈ）、（ｉ）。由于裂纹的连续性， 真实裂纹上的点应该在１条连续的曲线上，接近水 平方向的裂纹上的点可以通过列最大值提取出来， 接近垂直方向的裂纹上的点可以通过行最大值提取 出来。提取出来的裂纹上的点连续性较好，非裂纹 上的点则具有随机分布的特点。 据此，可从１６ｘ１６大小的窗口里按行在每一 行或按列在每一列遍历选择最大值点，共会选出 ｌ６个可能的裂缝上的点。遍历整幅图像后，得到 的行最大值图像将提取出垂直方向裂纹上的点，得 到的列最大值图像将提取出水平方向裂纹上的点。 然后将行、列最大值图像进行叠加，得到的图像将 包含水平和垂直２个方向上的裂纹点。 上述方法得到的图像把行、列方向的最大值都 综合到１幅图像中，对裂纹点的提取很充分，但没 在行、列最大值问进行取舍，因此，得到的图像中 存在大量非裂纹点。这是因为，在某个１６￣１６的窗 口中．若只存在水平方向的裂纹，则提取的行最大 值点大部分为非裂纹上的点，若只存在垂直方向的 裂纹．则提取的列最大值点大部分为非裂纹上的点。 铁道技术监督 基于分块取极值的思想，以及非裂纹点提取的 设ＳＥＴｃ是１条裂纹上的点集合，￡ 为裂纹的 随机性．若分块与分块之间只有部分重合，则在不 外围轮廓，则距Ｌ 为尺的阳 的外围轮廓区域为 同的分块问非裂纹点重合的几率将大大减少，而裂 ＳＥＴｏ＝｛Ｐｏ ｆ ｐｏ－Ｐ。≤ ，Ｐ ∈Ｌ ｝， （３） 纹上的点由于在相对较大的区域内都是局部最大值 由此可得裂缝的判别准则： 点，在不同分块中重合的几率很大。因此，通过提 ｌ ＭＥＡＮ（ＳＥＴｃ）一 Ｎ（ＳＥＴｏ）ｌ＞ 。 （４） 取重叠分块共同拥有的最大值点．去除只在１个分 式（４）中，ＭＥＡＮ（ＳＥＴｃ），ＭＥＡＮ（阳 ）分别 块中出现的最大值点，就可以保留裂纹上的点，去 为ｓＥ 与．ｓＥ 的灰度均值，ｔ为阈值。 除非裂纹上的点。 综上所述，此方法可以描述为：假设存在裂 如图５所示，在原图像中，以点（０，０）、（０， 纹一综合２个方向的裂纹点一基于多重分块去除非 ８）、（８，０）、（８，８）为起始１６ｘ１６窗口的左上角 裂纹产生的干扰点一消除线间间隙一对裂纹图像做 点，把图像划分成１６ｘ１６的小块，４个不同的分块 检验。 起点得到４种不同的分块划分。对每种划分分别取 ２．１．３算法描述 行、列最大值，分别得到最大值图像Ｉｍｇｌ、Ｉｍｇ２、 （１）从点（０，０）处开始取出１６ｘ１６大小窗 Ｉｍｇ３、Ｉｍｇ４。若图像中某个像素位置在Ｉｍｇｌ、 口数据，对此窗口按行方向和列方向选取最大值集 Ｉｍｇ４中都是局部最大值点，则作为裂纹上的点保 合 和 。对 和 进行叠加运算，即将 和 留，否则作为非裂纹上的点去除。对Ｉｍｇ２、Ｉｍｇ３ 综合到１幅图像中。在图像中从左到右、从上 中的像素点进行相同的处理。经过这样的处理，可 到下移动该１６ｘ１６大小窗口，在每个窗口中都进 保留裂纹点，去除非裂纹点。之所以选择Ｉｍｇｌ、 行相同的运算，遍历图像后，得到新的图像，记为 Ｉｍ 进行这样的处理，是因为根据上述分块划分， Ｉｍｇｌ。 Ｉｍｇｌ和Ｉｍｇ４的分块重合部分较小，如图５中的阴 （２）分别以点（０，８）、点（８，０）、点（８，８） 影部分（大小为８ｘ８），非裂纹上的点在同一个像 为起始点，进行上述运算，分别得到图像Ｉｍｇ２、 素上出现的几率更小。 Ｉｍｇ３、Ｉｍｇ４。 Ｏ ８ ｌ６ ２４ （３）将图像Ｉｍｇｌ与Ｉｍｇ４进行与运算，得到图 Ｏ 像Ａｎｄｌｍｇｌ４，将图像Ｉｍｇ２与Ｉｍｇ３进行与运算， 得到图像Ａｎｄｌｍｇ２３，将图像Ａｎｄｌｍｇｌ４与图像 ＡｎｄＩｍｇ２３进行或运算，得到图像Ｏｒｌｍｇ。 （４）对图像Ｏｒｌｍｇ进行形态学闭合运算，消除 线问间隙，得到图像ＯｒＩｍｇ’：对图像Ｏｒｌｍｇ’进行 ｌ６ 检验处理 ２．１．４边缘分割 ２４ 图６为基于多重分块极值的边缘分割，其中， ｒ 图５ １６ｘ１６窗口示意 图６（ｂ）是用基于多重分块极值的分割算法对图６ （ａ）进行处理的结果，很好地提取出了裂纹上的 裂纹点提取后，目标还会存在大量的线间间 点，包括局部很细微的裂纹也很好地被提取出来。 隙。需要对其作必要的操作，消除间 隙。由于干扰因素的存在，此时得到 的目标既包含裂纹也可能会包含虚假 裂纹线状目标，需要做进一步鉴别。 