基于深度学习的端到端道路裂缝检测技术研究

发布时间：2020-06-19 09:46

【摘要】：随着社会主义现代化的持续推进,我国的基础设施建设也在如火如荼的进行。作为衡量国家现代化水平的重要指标——高速公路,其里程数也在近年来跃居世界第一。然而如此庞大复杂的道路交通网也带来了难以妥善解决的道路养护问题。由于施工方式、气候条件、行车负载等因素,道路常常会产生裂缝,这为道路交通安全带来了巨大的挑战。因此如何从道路图像上准确地检测出裂缝区域就成为了亟需解决的难题。传统的道路裂缝检测算法容易受到噪声等因素的干扰,而且随着道路材质的变化,检测效果也会大打折扣。近年来基于深度学习的卷积神经网络技术在图像分割领域取得了振奋人心的成绩,因此将卷积神经网络技术应用到道路裂缝检测任务就成为了一个十分值得探索的研究方向。卷积神经网络通常需要大量的标注数据来训练,而当前道路裂缝检测领域的数据量无法满足需求。因此本文首先应用了多种图像变换方法扩增数据集。之后为了解决这些扩增数据相似度较大的问题并进一步扩增数据集,本文提出了一种数据合成方法。该方法首先将裂缝区域从图像上提取出来,经过变换后与不含裂缝的背景图像进行泊松融合。通过该方法可以大量合成分布差异较大的标注数据,这解决了本文对大规模数据的需求。接着本文设计了一个解码器-编码器结构的深度卷积神经网络进行端到端的自动道路裂缝检测。该网络含有108个卷积层,由下采样路径、瓶颈结构和上采样路径构成。其中下采样路径逐步缩小特征图尺寸,从而提取图像特征;瓶颈结构用于减少特征图数量,剔除冗余信息;上采样路径逐步扩大特征图尺寸,从而恢复图像细节,预测目标类别。通过大量的实验,以及与其他相关算法进行对比,本文的算法在多个评价指标上均取得了当前最好成绩,并大幅超越其他算法,证明了本文算法的有效性。
【学位授予单位】：华中科技大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TP391.41;TP18;U418.66
【图文】：

1 绪论1.1 研究背景及意义自改革开放四十年以来，我国国民经济经历了十分迅速的增长，国家基础建设的脚步也从未停止。而高速公路作为国民交通出行及运输的主要方式，成为了衡量一个国家现代化进程的重要标志。我国的高速公路建设起步于 20 世纪 80 年代中期，与发达国家相比晚了将近 50 年，然而近二十年来的发展却十分迅猛。自从 1988 年 1月上海的沪嘉高速公路建成通车后，我国的高速公路建设如井喷式爆发。截止到 201年底，我国的高速公路通车总里程数已经达到 13.65 万公里[1]，超过美国成为世界第一，基本满足了人民生产生活的需要。

图 1-3 VGG16：一个典型的卷积神经网络.2.2 图像语义分割图像语义分割是计算机视觉领域中一项经典的任务。图像语义分割的目的图像上的每一个像素分配一个类别，以得到像素级的密集分类。在卷积神经之前，图像语义分割通常采用像素级的决策树分类方法[21][22]。最初使用卷积进行语义分割的研究通常使用图像块分类方法：将图像划分为多个不重叠，然后将每个图像块分别输入卷积神经网络，从而对这些图像块进行分类。因为受到分类网络思想的影响，网络中含有全连接层，输入必须为固定大小[23]。而且图像块的数量也不能设置过多，否则将极大地增加网络的参数量。[24]提出了全卷积神经网络(FullyConvolutionalNetworks, FCN)，改进了原

