基于数据融合的道面裂缝检测方法研究
发布时间：2021-06-11 12:34
近年来,随着公路网络的日益完善和机场数量的增加,道面养护与管理已成为我国交通行业领域亟待解决的一项重要任务。裂缝是道面大多病害的早期形态,及时准确地发现裂缝可以最大程度地降低维护成本,提高养护效率。随着国家“交通强国建设纲要”战略的推进,如何利用机器视觉技术实现高性能自动化的道面裂缝精准检测技术,已成为当前研究的热点问题之一。针对实际裂缝检测应用中光照条件差、图像对比度差和噪声强烈等干扰导致依靠单一传感器出现裂缝的误判和漏检问题,本文开展相关研究工作:在深入分析了红外和可见光传感器的成像原理和其在裂缝检测应用中特性互补的基础上,提出基于红外和可见光图像信息融合的道面裂缝检测方案。该方案使用红外传感器和可见光传感器同步采集道面图像,并使用基于显著区域几何特征提取的配准方法,实现道面红外和可见光图像的同步获取。为了进一步提高基于可见光图像路面裂缝识别算法的精度、鲁棒性和检测速度,提出了一种基于稠密连接与深度监督的神经网络道面裂缝识别算法。算法通过网络层间进行稠密连接及对多个尺度隐藏层进行深度监督的方式,提高了不同尺度下裂缝特征提取能力和信息互补度,并设计类别平衡交叉熵损失函数以增大裂缝像素...
【文章来源】：中国民航大学天津市
【文章页数】：67 页
【学位级别】：硕士
【部分图文】：
009-2018年公路养护里程比例面对公路和机场道面养护的急迫需求，如何实现道面的高效率、大范围的检
中国民航大学硕士学位论文10第二章道面红外与可见光图像的采集与配准2.1红外和可见光图像成像原理及特性分析电磁波广泛存在人们的生活中且覆盖面广泛，尽管类如紫外线、无线电波无法被人眼视觉观测到，但通过各类先进光学仪器的采集后，可应用于卫星信号、手机通信、遥控、红外监控、医疗器械等多个方面。图2-1为电磁波的光谱结构，其中波长范围一般为78.0~38.0m的电磁波即为可被人眼视觉感知到的可见光，而红外线（Infrared）是一种波长比可见光长的非可见光，其范围一般为1000~75.0mm。图2-1电磁波的光谱结构1、红外图像成像原理及特性分析自然界的任何物质只要其温度高于绝对零度（-273.15℃）即为红外光辐射源，每时每刻都向周围发射出与其表面的热分布场对应的红外辐射，此类辐射特性类似于可见光，但无法被人类视觉观测到，而使用红外热像仪可捕捉物体所发射出的红外辐射，并生成红外图像。红外热像仪的工作原理如下：1、红外热像仪镜头接收到物体发出的红外辐射，并将其投射在红外探测器焦平面阵列（FocalPlaneArrays，FPA），FPA中的热探测元接受到红外辐射后将温度升高，然后通过读出电路进行光电转换并生成数字信号。2、FPGA（FieldProgrammableGateArray）对红外探测器焦平面阵列生成的数字信号进行处理，从而获得与被测物体各部分温度相对应的红外热像图。图2-2为红外热像仪的成像原理。红外图像可再现了被测物体表面的温度和其对应的辐射发射率，其中像素值对应了红外图像中物体温度值高低，部分红外热像仪还可将物体表面具体的温度以csv格式温度阵列记录下来，方便使用者对
中国民航大学硕士学位论文11被测物体的表面具体温度分布信息进行充分利用。由于红外辐射穿透烟、雾、大气等障碍物的能力性强，不易受到周围光照环境的影响，因此红外系统被广泛用于目标检测、军事侦察等方面。图2-2红外热像仪的成像原理由于这种图像是根据物体表面各部分的热辐射特性成像，并根据实际热成像系统输出的结果，因此利用不同物体材质的差异或物体表面不同部位间温度差异的特点，使用红外热成像技术对不同场景进行目标识别或病害检测，其优点如下：（1）较好地给出目标存在特性和位置特性。由于在自然环境下，红外热像仪主要依靠捕捉场景中物体表面的温度和热辐射，且被测物体温度普遍异常于各种干扰物的温度，因此我们可以根据热像图准确判断出被测物体存在的位置。（2）自然环境下受干扰程度校针对于目标识别或病害检测问题，红外热像图不易受到光照环境、视觉遮挡物、风沙烟雾等干扰物的影响，因此其环境适应能力远高于可见光图像。而在可见光图像中，图像处理算法对这些干扰因素敏感，导致后续目标检测或物体识别出现较大误判。但由于红外传感器中探测器尺寸、制造成本和空间采样频率等限制，红外图像大多因欠采样存在空间分辨率较低、成像效果差、信号混叠的缺点，图像缺乏可见光图像较清晰的细节纹理信息，且由于热传递效应，导致被测物体边缘模糊，温度区间界限不明显。此外，由于景物热平衡、光波波长较长等原因，红外图像存在对比度低、视觉效果模糊的缺点。2、可见光图像成像原理及特性分析由于可见光能够激发人类眼睛视网膜产生视觉的辐射能，因此人类可通过可见光色彩信息获得大量的世界客观景象。可见光图像传感器利用镜头接受并折射物体反射的光，并通过电耦合器件CCD（Charge-coupleddevice）获取，从而将光学?