由上述裂纹的特点①、②可知，裂纹 （ａ）原始图像 （ｂ）裂纹提取图像 是像素灰度值局部最大值的点的集合． 图６基于多重分块极值的边缘分割 那么紧抱裂缝的外围轮廓区域灰度值与裂纹本身上 ２．２裂纹缺陷特征提取与识别 的灰度值有着较为显著的差异．而非裂纹区域差异 在边缘分割完成后，得到分割后的二值化图 将会较小 。 像。在二值化图像中．提取像素连续长度超过裂纹 ・９・ 质量检验 缺陷长度阈值的部分，把这些部分作为疑似缺陷看 裂纹缺陷的识别要完成的是区分已经提取出来 的连通域是缺陷还是伪缺陷。前面对裂纹缺陷特征 进行了详细分析，特征向量可以由连通域的长度、 宽度、长宽比、圆形度、灰度梯度中的某几项组 成，系统选用的特征向量由长度Ｚ、长宽比ｄ、圆 形度Ｒ组成。简单地说，系统的识别算法就是要 根据提取的特征向量完成裂纹缺陷的判别。 系统的缺陷识别算法采用Ｆｉｓｈｅｒ线性判别方 法，也是统计模式识别方法之一。它通过将高维空 待，存储这些像素的位置信息，并计算它们的长宽 比、圆形度等特征，这就是裂纹缺陷特征提取算法 要完成的任务 特征提取算法的步骤如下： （１）创建１个空表，该表的每项都指向１个链 表，初始时，这些链表都是空的。 （２）扫描图像，按照从左到右、从上到下的顺 序扫描。将水平方向连续目标像素（即二值图像中 的亮像素）作为１个等价行，为每个等价行标记１ 个数字，作为等价行的行号，并记录起始像素点的 位置。在等价表中新开辟１个链表，并将这个等价 行的信息作为１个节点记录在链表中。将当前等价 行信息存入等价表的同时，搜索该行已扫描过的邻 域中是否有已经存在的等价行，如 间点向低维空间点的投影来提取特征．或者说在高 维空问找１组判别面．将空间划分为若干个子空 间。 图７是使用特征提取算法和Ｆｉｓｈｅｒ线性判别算 法对分割后图像处理的结果。 果有，则将扫描到的这些等价行的 信息存储在当前链表中。扫描１遍 图像后，即得到１个完整的等价 表，该等价表包含的每个链表中存 储的都是相邻接的等价行。 （３）扫描等价表，按照从后往前的顺序扫描。 （ａ）分割后图像 （ｂ）图（ａ）的识别结果 图７缺陷识别结果 每扫描等价表中的１个链表时，都将该链表中的等 价行信息，即对应链表的１个节点，插入到该链表 之前的相应链表中。这样１遍扫描后，得到１个新 的等价表，此时等价表中的每个链表存储的就是相 应的完整的等价行。 ３结语 在分析列车轮对工件表面图像的基础上，建立 荧光磁粉探伤缺陷识别系统总体架构，以及系统实 现的软件平台，研究适合系统的处理算法，如预处 理算法、图像分割算法、特征提取及识别算法等。 在该软件平台上实现相关算法，并在探伤台上运 （４）扫描新的等价表。每扫描等价表中的１个 链表时，都统计出１个连续目标像素的信息，包括 行，检测系统的稳定性和算法的有效性，最终使系 统有效识别工件表面裂纹缺陷。 在标况下，即工况环境满足铁道部关于荧光磁 起始像素位置信息、连续目标的最小外接矩阵位 置、目标长度，还可进一步计算目标的网形度等。 这次扫描完成后，可以得到二值图像中出现的所有 连通域的信息。 （５）特征参数的提取。经过上述４个步骤，已 经区分出图像中所有不同的连通区域．对这些连通 粉探伤相关说明条件下，裂纹提取率达到１００％。 也就是说，系统能够完全识别出超出上述特征向量 范围（因为不同工件的检查要求不同，根据不同工 件对该特征向量范围进行人工设定）的裂纹缺陷， 实验中阈值ｔ取５０（在同样的工况条件下，不同 区域分别提取各参数。计算圆形度Ｒ、连通域的长 宽比ｄ和宽度Ｗ，以及连通域对应各像素的梯度信 息。 工件的检测阈值ｔ大致相同）。 参考文献 ［１］钱其林．荧光磁粉探伤法应用技术探讨［Ｊ］．无损探伤，２００２ （６）：ｌ６—１８． 上述算法包括３次扫描过程：对图像的１次扫 描、对等价表的２次扫描。对图像的扫描逐像素进 行，对等价表的扫描只对分割提取出来的目标像素 进行，这部分日标像素在整个图像像素中占很小比 例（１％～２％左右）。实际运行结果显示这部分只占 很少的处理器时间。 ・ ｆ２］彭沛欣，周军，鲍志强．荧光磁粉无损检测自动化系统的实现 『Ｊ＿．河海大学常州分校学报，２００３，１７（１）：７－１０． ［３］高建贞，陆建峰，赵春霞，等．基于多级拟合的道路病害自动 检测与识别［Ｊ］．计算机工程与应用，２００４，（２２）：２２０—２２３． １Ｏ・