基于机器视觉的路面裂缝分类与检测方法研究

发布时间：2021-08-16 10:47

　　近年来,随着我国公路建设的蓬勃发展,对路面道路管理维护的规模也随之迅速增长。而其中公路尤其是高速公路因长期投入运行,路面很容易形成裂缝危害,造成交通安全隐患。目前,仅仅通过人工识别检测方式或者单一的图像处理检测方法早已不能满足日前路面裂缝检测的发展速度,而且存在一定的误差。如何实时准确地识别、检测定位出路面中存在的裂缝目标并当下予以修复是当前亟待解决的问题。目前对于路面图像的分类主要基于特征提取并采用机器学习分类器的方法。但可提取的表面特征种类繁多,如何从中选择有效适合的特征,从而达到对路面图像中裂缝和背景很好的区分需要不同特征之间的对比和组合。而对于分类之后裂缝图像的检测定位主要采用一系列图像处理流程,涉及到对于不同形状、深浅的裂缝目标需人工设置不同的阈值参数进行分割、筛选、提取,如何进一步对其图像处理流程完善或采用当下应用最广泛的深度学习模型用于裂缝图像检测,从而更有效地提高其通用性、实用性和准确率。具体来说,针对以上的问题,本文的主要工作如下:首先,研究了HOG+LBP组合的特征参数用于路面裂缝的分类识别方法,其次通过使用SIFT特征弥补HOG+LBP特征向量维度过大,同时使用S... 

【文章来源】：哈尔滨工业大学黑龙江省 211工程院校 985工程院校

【文章页数】：67 页

【学位级别】：硕士

【部分图文】：

基于SVM路面裂缝识别分类的整体流程

最终每一张路面图像对应的组合特征向量维度过大，要求内存容量，从而有较高的空间复杂度。需要在纹理特征类度较低、分类准确性较高的特征对路面裂缝图像进行分类T 特征用来描述图像的局部纹理特性[36-38]，且对旋转角度、定性，对视角大小、干扰噪声也保持不变性。其核心是在搜寻关键点，并计算出关键特征点对应的方向。这些关键缘边界点、亮暗区的突出点等。SIFT 特征除不变性的特点量独特性好、多量性、高速性、可扩展性的特点。）SIFT 对应特征提取步骤T 特征检测提取主要划分为五个步骤，即构建高斯多尺度空中的特征点、特征点定位、特征方向赋值、特征点描述。构建高斯多尺度空间降采样得到一系列缩小尺寸图像下的多分辨率图像金字塔部性质，即尺度不变性。而通过使用不同高斯核函数对图糊得到的高斯尺度空间可保证图像尺度不变性，如下图 2-

2 22221( , , )2x yG x y e 检测不同尺度下都存在的特征点，需用到拉普拉斯高斯（Lan,LoG）算子2 G，即做二阶偏导，所以计算量过大，可用差rence of Gaussian，DoG）近似计算 LoG，设 k 为相邻高斯尺度，DoG 可通过如下式（2-3）计算得出。D( x, y , ) [G ( x, y , k ) G ( x, y , )] I ( x, y) L( x, y , k ) L( x, y, )式中 D ( x , y, )为所求得的差分高斯函数，高斯金字塔分多组多 2 倍降采样，组数由下式（2-4）决定。 2o log min( m, n ) a中o 为组数， m ，n为图像长宽，a为 0~2log min(m ,n )间任意值间相差比例因子 k ，即若每组有 S 层，则12Sk ，一般高斯金字层。其中高斯金字塔和差分高斯金字塔之间的转化如下图 2-3

【参考文献】：
期刊论文
[1]基于机器视觉的透明塑料件缺陷检测[J]. 关日钊,吴磊,徐焯基.  装备制造技术. 2018(03)
[2]机器视觉表面缺陷检测综述[J]. 汤勃,孔建益,伍世虔.  中国图象图形学报. 2017(12)
[3]基于预处理与卷积神经网络的塑件划痕检测[J]. 崔炽标,李阳,毛霆,张云.  模具工业. 2017(09)
[4]基于GRNN神经网络的沥青路面裂缝预测方法[J]. 柯文豪,陈华鑫,雷宇,张涛.  深圳大学学报(理工版). 2017(04)
[5]基于自适应阈值Canny算法的裂缝检测方法研究[J]. 孙亮,邢建春,谢立强,王进京.  微型机与应用. 2017(05)
[6]基于改进多类支持向量机的印刷缺陷检测[J]. 胡方尚,郭慧.  华东理工大学学报(自然科学版). 2017(01)
[7]路面裂缝图像自动识别系统[J]. 汪文,英红,马骁.  工程技术研究. 2017(02)
[8]基于三维光影模型的公路路面裂缝自动识别算法[J]. 阳恩慧,张傲南,丁世海,王郴平.  西南交通大学学报. 2017(02)
[9]基于数字图像处理的路面裂缝自动分类算法[J]. 彭博,蒋阳升,蒲云.  中国公路学报. 2014(09)
[10]基于图像的水泥刻槽路面裂缝识别方法[J]. 荣婧,潘玉利.  公路交通科技. 2012(03)



本文编号：3345530