基于图像分析的路面裂缝检测方法与识别研究

发布时间：2020-07-18 22:31

【摘要】：路面裂缝检测是公路路面质量管理的重要组成部分,随着自动化检测程度的不断提高,基于图像分析的路面裂缝检测与识别方法成为路面检测技术的发展趋势。通常情况下,路面裂缝容易受到噪声和各种路况的干扰,使裂缝检测较为困难。本文在分析总结了一些学者的研究成果的基础上,从实用角度出发,研究了路面裂缝检测与识别分析关键的实用技术,主要研究内容如下:研究了路面裂缝图像增强技术,将改进中值滤波和小波阈值滤波方法联合起来对裂缝图像进行混合去噪,取得了一定的去噪效果;特别地,针对路面裂缝图像受到光照不均匀的影响,针对传统同态滤波方法抑制不足,应用基于小波变换的方法抑制裂缝图像光照不均匀,并与同态滤波方法进行了对比实验。研究了裂缝目标提取方法,研究了传统图像分割方法诸如边缘检测算子、阈值分割算法在裂缝图像分割中的应用效果;研究将多结构元素抗噪型形态学边缘检测算子应用到路面裂缝目标提取中,并进一步研究了以OTSU结果为基础、提取局部灰度特征、相异度特征和方向特征进行细划分并采用多结构元素形态学二值去噪的裂缝图像分割方法,并取得了不错的目标提取效果,稳定性较好,能够满足道路路面裂缝检测的要求。分析了路面裂缝的四种类型,根据裂缝的特征提取了投影变换-破损特征向量、裂缝分布密度特征向量,针对裂缝分布密度特征向量的不足,研究了改进裂缝分布密度特征向量的提取方法,并给出了融合特征向量的表征方法。然后,基于BP神经网络设计了三个裂缝分类器。实验结果表明,改进裂缝分布密度特征分类器的识别效果优于投影变换-破损特征分类器和裂缝分布密度特征分类器,但对非线性裂缝的分类识别方面还需要进一步改善。同时根据三个分类器的识别效果,设计了融合分类器,进行对比实验分析,表明融合分类器的优势。
【学位授予单位】：南京邮电大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：U418.6;TP391.41
【图文】：

算法流程,路面裂缝,裂缝

但该方法没有对网裂和块裂进行区分。容与工作安排面裂缝图像分析与识别现状及发展趋势，采用图像处理裂缝检测方法的先进手段。目前路面裂缝图像处理与分的处理与分析主要由裂缝图像预处理、裂缝目标检测和像的预处理中，裂缝图像噪声分布广、裂缝目标与背景较严重的，因此，有必要通过研究路面裂缝图像增强处缝图像目标提取分割是整个图像处理与分析算法的核心提取算法，以适应裂缝图像预处理效果不佳、多种不规路面裂缝的准确分类打下好的基础，为道路交通管理部科学、客观、完整的依据。

示意图,示意图,位论,多级中值滤波

位论文第二章示取该点窗口邻域内的所有像素值的中值平滑噪声的效果，窗口太大若裂缝边缘细度，也同时会破坏裂缝目标信息。法波对裂缝图像的处理效果，有效抑制噪声即多级中值滤波算法滤除路面裂缝图像噪，当前点像素位置为（i, j），其像素灰度（以 5×5 窗口为例）中的 W1，W2，W3，与水平方向成 90o、135o的四个一维子窗口

分解图,二维图像,分解图,小波变换

路面裂缝图像属于二维图像信号，用低通滤波器和高通滤波器分别对裂缝进行滤波卷积，并进行二取一的下抽样。经过二维小波变换一层分解，原始路以被分解为四个子图像分量，即低频分量 LL，作为保持图像信号特性与轮廓频 LH（水平）、高频 HL（垂直）以及高频 HH（对角线），这些分量提供裂细节。小波变换分解见图 2.2，其中 2↓1 表示保留奇数列；1↓2 表示保留奇数行分解后的 LL 分量进一步小波分解，获得二层尺度下的低频分量和相应层数的此类推。相应地，小波重构图解如图 2.3，其中， 2↑1 表示每两列之间填 0；行之间填 0。小波方法去噪具有良好的性质，小波分解变换能够在不同尺度下表征裂缝小波因为运用了多分辨率分析的方法而可以很好地表征裂缝图像的非平稳特性图像的有价值信息与噪声信号分离，这样更加有利于处理噪声。基于小波变换处理，不但可以很好地抑制噪声特别是高斯噪声，并且能保护好裂缝重要的边

【相似文献】