【参考文献】：
期刊论文
[1]改进的全局卷积网络在路面裂缝检测中的应用[J]. 李刚,高振阳,张新春,赵怀鑫,刘卓. 激光与光电子学进展. 2020(08)
[2]结构森林边缘检测与渗流模型相结合的混凝土表面裂缝检测[J]. 瞿中,鞠芳蓉,陈思琪. 计算机科学. 2018(11)
[3]基于深度学习的桥梁裂缝检测算法研究[J]. 李良福,马卫飞,李丽,陆铖. 自动化学报. 2019(09)
[4]基于可见光—红外光图像融合的苹果缺陷检测算法[J]. 陈乾辉,吴德刚. 食品与机械. 2018(09)
[5]沥青路面裂缝检测图像处理算法研究[J]. 伯绍波,闫茂德,孙国军,贺昱曜. 微计算机信息. 2007(15)
硕士论文
[1]基于语义分割的车载路面裂缝自动识别技术研究[D]. 魏芳.长安大学 2019
本文编号：3224545
【文章来源】：中国民航大学天津市
【文章页数】：67 页
【学位级别】：硕士
【部分图文】：
009-2018年公路养护里程比例面对公路和机场道面养护的急迫需求，如何实现道面的高效率、大范围的检
中国民航大学硕士学位论文10第二章道面红外与可见光图像的采集与配准2.1红外和可见光图像成像原理及特性分析电磁波广泛存在人们的生活中且覆盖面广泛，尽管类如紫外线、无线电波无法被人眼视觉观测到，但通过各类先进光学仪器的采集后，可应用于卫星信号、手机通信、遥控、红外监控、医疗器械等多个方面。图2-1为电磁波的光谱结构，其中波长范围一般为78.0~38.0m的电磁波即为可被人眼视觉感知到的可见光，而红外线（Infrared）是一种波长比可见光长的非可见光，其范围一般为1000~75.0mm。图2-1电磁波的光谱结构1、红外图像成像原理及特性分析自然界的任何物质只要其温度高于绝对零度（-273.15℃）即为红外光辐射源，每时每刻都向周围发射出与其表面的热分布场对应的红外辐射，此类辐射特性类似于可见光，但无法被人类视觉观测到，而使用红外热像仪可捕捉物体所发射出的红外辐射，并生成红外图像。红外热像仪的工作原理如下：1、红外热像仪镜头接收到物体发出的红外辐射，并将其投射在红外探测器焦平面阵列（FocalPlaneArrays，FPA），FPA中的热探测元接受到红外辐射后将温度升高，然后通过读出电路进行光电转换并生成数字信号。2、FPGA（FieldProgrammableGateArray）对红外探测器焦平面阵列生成的数字信号进行处理，从而获得与被测物体各部分温度相对应的红外热像图。图2-2为红外热像仪的成像原理。红外图像可再现了被测物体表面的温度和其对应的辐射发射率，其中像素值对应了红外图像中物体温度值高低，部分红外热像仪还可将物体表面具体的温度以csv格式温度阵列记录下来，方便使用者对
中国民航大学硕士学位论文11被测物体的表面具体温度分布信息进行充分利用。由于红外辐射穿透烟、雾、大气等障碍物的能力性强，不易受到周围光照环境的影响，因此红外系统被广泛用于目标检测、军事侦察等方面。图2-2红外热像仪的成像原理由于这种图像是根据物体表面各部分的热辐射特性成像，并根据实际热成像系统输出的结果，因此利用不同物体材质的差异或物体表面不同部位间温度差异的特点，使用红外热成像技术对不同场景进行目标识别或病害检测，其优点如下：（1）较好地给出目标存在特性和位置特性。由于在自然环境下，红外热像仪主要依靠捕捉场景中物体表面的温度和热辐射，且被测物体温度普遍异常于各种干扰物的温度，因此我们可以根据热像图准确判断出被测物体存在的位置。（2）自然环境下受干扰程度校针对于目标识别或病害检测问题，红外热像图不易受到光照环境、视觉遮挡物、风沙烟雾等干扰物的影响，因此其环境适应能力远高于可见光图像。而在可见光图像中，图像处理算法对这些干扰因素敏感，导致后续目标检测或物体识别出现较大误判。但由于红外传感器中探测器尺寸、制造成本和空间采样频率等限制，红外图像大多因欠采样存在空间分辨率较低、成像效果差、信号混叠的缺点，图像缺乏可见光图像较清晰的细节纹理信息，且由于热传递效应，导致被测物体边缘模糊，温度区间界限不明显。此外，由于景物热平衡、光波波长较长等原因，红外图像存在对比度低、视觉效果模糊的缺点。2、可见光图像成像原理及特性分析由于可见光能够激发人类眼睛视网膜产生视觉的辐射能，因此人类可通过可见光色彩信息获得大量的世界客观景象。可见光图像传感器利用镜头接受并折射物体反射的光，并通过电耦合器件CCD（Charge-coupleddevice）获取，从而将光学?
【参考文献】：
期刊论文
[1]改进的全局卷积网络在路面裂缝检测中的应用[J]. 李刚,高振阳,张新春,赵怀鑫,刘卓. 激光与光电子学进展. 2020(08)
[2]结构森林边缘检测与渗流模型相结合的混凝土表面裂缝检测[J]. 瞿中,鞠芳蓉,陈思琪. 计算机科学. 2018(11)
[3]基于深度学习的桥梁裂缝检测算法研究[J]. 李良福,马卫飞,李丽,陆铖. 自动化学报. 2019(09)
[4]基于可见光—红外光图像融合的苹果缺陷检测算法[J]. 陈乾辉,吴德刚. 食品与机械. 2018(09)
[5]沥青路面裂缝检测图像处理算法研究[J]. 伯绍波,闫茂德,孙国军,贺昱曜. 微计算机信息. 2007(15)
硕士论文
[1]基于语义分割的车载路面裂缝自动识别技术研究[D]. 魏芳.长安大学 2019
本文编号：3224545
本文链接：https://www.wllwen.com/guanlilunwen/lindaojc/3224545.html