【相似文献】

相关期刊论文 前10条

1 赵娜;;《图像合成》学习工具制作综述[J];中国信息技术教育;2015年04期

2 陈野;;高中物理实验图像的教学功能深度开发[J];湖南中学物理;2017年03期

3 郝金松;;利用Photoshop综合处理图片[J];中国多媒体与网络教学学报(电子版);2016年06期

4 尹帅;韩玉萍;;数字化图像合成教学设计[J];中华少年;2017年08期

5 单薇;;巧用图层蒙版进行图像合成[J];考试周刊;2017年33期

6 佟竺轩;宋南;;浅析特效在微电影中的作用[J];数码世界;2017年06期

7 李秀钗;;《图像的合成加工》之课堂教学探究[J];中小学电教(下半月);2017年09期

8 蒋爱德;扈少华;;彩色图像合成技术分析[J];郑州牧业工程高等专科学校学报;2008年04期

9 孟祥钊;;基于3D4U的立体图像合成[J];数码印刷;2008年02期

10 陈柏润，王晓京;图像合成的软件设计[J];计算机应用研究;1996年04期

相关会议论文 前10条

1 邵新星;何小元;;亚像素图像合成[A];中国力学大会-2015论文摘要集[C];2015年

2 钱霖;;两帧图像合成的“亚象元”方法[A];首届信息获取与处理学术会议论文集[C];2003年

3 尹宝才;高文;晏洁;;三维人脸变形模型和面部图像合成——面向合成编码的面部图像合成方法[A];信息科学与微电子技术:中国科协第三届青年学术年会论文集[C];1998年

4 李茶茶;李飞;;一种新的指纹图像合成分割法[A];2010年通信理论与信号处理学术年会论文集[C];2010年

5 罗功银;周正;饶强;;基于Visual C++的数字图像合成算法研究[A];2017智能电网信息化建设研讨会论文集[C];2017年

6 姜志国;史文华;韩冬兵;孙维忠;刘莉;;基于聚焦合成的显微三维成像系统[A];2004年CT和三维成像学术年会论文集[C];2004年

7 陆宗骐;朱煜;;图像合成原理及其实现[A];第十四届全国图象图形学学术会议论文集[C];2008年

8 赵莎;乐光新;;一种适于视频会议的多会场图像合成方法[A];2008年中国高校通信类院系学术研讨会论文集（上册）[C];2009年

9 曹玫璇;王章野;李理;彭群生;;基于个性化原型的人脸衰老图像合成[A];中国计算机图形学进展2008--第七届中国计算机图形学大会论文集[C];2008年

10 黄静;王希;齐东旭;唐泽圣;;基于二值掩码图像的图像合成方法及其应用[A];中国计算机图形学进展2008--第七届中国计算机图形学大会论文集[C];2008年

相关重要报纸文章 前8条

1 陈海燕;尼康相机的图像合成功能怎么用？[N];中国摄影报;2020年

2 图像点青;灵感重现[N];中国电脑教育报;2003年

3 记者 李鹏;人脸识别新突破：或成破案神器[N];北京科技报;2015年

4 Li Hua;巧用Alpha通道实现特效[N];电脑报;2004年

5 刘东波;轻松缝合破碎图像[N];计算机世界;2004年

6 天空;用Photoshop制作晕光字[N];江苏经济报;2003年

7 王帅;“深度伪造”的法律风险与防范[N];中国城乡金融报;2019年

8 赵斌;听说地球的“美颜照”比“素颜照”更真实？[N];中国航天报;2019年

相关博士学位论文 前10条

1 吴博剑;基于图像的透明物体重建与渲染[D];中国科学院大学(中国科学院深圳先进技术研究院);2019年

2 宋晓丹;面向云移动媒体计算的图像视频通信和存储技术研究[D];西安电子科技大学;2017年

3 鲍建敏;基于生成对抗网络的图像合成[D];中国科学技术大学;2019年

4 殷国君;基于深度学习的图像特征理解与语义表达[D];中国科学技术大学;2019年

5 杜杨洲;基于统计学习的人脸图像合成方法研究[D];清华大学;2004年

6 李旭东;人脸图像合成技术研究及数字水印技术[D];浙江大学;2005年

7 王树才;禽蛋检测与分级智能机器人研究[D];华中农业大学;2006年

8 杜振龙;图像—视频抠像技术的研究[D];浙江大学;2007年

9 胡伟平;基于认知逻辑的个性化人脸图像合成研究[D];西南大学;2014年

10 王楠楠;异质人脸图像合成及其应用研究[D];西安电子科技大学;2015年

相关硕士学位论文 前10条

1 庄雪琳;虚拟图像生成的研究[D];南京师范大学;2019年

2 陈茹;基于对偶学习的图像风格转移研究[D];西华大学;2019年

3 陈淑t

本文编号：2720623